앞으로의 교육은 사람이 컴퓨터보다 잘할 수 있는 것에 집중하는 것이 필요합니다.
마음을 이해하는 것이 앞으로의 AI에서 더 흥미로운 사례가 될 것입니다.
– 대프니 콜러 교수 (스탠포드 컴퓨터과학과 교수, 코세라(Coursera) 창업자)

AI는 사람의 사고력을 확장해 줍니다.
이를 어떻게 효과적으로 다룰지 제대로 배우는 게 미래 교육 현장에서 중요해집니다.

– 스티븐 코슬린 (하버드대 명예교수, Active Learning Sciences 창업자)

급변하는 시대에서는 교육의 방법이 바뀌어야 합니다.
답이 정해져 있지 않은 문제를 해결하기 위해서는 커뮤니티에 답이 있습니다.

김승일 대표 (모두의연구소 대표, AI 혁신학교 아이펠 설립자)

위 세 전문가 분들의 공통점이 무엇인지 아시나요? 바로 지난 10월 16일부터 17일까지 연세대에서 열린 ‘제1회 태재미래교육포럼 2023′에 참여한 연사님들입니다. 국내외 엄선된 연구자, 교육자, 기업가들이 한자리에 모여 다양한 형태의 교육에서 AI를 가장 잘 활용하는 방법에 대해 다양한 시사점을 제시했죠.

이 포럼에서는 인공지능 기술을 실제로 활용할 수 있는 다양한 방법에 대해 워크샵을 통해 참가자들이 직접 접하고 탐구할 기회를 제공했습니다. 본 글에서는 워크숍을 직접 참여하면서 경험했던 내용 중심으로 AI를 활용한 교육에서 인사이트를 함께 나누고자 합니다.

출처 : 데이터넷 '김승일 모두의연구소 대표, ‘태재미래교육포럼 2023’서 주제 발표'

출처 : 데이터넷 ‘김승일 모두의연구소 대표, ‘태재미래교육포럼 2023’서 주제 발표’

액티브러닝을 위한 GPT 활용하기

‘액티브러닝을 위한 GPT 활용하기’ 워크숍은 미네르바 대학 초대 학장이었던 혁신 교육 및 액티브러닝에 대한 석학인 스티븐 코슬린 교수가 진행했습니다. 액티브러닝(Active Learning, 능동적 학습)에 대한 정의를 알아보고, 이를 소그룹으로 모여 액티브러닝 디자인을 사람끼리 브레인스토밍을 통해 만든 결과물과 이후 챗GPT를 활용해서 만든 결과물을 비교하는 시간을 가졌습니다. AI를 교육 설계에 어떻게 효율적으로 활용할 수 있는지 직접적인 결과물에 대한 비교를 통해서 인사이트를 얻을 수 있는 시간이었죠.

액티브러닝(Active Learning)이란?

액티브러닝(Active Learning)은 학습자가 학습 목표를 달성하기 위해 정보나 기술을 사용하고 적용하는 능동적 교육 학습 방식을 의미합니다. 이를 위해 학습자가 정보나 기술을 단순히 받아들이지 않고, 실제 학습 결과를 얻기 위해 활용하는 방식으로 설계됩니다.

학습자가 무엇을 ‘하는’ 것이 아니라, 무엇을 ‘사용’ 하는 것으로서 학습이 진행되며 (Learning by using, not doing) 이것은 단순히 주제나 개념을 다루는 것이 아니라, 구체적이며 측정 할 수 있는 활동을 통해 학습이 이루어지죠.

또한, 목표 지향적인 수업과 연결되어 학습자가 학습 목표를 달성하기 위해 노력이 필요합니다. 예를 들어, 하루 일과 중 사람이 평균 10% 정도만 기억할 수 있는 이유는 의도적으로 주의를 집중했거나 기억을 떠올리게 하는 여러 환경 때문에 가능하죠. 이처럼 학습자들이 학습 목표를 달성하기 위해 알아야 하는 내용에 집중하는 ‘Deep Processing(딥 프로세싱)’이 중요합니다.

출처 : 조선일보 ‘AI는 인간의 사고력 키워주는 인지능력 증폭기’

액티브러닝 교육 디자인 실습 (Human vs AI)

워크숍에서는 액티브러닝에 대해서 실제 디자인을 하기 3가지 스텝별로 소그룹별로 진행했습니다.

주제 정하기
학습 목적을 정의하기
목적 달성에 도움이 되는 딥프로세싱을 하는 활동을 디자인하기

주제와 학습 목적을 정하는 것은 함께 모인 사람들끼리 협의가 되면 쉽게 정할 수 있었지만, 목적 달성에 도움이 되는 딥프로세싱 활동의 디자인은 짧은 시간 내 브레인스토밍을 통해 만들어 내기 어려웠습니다.

“음.. 우리 주제를 어떻게 정하죠? AI 교육에 대한 공통 관심사가 있으니 ‘AI가 어떻게 사람과 친화적인지’를 알 수 있는지 파악하는 것을 학습 목적으로 정의할까요? 그런데 이거 어떻게 액티브러닝으로 설계하면 좋을지 고민 되네요. 딥프로세싱을 어떻게 적용해야 효과적 학습이 가능할까요?”

사람들끼리의 브레인 스토밍 시간 이후, 스티븐 코슬린 교수님이 똑 같은 과업에 대해 챗GPT의 프롬프트를 활용해서 진행해보라고 하며 프롬프트 초안을 제시합니다.

Draft Prompt :

Use the principle of deep processing to develop an active learning exercise that addresses this learning objective :[identifying if AI is human friendly]. The Principle of Deep Processing states: “the more mental processing one performs on information, the more likely one is to retain it.”

딥 프로세스의 원리를 사용하여 [identifying if AI is human friendly] 학습 목표를 해결하는 액티브러닝 연습을 개발하십시오. 딥 프로세스의 원리는 “정보에 대해 더 많은 정신적 처리를 수행할수록 정보를 보유할 가능성이 높아진다.”입니다.

워크숍 진행 현장 사진

해당 프롬프트에 제가 속해있었던 소그룹에서 정한 주제 ‘AI가 어떻게 사람과 친화적일 수 있는지’를 키워드로 넣고 챗GPT를 활용했더니 자세한 교육 커리큘럼에 대해 바로 초안으로 확인해볼 수 있었습니다.

제목: “AI는 친구일까요? 혹은 적일까요?”

학습 목표: 학습자들이 정보를 적극 활용하고 심층적으로 처리하여 AI가 인간 친화적인지 여부를 파악하는 것

소개: 인공 지능(AI)은 시리나 알렉사와 같은 가상 비서부터 자율 주행 자동차 및 추천 알고리즘까지 우리 생활의 점점 더 중요한 부분이 되고 있습니다. AI가 인간 친화적인지 여부를 이해하는 것은 정보에 기반한 결정을 내리고 기술의 미래를 결정하는 데 중요합니다. 이 활동형 학습 운동은 정보를 심층적으로 처리하여 AI의 친화성을 평가하도록 돕기 위한 것입니다.

지침:

초기 인식 (5분) AI와 그 친화성에 대한 초기 생각을 적어보세요. AI가 대체로 친화적이라고 생각하십니까 아니면 잠재적으로 유해하다고 생각하십니까? 간단히 이유를 설명하세요.

그룹 토론 (10분) 소규모 그룹을 형성하고 초기 인식에 대한 토론을 진행하세요. 모두의 생각과 이유를 공유하도록 장려하고 토론 중 나오는 주요 포인트를 리스트로 만드세요.

AI 친화성 요소 (15분) 그룹으로 모여 AI 친화성 개념을 더 심층적으로 탐구하세요. AI가 친화적 또는 친화적이지 않을 수 있는 요소를 나열하세요. 투명성, 윤리, 편향, 직업에 미치는 영향과 같은 측면을 고려하세요.

사례 연구 (20분) 그룹에게 AI 응용에 관련된 사례 연구나 현실적인 예시를 제공하세요. AI가 긍정적인 영향을 미친 경우와 윤리적 우려가 제기된 경우를 포함합니다. 각 그룹은 최소한 하나의 사례 연구를 분석해야 합니다.

반성과 토론 (15분) 사례 연구를 공부한 후에 수업으로 돌아와 각 그룹이 결과를 발표하도록 하세요. 심층적인 정보 처리에 중점을 두고 활발한 토론과 논의를 장려하며 서로의 의견에 도전하고 미묘한 측면을 탐색하세요.

윤리적 딜레마 (10분) AI와 관련된 윤리적 딜레마를 제시하세요. 예를 들어, 생명과 관련된 결정을 내리는 자율 주행 자동차와 같은 상황을 고려할 수 있습니다. 학생들은 개별적으로 자신의 응답과 이유를 적어주세요.

그룹 해결책 (15분) 그룹은 윤리적 딜레마에 대해 논의하고 합의에 도달하려고 노력해야 합니다. 윤리 원칙을 기반으로 자신의 결정을 정당화하는 데 중점을 두어 심층 처리를 강조하세요.

AI의 미래 영향 (10분) 각 그룹에게 AI가 사회와 개인에 미칠 수 있는 잠재적 영향을 브레인스토밍하도록 하세요. AI가 계속해서 인간 친화적이도록 보장하는 방법을 생각해보도록 하세요.

개인적인 반성 (5분) 마지막으로, 각 학생에게 이 활동을 통해 AI의 친화성에 대한 인식이 어떻게 변화했는지에 대한 간단한 반성문을 작성하도록 하세요. 정보의 심층 처리가 그들의 견해를 어떻게 바꾸었는지를 고려해보세요.

마무리 토론 (10분) 핵심 내용과 AI 친화성 평가와 같은 복잡한 주제를 평가할 때 심층 처리의 중요성에 대한 전체 수업 토론으로 활동을 마무리하세요.

와, 이렇게 상세하게 학습 목표, 소개, 세부 교육 설계 방안과 예상 시간까지 몇초 안되는 시간에 바로 초안을 만들어주다니. 바로 직전에 사람들끼리 논의하면서 교육 설계에 대한 고민을 나누었던 경험과 비교해보니 더 놀라웠습니다. 이 처럼 챗GPT가 만든 초안의 형태를 사람끼리 모여서 만들려면 과연 얼마나 더 시간이 걸렸을까요? AI를 활용한다면 교육 설계에 체계적 구조화를 학습 원리 및 목적과 연결해서 쉽고 효율적으로 아이디어를 얻을 수 있다는 점을 인지할 수 있었습니다.

AI를 활용하기 위해 중요한 “프롬프트 엔지니어링”에 대한 사용법 팁도 함께 알아볼 수 있었습니다.

✅ 반복적 접근(Iterative approach)
문제를 진단하고 프롬프트를 정제하며 결과를 관찰하는 반복적인 접근법을 사용합니다.

✅ 명확성(Unambiguous)
프롬프트는 모호하지 않아야 합니다.

✅ 구조(Structure)
프롬프트는 단계별 구조로 이루어져야 합니다. (step by step)

✅ 높은 합의 주제 (High consensus subjects)
언어 모델 (LLM)을 위한 프롬프트 작성 시 많은 사람들의 동의하고 있는 주제를 고려해야 합니다.

✅ 배경 정보와 맥락 (Background information and context)
프롬프트에는 관련 배경 정보와 맥락이 포함되어야 합니다.

✅ 제품 또는 응답에 대한 제약 조건 (Constraints on the product or response)
예를 들어, 얼마나 많은 예제가 필요한지와 같은 제품 또는 응답에 대한 제약 조건을 고려해야 합니다.

✅ 집중 (Focused)
프롬프트는 LLM이 집중해야 하는 내용을 명확하게 전달해야 합니다.

AI시대에 필요한 교육의 변화

챗GPT와 같은 생성형 AI를 통해 기계와 사람의 커뮤니케이션이 자연어로 소통이 가능해졌습니다. 그리고 정보 중심의 전달뿐만 아니라 답이 없고 창의성이 요구되는 분야와 질문에 대해서도 능숙하게 AI가 제안 할 수 있는 세상이 찾아왔죠. 그 때문에 텍스트, 그림, 영상 등 미디어라고 불리는 모든 매체에 인공지능 기술의 영향이 더 밀접하게 스며들고 있습니다.

김상균 교수는 미래 핵심 기술인 로봇, 생명공학, 메타버스, 양자 컴퓨팅과 같은 미래 기술을 인공지능이 더 빠르게 촉진할 수 있는 도화선적인 역할을 하고 있다고 말합니다. 기계와 사람이 공존하고 예측 불가의 가변적 환경에서는 점점 더 주체적으로 적응할 수 있는 교육이 점점 더 중요해지죠.

SW엔지니어를 고용할 때 코딩 능력이 중요하지 않다고요? 마인드스톤의 조슈아홀 대표는 코딩 능력보다 협업, 학습 능력, 문제 해결이 더 중요해지는 시대가 왔다고 얘기합니다. 앞으로는 컴퓨터가 더 잘할 수 있는 능력은 컴퓨터가 하게 하고, 인간이 더 잘할 수 있는 능력에 대한 개발이 중요해집니다.

교육 출판 기업 피어슨(Pearson)도 현재 회사가 요구하는 스킬과, 앞으로 필요하게 될 스킬은 다르다고 명시합니다.

현재 상위 5개 스킬이 소통 (Communication), 고객 서비스 (Customer Service), 리더십 (Leadership), 세부 사항에 대한 주의 (Attention to Detail), 협력 (Collaboration)의 순서를 갖고 있다면 2026년까지 가장 필요하고 투자와 개선이 가장 필요한 상위 5개의 파워 스킬은 하기와 같다고 말합니다.

협업 (Collaboration)
다른 사람들과 건설적이고 협력적인 근무 관계를 개발하는 능력
고객 중심 (Customer Focus)
고객과 클라이언트를 돕는 방법을 적극적으로 찾는 능력
개인 학습과 능숙도 (Personal Learning & Mastery)
자신의 공부나 경험을 통해 지식이나 기술을 습득하는 능력
성과 중심 (Achievement Focus)
감독이 거의 없거나 전혀 없는 상황에서 책임과 도전을 수용하고 자신만의 방식으로 일을 처리하며 일을 스스로 처리하는 능력
문화 및 사회적 지능 (Cultural and Social Intelligence)
다른 사람들의 반응을 인식하고 이해하는 능력

출처 : Pearson Skills Outlook: Power Skills

출처 : Pearson Skills Outlook: Power Skills

미래 교육 방향성에 대한 열린 토의였지만 모두가 한결같이 얘기하는 하는 공통점은 ‘AI를 통한 에듀 테크는 기존 교육에서는 불가능했던 다양한 확장성과 체계성을 통해 교육 설계부터 학습 평가까지 새로운 변화’가 이미 진행되고 있고, 앞으로도 그 가능성과 임팩트는 훨씬 더 커질 것이라는 점이었습니다.

사람의 지식과 경험으로는 한계점이 있었던 부분을 분명 인공지능이 채워줄 수는 있지만, 그것의 옳고 그름의 판단여부는 사람의 주체성이 더 중요하기 때문에 기술을 활용하기 전 어떤 것이 더 좋은 결과물인지에 대한 학습과 판단이 교육적 기술 활용에 있어서 사전적으로 필요합니다.

결국 인터넷이, 모바일이 우리의 인식과 세상을 받아들이는 관점을 확장한 것 처럼 인공지능 또한 그동안 개념적으로 학자들만 주장했던 세상에서 점점 우리 생활과 일상에 자연스럽게 확장될 것입니다. AI라는 기술을 어떻게 더 잘 활용하고, 불확실한 미래에도 주체적인 자신감을 갖는 인재를 양성할 수 있을 것이냐가 앞으로의 교육계에서 지속적해서 갖게 되는 핵심 문제가 될 것입니다.

에듀테크로 더 많은 사람들이 더 즐겁게 교육을 받고 삶에 필요한 능력 향상과 성장을 통해 더 즐거운 삶을 영유하게 하는 일이 궁극적으로 모든 교육자들의 소망이라는 생각이 듭니다.

– 본 글은 모두의연구소 AIX LAB 활동을 통해 발행 된 퓨처드릴 뉴스레터 내용으로 작성되었습니다.

– 모두의연구소가 만든 커뮤니티 기반 성장형 SW/AI교육 플랫폼 오름에서 AI 시대에 필요한 SW/AI 교육을 만나보세요.