오늘의 초점
2028 진학지도는 학생을 수시형·정시형으로 조기 분리하거나 세특 문구를 늘리는 일이 아니라, 진로에 맞는 과목 선택–수업 안 수행과 성취–교사 관찰 기록–면접 설명을 연결하고 대학별 변동정보를 공식 확인하는 과정이어야 한다.
과목 선택과 실제 성취를 진학의 중심 증거로 읽는다
근거 3건2028 대입의 큰 기조와 대학별 변동정보를 구분하고, 진로에 맞는 과목 선택과 그 안에서 확인된 성취를 여러 기록의 맥락 속에서 해석해야 한다.
수행과제와 기록을 하나의 학습 증거로 잇는다
근거 4건성취기준에 맞춘 수행과제, 초안·수정·구술 등 과정증거, 교사의 직접 관찰이 연결될 때 학생의 실제 학습을 진학상담에서 설명할 수 있다.
AI 결과보다 학생의 판단과 교사의 검증을 확인한다
근거 2건AI 사용 여부를 추정하는 대신 학생이 자료를 검증하고 선택을 설명하며 피드백 뒤 수정할 수 있는지 확인하고, 이를 운영할 교사의 전문학습을 함께 설계해야 한다.
오늘의 종합 브리핑
먼저 결론. 2028 진학지도는 학생을 수시형·정시형으로 일찍 나누거나 세특 문구를 늘리는 일이 아니다. 진로에 맞는 과목 선택, 수업 안 실제 수행과 성취, 교사의 관찰 기록, 학생의 면접 설명을 하나의 증거 흐름으로 잇고 대학별 변동정보를 공식 자료에서 다시 확인하는 일이다.
대륜고 지식베이스의 관련 원문·위키·질의문을 전건 검색해 보니 이 흐름의 가운데에 수행평가가 있다. 수행평가가 진학에서 의미 있는 자료가 되는 까닭은 활동 이름이 특별해서가 아니라, 교과 성취기준에 맞는 실제 과제에서 학생이 무엇을 선택하고 어떤 근거를 검토하며 피드백 뒤 무엇을 수정했는지 교사가 확인할 수 있기 때문이다.
이 관점은 현행 교육부훈령과도 맞는다. 학교생활기록은 학생에 대한 직접 관찰·평가를 근거로 입력해야 하고, 고교 교과 세특은 성취기준에 따른 성취수준 특성과 학습활동 참여도 등을 교과담당교사가 기록한다. 학생 자기보고서나 AI가 만든 문장은 보조 입력일 뿐, 교사의 확인을 대신하지 못한다.
입학사정 역시 한 활동을 고정 점수로 바꾸는 방식으로 설명하기 어렵다. 2022년 5개 대학 공동연구는 전국 고교 797곳 설문과 전문가 28명 델파이·집단면접을 거쳐 학업·진로·공동체역량을 학생부의 여러 사실과 교사 판단 속에서 종합해 읽는 틀을 제안했다. 이는 모든 대학의 2028 현재 평가표가 아니므로 최신 대학별 공식 자료를 함께 봐야 한다.
2028학년도에는 통합형 수능과 5등급 내신 체제가 적용되지만, 대교협이 194개 대학 시행계획을 취합한 결과 수시 학생부 위주·정시 수능 위주의 큰 기조는 유지된다. 따라서 학생을 일찍 수시형·정시형으로 나누기보다 과목 선택, 실제 학습, 학생부 맥락, 수능 기초를 함께 관리해야 한다. 추천인원·수능최저·반영비율 같은 수치는 대학 입학처의 최신 시행계획과 모집요강에서 재확인한다.
AI 시대의 수행평가는 탐지 경쟁으로 해결되지 않는다. 홍콩 중1 글쓰기 연구에서 학생들은 AI의 유용성을 보고했지만 GenAI 집단은 과정중심 수업만 한 집단보다 성취나 사후 동기가 유의하게 높지 않았다. 고등교육 협력 PBL 연구에서도 AI 문장의 직접 채택은 줄고 독창성은 높아졌지만 자기보고 비판적 사고의 향상은 확인되지 않았다. 완성본 하나보다 초안, 자료 선택, 수정 이유, 짧은 구술 확인을 조합하자는 제안은 이 결과를 학교 맥락에 옮긴 실천적 추론이다.
학교가 바로 적용할 수 있는 최소 단위는 여섯 칸이다. 성취기준, 실제 수행과제, 관찰 가능한 루브릭, 남길 과정증거, 피드백과 재수행, 기록 가능한 사실을 한 표에 연결한다. 모든 과제에 거대한 포트폴리오를 요구하지 말고, 한 학기 한두 개의 핵심 수행에서 이 흐름을 정확히 운영하는 편이 낫다.
이 리포트는 지식베이스의 학교 설명회·MIT 위원회 보고서·대교협 AI 윤리가이드·평가 및 세특 자료를 출발점으로 삼되, 동적인 대입 수치와 현행 기록 규정은 교육부·대교협·대학 공식 원문으로 다시 대조했다. 오류가 확인된 AI 재구성 진학자료의 수치와 학교 내부 문서의 로컬 규칙은 전국 보편 사실로 사용하지 않았다.
주요 자료 9건
⭐ 추천 · #1 · Education · 정책 지침 · 품질 30.0
수행과제와 기록을 하나의 학습 증거로 잇는다
학생부의 출발점은 ‘좋은 문장’이 아니라 교사의 직접 관찰이다
학생부 기록은 학생의 자기서술이나 AI 초안이 아니라 교사의 직접 관찰·평가와 교과 성취기준에 근거해야 한다.
💡 수행평가 계획서에 ‘관찰 장면–남길 과정증거–판단 기준–기록 가능한 사실’을 한 줄씩 대응시키면 평가와 세특의 사후 분리를 줄일 수 있다.
⭐ 추천 · #2 · AI · 논문 · 품질 29.0
AI 결과보다 학생의 판단과 교사의 검증을 확인한다
대학 교원 6개월 연수는 자기보고 AI 역량을 높였다—학교 적용은 별도 검증이 필요하다
한 대학의 6개월 전문성 개발은 대학 교원의 자기보고 AI 기술지식과 기술교수지식을 높였지만 실제 평가 수행과 학생 성과는 측정하지 않았다.
💡 고교 적용은 직접 효과가 아니라 설계 가설로 다루고, ‘도구 실습–공동 과제 설계–학생 표본 채점 조정–기록 검토’의 순환을 별도 평가하라.
⭐ 추천 · #3 · AI · 논문 · 품질 28.5
AI 결과보다 학생의 판단과 교사의 검증을 확인한다
비판적 사고 개입은 AI 답변의 직접 채택을 줄이고 결과물의 독창성을 높였다
비판적 사고 개입은 AI 산출물의 직접 채택을 줄이고 독창성과 아이디어 밀도를 높였지만 자기보고 비판적 사고와 문제해결의 질 개선은 확인되지 않았다.
💡 AI 허용 과제에 ‘의심한 문장–거절한 제안–최종 선택 이유’ 세 칸의 판단 기록을 붙여라.
⭐ 추천 · #4 · Education · 논문 · 품질 28.5
수행과제와 기록을 하나의 학습 증거로 잇는다
AI를 넣었다고 글쓰기 성취가 오르지 않았다: 과정 단계와 인지부하를 설계하라
학생들은 GenAI의 유용성을 보고했지만 GenAI 집단은 과정중심 수업만 한 집단보다 글쓰기 성취나 사후 동기가 유의하게 높지 않았고, 추가 인지부하가 제기됐다.
💡 완성본 1회 제출을 ‘계획–근거표–초안–피드백 판단–수정 설명’의 다섯 증거로 바꾸되 각 증거는 짧게 유지하라.
⭐ 추천 · #5 · Education · 정책 자료 · 품질 28.5
과목 선택과 실제 성취를 진학의 중심 증거로 읽는다
2028 대입은 ‘한 가지 유리한 수행평가’를 찾는 문제가 아니다
2028에도 수시 학생부·정시 수능 중심의 큰 기조가 유지되지만, 대학별 세부요건은 반드시 공식 시행계획과 모집요강에서 다시 확인해야 한다.
💡 진학상담표를 ‘국가·대교협 공통 변화’와 ‘대학별 변동 항목’ 두 칸으로 나누고, 후자는 확인일과 공식 URL을 함께 기록하라.
⭐ 추천 · #6 · Education · 연구 보고서 · 품질 28.0
과목 선택과 실제 성취를 진학의 중심 증거로 읽는다
입학사정은 여러 기록의 맥락에서 과목 선택과 성취를 종합해 읽는다
5개 대학 공동 틀은 학업·진로·공동체역량을 여러 기록의 맥락 속에서 종합하며, 개별 활동을 독립된 고정점수로 환산하지 않는 관점을 제안한다.
💡 학생 상담에서 ‘무슨 활동을 더 할까’보다 ‘선택한 과목에서 어떤 질문·성취·수정이 실제로 관찰되었나’를 먼저 묻는다.
⭐ 추천 · #7 · Education · 논문 · 품질 27.5
수행과제와 기록을 하나의 학습 증거로 잇는다
두 대학의 AI-PBL 성과는 컸지만 순수한 AI 추가효과로 단정할 수 없다
나이지리아 두 대학 103명의 14주 준실험에서 AI-PBL 집단의 컴퓨팅 사고·학업성취 향상이 컸지만 대조조건 기술이 일치하지 않아 순수한 AI 추가효과와 중등 전이는 미확인이다.
💡 팀 프로젝트에 개인별 ‘핵심 선택 하나–실패 하나–수정 하나–설명 하나’만 남겨 개인 성취를 확인하라.
⭐ 추천 · #8 · Education · 공식 지원자료 · 품질 27.5
수행과제와 기록을 하나의 학습 증거로 잇는다
성취기준에서 출발하면 수행평가와 진학 기록이 뒤늦게 충돌하지 않는다
공식 학생평가 체계는 성취기준, 수행과제, 채점기준, 결과 활용을 연결하며 기록은 이 평가 흐름의 결과로 따라와야 한다.
💡 수행평가 계획서의 열을 ‘성취기준–관찰할 수행–루브릭 기준–과정증거–피드백–기록 가능한 사실’로 재구성하라.
#9 · AI · 논문 · 품질 26.0
과목 선택과 실제 성취를 진학의 중심 증거로 읽는다
AI 진로추천은 결론이 아니라 학생이 검토할 가설이어야 한다
AI 진로지도는 역량과 선택지를 연결하는 가능성을 보였지만, 추천은 설명·반박·수정 가능한 가설로 다루고 인간 상담이 최종 판단해야 한다.
💡 AI 추천 결과를 세 개의 진로 가설로 바꾸고 ‘필요 과목–실제 수행증거–정보 공백–다음 검증’ 표를 작성하게 하라.
추천 논문 상세 분석
오늘의 뉴스 브리핑
🔹 OpenAI, 캘리포니아 청소년 AI 안전법안 지지 [AI 안전·교육]OpenAI는 연령 확인, 출시 전 위험평가, 독립 감사, 유해 콘텐츠 보호, 부모 통제, 개인정보·표적광고 제한을 담은 SB 1119 지지를 밝혔다. 아직 법 시행 사실이 아니라 기업의 법안 지지 입장이므로 학교 정책 근거로 쓸 때는 최종 입법 여부를 별도 확인해야 한다.
바로가기 🔹 OpenAI, Astra를 첫 ‘Critical’ 사이버 역량 모델로 분류 [AI 기술·안전]OpenAI는 Astra가 자사 준비태세 프레임워크의 Critical 사이버 역량 기준에 도달했다고 평가하고 개발·출시 일부를 늦춰 접근 통제와 모니터링을 강화했다고 밝혔다. 수치는 회사 자체 평가이며 시스템 카드가 아직 공개 전이라는 한계를 함께 읽어야 한다.
바로가기 🔹 전국 디지털튜터 양성센터, 교육생 1,700명 모집 [국내 학교지원]교육부와 한국과학창의재단은 6개 권역에서 신규 1,200명과 재교육 500명 등 총 1,700명을 모집한다고 밝혔다. 디지털튜터는 초·중·고 AI·디지털 수업의 활용 격차를 지원하므로, 학교는 기기 관리와 교수·평가 판단의 책임 경계를 분명히 할 필요가 있다.
바로가기 🔹 교육부–한국항공우주산업, 직업계고 연계 교육·고졸 채용 협력 [직업교육·진로]교육부와 한국항공우주산업이 업무협약과 고졸 채용설명회를 열었다. 진로교육을 희망 직업명에 맞추는 데 그치지 않고, 산업 현장의 역량 요구를 교과 선택·수행과제·현장 경험과 연결하는 사례로 볼 수 있다.
바로가기 🔹 2027년도 교육부 예산안 117.6조 원 편성 [국내 교육정책]교육부는 2027년도 예산안으로 117.6조 원을 제시하고 대학 AI 서비스 구독, AI 도약대학, 지역인재 지원과 진로 관련 사업 등을 포함했다. 확정 예산이 아니라 국회 심의를 앞둔 정부안이므로 학교 계획에는 사업 확정 뒤 반영해야 한다.
바로가기