AI 리터러시를 보여 주는 학생의 수행

학생이 AI로 매끄러운 글을 제출했을 때 교사는 문장이 좋은지와 학생이 내용을 이해했는지를 따로 확인해야 한다. 영어교육의 AI 리터러시 연구 종합은 측정한 증거에 맞춰 역량을 해석하도록 요구한다. 오늘 함께 읽는 고교생 106명 설문은 두 척도의 높은 상관을 보여 주지만, 그중 컴퓨팅 사고 척도는 자기효능감을 측정한다. 자신감, 글의 완성도, 근거를 설명하는 능력이 같은 결과로 움직인다고 전제할 수 없다.

수업에서는 학생이 받아들인 AI 제안 하나와 거절한 제안 하나를 골라 이유를 설명하게 할 수 있다. 교사는 확인한 원자료, 오류 판단, 최종 수정 사이의 연결을 본다. 이는 오늘의 자료에서 출발한 적용 제안이며 검증된 새 평가도구는 아니다. 학생의 언어 표현 부담과 AI 접근 조건이 다르면 같은 과제에서도 관찰되는 모습이 달라질 수 있다.

학교와 진로 지원에서는 개인의 사용 능력 밖으로 시야를 넓힐 필요가 있다. 한국 학교 중간 리더의 면담은 맥락 판단과 관계의 책임을, 학교 리더십 문헌 분석은 개념이 함께 등장하는 것과 이론이 검증된 것의 차이를 드러낸다. 영국의 AI 진로지도 보고서는 정보 접근을 넓히는 일과 개인별 인간 상담을 함께 고려한다. 면담, 문헌 분석, 정책 보고서가 같은 효과를 측정한 것은 아니지만 도입 목적과 책임을 구체화하는 데 각각 도움을 준다.

기술 자료 다섯 편은 별도의 흐름으로 읽는다. HEXIS는 지침의 실행 순서를, ExplorationBench는 낯선 규칙의 탐색을, 수정 정책 연구는 답변을 다시 쓸 때의 이득과 손해를 살핀다. 화면해설 연구는 전달할 정보와 발화 시간을 함께 다루고, 문맥 압축 연구는 필요한 작업 상태를 보존하는 조건을 묻는다. 모두 사전공개된 시스템 연구이므로 성능 수치를 학생의 학습효과로 옮겨 읽지 않는다.