학교의 AI 도입, 결정권과 지원을 함께 설계하다

AI 수업에서 마이크가 작동하지 않거나 학생의 읽기 수준과 활동지가 맞지 않으면 교사가 수업을 바꾸어야 한다. 미국 초등 여름 프로그램의 사례는 이런 조정이 도입을 지탱하는 일임을 보여 준다. 아랍 6개국 교사 리더 면담은 한 단계 더 나아가, 교사의 전문성이 수업·데이터·도구에 관한 결정권으로 이어져야 한다는 기대를 드러낸다. 두 연구는 학생 성적의 향상을 증명한 것이 아니라 학교가 지원해야 할 일을 구체화한다.

학교의 AI 도입을 논의할 때에는 담당자를 정하는 것과 담당자가 결정할 수 있는 범위를 정하는 일을 함께 다룰 수 있다. 예를 들어 교사는 학생의 참여 상황에 따라 활동의 속도와 표현 방식을 바꾸고, 학교는 도구 사용과 자료 입력의 경계를 논의하며 문제가 생겼을 때 지원할 통로를 마련하는 방식이다. 이는 오늘의 질적 연구와 성찰 틀에서 출발한 운영 제안이며 효과가 확정된 처방은 아니다.

학습자에게 제공하는 AI 평가와 피드백은 별도의 근거로 읽는다. 온라인 평가 자료 378편을 검토한 연구는 기술적 정확도와 실제 교육적 사용의 근거를 나눈다. 대학 Python 수업의 면담은 학생이 피드백을 해석한 경험을 보여 주지만 성취의 인과 효과는 말해 주지 않는다. 아이티 크레올어 평가에서는 언어가 자연스러워도 특정 문화를 좁게 표현할 수 있었다. 각각 측정한 대상이 다르므로 하나의 효과로 합치지 않는다.

기술 연구 네 편은 AI 운영의 조건을 살핀다. 확신을 학습시키면 추론 토큰이 줄기도 했지만, 코드 설명을 개선하거나 같은 모델의 답을 많이 모은다고 실제 문제 해결이 자동으로 나아지지는 않았다. 로컬 모델도 출력 검사 규칙이 있는 과제에서 이점이 나타났다. 학교가 도구를 비교할 때에는 설명의 길이나 기능 수보다 실제 과제의 정확도·조건·비용을 함께 확인할 근거가 된다.