1. 모범 답안보다 자신의 경험을 설명하는 연습
학생은 탐구 활동에 참여했다고 말하지만, 자신이 맡은 일과 판단한 이유를 묻는 질문 앞에서는 멈추곤 한다. 교사가 모든 학생에게 여러 차례 꼬리질문을 던지기는 어렵다. AI 모의 면접은 이 반복 연습을 도울 수 있다. 다만 매끄러운 답안을 만들어 주는 기능과 학생의 설명 능력을 기르는 활동은 구별해야 한다. 이 리포트는 학생이 실제 경험을 말하고, 답변의 빈틈을 확인한 뒤, 다시 자기 말로 설명하게 하는 수업을 제안한다.
자료는 2026년 9월 18일을 기준으로 확인했다. 생성형 AI 면접 시스템과 피드백 연구, 가상 면접 훈련의 비교 연구, 대학 진로센터와 국내 공공기관의 공식 안내를 함께 살폈다. 연구가 측정한 것은 시스템 만족도, 피드백의 질과 신뢰, 특정 집단의 면접 수행 등으로 서로 다르다. 이용자가 만족했다는 결과를 합격률 향상으로 바꾸어 읽지 않는다. 오늘 발행하는 주제편이므로 수년 전의 기반 연구도 포함하며, 모든 자료가 오늘 발표된 뉴스라는 뜻은 아니다.
주된 독자는 고등학교 진로·진학 지도 교사다. 대학 취업 면접과 특수교육의 연구를 참고하지만, 한국 고교생의 대입 면접에 효과가 그대로 나타난다고 가정하지 않는다. 확인한 자료 안에서는 국내 대입 합격률 향상을 직접 입증한 비교 연구를 찾지 못했다. 뒤에 제시하는 50분 수업, 평가표와 프롬프트는 이 한계를 고려한 작성자의 적용안이다. 특정 대학의 실제 출제 문항이나 검증된 처치 프로그램을 재현한 것이 아니다.
2. 연구가 확인한 것과 아직 확인하지 못한 것
SimInterview는 이력서와 직무 설명을 바탕으로 영어·일본어 면접 대화를 만드는 시스템이다. 18~27세 참여자 20명이 약 15분의 모의 면접에 참여했고, 대화 중 반응으로 사용 경험을 평가했다. 원문은 문서 정합성과 내용 보존도 함께 살핀다. 이 연구는 개인 자료를 질문에 연결하는 설계의 가능성을 보여 준다. 그러나 작은 사용성 평가이며, 한국어 대입 면접의 학습 효과나 실제 채용 성과를 검증한 실험은 아니다. 사전공개 논문이라는 점도 함께 읽어야 한다. [자료 1]
Maity 등의 연구는 HURIT 면접 전사문 3,890건을 구축하고 언어모델의 평가를 사람의 평가와 비교했다. 일부 모델은 점수에서 사람과 비슷한 경향을 보였지만, 오류를 찾아 구체적인 개선 조언을 주는 데는 한계가 있었다. 네 종류의 질문과 아시아 지역의 영어 면접 자료라는 범위도 있다. 점수의 유사성이 곧 피드백의 교육적 타당성을 뜻하지 않으며, 연구 당시 모델의 결과를 현재 모든 모델의 성능으로 일반화할 수 없다. [자료 2]
CHASE 2025의 기술 면접 연구는 참여자 46명에게 AI가 만든 코드 피드백을 제공했다. 사람이 전달하는 조건과 자동 전달 조건을 비교했으며, 자동 전달 조건의 피드백은 상대적으로 덜 신뢰받았다. 여기서 사람이 전달한 내용도 AI가 생성한 피드백이었다. 사람 전문가가 직접 작성한 조언과 AI 조언의 정확성을 비교한 연구로 소개하면 안 된다. 확인 범위는 학회 공식 초록이며, 이 결과만으로 교사가 덧붙이면 피드백이 정확해진다고 단정할 수 없다. [자료 3]
Smith 등의 무작위 배정 연구는 자폐 전환기 청소년 71명을 대상으로 했다. 기존 취업 준비 지원에 가상 면접 훈련을 더한 48명과 기존 지원만 받은 23명을 비교했고, 면접 기술·불안·일자리 접근에서 더 나은 결과를 보고했다. 교사가 훈련을 지도하고 감독했다는 조건이 중요하다. 이 연구의 가상 면접 프로그램은 범용 생성형 챗봇과 같은 도구가 아니다. 출판사 초록에서 확인한 결과를 일반 학생이나 한국 대입 면접의 효과로 확장하지 않는다. [자료 4]
네 연구를 연결하면 세 가지 판단이 가능하다. 개인 자료를 질문에 반영하는 설계는 구현할 수 있다. 피드백이 설득력 있게 보이는 것과 실제 오류를 잘 짚는 것은 별개의 문제다. 훈련 효과를 말하려면 반복 연습의 조건과 대상, 사람이 제공한 지원을 함께 봐야 한다. 따라서 학교에서는 AI 점수를 중심에 놓기보다 학생이 답변을 고친 이유와 새로운 질문에 응답하는 모습을 확인하는 편이 타당하다. 이는 연구를 종합한 교육적 해석이며, 하나의 실험이 이 수업 방식을 모두 검증한 것은 아니다.
3. 공식 활용 자료는 운영의 출발점으로 읽는다
미국 로드아일랜드 커뮤니티칼리지의 진로센터는 AI로 면접 질문을 만들고 답변을 연습한 뒤 실제 사람과 다시 이야기해 보도록 안내한다. 한 번에 질문 하나를 제시하고 응답을 기다리는 방식도 소개한다. 이런 안내는 시작 절차를 정하는 데 도움이 된다. 다만 진로센터의 활용 지침이며 학습 효과를 비교한 논문은 아니다. 교사는 학생의 수준에 맞춰 질문 수와 말할 시간을 정하고, 안내 문구를 그대로 성적 평가 기준으로 사용하지 않는다. [자료 5]
국내 JOB-ALIO 공식 사이트에는 AI 모의면접 메뉴가 있다. 이번 확인으로 알 수 있는 것은 공식 서비스 접근 경로의 존재다. 공개 안내 화면만으로 현재 이용 조건, 세부 분석 항목, 미성년자 이용 범위나 결과의 정확성을 확정할 수는 없다. 학교가 이용을 검토한다면 실제 가입 화면과 이용약관, 데이터 처리 안내를 먼저 확인해야 한다. 공공 사이트에 연결돼 있다는 사실도 대입 면접 평가의 타당성을 보장하지 않는다. [자료 6]
이 리포트는 특정 유료 서비스를 구매하라고 권하지 않는다. 이미 학교가 사용할 수 있는 도구에서 필요한 활동이 가능한지 먼저 시험할 수 있다. 텍스트 대화만으로도 질문에 맞는 경험을 고르고, 근거가 없는 문장을 표시하고, 답변을 다시 구성하는 연습은 설계할 수 있다. 음성·영상 기능은 학생에게 필요한 추가 기능인지 판단한 뒤 선택한다. 화면이 실제 면접처럼 보인다는 이유만으로 학습에 더 도움이 된다고 결론 내리지 않는다.
4. 대입 면접과 취업 면접을 구별한 질문 설계
대입 준비에서는 지원 대학이 공개한 해당 연도의 모집요강과 면접 안내를 기준 자료로 삼는다. 서류 기반인지, 제시문을 읽고 답하는지, 준비 시간이 있는지에 따라 연습을 바꾼다. 이 리포트는 개별 대학의 전형 내용을 확정하지 않는다. 교사가 최신 입학처 자료를 확인한 뒤 그 문서에 적힌 범위 안에서 연습용 질문을 구성하도록 한다. AI가 알고 있다는 이유만으로 면접 시간이나 평가 요소를 채택하지 않는다.
학생 경험을 다루는 질문은 사실 확인, 판단 이유, 한계와 후속 탐구의 순서로 만들 수 있다. 예컨대 환경 동아리 활동을 설명한 학생에게 먼저 본인이 담당한 측정을 묻는다. 이어 측정 장소를 고른 이유, 예상과 다른 결과를 어떻게 처리했는지, 다시 한다면 무엇을 바꿀지 묻는다. 이 질문들은 활동 이름을 멋있게 꾸미는 데 목적이 없다. 학생이 실제로 한 일과 그 과정에서 배운 내용을 구체적으로 드러내게 한다.
취업 면접에서는 직무의 요구와 경험의 연결을 더 분명히 살핀다. 지원 직무가 요구하는 협업이나 문제 해결의 의미를 먼저 확인하고, 지원자가 실제로 한 행동을 찾아 연결한다. 대입 면접에 이 방식을 옮길 때는 직무 성과나 매출 같은 표현을 억지로 넣지 않는다. 학교 탐구의 결과가 기대에 못 미쳤더라도 질문을 바꾸거나 오류를 확인한 과정은 충분한 설명 대상이 된다. 작은 경험을 큰 성과로 포장하는 방향의 피드백은 바로잡는다.
제시문 기반 면접 연습에서는 학생 경험 대신 교사가 준비한 짧은 글과 자료를 사용한다. AI에게 제시문 밖의 사실을 보태지 말라고 지시하고, 답변이 어느 문장이나 수치에 기대는지 확인하게 한다. 모델이 제시문에 없는 개념으로 학생을 평가하면 그 피드백은 채택하지 않는다. 연습이 끝난 뒤 교사가 처음 보는 짧은 자료를 제시하면 학생이 외운 문장에 기대는지, 근거를 찾아 설명하는지 구별하는 데 도움이 된다.
5. 50분 수업은 첫 답변과 수정 이유를 남긴다
첫 5분에는 활동의 목적과 자료 범위를 공유한다. 교사는 오늘의 목표를 ‘질문에 맞는 경험을 하나 고르고, 내가 한 일과 판단 이유를 설명한다’처럼 정한다. 학생에게 실제 개인정보가 들어간 파일을 올리게 하기 전에 가상의 예시로 접속과 질문 흐름을 확인한다. 도구를 사용하기 어려운 학생은 같은 질문 카드를 활용해 짝과 연습하도록 준비한다. 기기 이용 여부가 연습 기회의 차이로 이어지지 않게 한다.
다음 7분에는 AI를 켜기 전에 학생이 경험 메모를 작성한다. 상황, 자신이 맡은 일, 선택한 행동, 확인한 결과, 남은 의문을 각각 한두 문장으로 적는다. 결과를 기억하지 못하면 빈칸으로 남긴다. AI가 그 빈칸을 그럴듯한 수치로 채우게 해서는 안 된다. 이 메모는 이후 피드백이 학생 경험을 보존했는지 확인하는 기준이 된다. 활동 전체의 기록을 올릴 필요는 없으며 필요한 부분만 추려 쓴다.
이어 10분 동안 질문 세 개와 필요한 꼬리질문을 연습한다. AI는 한 번에 한 질문을 제시하고 답변을 기다린다. 학생이 멈추면 곧바로 모범 답안을 주기보다 질문을 다시 표현하거나 생각할 시간을 준다. 교사는 교실을 돌며 모델이 질문을 한꺼번에 쏟아내는지, 답변에 없던 경험을 전제로 묻는지 살핀다. 학생에게는 불편한 질문을 건너뛰고 잘못된 전제를 정정할 수 있다고 안내한다.
다음 8분은 피드백을 검토하는 시간이다. 학생은 AI의 조언마다 자신의 첫 답변에서 근거가 되는 문장을 찾는다. 근거를 찾을 수 없으면 ‘내 답변에서 확인되지 않음’으로 표시한다. 조언을 모두 받아들이는 것이 목표가 아니다. 예를 들어 AI가 리더십을 강조하라고 했지만 본인은 기록 담당이었다면, 그 조언을 거절하고 기록 과정에서 내린 판단을 설명하도록 바꾼다. 교사는 채택하거나 거절한 이유를 짧게 묻는다.
다음 10분에는 학생이 한 가지 핵심을 고쳐 다시 말한다. 문장을 통째로 읽는 대신 경험 메모의 짧은 단어만 보고 답한다. 짝은 바뀐 내용을 듣고 ‘무엇을 직접 했는지 더 분명해졌는가’와 ‘그 판단의 이유를 이해할 수 있는가’를 확인한다. 첫 답변과 수정 답변을 비교하되 유창성만 따지지 않는다. 수정 뒤 새로운 오류나 과장이 들어갔다면 그 부분도 표시한다.
마지막 10분에는 AI 화면을 닫고 사람이 새로운 꼬리질문 하나를 던진다. 학생은 준비하지 않은 질문에도 자신의 경험과 근거를 사용해 답한다. 종료 기록에는 처음의 어려움, 채택한 조언 하나, 거절한 조언 하나, 다음 연습에서 확인할 점을 남긴다. 이 시간 배분은 50분 수업의 설계 예시다. 말하기에 시간이 더 필요한 학생에게는 질문 수를 줄이고 대기 시간을 늘린다. 모든 단계를 같은 속도로 끝내는 것을 성취로 삼지 않는다.
6. 교사가 조정해 사용할 프롬프트
다음 문안은 이 리포트의 수업 제안이다. 모델을 지정하지 않으며 학교가 사용할 수 있는 도구의 입력창에 맞게 줄여 사용할 수 있다. 꺾쇠 안의 항목에는 개인정보를 지운 경험 메모와 교사가 확인한 평가 기준을 넣는다. 도구에 따라 지시를 지키지 않을 수 있으므로 시작 전에 교사가 가상의 답변으로 시험한다.
면접 진행 문안: 너는 고등학생의 연습 면접을 돕는 질문자다. 목표는 학생이 실제 경험과 판단 이유를 자신의 말로 설명하는 것이다. 아래 경험 메모와 평가 기준만 사용하라. 실제 대학의 출제 문제나 합격 가능성을 안다고 말하지 마라. 질문은 한 번에 하나만 하고 응답을 기다려라. 총 세 질문을 진행하되 모호한 답변에는 사실 확인용 꼬리질문을 한 번 추가할 수 있다.
같은 입력에 이어 붙일 진행 규칙: 학생이 멈추면 기다리거나 질문을 쉽게 다시 표현하라. 학생이 하지 않은 활동이나 수치를 만들지 마라. 면접 중에는 모범 답안을 제시하지 말고, 학생이 종료를 요청하면 멈춰라. 경험 메모: <학생 메모>. 평가 기준: <교사가 정한 기준>.
피드백 문안: 방금 대화에서 질문에 잘 대응한 부분 하나와 보완할 부분 하나를 골라라. 각각 학생 답변의 짧은 구절을 근거로 제시하라. 답변에서 확인되지 않는 성향이나 능력은 추정하지 마라. 보완점은 ‘다음 답변에서 어떤 내용을 더 설명할지’로 쓰고, 학생의 경험을 대신 만들어 완성 답안을 작성하지 마라. 사실 여부를 판단할 수 없는 내용은 확인할 수 없다고 표시하라. 점수나 합격 예측은 출력하지 마라. 마지막에는 학생이 자신의 말로 다시 답하도록 질문 하나를 제시하라.
교사 점검 문안: 아래 AI 피드백을 학생의 원래 답변과 대조하라. 피드백의 각 주장에 원래 답변의 근거가 있는지 구분하고, 없는 경험·수치·평가 요소를 덧붙인 부분을 찾아라. 말투나 억양만으로 성격·성실성·진정성을 판단한 부분은 별도로 표시하라. 이 점검 역시 오류가 있을 수 있으므로 최종 채택은 교사가 결정한다. 원래 답변: <답변>. AI 피드백: <피드백>.
마지막 문안은 AI로 다른 AI를 검토하게 하는 보조 절차다. 두 모델의 판단이 일치해도 사실이 입증된 것은 아니다. 학생 메모, 실제 산출물, 교사의 관찰이 확인 기준이다. 문안의 길이가 부담스럽다면 첫 시간에는 면접 진행과 피드백 두 단계만 사용한다. 학생이 피드백을 비판적으로 읽는 데 익숙해진 뒤 교사 점검 문안을 추가한다.
7. 피드백을 고치는 실제 예시
다음은 설명을 위해 만든 가상 사례다. 학생의 첫 답변은 ‘동아리에서 수질을 조사했고 조원들과 협력해서 좋은 결과를 얻었습니다’라고 하자. 여기에는 조사 활동이 있었다는 말은 있지만 학생이 직접 한 행동과 결과를 판단한 기준이 없다. 적절한 꼬리질문은 측정에서 맡은 역할과 예상과 다른 결과가 나왔을 때의 대응을 묻는 것이다. ‘협업 능력이 뛰어나다’는 칭찬만으로는 다음 답변을 고치기 어렵다.
추가 확인에서 학생은 측정 시간 기록을 맡았고, 비 온 다음 날의 수치가 달라져 같은 시간에 다시 측정하자고 제안했다고 설명할 수 있다. 그렇다면 수정 답변에는 기록 담당 역할, 재측정 제안의 이유, 비교할 때 남아 있던 한계를 넣는다. 이 세부 내용은 예시 속 학생에게 확인됐다고 가정한 것이며 실제 학생의 경험으로 옮겨 쓰면 안 된다. 학생이 확인하지 못한 변화율이나 원인까지 붙이지 않는다.
만약 AI가 ‘프로젝트를 주도해 수질을 크게 개선했다’고 고쳐 준다면 두 가지를 되묻는다. 학생이 실제로 프로젝트를 주도했는지, 활동이 수질 자체를 개선했는지다. 조사를 한 것과 환경을 개선한 것은 다른 주장이다. 학생은 그 조언을 거절하고 ‘측정 조건이 달라 결과를 단순 비교하기 어렵다는 점을 알았다’는 식으로 자신의 배움을 설명할 수 있다. 덜 화려해 보여도 확인 가능한 답변이 된다.
수정이 끝나면 교사는 ‘다시 조사한다면 어떤 조건을 같게 하겠는가’처럼 새 질문을 던진다. 학생이 이유를 설명할 수 있다면 답안 문장을 외우는 데서 한 걸음 나아갔는지 살필 수 있다. 이 한 번의 관찰로 능력 전체를 판정하지는 않는다. 다음 활동에서도 비슷한 판단을 스스로 하는지 확인하고, 어려웠던 부분을 다음 연습의 목표로 삼는다.
8. 평가는 AI 점수 대신 관찰 가능한 행동으로
교사는 질문 적합성, 경험의 구체성, 판단의 근거, 수정의 설명이라는 네 관점을 사용할 수 있다. 질문 적합성은 물은 내용에 먼저 답했는지 본다. 경험의 구체성은 학생이 직접 한 일과 다른 사람의 일을 구별했는지 본다. 판단의 근거는 선택 이유를 경험이나 자료와 연결했는지 본다. 수정의 설명은 어떤 조언을 왜 받아들였거나 거절했는지 학생이 설명할 수 있는지 본다. 이 관점은 본 수업을 위한 제안이며 대학의 공식 채점표가 아니다.
각 관점의 기록은 ‘아직 드러나지 않음’, ‘추가 질문 뒤 설명함’, ‘스스로 설명함’처럼 행동 중심으로 남길 수 있다. 숫자가 필요한 수업이라도 AI가 출력한 총점을 그대로 옮기지 않는다. 학생의 첫 답변과 수정 답변에서 판단 근거가 되는 구절을 함께 적는다. 말이 느리거나 문장이 짧아도 질문에 맞는 근거를 제시했다면 그 수행을 확인한다. 반대로 길고 매끄럽게 말해도 실제 경험이 드러나지 않으면 추가 확인이 필요하다.
평가가 학생에게 납득되는지 보려면 먼저 교사와 학생이 같은 가상 답변을 함께 읽는다. 왜 어떤 문장을 구체적이라고 보는지, 어디에서 판단 이유가 빠졌는지 비교한다. 여러 교사가 지도한다면 소수의 동일 답변으로 기준을 맞춘 뒤 사용한다. AI와 교사의 점수가 얼마나 비슷한지를 보기 전에, 교사 사이에서 무엇을 평가하는지 합의돼 있는지 확인하는 것이다.
수업 효과를 점검할 때는 연습 직후 같은 문항을 잘 말했는지만 보지 않는다. 다음 시간에 다른 경험이나 새로운 제시문으로 답하게 하고, 도움 없이 설명한 부분을 기록한다. 연습 전후 질문의 난도와 시간을 가능한 한 비슷하게 맞추되, 변화가 AI만의 효과라고 주장하지 않는다. 교사의 안내와 짝 활동, 반복 자체도 함께 작용했기 때문이다. 학교 안의 개선 기록과 인과 효과를 검증하는 연구는 구별해 해석한다.
9. 개인정보와 접근성을 수업 절차에 넣는다
학생부 전체, 이름·학교·연락처가 포함된 자기소개 자료, 다른 학생이 등장하는 기록을 그대로 외부 도구에 넣는 방식은 피한다. 교사가 필요한 경험 부분을 추리는 예시를 먼저 보여 주고, 학생도 식별 정보를 지운 메모를 만든다. 삭제한 이름이 파일명이나 문서 속성에 남아 있을 수 있으므로 업로드 전에 함께 확인한다. 이는 본 수업의 운영 제안이다. 학교에서 허용한 서비스와 기관의 데이터 처리 기준이 있으면 그 기준을 먼저 따른다.
음성·영상 기록을 사용할 때는 녹음의 목적, 보관 위치, 열람할 사람과 삭제 시점을 수업 전에 정한다. 도구의 사용 가능 연령, 학습 데이터 이용 설정, 보관·삭제 방식은 서비스별로 달라질 수 있으므로 현재 공식 안내를 확인한다. 교사가 설명할 수 없는 기능은 학생에게 필수로 요구하지 않는다. 미성년자 동의와 학교의 개인정보 처리 절차는 담당 부서의 확인을 거친다. 이 리포트는 개별 서비스의 법적 적합성을 판정하지 않는다.
음성 인식이 학생의 억양이나 발화를 잘못 옮기면 내용 평가 전에 전사문부터 고치게 한다. 자막·텍스트 입력, 더 긴 대기 시간, 질문의 재진술도 선택할 수 있다. 표정이나 시선만으로 진정성이나 성실성을 판정하는 기능은 이 수업의 평가 근거로 쓰지 않는다. 학생이 특정 행동을 보이는 이유를 교사가 알고 있다고 가정해서도 안 된다. 접근성 지원이 필요한 학생의 수행은 제공한 조건과 함께 기록한다.
AI가 부적절한 질문을 하거나 학생이 불편함을 느끼면 즉시 중단할 수 있도록 한다. 학생은 질문 건너뛰기와 대면 연습을 선택할 수 있어야 한다. 중단한 학생을 참여 의지가 낮다고 평가하지 않는다. 도구의 답변을 수업 자료로 공유할 때도 개인 대화 전체를 공개하지 않고, 동의를 얻은 익명 예시나 교사가 만든 가상 사례를 사용한다. 연습 기록은 학생에게 도움이 되는 만큼만 남긴다.
10. 교사·학생·학부모가 맡을 일
교사는 학생에게 맞는 질문과 관찰 기준을 정하고, AI 피드백 중 근거가 없는 부분을 함께 찾아낸다. 모든 답변을 교사가 다시 써 주려 하면 반복 연습의 이점도 사라진다. 대신 짧은 첫 답변, 채택·거절한 조언, 마지막 새 질문의 응답을 중심으로 확인한다. 학생이 질문을 이해하지 못한 것인지 경험을 떠올리지 못한 것인지 구별하면 다음 도움의 방향을 정하기 쉽다.
학생은 실제로 하지 않은 일을 답변에 넣지 않고, AI가 만든 문장을 그대로 외우기 전에 그 뜻을 설명해 본다. 첫 답변이 서툴렀다는 이유로 기록을 지우지 않는다. 어느 부분을 바꿨는지 비교할 수 있어야 자신의 변화도 볼 수 있다. 모델의 칭찬이 지나치게 포괄적이면 근거가 되는 자기 발언을 요구한다. 근거를 제시하지 못하면 그 칭찬을 자기 평가의 근거로 삼지 않는다.
학부모는 가정에서 학생의 경험을 처음 듣는 사람 역할을 맡을 수 있다. 활동의 규모나 성과를 키워 말하도록 권하기보다, 학생이 실제로 한 행동을 이해할 수 있을 때까지 물어본다. AI가 준 등급을 다른 학생과 비교하거나 지원 가능성으로 해석하지 않는다. 학생이 대화 기록을 모두 공유해야 한다고 전제하지 말고, 스스로 골라 설명하고 싶은 답변 한두 개를 함께 듣는 방식으로 돕는다.
학교는 도구 선택과 계정 관리, 접속 장애 대응, 대체 활동을 정한다. 무료 제공 여부만 확인할 것이 아니라 수업 시간의 사용량, 필요한 기기, 한국어 처리, 기록을 내보내거나 지우는 방법도 시험한다. 담당 교사가 바뀌어도 운영할 수 있도록 질문 예시와 관찰 기준, 자주 발생한 오류를 남긴다. 제품 업데이트 뒤에는 이전에 가능했던 기능이 유지되는지 다시 확인한다.
11. 첫 운영 뒤 무엇을 점검할 것인가
첫 운영은 짧은 질문 세 개로 시작하고, 학생이 실제로 다시 답한 횟수와 교사의 개입이 필요했던 장면을 기록한다. AI가 몇 개의 질문을 생성했는지는 그 자체로 학습 성과가 아니다. 학생이 자신의 경험을 더 정확히 설명했는지, 사실과 다른 조언을 알아차렸는지, 새로운 질문에서 근거를 사용했는지가 점검 대상이다. 학생이 기능 사용법에 대부분의 시간을 썼다면 질문 수보다 접속과 안내 절차를 먼저 고친다.
다음 운영에서는 첫 수업에서 자주 막힌 부분 하나만 바꾼다. 예컨대 질문이 길어 학생이 놓쳤다면 문장을 짧게 하고 한 번에 묻는 내용을 줄인다. 근거 없는 칭찬이 많았다면 피드백마다 원래 답변의 구절을 요구한다. 학생 답변이 서로 비슷해졌다면 모범 답안 생성 단계를 없애고 각자의 경험 메모를 먼저 쓰게 한다. 여러 기능을 동시에 바꾸면 무엇이 도움이 됐는지 판단하기 어렵다.
도입을 확대할 때는 학생의 만족도와 교사의 검토 부담을 함께 본다. 만족도가 높아도 잘못된 피드백을 고치는 시간이 지나치게 길면 현재 수업에 맞지 않을 수 있다. 반대로 초기에는 불편해도 학생이 근거를 찾아 답변을 수정하는 행동이 늘었는지 살필 수 있다. 도구를 유지할지의 판단은 화려한 시연보다 실제 수업 기록에 근거해야 한다. 질문·기록·평가의 세부 규칙을 다음 차시에 어떻게 바꿀지 정하는 것으로 첫 운영을 마친다.