매체의 발전과 변화 속에서 학교 교육은 학생들이 AI가 지닌 매체적 특성과 이것이 야기하는 의사소통 방식의 변화를 탐구할 수 있도록 도와야 한다. AI에 관한 탐구와 비판적 사고를 유도하는 활동을 통해 학생이 AI를 디지털 매체의 일부로 수용하고, 공동체의 의사소통 문화를 능동적으로 이해할 수 있도록 돕는 것이다. 그렇기에 글을 대신 써 준다거나 생각한 이미지를 그림으로 대신 그려주는 흥미 위주의 도구로 생성형 AI에 접근하는 방식은 지양해야 한다.
－01_“디지털 매체 환경과 AI” 중에서

그렇기에 좋은 평가를 위해서는 문항의 변별력만을 고민해서는 안 된다. 평가는 타당도, 신뢰도, 공정성, 교육 맥락 등 다양한 요인을 고려해야 한다. 가령, 미국의 미국교육학회(AERA), 미국심리학회(APA), 국가교육측정협의회(NCME)가 공동 제작한 “교육 및 심리 검사 표준(Standards for Educational and Psychological Testing)”에서는 점수의 해석과 사용의 정당성이 높을수록 타당한 평가로 보았다. 이들은 평가의 부담 정도에 따라 신뢰도와 공정성이 확보되어야 하며 문항은 실제로 측정하려는 능력을 충분히 대표해야 할 것을 명시한다. 즉, 읽기 부담이나 속도의 지연과 같이 측정에 무관한 요인이 점수에 영향을 미치지 않는지 점검해야 한다.
－03_“좋은 문항, 채점, 피드백” 중에서

학교 현장에서 기대할 수 있는 AI의 방향성은 분명하다. AI 자동 채점은 교사의 전문적 판단을 완전히 대체하는 기술이 아니다. 교사가 학생의 평가를 더 정교하게 수행할 수 있도록 돕는 협력자이자 후행적 보조자(post-hoc advisor)로 활용될 때 의미가 있다. 예를 들어, AI가 1차로 분류하고 분석한 결과물을 교사가 재차 검토함으로써 학생들 다수가 지닌 오개념이나 우수한 답변의 패턴을 신속하게 파악하는 식의 활용 방안을 고려할 수 있다. 이전까지 교사가 한 장 한 장의 학생 답안을 해독하고 분석하는 데 쏟아야 했던 인지적·시간적 부담을 아끼되, 전체적인 학습의 흐름을 진단하고 최적의 교육적 처방을 내리는 데 좀 더 집중하며, 이를 위해 AI의 사용 범위와 기능을 정교하게 설계해야 한다.
－06_“AI 자동 채점 기술의 도입과 발전” 중에서

반면, 생성형 AI는 그 깊이와 정확도가 다소 아쉽더라도, 학생의 답안 텍스트를 빠르게 분석하여 수초 내에 맞춤형 조언을 제시하고, 학생이 다시 수정한 결과에 대해 여러 번 반응할 수 있다. 이런 점에서 AI 피드백은 평가가 끝난 뒤의 피드백 지연을 극복할 수 있고, 교사 개인이 부담하는 피드백 준비의 압박을 완화할 수 있다. 게다가 수업과 에듀테크를 연계하면 AI를 활용한 과정 중심의 형성적 피드백을 제공하는 일도 수월해진다. 단, 학생의 AI 과의존 문제와 사고력 발달 단계를 고려하여 AI가 학습 과제를 대신해 주는 방향으로 피드백이 제공되면 안 된다.
－09_“AI 기반 피드백” 중에서