정답을 맞히는 평가에서 사고의 경로를 읽는 평가로
생성형 AI가 답안 작성에 깊숙이 개입하는 시대에는 완성된 결과만으로 학생의 실제 역량을 판단하기 어렵다. 이에 학생이 어떤 질문을 만들고, 정보를 어떻게 선택하고 검증하며, AI의 응답을 수정해 자신의 판단으로 재구성하는지를 평가의 핵심으로 제안한다. 프롬프트 기록, 자료 탐색과 출처 확인, 초안과 수정본, 자기 평가와 구술 확인까지 학습의 흔적을 평가 근거로 삼음으로써, 정답 재현 중심의 평가를 성장 확인의 과정으로 전환한다. 논·서술형 평가는 사고력과 문제 해결력을 드러내는 데 유리하지만, 문항과 루브릭 개발, 과도한 채점량, 채점자 간 편차 때문에 현장 적용이 쉽지 않았다. 이 책은 거대 언어 모델을 활용한 자동 채점과 맞춤형 피드백, AI 교사 페르소나, 다수 AI의 교차 채점을 통해 이러한 ‘고비용·저신뢰’의 한계를 줄이는 방법을 탐색한다. AI가 1차 분석을 맡고 교사가 학생의 맥락과 성장 가능성을 해석한다면, 평가는 더 세밀하면서도 교육적인 피드백으로 이어질 수 있다. 동시에 블랙박스, 편향, 개인정보 보호, 감시 위험을 경계하며 최종 판단은 교사의 전문성에 두어야 한다고 강조한다. 결국 기술을 평가에 덧붙이는 일이 아니라, 평가의 목적을 학생의 성장과 다음 배움의 설계로 되돌리는 일이 중요하다고 말한다.