이미지 검색을 사용해 보세요
검색창 이전화면 이전화면
최근 검색어
인기 검색어

가격
12,000
12,000
YES포인트?
0원
5만원 이상 구매 시 2천원 추가 적립
결제혜택
카드/간편결제 혜택을 확인하세요
  •  국내배송만 가능
  •  예약상품과 함께 주문 시 제품 출시일에 함께 배송됩니다. (제작사의 사정으로 출시 지연 가능)
  •  문화비소득공제 가능

AI문고

책소개

목차

말 못한 마음을 조금 더 일찍 만날 수 있다면
01 아동 위기 신호의 지연과 학교 현장
02 교사 판단 과정과 확신의 공백
03 아동 일기 텍스트와 정서·관계 단서
04 LLM 기반 언어 해석 메커니즘
05 관계 맥락 정보로서의 문장 구조
06 교우 관계 문제 유형의 언어적 특성
07 아동 언어 데이터의 구성·전처리·윤리
08 LLM 활용 교우 관계 예측
09 정성적 관계 신호와 LLM 해석의 한계
10 AI 보조 판단 체계와 인간 책임성

저자 소개 2

한국교원대학교와 청주교육대학교 등에서 AI 관련 강의를 하고 있다. 청주교육대학교에서 컴퓨터교육을 전공하고 교육학석사 학위(로봇교육)를 받았으며, 충북대학교에서 상담 챗봇으로 빅데이터 공학박사 학위를 받았다. 약 11년간 초등교사로 재직한 경험을 바탕으로 생성형 AI와 자연어 처리 기술을 교육 현장에 적용하는 연구를 수행하고 있다. 주요 연구 분야는 생성형 AI, 대규모 언어 모델(LLM), 자연어 처리, 교육 인공지능(AIED), 학습자 정서 및 상담 지원 시스템이다. 특히 초등학생의 언어 데이터를 활용한 정서·행동 분석, 생성형 AI 기반 상담 지원, AI 활용 교육평가
한국교원대학교와 청주교육대학교 등에서 AI 관련 강의를 하고 있다. 청주교육대학교에서 컴퓨터교육을 전공하고 교육학석사 학위(로봇교육)를 받았으며, 충북대학교에서 상담 챗봇으로 빅데이터 공학박사 학위를 받았다. 약 11년간 초등교사로 재직한 경험을 바탕으로 생성형 AI와 자연어 처리 기술을 교육 현장에 적용하는 연구를 수행하고 있다.

주요 연구 분야는 생성형 AI, 대규모 언어 모델(LLM), 자연어 처리, 교육 인공지능(AIED), 학습자 정서 및 상담 지원 시스템이다. 특히 초등학생의 언어 데이터를 활용한 정서·행동 분석, 생성형 AI 기반 상담 지원, AI 활용 교육평가, 교사와 AI의 협력적 의사 결정(Human-AI Collaboration), 설명 가능한 AI와 AI 윤리 분야를 중심으로 연구하고 있다. 관련 연구를 Brain, Digital & Learning, Sustainability, AIED 등 국내외 학술지와 국제학술대회에 발표하였다.

현재는 생성형 AI와 LLM을 활용하여 학생의 언어와 행동을 이해하고 지원하는 인간 중심 AI(Human-Centered AI)를 연구하고 있으며, 교육·상담·정신건강 분야에서 AI가 교사의 전문성을 보완하는 보조 판단 체계로 활용될 수 있는 방안을 모색하고 있다.

이시훈의 다른 상품

총신대학교 융합SW전공 조교수이며 자율전공학부장을 맡고 있다. 고려대학교에서 컴퓨터학 공학박사 학위를 받았다. 초등교사와 EBS 연구원으로 근무한 경험을 바탕으로 인공지능과 데이터과학을 교육에 적용하는 방법과 학습자가 관련 개념을 쉽게 이해할 수 있는 교수학습 설계를 연구하고 있다. 주요 연구 분야는 인공지능 리터러시 교육, 지능형 튜터링 시스템, 설명 가능한 인공지능을 활용한 학습자 진단과 예측, 생성형 AI 기반 교육평가다. 초등학생을 위한 인공지능 교육과정, 교사의 인공지능 교육 역량, 학습자의 지식 상태 예측, 생성형 AI를 활용한 대화형 평가 등에 관한 연구를 AA
총신대학교 융합SW전공 조교수이며 자율전공학부장을 맡고 있다. 고려대학교에서 컴퓨터학 공학박사 학위를 받았다. 초등교사와 EBS 연구원으로 근무한 경험을 바탕으로 인공지능과 데이터과학을 교육에 적용하는 방법과 학습자가 관련 개념을 쉽게 이해할 수 있는 교수학습 설계를 연구하고 있다.

주요 연구 분야는 인공지능 리터러시 교육, 지능형 튜터링 시스템, 설명 가능한 인공지능을 활용한 학습자 진단과 예측, 생성형 AI 기반 교육평가다. 초등학생을 위한 인공지능 교육과정, 교사의 인공지능 교육 역량, 학습자의 지식 상태 예측, 생성형 AI를 활용한 대화형 평가 등에 관한 연구를 AAAI, Springer의 KI?Kunstliche Intelligenz와 AIED 등 국내외 학술지와 학술대회에 발표했다.

주요 저서와 교재로는 《데이터 인사이트》(2026), 《AI 시대, 기독교 세계관으로 다음세대를 디자인하다》(공저, 2025), 《고등학교 인공지능 기초》(공저, 2021), 《인공지능 기초수학》(공저) 등이 있다. 현재 대학과 초·중등 교육 현장을 연결하며 AI·데이터 교육, 학습자 맞춤형 교육, 생성형 AI 시대의 교육과 평가 혁신을 연구하고 있다.

김성훈의 다른 상품

품목정보

발행일
2026년 08월 24일
쪽수, 무게, 크기
130쪽 | 128*188*7mm
ISBN13
9791143031846

책 속으로

그렇다고 이것을 교사의 전문성이 부족한 탓으로 돌릴 수는 없다. 오히려 반대에 가깝다. 수십 명의 학생과 수많은 사건이 동시에 이어지는 교실에서 언어 속에 숨어 있는 미세한 변화를 기억하고, 시간의 흐름 속에서 연결하며, 의미를 해석하는 일은 아무리 경험 많은 교사에게도 쉽지 않다. 행동은 시간이 지나면 사라진다. 쉬는 시간에 어떤 표정을 지었는지, 누구와 함께 있었는지는 기억 속에서 희미해진다. 하지만 언어는 남는다. 일기와 상담 기록, 독후감, 자기소개 글, 자유 글쓰기, 온라인 학습 플랫폼에 남긴 게시글까지 모두 학생이 남긴 언어의 기록이다. 그 안에는 단순한 감정뿐 아니라 친구를 바라보는 방식, 관계를 이해하는 방식, 그리고 자신이 공동체 안에서 어떤 위치에 있다고 느끼는지가 조금씩 스며 있다.
--- 「01 아동 위기 신호의 지연과 학교 현장」 중에서

학생의 언어는 단어의 집합이 아니다. 같은 단어를 사용하더라도 누가 행동의 주체인지, 누구를 향한 행동인지, 어떤 상황에서 반복되는지에 따라 문장의 의미는 달라진다. 결국 언어를 이해한다는 것은 단어를 이해하는 것이 아니라 그 안에 담긴 관계를 이해하는 일이다. 일기에 묘사된 텍스트가 단순한 팩트(Fact)의 기록이라기보다, 아동이 주관적으로 지각하고 왜곡했을 수 있는 관계의 역학을 보여 주는 단서다. 최근 자연어 처리 연구 역시 단어의 빈도보다 문맥(context)과 담화 구조(discourse structure)를 함께 고려하는 방향으로 발전하고 있다. 학생의 언어도 마찬가지다. 특정 단어 하나보다 문장들이 어떻게 연결되고, 관계가 어떤 방향으로 변화하는지를 함께 살펴볼 때 훨씬 풍부한 해석이 가능하다.
--- 「03 아동 일기 텍스트와 정서·관계 단서」 중에서

그동안 많은 자연어 처리 연구는 감정 분석(sentiment analysis)에 초점을 맞추어 왔다. 문장을 긍정과 부정으로 분류하고, 감정의 강도를 예측하는 연구가 대표적이다. 그러나 교육에서 필요한 것은 감정의 분류만으로 충분하지 않다. 예를 들어 두 학생이 모두 “오늘 속상했다”라고 기록했다고 하자. 한 학생은 친구와의 갈등 때문에 속상했고, 다른 학생은 시험 결과 때문에 속상했을 수도 있다. 감정은 같지만 교육적으로 필요한 이해와 개입은 전혀 달라진다. 따라서 LLM이 이해해야 하는 것은 감정보다 관계 구조(relational structure)다. 누가 누구와 상호작용하고 있는지, 관계가 이전보다 가까워졌는지 멀어졌는지, 반복되는 상호작용이 어떤 방향으로 변화하고 있는지를 함께 해석해야 한다.
--- 「06 교우 관계 문제 유형의 언어적 특성」 중에서

신뢰할 수 있는 분석은 이러한 불확실성을 모두 없앴다고 주장하기보다, 어떤 불확실성이 남아 있는지를 함께 보여 주어야 한다. 그렇다면 분석 결과는 어떻게 제시해야 할까. 핵심은 불확실성(uncertainty)을 숨기지 않는 것이다. 모델이 자신의 답변에 대한 확신 정도를 표현하도록 할 수는 있지만, 모델이 말한 확신과 실제 정확도가 항상 일치하는 것은 아니다. 따라서 모델이 ‘확신이 높다’고 표현했다는 이유만으로 그 결과를 그대로 신뢰해서는 안 된다. 분석 결과에는 근거가 된 원문과 관찰 기간, 반복 횟수, 가능한 다른 해석, 그리고 아직 확인할 수 없는 정보가 함께 제시되어야 한다.

--- 「09 정성적 관계 신호와 LLM 해석의 한계」 중에서

출판사 리뷰

교우관계의 작은 균열을 조금 더 일찍 발견하는 법

학생의 관계 변화는 대개 큰 사건보다 작은 문장에서 먼저 드러난다. 친구의 이름이 사라지고, ‘우리’라는 표현이 줄며, “오늘은 그냥 혼자 있었다” 같은 문장이 반복된다. 하루만 보면 지나치기 쉽지만 여러 날의 기록을 이어 보면 하나의 흐름이 된다. 학생의 일기, 상담 기록, 자유 글쓰기, 온라인 학습 기록에 남은 언어의 변화를 대규모 언어 모델이 어떻게 읽을 수 있는지 탐색한다. 그렇다고 AI가 학생의 마음을 대신 이해할 수 있다고 말하지는 않는다. 표정과 침묵, 교실 분위기, 가정환경과 관계의 맥락을 이해하고 판단하는 일은 여전히 교사의 몫이다. 대신 LLM은 방대한 기록을 같은 기준으로 살피고, 사람이 놓치거나 잊기 쉬운 변화를 시간의 흐름 속에서 연결하는 데 강점을 가진다. 특정 표현의 감소와 반복, 관계를 암시하는 언어 패턴을 통해 “이 학생을 조금 더 살펴볼 필요가 있지 않은가”라는 질문을 교사에게 던질 수 있다. 이 책은 학생 언어에 교우관계가 어떻게 흔적을 남기는지, LLM이 이를 어떤 원리로 분석하는지, 그 결과를 학교 현장에서 어디까지 활용해야 하는지를 다룬다. AI를 판정자가 아니라 기록자이자 관찰의 보조자로 두고, 기술보다 교사의 책임과 해석을 앞세운다.

리뷰/한줄평0

리뷰

첫번째 리뷰어가 되어주세요.

한줄평

첫번째 한줄평을 남겨주세요.

12,000
1 12,000