|
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 |
이시훈의 다른 상품
김성훈의 다른 상품
|
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 |
|
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. |