|
이제 평가에서의 특이점이 시작된다
01 수학 평가의 변화와 방향 02 수학과 진단 평가 03 AI를 활용한 진단 평가의 실제 04 수학과 서·논술형 평가 05 AI를 활용한 서·논술형 평가의 실제 06 수학과 과정 중심 평가 07 AI를 활용한 과정 중심 평가의 실제 08 수학 평가와 피드백 09 AI를 활용한 피드백의 실제 10 AI 챗봇을 활용한 평가 도구 만들기 |
김은경의 다른 상품
이지영의 다른 상품
권미선의 다른 상품
|
정리하면 수학 평가는 학습 결과를 확인하는 ‘학습에 대한 평가(assessment of learning)’인 총괄 평가와 평가 정보를 학생의 다음 학습을 지원하는 데 활용하는 ‘학습을 위한 평가(assessment for learning)’인 형성 평가로 구분할 수 있다. 두 가지 평가의 기능은 서로 대립하거나 어느 하나가 다른 하나를 대체하는 것이 아니며 모두 평가에서 중요하게 다루어지고 있다. 다만 최근에는 평가 결과를 다음 학습에 활용하는 형성적 기능이 더욱 강조되고 있는 것이다. 이러한 변화는 평가가 교수·학습 과정에서 수행하는 역할도 변화시켰다. 평가를 학습의 마지막 단계에서 성취 결과를 확인하는 활동으로만 본다면 ‘교수·학습 → 평가’의 순서로 이해하기 쉽다. 그러나 평가에서 얻은 정보를 다음 교수·학습에 활용한다면 평가는 학습의 마지막에 위치하는 활동이 아니라 교수·학습 과정에서 지속적으로 연결되는 활동이 된다.
--- 「01 수학 평가의 변화와 방향」 중에서 AI를 활용한 진단 평가는 이러한 어려움을 줄일 수 있다. 특히 컴퓨터 적응형 검사(CAT)는 학생의 응답에 따라 다음에 제시할 문항의 난이도나 내용을 조정함으로써 학생의 현재 수준을 보다 효율적으로 추정하는 방식이다. 이를 이용한다면 적은 문항으로 학생의 문제 풀이 반응에 따라 지식 수준을 추정하고 학생별 세부 학습 요소의 성취도를 진단할 수 있을 것이다. AI 활용의 가치는 진단 자체보다 진단 결과를 다음 학습으로 연결하는 데 있다. AI가 학생에게 부족한 선수 학습 요소를 찾아주고 그 내용을 학습할 수 있도록 연결하면, 교사는 학생별로 필요한 학습을 제공할 수 있다. 또한 학급 전체에서 공통적으로 부족한 개념을 확인하여 본 단원의 수업 내용을 조정할 수도 있다. --- 「03 AI를 활용한 진단 평가의 실제」 중에서 과정 중심 평가는 기존의 평가에 새로운 평가를 추가하거나 수행 평가와 같은 특정 평가 방법을 새롭게 구성한 것이 아니다. 과정 중심 평가는 학습 목표를 명료하게 제시하고 이를 공유하며, 학생 사고의 증거를 수집하여 이를 기반으로 피드백을 제공함으로써 학생의 이해를 진전시키고 수업을 조정하며, 학생의 자기 평가와 동료 평가를 유기적으로 연결시키는 하나의 통합적·순환적 과정으로 구성된다. 이러한 의미에서 과정 중심 평가의 성공적인 실행은 어떤 평가 도구나 방법을 사용하는가가 아니라 교사가 학생의 학습에 대한 정보를 얻고 이를 학생의 학습 진전과 교사의 교수 개선을 위해 어떻게 사용하는가에 의해 결정된다. --- 「06 수학과 과정 중심 평가」 중에서 다시 말해, AI는 교사의 역할을 보완하는 도구로 활용해야 하므로, 기술이 학생의 응답을 수집하고 분석하여 정보를 제공하면 교사는 평가 준거를 기준으로 학생의 사고에 대한 자신의 해석과 대조하여 학생이 학습의 어느 지점에 있는지를 파악해야 한다. 이에 따라 피드백 내용의 적절성을 점검하거나 피드백을 제공하는 시기를 의도적으로 조정하는 일 등은 교사의 판단에 근거해야 한다. 또한 피드백에서 AI의 활용은 학생을 피드백의 수용자에서 생산자로 이동시키는 계기로도 사용할 수 있으나 AI를 활용하는 자체만으로는 학생이 작성한 피드백이 구체적인 정보를 담고 있도록 하거나 의미 있는 피드백을 구성하도록 하는 것을 보장하지 못하므로, 학생의 피드백 역량 신장을 위해서는 교사의 명시적인 지도가 병행되어야 한다. --- 「09 AI를 활용한 피드백의 실제」 중에서 |
|
25명의 학생, 100개의 풀이… 교사는 얼마나 깊이 들여다볼 수 있을까
학생 25명에게 서술형 문제 네 개를 내면 교사는 100개의 풀이를 살펴야 한다. 정답을 확인하는 데는 오래 걸리지 않지만 학생마다 어디서 잘못 생각했는지, 어떤 개념을 오해했는지, 다음에는 무엇을 배워야 하는지 판단하려면 시간이 부족하다. 이 책은 좋은 평가의 원칙과 교실의 현실 사이에 존재하는 이 간극에서 출발한다. 생성형 AI는 학생의 풀이 과정을 분석하고 오류를 유형화하며 개별 피드백의 초안을 제시할 수 있다. 그러나 같은 오답이라도 계산 실수인지 개념적 오류인지 판단하는 기준은 교사가 정해야 한다. 또한 AI의 분석에는 오류와 환각이 있을 수 있으며 학생의 학습 맥락을 이해하는 데도 한계가 있다. 따라서 최종 판단은 언제나 교사의 몫이다. AI에게 단순히 채점을 맡기는 대신 평가 목적과 기준, 학생의 사고를 바라보는 관점과 피드백 원칙을 구체적으로 제공함으로써, 한 명의 교사가 가진 평가 전문성을 더 많은 학생에게 적용할 수 있다. 이를 위해 진단 평가와 서·논술형 평가, 과정 중심 평가와 피드백의 원리를 살펴보고, 생성형 AI를 활용하는 실제 방법과 평가 도구를 직접 제작하는 과정까지 안내한다. 저자가 말하는 ‘평가에서의 특이점’은 AI가 교사보다 뛰어난 평가자가 되는 순간이 아니다. 교사의 시간과 처리 능력이라는 물리적 제약을 넘어 좋은 평가가 더 많은 학생에게 도달하기 시작하는 전환이다. |