핵심 3줄 요약
- 학생마다 다른 질문과 결과를 허용하면 결과물보다 질문의 변화·실패·수정과정을 보는 개인화된 평가가 필요해진다.
- 개인화 평가의 숨은 비용은 사람의 시간이며, 이미 업무부담이 큰 교사에게 좋은 교육의 목록만 추가해서는 지속하기 어렵다.
- AI는 기록과 정리 비용을 줄이는 데 쓰고, 그 여유를 사람이 학생의 맥락을 판단하는 시간으로 되돌릴 때 의미가 커진다.
개인화 교육은 결국 평가의 문제를 만난다
학생마다 다른 관심에서 출발하고, 다른 질문을 만들고, 다른 결과물을 내고, 실패와 재시도를 통해 성장하게 하자.
말로는 그럴듯하다.
그런데 교육을 현실에 내려놓는 순간 문제가 생긴다.
그 서로 다른 과정을 누가 보고, 무엇을 성장이라고 판단할 것인가.
개인화 교육은 결국 평가의 문제를 만난다.
서로 다른 결과를 무엇으로 평가할 것인가
한 교실에 30명의 학생이 있다고 해보자.
모두에게 같은 시험을 치르게 하면 평가가 비교적 쉽다. 정답을 정하고 점수를 매긴다.
하지만 학생마다 다른 질문을 허용하는 순간 달라진다.
한 학생은 학교 앞 교통량을 조사하고, 다른 학생은 야구 데이터를 분석하고, 누군가는 AI를 이용해 프로그램을 만든다.
이제 무엇을 평가해야 할까.
결과물이 화려한가.
질문이 어려운가.
AI를 얼마나 사용했는가.
처음보다 얼마나 성장했는가.
실패했을 때 무엇을 바꿨는가.
그리고 더 어려운 문제가 남는다.
그 결과가 정말 그 학생의 사고에서 나온 것인지 어떻게 알 수 있을까.
AI 시대에는 결과보다 과정을 봐야 한다
AI 시대에는 결과물만 봐서는 더 어렵다.
과정을 봐야 한다.
처음 무엇을 궁금해했는지, 질문이 어떻게 바뀌었는지, 어디에서 막혔는지, AI의 답 가운데 무엇을 버렸는지, 왜 방향을 수정했는지를 봐야 한다.
개인화 평가에는 사람의 판단이 필요하다
결국 개인화 교육에는 개인화된 평가가 필요하다.
그리고 개인화된 평가에는 사람이 필요하다.
아이를 오래 보고 있는 사람.
여기에서 AI 시대에 오히려 교사의 역할이 더 중요해질 수 있다.
지식을 설명하고, 문제를 만들고, 자료를 찾고, 수준에 맞춰 다시 설명하는 일의 일부는 AI가 점점 더 잘할 것이다.
그렇다면 교사의 역할은 사라지기보다 이동할 수 있다.
이 아이는 왜 이 질문을 했는가.
어디에서 포기하는가.
AI가 만든 결과를 이해하고 있는가.
어제와 오늘의 생각이 어떻게 달라졌는가.
이것을 판단하는 역할이다.
기계가 더 많은 답을 줄수록 사람에게는 학생을 더 깊게 볼 책임이 남는다.
개인화 교육의 숨은 비용은 교사의 시간이다
그런데 현실에서 가장 부족한 것도 바로 그것이다.
시간이다.
TALIS 2024가 보여주는 교사의 시간 조건
OECD TALIS 2024에서 한국의 전일제 중학교 교사는 주당 평균 43.1시간을 일한다고 답했다. 행정업무에만 주 6시간을 썼다. 학부모·보호자 우려 대응을 큰 스트레스로 꼽은 교사가 57%, 과도한 행정업무 50%, 학급 질서 유지 49%였다.
이 숫자가 개인화 교육 때문에 교사가 힘들다는 것을 증명하는 것은 아니다. 내가 보고 싶은 것은 개인화를 요구하기 전의 출발조건이다.
이미 수업과 평가, 행정과 학부모 대응, 생활지도가 놓여 있는 시간 위에 우리는 계속 더 많은 좋은 일을 요구한다.
학생의 관심을 찾아주세요.
맞춤형 수업을 해주세요.
정서도 살펴주세요.
AI도 가르쳐주세요.
프로젝트도 운영해주세요.
과정도 평가해주세요.
각각 틀린 요구는 아니다.
문제는 좋은 교육의 목록만 기존 교사의 업무 위에 계속 올려놓는 방식이다.
한 사람을 제대로 보는 데에는 시간이 든다.
질문을 듣는 시간.
잘못된 시도를 지켜보는 시간.
대화하는 시간.
결과물을 읽는 시간.
그 학생이 지난달보다 무엇이 달라졌는지를 기억하는 시간.
그런 시간을 주지 않은 채 “앞으로는 학생 맞춤형 교육을 해야 합니다”라고 말하면 개인화는 교육혁신이 아니라 교사에게 더 높은 수준의 죄책감을 배분하는 일이 될 수도 있다.
AI는 기록 비용을 줄일 수 있지만 사람을 이해하지는 않는다
AI는 이 비용을 줄이는 데 쓸 수 있다.
학생별 기록을 정리하고, 질문의 변화를 요약하고, 반복적인 자료 준비와 행정 일부를 줄이고, 지난 결과물과 지금을 비교하는 일을 도울 수 있다.
하지만 여기에서도 선을 그어야 한다.
개인화된 자료를 만드는 것과 개인을 이해하는 것은 같은 일이 아니다.
AI는 학생이 질문을 세 번 바꿨다는 사실을 기록할 수 있다.
하지만 생각이 깊어져서 바뀐 것인지, 교사가 원하는 답을 맞추려 한 것인지, AI가 제안한 질문을 그대로 옮긴 것인지는 맥락을 봐야 한다.
오래 본 사람이 항상 맞는 것도 아니다. 한 학생에 대한 오래된 인상이 새로운 변화를 가릴 수 있다. 그래서 사람의 판단 역시 기록과 다른 시선, 자기수정이 필요하다.
중요한 것은 AI와 사람 중 누가 평가자가 될 것인가를 고르는 일이 아니다.
기계가 잘할 수 있는 기록과 정리의 비용을 줄이고, 그 여유를 사람이 맥락을 판단하는 데 다시 쓰는 것이다.
AI가 교사의 일을 줄여준다면 그 여유가 다시 학생을 보는 시간으로 돌아가야 한다.
그렇지 않으면 우리는 사람을 보지 않는 개인화를 만들 수도 있다.
AI 덕분에 사람을 볼 시간이 늘어났는가
그래서 AI 시대 교육혁신을 생각할 때 나는 기술의 성능만큼 시간의 배분을 보고 싶다.
AI가 아이를 얼마나 잘 분석하느냐가 아니라,
AI 덕분에 우리가 한 아이를 얼마나 더 제대로 볼 수 있게 되었는가.
그런데 한 교실의 서른 명을 제대로 보는 것만으로도 이렇게 많은 비용이 든다.
그렇다면 학교 밖에서 수천, 수만 명의 서로 다른 성장을 비교해 누군가를 골라야 할 때는 어떻게 해야 할까.
개인화 교육의 다음 문제는 선발에서 시작된다.