클래스팅 AI (개별화 학습, AI 교육, 공교육 혁신)
수업 시간에 선생님 눈치를 보며 조용히 엎드려 있던 친구, 한 명쯤은 기억하시지 않습니까. 저는 그 장면이 오래 머릿속에 남아 있습니다.
코로나19 이후 비대면 개학이 현실이 됐을 때, 클래스팅 AI가 무료로 배포된다는 소식을 접하고서 처음 든 생각도 그 친구 얼굴이었습니다. 드디어 평균에 맞춰진 교육에 균열이 생기는 건가 싶었습니다.
1. 클래스팅 AI 개별화 학습이 푼 오랜 숙제
학교를 다니던 시절을 돌이켜보면, 수업은 언제나 반 평균을 기준으로 설계되어 있었습니다. 빨리 이해하는 학생은 남은 시간을 멍하니 버텼고, 조금 느린 학생은 다음 단원으로 넘어간 뒤에야 앞 단원이 헷갈린다는 걸 깨달았습니다.
저도 중학교 때 수학 진도를 절반쯤 놓친 기억이 있는데, 그때 교사 한 명이 서른 명을 개별적으로 챙기는 건 구조적으로 불가능하다는 걸 이미 체감했습니다. 누구의 잘못도 아니었지만, 그 안에서 무너지는 아이는 분명히 있었습니다.
클래스팅 AI가 내세우는 핵심은 적응형 학습(Adaptive Learning)입니다. 적응형 학습이란 학생 개개인의 정답률, 풀이 시간, 반복 오답 패턴 같은 학습 데이터를 실시간으로 분석해 그 학생에게 가장 적합한 난이도와 콘텐츠를 자동으로 추천하는 방식입니다.
제가 처음 이 개념을 접했을 때 솔직히 반신반의했는데, 데이터를 실제로 쌓고 피드백 루프를 돌린다는 구조 자체는 꽤 탄탄하다는 인상을 받았습니다. 적어도 평균 한 줄로 모두를 줄 세우는 방식보다는 한 발 나아간 접근이었습니다.
이 서비스는 초등학교와 중학교 교육과정에 맞춰 수학, 과학, 사회, 영어 네 과목을 지원합니다. 교사가 간편 저작 도구로 온라인 수업 자료를 만들면 학생이 제출한 과제는 자동 채점 처리되고, 개별 학생 단위부터 학교 전체 단위까지 성취도와 학습 이력 데이터가 대시보드로 제공됩니다.
이 대시보드가 바로 교사가 서른 명을 동시에 파악할 수 있는 창구 역할을 합니다. 주요 기능을 정리하면 다음과 같습니다.
- 실시간 자동 채점 및 학습 이력 누적
- 수준별 맞춤 문제와 동영상 콘텐츠 자동 추천
- 정답률·학습 시간·평균 분포 등 데이터 시각화
- 교사·학생·학부모 연결 온라인 학급방 운영
국내 에듀테크 시장은 2020년 이후 빠르게 성장하고 있으며, 비대면 수업 경험이 디지털 기반 교육 수용도를 높이는 계기가 되었습니다. 학습 데이터를 중심에 두는 플랫폼이 주목받는 배경도 이와 무관하지 않습니다.
2. AI 교육 데이터가 실제로 바꾸는 것들
이 시스템이 하는 일은 단순히 문제를 많이 내주는 것이 아닙니다. 학습 분석(Learning Analytics)이 핵심입니다.
학습 분석이란 학생이 어떤 문제에서 얼마나 오래 머물다 틀렸는지, 어느 개념에서 반복적으로 막히는지를 데이터로 추적해 교육적 개입이 필요한 시점을 포착하는 기술입니다. 저는 사회복지 현장에서 비슷한 한계를 자주 겪었기 때문에 이 개념이 특히 와닿았습니다.
같은 프로그램을 같은 속도로 진행하다 보면 평균 언저리에 있는 분들만 혜택을 받고, 나머지는 자연스럽게 뒤처지는 상황이 반복되거든요. 어쩔 수 없다고 넘긴 적도 많지만, 사실 어쩔 수 없는 일은 아니었는지도 모릅니다.
교사 입장에서도 이 데이터는 단순한 성적표 이상의 의미를 가집니다. 어느 학생이 오늘 20분 이상 로그인하지 않았는지, 특정 단원의 정답률이 반 평균보다 현저히 낮은 학생이 누구인지를 실시간으로 확인할 수 있다면, 교사의 개입 타이밍이 달라집니다.
제 경험상 현장에서 가장 어려운 부분이 누가 도움이 필요한지 먼저 찾아내는 일인데, 이걸 데이터가 대신해준다면 교사는 판단에 앞서 행동할 수 있게 됩니다. 도움이 닿는 속도가 빨라진다는 건 생각보다 큰 변화입니다.
코로나19로 인한 원격 수업 전환이 본격화되면서, 정부도 학교와 가정을 연결하는 디지털 학사 운영 방안을 공식화했습니다. 무료 라이선스를 전국 교직원에게 배포한 것은, 플랫폼 확산보다 공교육 공백을 메우는 데 무게가 실렸다는 점에서 의미 있는 선택이었다고 봅니다.
물론 데이터 기반 접근이 만능은 아닙니다. 학습 이력과 정답률로 포착되지 않는 변수, 예를 들어 집 환경이나 보호자 지원 여부 같은 요소들은 알고리즘 밖에 있습니다.
이 점은 에듀테크 서비스 전반이 앞으로 풀어야 할 과제라고 생각합니다. 데이터로 보이지 않는 아이를 어떻게 보이게 할 것인가, 결국 그 질문이 남습니다.
3. 공교육 혁신, AI가 대체가 아니라 되돌려주는 것
AI 교육 서비스가 확산되면 교사의 역할이 줄어드는 게 아니냐는 걱정을 종종 듣습니다. 제 생각은 조금 다릅니다.
블렌디드 러닝(Blended Learning)이라는 개념이 있습니다. 블렌디드 러닝이란 온라인 개별 학습과 오프라인 대면 활동을 결합해 두 방식의 장점을 동시에 취하는 교육 모델입니다.
AI가 지식 전달과 반복 훈련을 맡아준다면, 교실에서 교사가 할 수 있는 일의 반경이 오히려 넓어집니다. 줄어드는 게 아니라 비로소 본래 역할로 돌아갈 수 있는 환경이 만들어지는 셈입니다.
저는 학교가 단순히 지식을 전수하는 장소라기보다 아이가 처음으로 사회를 경험하는 훈련장이라는 쪽에 더 가깝다고 생각합니다. 친구와 의견이 달라 부딪혀보고, 틀린 친구를 탓하지 않는 방법을 배우고, 발표가 무서워도 손을 드는 연습을 하는 곳.
이런 경험들은 AI가 대신해줄 수 없습니다. AI가 수준별 반복 학습을 담당하면, 교사는 토론을 이끌고 갈등을 조율하고 배려를 가르치는 데 더 집중할 수 있지 않을까요.
사회복지 관점에서 보면 이 변화가 더 반갑습니다. 개별화된 학습 지원이 가능해진다면, 지금까지 평균에서 밀려나 아무도 눈치채지 못하는 사이 포기해버린 아이들이 조금은 줄어들 수 있을 테니까요.
수업 시간에 조용히 엎드려 있던 그 친구에게, 조금 더 일찍 다른 방식이 있었다면 어땠을까 생각하게 됩니다. 그 아이가 수학을 못 했던 게 아니라 따라갈 시간을 한 번도 받지 못했던 거라는 걸, 우리는 너무 늦게 알았습니다.
AI 교육의 가능성은 분명합니다. 다만 그 가능성을 끌어내는 건 결국 플랫폼이 아니라 그 안에서 아이들과 함께하는 교사와 어른들이 될 것입니다.
학습 데이터를 정밀하게 다루는 서비스가 확산될수록, 기술 뒤에 있는 사람의 역할을 다시 묻게 됩니다. 지식은 AI가, 사람살이는 사람이. 그런 분담이라면 한번 기대해볼 만한 변화 아닐까요. 정답이라고는 못 하겠지만, 적어도 한 번 가볼 만한 길이라는 생각은 듭니다.
이 글은 개인적인 경험과 의견을 공유한 것이며, 전문적인 교육 또는 정책 조언이 아닙니다.
참고 자료