머신러닝 – 교육 분야의 긍정적 변화를 이끄는 기술 (활용 사례 3가지 포함)

머신러닝 도입이 점차 확대됨에 따라, 머신러닝은 머지않아 교육의 혁신과 성장을 촉진하는 핵심 요소가 될 것입니다. 교육 분야는 곧 대대적인 변화를 맞이할 것입니다.  

코로나19가 전 세계를 휩쓸었을 때 교육은 실제로 가장 큰 타격을 입은 산업 중 하나였습니다. 팬데믹은 현재의 인프라가 증가하는 교육 수요를 수용하는 데 얼마나 어려움을 겪고 있는지를 더욱 여실히 드러냈습니다. 세계가 코로나19 이후 회복기에 접어들면서, 인공지능의 하위 분야인 머신러닝(ML)은 학습, 교육 및 연구에 근본적인 개선을 가져올 것으로 기대됩니다. 

현재 교육 시스템의 주요 문제점

교육 시스템과 학습 성과를 개선하는 방법을 논의할 때 다음과 같은 과제가 자주 지적됩니다. 

효과적이지 않은 획일적 접근법

교육에서 가장 중요한 문제 중 하나는 학생마다 학습 능력과 속도가 다르다는 점입니다. 학생들은 특정 과목에 더 뛰어난 능력을 보이기도 하고, 신체적·정신적 어려움을 겪기도 합니다. 

example of machine learning in the education sector for kids

맞춤형 지원을 제공하려는 교사들의 노력에도 불구하고, 많은 학생이 여전히 학습 진도를 따라가는 데 어려움을 겪고 있습니다. 학급당 학생 수가 늘어나고 다루어야 할 정보의 양도 상당하기 때문에, 교사들이 모든 학생의 개별적인 필요를 충족하기는 어렵습니다. 

평가 시스템에서도 ‘획일적’ 접근법의 한계가 드러납니다. 전문가들은 표준화된 시험이 종합적인 평가 접근법을 반영하지 않기 때문에, 모든 학생의 성장과 성취를 촉진하는 데 적합하지 않을 수 있다고 우려합니다.

교사 번아웃

Insider는 2020년과 2021년에 미국의 많은 교사가 퇴직하거나 조기 은퇴했으며, 주된 이유는 번아웃, 과도한 기대, 학교 관리자의 지원 부족이었다고 지적했습니다. 최근 Survey USA가 실시한 설문조사에 참여한 유치원부터 고등학교까지의 교사 2,000명 중 약 30%는 향후 1년 내에 직장을 그만둘 가능성이 있다고 답했습니다. 그 결과, 많은 교육구가 심각한 인력 부족에 직면해 운영에 어려움을 겪고 있습니다.

chart of nearly 30% teachers say they may quit their jobs next year
출처: Stand for Children

낮은 학생 참여도

대면 수업에서도 학생의 참여를 유도하는 일은 교사들에게 어려운 과제였습니다. 장기간의 원격 학습 이후에는 학습 동기와 참여도가 크게 낮아져 교사들이 효과적인 수업을 진행하기가 더욱 어려워졌습니다. 2020년 말 EdWeek가 실시한 설문조사에 따르면, 교사와 학생 모두 팬데믹으로 인해 동기가 크게 저하되었다는 데 동의했습니다.

graphs of how the coronavirus pandemic affected motivation
출처: EdWeek

전문가들은 학생 참여가 교사의 학문적 경험에만 의존하기보다 동료 간 토론과 자기 탐구에 초점을 맞춘 학생 중심 방식이어야 한다고 제안합니다. 학생 주도 참여는 적극적인 협력 학습, 학생의 주도권, 각 학생의 학습 여정에 맞춘 개별적 조정을 특징으로 합니다. 

ML 기반 교육 혁신

간단히 말해, ML은 컴퓨터 시스템이 명시적으로 프로그래밍되지 않아도 데이터를 접하면서 학습하고 개선할 수 있는 인지 기술입니다. 접하는 데이터가 많을수록 결과도 더 좋아집니다. ML 도입은 기하급수적으로 확대될 것으로 예상되며, 2021년부터 2025년까지 교육 분야의 AI 기술에 대한 연간 지출은 61억 달러로 증가할 전망입니다. ML 도입의 잠재력이 발휘될 수 있는 여러 분야 중에서도 교육은 대표적인 사례로 꼽힙니다.  

teacher burnout is solved with machine learning

맞춤형 학습

ML 기반 시스템은 학생별 맞춤형 학습 프로필을 구성하고 학생의 요구와 능력에 맞는 자료를 개발할 수 있습니다. 교실에서 학생들은 학습 속도와 숙달 수준에 맞춘 학습 콘텐츠를 제공받게 됩니다. 기존 교과서는 이해하기 쉬운 학습 안내서나 대화형 노트로 압축됩니다. 개인화를 촉진하기 위해 온라인 인터페이스를 만들 수도 있습니다.

ML이 도입되면 교육과정의 개발과 개선은 교사 대신 증강 지능의 지원에 의존하게 됩니다. 따라서 학생과 교사 모두의 시간과 노력을 상당히 절약하면서 학습 및 수업의 효율성을 최적화할 수 있습니다.

ML이 맞춤형 학습에 기여하는 또 다른 방법은 가상 학습 도우미입니다. 이러한 도우미는 학생의 질문에 답하고, 과제를 도와주며, 유용한 자원과 자료를 찾도록 안내할 수 있습니다. 

이러한 맞춤형 학습 접근법은 점점 더 널리 활용되고 있으며, 2024년까지 학습 관리 도구의 최대 47%가 AI의 지원을 받게 될 전망입니다. 또한 같은 해 AI 기반 학습 도구의 시장 규모는 60억 달러를 넘어설 것으로 예상됩니다. UNESCO는 이러한 접근법이 소외 계층부터 장애가 있거나 고립된 지역사회에 거주하는 사람들에 이르기까지 다양한 학습자에게 “적절한 학습 기회에 대한 접근성”을 제공할 수 있다고 보고 있습니다. 

예측 분석

ML 기반 모델은 대규모 데이터 집합에서 추세, 상관관계, 패턴을 식별하여 인사이트를 도출하는 데 중요한 역할을 합니다. 이러한 역량은 교육자와 관리자가 교육 동향을 모니터링하고, 중도 탈락을 예방하며, 학생들이 학업을 지속하도록 돕는 교육 예측 분석 도구에 활용됩니다. 

예를 들어, American Institutes for Research의 연구팀은 학생의 행동과 기타 관련 데이터를 바탕으로 졸업하지 못할 가능성이 있는 학생을 감지하여 교육기관에 조기 경보를 제공하는 시스템을 개발했습니다. 또 다른 사례는 말레이시아 연구진이 지도 학습 기반 머신러닝을 활용하여 개발한 예측 모델로, 학생 489명의 이전 학업 성취도를 바탕으로 최종 성적을 예측하는 것을 목표로 합니다. 이 모델은 최대 99.6%에 달하는 매우 높은 정확도를 보였습니다. 

조직 운영 업무

교사 업무 시간의 최대 50%를 차지할 수 있는 수업 외 업무를 자동화하는 것은 번아웃을 예방하고 교육자가 학생에게 더 많은 시간을 할애할 수 있도록 하는 데 매우 중요합니다. ML은 채점 업무를 자동화하고, 맞춤형 응답이나 피드백을 생성하며, 반복적인 서류 작업을 처리함으로써 수업 외 업무 수행에 큰 도움을 줍니다. 예를 들어 채점에 활용되는 ML 시스템은 고된 채점 업무를 훨씬 빠른 속도와 뛰어난 정확도로 완료할 수 있습니다. UNESCO 보고서에 따르면 중국의 약 60,000개 학교에서 사용되는 논술 채점 기계는 인간의 채점 결과와 92% 일치하는 결과를 산출합니다. 

교사와 교육 행정 담당자는 업무 흐름에 ML을 적용하여 이점을 얻을 수 있습니다. ML 기반 지능형 도우미와 시스템은 학생 등록, 지원서 처리, 예산 편성, 수업 편성, 시설 관리 등의 행정 절차를 자동화합니다. 따라서 교육기관은 운영 비용을 줄이는 동시에 효율성과 대응 능력을 크게 향상할 수 있습니다. 예를 들어 고등교육 분야의 입학 담당자들은 ML 기반 시스템이 지원 절차의 신뢰성을 높여줄 것으로 기대합니다. 이러한 시스템은 정해진 기준에 따라 지원서를 체계적으로 평가하도록 학습되어 인간의 편향을 없애고 투명성을 보장하게 됩니다. 

교육 분야에서 ML을 도입할 때 얻을 수 있는 이점은 분명하지만, O’Reilly가 2022년 2월에 실시한 설문조사에 따르면 교육 분야는 다른 산업에 비해 성숙한 AI 활용 사례의 비율이 가장 낮았습니다. 이러한 상황은 ML 지원 시스템을 활용할 때 직면하는 두 가지 주요 과제인 데이터 품질과 비용으로 설명할 수 있습니다. 

ML 기반 교육의 과제

교육에 ML을 적용할 때 가장 두드러지는 과제는 데이터와 관련된 것입니다. 정확한 결과를 도출하는 효과적인 모델을 개발하려면 학교와 교육기관은 최신 상태를 유지하면서 정확성도 갖춘 고품질 데이터를 충분히 수집해야 합니다. 그러나 어떤 데이터가 필요한지, 어느 정도의 데이터가 충분한지, 데이터의 관련성을 어떻게 정의해야 하는지에 대해서는 하나의 정해진 답이나 방법론이 없습니다. 따라서 인간의 개입과 감독은 여전히 필요합니다. 

또 다른 과제는 비용입니다. 학습 도구와 플랫폼에 사용되는 ML 모델은 맞춤형 학습 여정을 만드는 데 도움이 됩니다. 그러나 이 방식의 개발에는 여전히 많은 비용과 자원, 시간이 소요됩니다. 잦은 업데이트와 탄탄한 IT 전문 지식, 우수한 기술 인프라가 필요합니다. 많은 학교와 교육기관은 이러한 요건을 충족할 여력이 없습니다.

그러나 강력한 교육 도구로서 ML이 지닌 막대한 잠재력은 앞서 언급한 어려움을 능가합니다. 기술 발전으로 디지털 도구가 더욱 보편화되고 가격이 저렴해지면 이러한 어려움을 최소화할 수 있습니다. 한편, 교육에 ML을 도입했을 때의 강력한 효과는 인상적인 성과를 거둔 교육기관들의 성공 사례를 통해 입증되고 있습니다. 

교육 분야의 머신러닝 활용 성공 사례

Jill Watson – 학생들의 질문에 답변

2015년, 한 인공지능 온라인 강좌에 Jill Watson이라는 조교가 참여했으며, 나중에 이 조교는 챗봇으로 밝혀졌습니다. 이 챗봇은 자주 묻는 질문에 최대 97%의 정확도로 답변할 수 있어, 실시간 지원과 피드백을 효율적으로 제공할 수 있음을 입증했습니다. 

Jill Watson - a virtual teaching assistant
출처: DOGOnews

LM Exam Suite – 쉽고 편리한 온라인 시험 지원

팬데믹과 그에 따른 봉쇄 조치로 시험 운영은 심각한 영향을 받았습니다. 많은 교육기관이 ‘뉴노멀’에 적응하기 위해 ML 솔루션을 활용하여 온라인 시험을 실시하고 채점 과정을 자동화하고 있습니다. LM Exam Suite가 그중 한 예입니다. 학생들은 이 솔루션으로 시험에 응시하고, 집이나 캠퍼스, 시험장으로 응시 장소를 손쉽게 변경하며, 인터넷 연결이 끊겨도 시험을 계속할 수 있습니다. 디지털 필기도 지원합니다.

LM Exam Suite enables easy examination
출처: Littlemore Innovation Lab

Ellucian CRM Recruit – 대학 입학 절차 개선 

Ellucian CRM Recruit는 입학 담당자가 더 많은 예비 지원자에게 다가가고 지원 가능성이 가장 높은 학생들을 대상으로 모집 활동을 펼칠 수 있도록 돕는 ML 기반 시스템입니다. 이 시스템은 개별 지원자를 분석하여 입학 제안을 수락하고 해당 교육기관에서 성공적으로 학업을 수행할 가능성을 예측할 수 있습니다. 또한 관리자가 등록 현황을 모니터링하여 교수진 확충 등 필요한 변화를 추진하도록 지원합니다. Pacific University Oregon과 St. Thomas University를 비롯한 여러 유명 대학이 이 솔루션을 신뢰하고 있습니다. 

Ellucian CRM Recruit
출처: ellucian

더 읽어보기: 현대화와 혁신을 이끄는 강력한 머신러닝 활용 사례 10가지 [2023 업데이트]

맺음말

양질의 교육이 지닌 중요성과 ML의 힘으로 이를 실현하는 방법에 대한 인식이 높아지면서, 디지털 기술이 이끄는 변화는 불가피해지고 있습니다. 실제로 교육 분야에서 ML을 널리 도입하려면 시간과 자원이 필요합니다. 그럼에도 교육자와 학생들이 각자의 여정에서 ML의 다양한 긍정적 영향을 체감하게 되면 이러한 전환은 결실을 맺을 것입니다. 


GEM 소개

GEM Corporation은 기업 고객의 디지털 전환 여정을 지원하는 선도적인 IT 서비스 제공업체입니다. 베트남 하노이에 본사를 둔 GEM은 유능한 인재, 폭넓고 적응력이 뛰어난 기술 스택, ISO 인증을 획득한 우수한 CMMi 기반 서비스 제공 프로세스를 강점으로 갖추고 있습니다. 따라서 GEM은 전 세계 여러 시장의 다양한 분야에서 스타트업과 대기업 모두의 신뢰를 받아왔습니다.

최신 소식과 이벤트를 놓치지 마세요. Facebook과 LinkedIn에서 저희를 팔로우하세요!

    Ready to build your next project?

    Our experts will connect with you within 24 hours to discuss your project.

    contact

    Quick contact

      Or reach us at:
      whatsapp
      viber
      kakao
      Line
      0971098183