.svg)
AI 솔루션 문의하기
교육 현장에서 학생이 제출하는 답안은 단순한 텍스트만으로 구성되지 않는 경우가 많습니다. 에세이나 서술형 답안처럼 문장으로 작성된 자료가 있는가 하면 수학 풀이 과정이나 과학 실험 결과처럼 그림과 설명이 함께 포함된 답안도 존재합니다. 손으로 작성한 답안을 촬영해 제출하는 방식까지 더해지면 같은 평가 대상이라도 데이터의 형태가 크게 달라집니다. 이처럼 서로 다른 형식의 답안을 AI가 함께 분석하기 위해서는 텍스트와 이미지 등 여러 유형의 데이터를 하나의 학습데이터로 연결하는 작업이 필요합니다. 답안의 내용뿐 아니라 어떤 형태로 작성됐는지까지 고려해야 실제 교육 환경에서 활용할 수 있는 데이터 구축이 가능합니다.
AI 기반 첨삭 시스템은 학생의 답안에서 문법이나 문장 구조뿐 아니라 내용의 적절성, 논리적 흐름, 핵심 개념의 포함 여부 등을 판단해야 합니다. 이를 위해서는 단순히 정답과 오답을 구분한 데이터만으로는 충분하지 않을 수 있습니다. 어떤 부분이 잘 작성됐고 어떤 부분에서 보완이 필요한지를 평가 기준에 따라 세분화해 라벨링하는 과정이 중요합니다. 예를 들어 문법 오류와 내용 오류, 논리적 연결 부족을 서로 다른 유형으로 구분하면 AI가 답안의 문제점을 보다 구체적으로 학습할 수 있습니다.
학생이 직접 작성한 답안을 이미지로 수집할 경우 인쇄된 문서와 달리 글자의 크기와 모양, 기울기 등이 일정하지 않습니다. 필기체가 섞이거나 일부 글자가 겹쳐 있는 경우에는 OCR만으로 정확한 텍스트를 추출하기 어려울 수도 있습니다. 손글씨 답안은 글자를 텍스트로 변환하는 과정과 실제 답안의 이미지 정보를 함께 보존하는 방식으로 데이터를 구축해야 다양한 필기 형태를 학습에 활용할 수 있습니다. 글자를 잘못 인식한 경우 원본 이미지와 변환된 텍스트를 비교해 수정하는 검수 과정도 필요합니다.
수학이나 과학 과목에서는 최종 답만 텍스트로 제출하는 것이 아니라 풀이 과정이나 도표, 그래프, 그림을 함께 작성하는 경우가 있습니다. 이때 최종 답만 분석하면 학생이 문제를 어떤 방식으로 이해했는지 파악하기 어렵습니다. 이미지 안에 포함된 수식과 도형, 그래프, 풀이 과정을 각각 인식하고 이를 학생이 작성한 설명과 연결하는 데이터 구조가 필요합니다. 특히 풀이 과정 중 일부가 잘못됐지만 최종 답은 맞는 경우처럼 단순한 정답 여부만으로 판단하기 어려운 사례도 학습데이터에 포함할 필요가 있습니다.
AI 첨삭 시스템의 목적은 답안의 오류를 찾아내는 것에 그치지 않고 학생에게 개선 방향을 제시하는 데 있습니다. 따라서 학생의 원본 답안과 함께 교사가 작성한 첨삭 내용이나 평가 결과도 중요한 학습데이터가 됩니다. 어떤 답안에 어떤 평가가 내려졌고 그 이유가 무엇인지까지 연결해 두어야 AI가 단순한 정답 판별을 넘어 피드백 생성에 활용할 수 있습니다. 동일한 오류라도 학년이나 과목, 평가 기준에 따라 적절한 피드백이 달라질 수 있어 이러한 조건을 함께 기록하는 것이 필요합니다.
학생마다 답안의 길이와 표현 방식, 이해 수준은 크게 다를 수 있습니다. 모범 답안에 가까운 자료만 학습시키면 AI가 실제 학생들이 작성하는 다양한 형태의 답안을 충분히 반영하기 어려워집니다. 짧은 답변부터 긴 서술형 답변, 완성도가 높은 답안과 개선이 필요한 답안까지 다양한 수준의 자료를 균형 있게 확보해야 실제 교육 환경에 가까운 학습데이터를 만들 수 있습니다. 같은 문제에 대해 표현은 다르지만 내용상 정답인 답안도 함께 포함하면 특정 문장이나 표현에 지나치게 의존하는 문제를 줄이는 데 도움이 됩니다.
교육 첨삭은 과목에 따라 평가해야 하는 내용이 달라집니다. 국어와 논술에서는 문장 구성과 논리적 전개가 중요할 수 있지만 수학에서는 풀이 과정과 계산 결과가 핵심이 될 수 있고 과학에서는 개념 설명과 실험 결과의 해석이 함께 중요할 수 있습니다. 하나의 첨삭 기준을 모든 과목에 동일하게 적용하기보다 과목과 학년, 문제 유형에 맞는 평가 기준을 데이터에 함께 반영해야 합니다. 어떤 기준으로 답안을 평가했는지 명확하게 구분해 두면 AI 모델이 서로 다른 교육 환경의 평가 방식을 학습하는 데 활용할 수 있습니다.
교육 현장에서는 글로 작성된 답안뿐 아니라 발표나 구술 답변처럼 음성 형태의 학습 결과물도 활용될 수 있습니다. 이 경우 AI는 학생이 말한 내용뿐 아니라 발음이나 억양, 말의 흐름 등을 분석하는 데 활용될 수 있습니다. 텍스트와 이미지에 음성 데이터를 추가하면 하나의 답안을 여러 형태의 정보로 분석할 수 있어 학생의 학습 결과를 보다 다양한 관점에서 파악할 수 있습니다. 다만 음성 데이터는 녹음 환경과 발화 속도 등에 따라 품질 차이가 발생할 수 있으므로 데이터 수집 단계에서 이런 조건도 함께 기록할 필요가 있습니다.
.svg)
.svg)
