21세기에 접어들면서 인공지능, 사물인터넷, 빅데이터 등의 첨단 기술이 발전하면서 우리의 삶은 전례 없는 변화를 맞이하고 있다. 이러한 변화는 산업과 경제뿐만 아니라 교육 분야에도 영향을 미치고 있으며, 4차 산업혁명이라는 용어가 등장하고 널리 회자되는 현상은 이와 같은 변화가 우리의 삶의 각 부분에 큰 영향을 미칠 것을 나타낸다. 이러한 변화에서는 초연결, 초지능적 특징을 가지는 인공지능 기술이 핵심 역할을 하며, 인간의 사고, 인식, 기억 등을 보완하거나 대체하는 방식으로 우리 삶에 작용을 넓혀가고 있다. 이러한 삶의 방식의 변화는 우리의 교육체계에도 새로운 도전을 제시하고 있다[1, 2].

이러한 변화에 대응하기 위해 전 세계적으로 교육체계를 혁신하고 있는 상황이다. 미국을 비롯한 주요 국가들은 인공지능 교육을 강화하기 위한 다양한 정책을 수립하고 있으며, 중국, 일본, 유럽 등 다른 국가들도 인공지능 교육을 전 과정에 걸쳐 통합하는 노력을 기울이고 있다[3, 4].

한국 또한 국가적 차원에서 인공지능 교육을 강화하기 위해 다양한 정책을 펼치고 있다. 특히, 2022년 개정된 교육과정은 미래 사회의 요구에 대응하고자 인공지능 및 소프트웨어 교육이 강화된 내용을 담고 있다. 초등과 중등 학교에서는 각각 34시간과 68시간 이상의 인공지능 교육을 운영하며, 고등학교에서는 일반 선택 과목과 진로 선택 과목으로 정보 및 인공지능 기초와 함께 데이터 과학과 소프트웨어를 포함하는 새로운 과목을 도입하였다. 이는 인공지능 교육을 교육과정에 도입하고 교과 수업에서 인공지능의 활용을 강조하여 학생들의 디지털 및 인공지능 기초 소양을 향상시키기 위한 것이다[5, 6]. 또한 교육부는 2023년부터 아이에답(AIEDAP) 사업을 진행하여 현장교사의 디지털, 인공지능 교육역량을 강화하는 대규모 연수 사업을 진행하고 있다.

이러한 변화에 발맞추어 학교 현장에서도 인공지능을 수업에 적용하기 위해 노력하고 있다. 그러나 현장 교사들에게 인공지능이라는 신기술이 아직은 낯설기 때문에 구체적 활용 방안을 찾는데 어려움을 겪고 있다[7]. 따라서 현재 학교 현장에 가장 도움이 될 수 있는 연구주제 중 하나는 각 교과목 별로 인공지능을 적용한 실재 수업 사례를 다수 개발하고, 이의 교육효과를 검토하며 개선하는 연구라고 할 수 있다.

이에 본 연구에서는 현장에서 적용할 수 있는 인공지능 활용 수업의 한 사례를 개발하는 것을 목표로 하여 고등학교 물리과정에서 다루고 있는 단진동 운동을 교육하는 데 인공지능을 적용하는 수업안을 개발하고 학생들의 교육에 시범적으로 활용하였다. 구체적으로 알고두(Algodoo) 프로그램을 활용하여 단진동 운동에서의 시간에 따른 위치의 데이터를 형성하는 과정과 챗지피티를 활용하여 물체의 시간에 따른 위치를 기술하는 수학적 함수를 찾아내는 과정을 내용으로 하는 총 세 차시 수업을 개발하고, 이를 고등학교 수업에 시범적으로 적용하였다. 본 연구결과는 앞으로 인공지능을 접목한 교육이 성공적으로 학교현장에 자리잡는데 기여할 것이다.

1. 수업에서 챗지피티 활용 방안

인공지능 교육을 강화한 개정된 교육과정에 따라 교육현장에서는 분야별로 인공지능을 활용하는 수업들을 개발하고 있다. 특히, 2022년에 공개된 챗지피티는 정교한 대규모 언어 모델(large language model, LLM) 인공지능으로 방대한 데이터를 분석하여 인간과 유사한 텍스트를 이해하고 생성하는 데 심층 학습 기술을 사용하는 인공지능 유형이다. 이러한 모델은 다양한 언어 패턴으로 구성된 방대한 데이터셋으로 훈련되어 맥락에 기반한 텍스트 예측과 생성을 할 수 있다. 사용자와의 대화를 분석하고 그에 적절한 응답을 생성하는 데 특화되어 일반인들도 쉽게 활용할 수 있기 때문에 학교 현장에서는 챗지피티를 활용한 수업개발을 활발히 하고 있다[8-12].

Sohn and An[13]은 챗지피티가 교육분야에서 가져올 수 있는 긍정적인 점을 다음과 같이 들었다. 첫째, 개별화된 맞춤형 지원이 가능하다는 것이다. 챗지피티를 수업에 활용한다면 개별 학습자가 이를 통하여 수업에서 개별적으로 이해를 하지 못한 내용 등에 대해 챗지피티에 질문을 하고 구체적인 예시를 확인하는 식의 상호작용이 가능하여진다는 점에서 학습에 대한 개별적 지원을 받을 수 있다. 둘째, 자기 주도적인 학습을 지원할 수 있다. 모바일과 같은 도구와 인터넷 접속 환경만 마련되어 있다면 챗지피티는 시간과 장소에 상관없이 학습조력자로서 활용할 수 있기 때문이다. 셋째, 학습자의 학습활동을 질적으로 향상할 수 있다. 대학교육에서는 여러 학문영역에 대한 전문성과 실천적 역량을 함께 키우는 것이 중요하다. 이를 위한 학습자 중심 교육을 효과적으로 실시하기 위해서는 학습자의 적극적인 참여를 독려하는 학습활동이 필요하다고 했다.
이 같은 챗지피티의 교육적 활용가능성에서 과학교육에 챗지피티를 활용할 수 있는 대표적인 유형을 다음과 같이 정리할 수 있다[13].

• 개념 설명 및 질문 응답: 학생들이 어려워하는 물리 개념에 대해 챗지피티를 활용하여 설명하고 질문에 답변한다. 예를 들어, 운동량 보존 법칙에 대한 개념 설명이나 탄성력과 관련된 문제에 대한 해설을 요청할 수 있다.

• 문제 해결 지원: 학생들이 과제나 연습 문제를 풀 때 챗지피티를 사용하여 문제 해결을 지원받을 수 있다. 챗지피티에게 특정 물리 문제를 설명하고 해결 방법을 요청하면, 해당 문제에 대한 힌트나 해결 과정을 제공할 수 있다.

• 실험 설명 및 분석: 학생들이 물리 실험을 수행할 때 챗지피티를 활용하여 실험 설명이나 데이터 분석에 대한 도움을 받을 수 있다. 챗지피티에게 실험 과정을 설명하고 데이터를 제공하면, 실험 결과를 해석하고 관련된 개념을 설명하는 데 도움을 받을 수 있다.

• 개별 학습 지원: 학생들이 개별적으로 자신의 이해도를 향상시키기 위해 챗지피티를 활용할 수 있다. 예를 들어 학생이 챗지피티에게 특정 물리 개념에 대한 추가 학습 자료나 예제 문제를 요청하여 자기주도적 학습을 지원받을 수 있다.

이러한 방식으로 챗지피티를 활용하면 학생들은 교사의 도움 없이 스스로 개념 이해도를 높이고 문제 해결 능력을 향상시킬 수 있다. 또한 실험 내용의 분석과 데이터를 해석하는 것도 챗지피티를 활용해 스스로 할 수 있다. 교사는 챗지피티를 활용하여 학생들 개개인에게 맞춤형 학습을 제공할 수 있고 학습내용 전달자 중심의 교육에서 학생들 스스로 학습하는 과정의 가이드로서의 역할을 함으로서 학생중심 수업이 가능할 것으로 예상된다.

2. 챗지피티 활용 수업의 한계

챗지피티를 활용하여 학생중심의 수업이 가능하다는 전망과 더불어 현장에서는 챗지피티를 활용하면서 겪게 될 문제를 우려하고 있다. 가장 큰 문제는 챗지피티가 제시한 응답의 신뢰성이다. 아직까지 챗지피티는 자신의 응답에 대한 출처를 제공하지 않고 있으며, 실제 부정확한 답변이나 오류가 있는 답변을 제시하는 경우가 많아 이를 맹신할 우려가 있는 학생들에게는 각별한 주의가 필요하다[13-15]. 또한 챗지피티가 제공하는 정보의 수준별 스펙트럼이 넓지 못하며, 텍스트 기반의 정보에 한정되어 있어 물리적인 협업이나 학생들과의 상호작용이 불가능한 한계가 있다. 이상의 내용을 정리하면 챗지피티 활용의 한계를 아래와 같이 정리할 수 있다.

• 개별 학생의 학습 차이: 챗지피티는 모든 학생의 학습 수준과 요구 사항을 고려하기 어렵다. 챗지피티가 제공하는 답변은 텍스트 기반의 자료에서 도출되기 때문에 학생의 눈높이에 맞는 쉬운 설명을 제공하는데 한계가 있다. 따라서 각 학생의 개별적인 학습 수준과 필요에 맞게 맞춤형 지도를 제공하기 위해서는 전문가의 개입이 필요하다.

• 실습 경험의 부족: 챗지피티는 주로 텍스트 기반의 정보를 처리하므로 물리 실험을 직접적으로 체험하고 경험하는 기회를 제공하지 못한다. 이는 학생들이 물리 개념을 이해하고 직관적으로 파악하는 데 제한이 될 수 있다.

• 실제 실험과의 차이: 챗지피티는 주어진 데이터를 기반으로 가설을 제안할 수 있지만, 이러한 제안은 항상 정확하거나 완벽하지 않을 수 있다. 따라서 학생들은 실제 실험을 진행하고 결과를 분석하는 과정에서 챗지피티의 제안과 과학적 분석 결과와의 차이를 이해해야 한다.

• 상호작용 부족: 챗지피티는 학습 동료들과의 상호작용적인 학습 경험을 제공하지 않는다. 학생들은 챗지피티와의 대화를 통해 질문에 답변을 얻을 수 있지만, 이는 학생들이 직접 실험을 진행하고 토의하는 과정에서 얻을 수 있는 상호작용적인 학습 경험과는 다르다.

• 개인정보 보호: 챗지피티와 같은 인공지능 모델은 학생들의 개인정보를 수집하고 저장할 수 있으므로 개인정보 보호에 대한 우려가 있을 수 있다.

그러나, 이러한 한계는 챗지피티 기술의 발전으로 업데이트 된 버전은 사용자 입력을 보다 민감하게 분석 가능하며, 이에 따른 적절한 대응을 할 수 있는 능력이 비약적으로 발전하기에 개별 학생 맞춤형 학습 지도 제공 능력이 향상된다는 점과, 챗지피티를 사용한 데이터 분석 결과를 교사의 지도로 검증하는 과정을 도입하고, 수업 중 학습 동료들과의 토의·토론 과정을 도입하는 조치 등으로 충분히 극복할 수 있을 것이다. 특히, 맞춤형 학습 지도를 위해서는 학생들이 챗지피티에 입력하는 프롬프트를 학습목적에 맞게 사용하는 방법에 대한 지도도 필요할 것이다.

3. 챗지피티 활용이 가능한 구체적 수업예시

앞서 제시한 수업 사례에서 ‘개념 설명 및 질문 응답’, ‘문제 해결 지원’, ‘개별 학습 지원’ 등은 현재까지 챗지피티가 학생들 개개인의 수준에 맞출 수 있는 다양한 수준의 정보를 제공하지 못하는 점, 제공하는 정보의 신뢰도가 낮은 점, 제공하는 정보의 출처가 명확하지 못한 점과 같은 문제로 적용에 많은 주의가 필요하다. 이는 현재 학교 현장에서 챗지피티 3.5 버전을 사용하므로 아직도 인공지능 적용 수업의 한계가 될 수 있으나, 향상된 버전인 4.0 이상을 활용하면 극복될 수 있을 것이다. 그러나 현재의 상황에서도 ‘실험 설명 및 분석’의 방법은 현장에서 활용 가능성이 높을 것으로 예상된다.
구체적인 예로 물리 실험 데이터를 챗지피티에 입력하면 챗지피티는 이것을 분석하고 데이터에 함의된 함수식을 도출할 수 있다. 가령, 우리가 간단한 물리 실험으로 자유낙하 실험을 진행하여 아래와 같은 시간에 따른 위치(높이) 데이터를 얻었다면 이것을 챗지피티로 분석할 수 있다.

• 시간 (초): 0, 1, 2, 3, 4, 5

• 위치 (미터): 10, 9, 6, 1, -4, -9

위 데이터를 챗지피티에게 “위치와 시간에 대한 데이터가 주어졌을 때, 이 데이터를 설명할 수 있는 함수식을 도출할 수 있나요?" 라고 물어볼 수 있다.

챗지피티는 이러한 질문에 대해 다양한 함수 형태를 제안할 수 있다. 예를 들어, 이 데이터를 가장 잘 설명하는 함수식은 중력 가속도를 고려한 자유낙하 운동의 위치 함수로 판단하여 다음과 같은 함수식을 제안하였다.

h(t)=h0+v0t-12gt2

여기서,

• h(t)는 시간 t에 따른 물체의 위치를 나타내며, 실험 데이터를 설명하는 함수입니다.

• h​는 초기 높이를 나타냅니다.

• ​v0는 초기 속도를 나타냅니다.

• g는 중력 가속도를 나타냅니다.

그동안 물리 교과서에서 물리 방정식을 도출하는 과정은 복잡한 수학 과정을 거쳐야 하기 때문에 간단한 데이터로 방정식이 맞는지 검증하는 수준에 그치는 경우가 많았다. 그러나 챗지피티를 활용하면 물리적 원리를 반영한 물리 공식을 구하는 복잡한 수학 과정을 챗지피티를 통해 생략하고 바로 공식을 구하는 방식으로 수업에서 다룰 수 있기 때문에 그동안 소홀히 되었던 데이터를 구하고 이를 설명하는 물리 법칙을 반영한 수학적 공식을 확인하는 실험 과정의 중요성을 부각시킬 수 있다. 이것은 현재 과학계의 실재 과학 탐구 방법과 유사하고 학생들에게 물리 교육의 본질인 자연의 물리적 원리를 이해하고 이를 표현한 수학 공식을 배움으로써 자연 현상을 이해하고 예측할 수 있는 역량을 키우는 교육에 더 많은 수업 내용을 편성할 수 있는 가능성을 제공할 것이다.

이에 본 연구는 챗지피티를 활용하여 실험 데이터를 분석하고 물리 방정식을 도출하는 수업을 개발하여 학생들이 인공지능을 활용한 교육에 대해 갖는 태도와 교육 활용 가능성을 파악해보고자 한다.

1. 수업지도안 개발

본 연구에서는 고등학교 물리학 Ⅱ 과정의 ‘역학적 에너지 보존’ 단원에서 다루고 있는 단진동 운동을 교육하는 데에 인공지능을 사용하는 방식을 적용하였다. 구체적으로 알고두(Algodoo) 프로그램을 활용하여 단진동 운동에서의 시간에 따른 위치의 데이터를 형성하는 과정과 챗지피티를 활용하여 물체의 시간에 따른 위치를 기술하는 수학적 함수를 찾아내는 과정을 소개하고 이의 결과를 고찰하는 내용으로 총 세 차시에 걸쳐 수업을 진행하도록 구성하였다. 자세한 수업지도안은 Fig. 1과 같다.

Figure 1. Contents of the lesson plan.

본 연구의 수업지도안은 알고두 프로그램을 활용하여 단진동 운동 데이터를 얻는 과정을 포함하고 있지만, 데이터를 얻는 과정은 실제 진자 운동을 실험으로 구현하고, 트래커(Tracker)와 같은 운동 영상 분석 프로그램을 사용하여 데이터를 얻는 과정으로 진행하는 것도 가능하다[16]. 특히, 인공지능 시대일수록 이러한 오감을 사용하는 실험 과정의 중요성이 강조될 수 있다.

2. 학생활동 및 평가

본 연구에서 개발한 수업에 참여하는 학생들은 이 수업 이전에 알고두나 챗지피티를 접해본 적이 없었다. 따라서 본 수업 적용 전에 별도의 시간을 할애하여 알고두의 기본 활용 방법을 연습해야 했다. 학생들은 알고두의 기초 기능을 익히고 데이터를 저장하는 방법까지 익힌 후 본 수업에 참여하였다.

본 수업에서는 알고두 기초 활용법을 다시 환기시키고 용수철 운동을 관찰하기 위한 구조를 설계하였다. 이후 챗지피티 활용법을 익히는 과정에서는 프롬프트를 잘 작성하면 챗지피티가 보다 정확하고 유용한 응답을 제공할 수 있다는 점을 실습을 통해 경험하게 했다. 그리고 프롬프트의 명확성, 구체성, 그리고 필요한 맥락을 포함하는 것이 좋은 응답을 받는 데 중요하다는 점을 질문의 답을 도출하는 연습을 통해 강조하였다.

학생들은 알고두를 통해 직접 용수철을 설계하고 시간-위치 데이터를 알고두 작동을 통해 생성하고 그 결과를 CSV 파일 형태로 저장하는데 큰 어려움 없이 도달 할 수 있었다. 알고두를 활용해 얻은 데이터를 통해 용수철 운동의 규칙성을 발견해보라는 질문에 대부분 학생들은 단순히 용수철이 왕복운동을 한다는 수준에 머물렀다. 이후 데이터를 챗지피티에 입력하고 데이터가 함수 형태를 갖고 있는지 질문하여 용수철의 운동 방정식을 구하는 활동을 하였다. 학생들의 프롬프트 작성은 학생별 차이가 크지 않았으며 대부분 쉽게 용수철 운동의 함수 관계식을 도출할 수 있었다. 챗지피티를 통해 얻은 함수식으로 용수철 운동이 사인 함수 형태의 운동을 한다는 구체적인 운동 규칙을 학생들 스스로 답변할 수 있었다. 학생들이 수업 중 작성하는 활동지는 Fig. 2와 같다.

Figure 2. Contents of the student activity sheet.

본 수업에서는 단진동 운동 구현을 위해 용수철을 이용하여 운동의 주기성을 발견하는 방법을 적용했다. 그리고 실제 용수철을 이용한 실험이 아닌 알고두를 통해 데이터를 얻는 것으로 실험을 대체하였다. 따라서 알고두 활용 능력 또한 필요하여 수업의 평가 기준에 알고두 활용 능력과 챗지피티를 통한 함수 도출 능력을 평가 요소로 포함시켰다. 구체적인 평가기준은 Fig. 3과 같다.

Figure 3. Contents of the assessment criteria.

3. 챗지피티 수업 적용 후 학생들의 설문결과

챗지피티를 적용한 수업이 수업 내용을 이해하고 데이터를 분석하는데 학생들에게 어느 정도 도움이 되었는지 알아보기 위해 Table 1과 같은 문항으로 설문하였다.

Table 1 . Student survey items.

Elements	Items	Not at all	No	Moderately	Yes	Very much
Artificial Intelligence, Knowledge and Skills	1. Was ChatGPT helpful in collecting necessary information and analyzing data for learning?	①	②	③	④	⑤
	2. Was ChatGPT helpful in understanding the class contents?	①	②	③	④	⑤
	3. Was the utilization of ChatGPT helpful in solving class assignments?	①	②	③	④	⑤

설문 결과 문항1의 ‘학습에 필요한 정보를 수집하고 데이터를 분석할 때 챗지피티가 도움이 되었는가?’에 대한 질문에 Fig. 4와 같이 12명의 학생 중 1명이 ‘그렇지 않다’, 5명이 ‘보통이다’, 3명의 학생들이 ‘그렇다’, 3명의 학생들이 ‘매우 그렇다’라고 답하여 5점 리커트 척도로 환산했을 때 평균 3.67로 학생들이 정보를 수집하고 데이터를 분석하는 데 챗지피티가 상당히 도움이 되었다는 것을 알 수 있었다. 문항2 ‘학습 내용을 이해하는 과정에서 챗지피티가 활용이 도움이 되었는가?’와 문항3 ‘학습 과제를 해결하는 과정에서 챗지피티 활용이 도움이 되었는가?’에서는 동일한 응답 숫자로 ‘그렇지 않다’ 1명, ‘보통이다’ 4명, ‘그렇다’와 ‘매우 그렇다’가 각각 4명, 3명이 나와 리커트 척도로 환산한 평균이 3.75가 나와 챗지피티 활용이 학습 내용 이해와 학습 과제 해결에 유의미하게 도움이 되었다고 학생들이 생각했음을 파악할 수 있었다.

Figure 4. (Color online) Student responses to itemized questions regarding the effectiveness of ChatGPT utilization.

설문 결과를 종합한 결과, 학생들이 챗지피티를 활용하여 실험 데이터를 분석하고 실험 데이터에 내포된 물리 법칙을 함수식으로 도출하는 과정으로 구성한 물리 수업 내용은 학생들이 해당하는 물리 내용을 이해하는 데 도움이 되는 것으로 나타났다. 이는 기존의 수업 방식처럼 물리 법칙에 내포된 함수식을 단순히 제공하는 것보다 학생들이 직접 인공지능을 활용하여 실험 데이터를 분석하고 관련 공식을 도출하는 실습을 하는 교육 방식이 학생들이 수업 내용 더 잘 이해하도록 하는 데 도움이 될 수 있음을 시사한다.

최근 교육계에서는 인공지능 시대에 적합한 교육 방법은 무엇인지 고민하고 어떻게 현장 수업에 인공지능을 적용할지 많은 연구가 이루어지고 있다. 특히, 2022년 챗지피티가 공개된 후 현장에서 이를 활용한 수업이 여러 분야에서 개발 적용되고 있고 과학교육 분야에서도 이를 활용하기 위한 시도가 이루어지고 있다. 그러나 현재 현장에서 무료로 사용 가능한 챗지피티 3.5 버전이 학생들 개개인 수준에 맞출 수 있는 다양한 수준의 정보를 제공하지 못하는 점, 제공하는 정보의 신뢰도 문제, 제공하는 정보의 출처가 명확하지 못한 점과 같은 문제로 학교 현장에서 챗지피티를 활용하는 데 많은 주의가 필요하다.

반면 ‘실험 설명 및 분석’의 방법을 적용한 물리실험 수업이 현장에서 활용 가능성이 높을 것으로 예상되어 본 연구에서는 고등학교 물리 과목에서 실험 데이터를 분석하는데 챗지피티를 활용하는 수업을 개발하고 실제 현장 수업에 적용하였다. 이를 통해 수업 중에 챗지피티와 같은 인공지능을 활용할 수 있도록 수업 내용을 구성하면 학생들이 데이터를 분석하고 문제를 해결하는 과정에서 도움이 된다는 점을 확인하였다.

본 연구에서 개발한 수업에 참여한 학생들 중 과반 수 이상이 인공지능을 통한 정보 수집과 분석, 학습 내용 이해, 과제 해결에 챗지피티가 도움이 되었다고 응답하였다. 이는 기존의 수업 방식처럼 물리 법칙에 내포된 함수식을 단순히 제공하는 것보다 학생들이 직접 인공지능을 활용하여 실험 데이터를 분석하는 방법이 학생들의 수업 내용 이해도를 향상시키는데 도움이 될 수 있음을 시사한다고 할 수 있다. 또한 본 연구에서 적용한 수업 방식은 대부분의 물리 운동방정식을 도출하는 수업에 활용할 수 있어 적용 가능성이 높을 것으로 예상된다.

연구의 결과를 토대로 다음과 같은 제언을 한다. 첫째, 과학의 법칙과 이에 내포된 함수식을 도출할 수 있는 수업에 챗지피티와 같은 인공지능을 활용하는 수업을 개발 적용하고 이의 효과성을 구체적으로 입증하는 추가 연구가 필요하다. 둘째, 본 연구에서는 챗지피티 3.5가 가지는 한계점으로 앞서 언급한 인공지능을 활용한 수업의 방법인 개념 설명 및 질문 응답, 문제 해결 지원, 개별 학습 지원 등의 연구를 추진하지 못했다. 그러나 챗지피티 4.0 버전부터 응답의 신뢰도와 활용도가 획기적으로 발전한 만큼 앞으로 인공지능을 활용한 위의 수업 방법도 충분히 효과를 거둘 수 있을 것으로 예상된다. 따라서 보다 다양한 수업 방법에서 인공지능을 활용하는 후속 연구도 필요하겠다.

This work was supported by the AIEDAP grant funded by Ministry of Educaion, Republic of Korea.