최근 저는 캘리포니아 시립 학교 교육감(CCSS) 가을 컨퍼런스에서 AI를 통한 학습의 미래에 대해 기조 연설을 했습니다. 제가 그곳에 오기 전에도 이 유능한 리더들은 여러 축과 다양한 이해관계자로부터 AI에 대해 배우고 있었습니다. 그들은 AI에 어떤 일이 일어날지 예측하기 위해 이전의 소셜 미디어 경험을 활용하고 있었습니다. 그들은 지역사회, 이사회, 지방 정부 기관, 학부모, 교직원, 학생들 간의 정치 균형을 신중하게 조정했습니다. 그들은 정책과 실행 계획을 만들고 있었습니다.
종종 그들은 인지적, 정서적 지원이 거의 없이 이 작업을 수행했습니다.
CCSS 회장이자 Morgan Hill 통합 교육구 교육감이자 사려 깊고 친절한 리더인 Dr. Carmen Garcia는 한 가지 감정으로 그룹을 환영했습니다. “감독직은 외로워요.” 팀의 규모가 아무리 크더라도 교육감의 압박감이 크고 공개적이며 책임감이 강한 역할에는 실수할 여지가 거의 없습니다.
교육계에서 우리는 교육자가 AI를 사용하여 수업 계획, 퀴즈 및 성적표를 생성할 수 있는 방법을 살펴보았습니다. 그러나 나는 AI의 가장 중요한 잠재력이 인간의 생산성을 향상시키는 것이 아니라고 주장하고 싶습니다. 인간의 사고를 강화하고 지원하는 것입니다.
그래서 CCSS에서 저는 지도하는 것이 외로운 일인 세상에서 교육감들이 항상 원했던 사고 파트너로 AI를 사용할 수 있도록 준비시키기로 결정했습니다.
2부로 구성된 이 기사는 사고 파트너로서 AI의 인지 능력에 관한 것입니다.
첫 번째 부분 AI의 역량을 인간과 차별화한다. 인간이 고유한 이점으로 두 배로 늘릴 수 있는 것이 무엇인지 식별하는 동시에 AI를 사용하여 사고의 질에 대한 새로운 표준을 식별합니다.
두 번째 부분 (다음 주 제공 예정)은 리더가 비평가, 쌍둥이, 멘토, 철학자, 가이드 등 자신이 원하는 사람을 대표하도록 AI 사고 파트너를 교육할 수 있는 방법에 대한 아이디어를 제공합니다.
AI의 인지 춤
작년에 우리는 생성 AI의 능력이 급속히 향상되는 것을 보았습니다. 수백만 개의 데이터를 가져와 수십억 개의 콘텐츠로 재구성할 수 있습니다. 그러나 데이터 유효성, 잘못된 정보 및 알고리즘 편견으로 인해 일부 교육자들은 이를 신뢰할 수 있는 도구로 간주하지 못했습니다.
기조연설을 작성할 때 AI의 인지 능력을 이해하는 것이 AI의 유용성을 옹호하는 데 도움이 될 수 있는지 궁금했습니다. 익숙한 프레임워크가 떠올랐습니다. 블룸의 분류.
제가 교사였을 때 Bloom은 수업을 계획하고 학습자의 역량을 평가하는 데 중요한 역할을 했습니다. 최근 비평가들은 이러한 인지 수준이 선형적으로 쌓여서는 안 되며, 학습이 진행됨에 따라 수준 사이를 순환하는 나선형에 가까워야 한다는 점을 적절하게 인식했습니다. 어느 쪽이든 지난 70년 동안 학습에 대한 가장 접근하기 쉬운 표현이었습니다.
나는 AI의 능력을 Bloom의 분류법에 매핑하면 상위, 하위에 그룹화되거나 Bloom의 모든 기능을 삼킬 수도 있다고 생각했습니다. 실제로는 훨씬 더 불규칙하고 다양하여 인간과 로봇의 능력을 예리하게 표현했습니다.
AI를 Bloom의 AI에 매핑
내 평가는 다음과 같습니다. 그 목적은 교육감이 AI가 언제, 어떻게 가장 강력한지 이해할 수 있도록 준비하는 것임을 기억하십시오. 이 글을 읽으면서 당신이 AI에 대해 어떻게 생각하고 있는지 염두에 두십시오.
기억: 냉혹한 회상자
- 블룸의 레벨: 기억하다
- AI의 능력: 매우 유능합니다.
- 주요 조치: 사실, 날짜, 정의 또는 답변과 같은 정보를 검색합니다.
AI는 데이터나 정보를 얼마나 잘 기억합니까?
이 첫 번째 것은 분명합니다. AI는 대규모 데이터베이스에 걸쳐 수백만 개의 정보에 동시에 액세스할 수 있습니다. 인간보다 항상 더 빠르고 정확하며 더 풍부하게 데이터를 검색할 수 있습니다.
이해: 환상주의자
- 블룸의 레벨: 이해
- AI의 능력: 유능하지 않습니다.
- 주요 조치: 정보 뒤에 숨은 의미를 인식하고, 토론하고, 설명합니다.
AI는 정보의 의미를 얼마나 잘 파악하는가?
이 수준을 평가했을 때 Bloom의 AI가 이렇게 빨리 실패할 것이라고는 예상하지 못했습니다. AI는 패턴을 인식하고, 데이터를 분류하고, 대규모 데이터세트에서 패턴 기반 의미를 추출할 수 있지만, 인간의 감각으로 진정으로 ‘이해’하지는 않습니다. 그 이해는 의식이나 직관이 아닌 패턴과 데이터를 기반으로 합니다.
CCSS의 기조 연설에서 Oxnard Union HS District의 교육감이자 사려 깊은 리더인 Dr. Tom McCoy가 놀라운 예를 들었습니다. 그는 자신의 아들이 인종 차별에 작별 편지를 쓰라는 숙제를 완료할 때 ChatGPT를 사용하여 아이디어를 얻은 방법을 설명했습니다. ChatGPT는 편지의 시작 부분에 다음과 같이 대답했습니다. “친애하는 인종 차별주의, 우리는 과거에 정말 멋진 시간을 보냈습니다…”. AI는 패턴 인식을 사용하여 얼마나 훌륭한 글자가 독자를 사로잡는지 식별했지만 글자의 목적과 인종차별의 무게를 의미하지는 않았습니다. AI가 과제를 이해하지 못했습니다.
AI는 액면 그대로 정보가 풍부하고 심오해 보이는 응답을 생성하는 놀라운 능력을 가지고 있습니다. 이는 패턴 일치, 데이터 내의 구조, 시퀀스 및 공통점을 인식하고 모방하는 데 탁월하기 때문입니다. 하지만 의미가 없습니다.
적용: 패턴화된 실무자
- 블룸의 레벨: 지원
- AI의 능력: 어느 정도 유능함.
- 주요 조치: 새로운 맥락에서 정보를 사용하여 예측, 해석, 해결, 실행 또는 구현합니다.
AI는 새로운 상황에서 정보를 얼마나 잘 사용합니까?
AI, 특히 머신러닝 모델은 학습된 패턴을 새로운 데이터에 적용하는 데 탁월합니다. AI 응용 기술의 핵심에는 ‘전이 학습’이라는 개념이 있습니다. 이는 한 작업에 대해 훈련된 AI 모델을 처음부터 시작하지 않고도 두 번째 관련 작업에 맞게 변경할 수 있도록 해줍니다. 이는 인간이 사이클링에 대한 지식을 활용하여 오토바이 라이딩을 빠르게 배우는 것과 유사합니다.
그러나 인간은 직관적인 도약을 할 수 있는 타고난 능력을 가지고 있습니다. 낯선 문제에 직면하면, 우리는 비록 관련이 없어 보이더라도 다양한 경험을 바탕으로 해결책을 찾습니다. 반면 AI는 자신이 본 패턴에 크게 의존합니다. 데이터가 희박하거나 직관적이고 독창적인 사고가 필요한 시나리오에서는 어려움을 겪습니다.
따라서 이 꽃 수준에서 AI의 효율성은 어느 정도 유능하며 실제로 문제의 복잡성과 함께 보유한 데이터에 따라 달라집니다.
분석하는: 연결의 왕
- 블룸의 레벨: 분석하는
- AI의 능력: 매우 유능합니다.
- 주요 조치: 추세를 식별하고, 차별화하고, 비교하고, 연관시키고, 질문합니다.
AI는 아이디어 간의 연결을 얼마나 잘 이끌어 내나요?
전통적으로 Bloom은 학생이 기억, 이해 또는 적용할 수 없으면 분류 체계를 진행할 수 없을 것이라고 설명합니다. 그러나 AI가 낮은 수준에서 실패하고 이 수준에서 뛰어난 점을 보는 것은 Bloom의 분류법이 선형적 진행이 아닌 나선형 구조임을 뒷받침하는 데 더욱 도움이 됩니다.
AI는 초인적인 속도로 방대하고 다차원적인 데이터 세트를 분석하여 미묘한 패턴과 관계를 식별할 수 있습니다. 예를 들어, 유전학에서 AI 도구는 막대한 게놈 데이터를 조사하여 질병과 관련된 잠재적인 마커나 돌연변이를 찾아낼 수 있습니다. AI는 과거 데이터를 기반으로 잠재적인 미래 패턴을 예측할 수 있으므로 이 수준에서 매우 유능합니다.
평가하기: 감정 없는 평가자
- 블룸의 레벨: 평가 중
- AI의 능력: 최소한의 유능함
- 주요 조치: 판단하고, 비판하고, 의존하고, 정보에 입각한 의견을 제공합니다.
AI는 얼마나 잘 판단을 내리는가?
평가 행위는 단순히 데이터를 기반으로 한 의사결정이 아닙니다. 이는 종종 판단, 윤리 및 상황에 따른 이해를 요구하는 복잡한 인지 과정입니다. AI는 이 수준에서 무너집니다. 윤리적 판단으로 작동하지 않고, 문화적 뉘앙스도 없고, 확실히 감정도 없습니다. 이는 정량화 가능한 지표에 지나치게 의존하며 이러한 관점이 중요하고 우리 자신의 맹점을 평가하는 데 사용될 수 있지만 전체 그림은 아닙니다.
우리는 어려운 상황에서 리더가 내려야 하는 본능에 기반한 결정이 때로는 최선의 결정이라는 것을 알고 있습니다. 스티브 잡스는 태블릿이 시장에서 실패했을 때 본능을 이용해 아이패드를 출시한 것으로 유명합니다.
이 수준은 인간이 빛을 발할 수 있고 기계에 비해 상당한 이점을 가질 수 있는 수준입니다. AI는 판단을 내릴 수는 없지만 우리가 판단할 수 있도록 올바른 정보와 권장 사항을 제공할 수 있기 때문에 이 항목에 “최소 능력”을 부여했습니다.
생성: 카피캣 작곡가
- 블룸의 레벨: 만들기
- AI의 능력: 어느 정도 유능함
- 주요 조치: 생산, 설계, 조립, 구성, 공식화.
AI는 새로운 작품이나 독창적인 작품을 얼마나 잘 생산합니까?
AI는 관찰한 패턴을 병합하여 새로운 콘텐츠를 만들 수 있지만 독창적인 것은 아닙니다. 독창적인 생각이나 감정, 의식이 없습니다. AI가 음악, 예술 작품, 내러티브를 만들 때에도 훈련 데이터에서 패턴을 식별하고 결합하여 이를 수행합니다. 결과는 우리의 귀나 눈에 독특하게 들리거나 보일 수 있습니다. 특히 AI가 겉보기에 서로 다른 스타일을 혼합하는 경우 더욱 그렇습니다. 그러나 본질적으로 AI는 발명하는 것이 아닙니다. 리믹스 중이에요.
이 때문에 AI의 창의적 역량은 데이터에 묶여 있습니다. 그것이 생성하는 엄청난 조합이 획기적인 것처럼 보일지라도 다양한 경험을 통해 인지적 도약을 이룰 수는 없습니다. 순열은 다양한 형태의 역류일 뿐입니다.
인간의 창의성은 종종 감정, 개인적 경험, 문화적 맥락, 깨달음에서 비롯됩니다. 그것은 유기적이고, 미묘하고, 위험하며, 때로는 뜻밖이고 직관적이지 않습니다. 이러한 요소는 현재 AI의 이해 범위를 벗어났습니다. 따라서 AI는 리믹스 콘텐츠를 만드는 데는 뛰어난 능력을 갖고 있지만, 독창적인 콘텐츠를 만드는 데는 능숙하지 않습니다.
배움은 어떻게 피어나는가
Bloom의 분류 체계에 AI를 매핑하면 나에게 여러 가지 인지 및 표현 경로가 열렸습니다.
- AI에 비해 인간의 이점을 설명하는 데 도움이 되었습니다.
- AI를 인지 파트너로 묘사했습니다.
- 학습자가 AI를 사용하고 AI에 속을 수 있는 방법을 식별했습니다.
- 이를 통해 AI가 콘텐츠, 아이디어 및 담론 생산을 위한 교육 수준을 어떻게 향상시킬 것인지 설명할 수 있었습니다.
이 마지막 사항이 특히 중요합니다. 교육감 중 한 명은 AI를 사용하는 것이 부정행위처럼 느껴진다고 말했습니다. 그녀는 사람들이 자신의 생각과 작업이 자신의 것이 아니라고 생각하는 것을 원하지 않았습니다. 그것은 나에게 완벽하게 이해되었으며 AI의 IP 침출 알고리즘을 정당화하기가 어려웠습니다.
그 대신, 나는 계산기가 우리에게 빠르고 일반적인 수학에 필요한 지름길을 제공했지만, 우리가 계산기에 입력한 것, 즉 답을 사용하고 맥락화하는 방법, 응답의 타당성을 통해 추론하는 방법을 공유했습니다. 우리 자신을 출력하십시오. 또한 계산기의 사용을 통해 교육자들은 학생들에 대한 기대 수준을 높일 수 있었습니다. 답을 얻는 것이 더 이상 유일한 결과가 아니었습니다. 이제 학생들은 더 어려운 질문을 통해 자신의 작업과 이유를 보여야 했습니다.
단순한 비유이지만 AI는 마찬가지로 우리에게 생산성의 새로운 표준을 만들어 줄 것입니다. AI가 유비쿼터스화될수록 우리는 AI를 활용해 고품질 콘텐츠를 생산하게 될 것입니다. 모두가 이를 사용할 때, 우리는 학생들의 역량을 평가하는 새로운 방법을 생각해 낼 것입니다.
두 부분으로 구성된 이 시리즈의 다음 기사에서는 AI가 어떻게 리더의 인지적 파트너가 될 수 있는지 자세히 알아볼 것입니다. 그동안 내 정보를 확인해 보세요. 뉴스 레터 AI + Web에 대한 더 많은 생각3. 우리 커뮤니티에 가입하세요 Ed3 DAO 대화를 계속하고 교육자를 위한 AI 강좌에 액세스할 수 있습니다.
