발달 장애 중학생 대상 코딩 기반 인공지능 교육 프로그램 개발

발달 장애 학생들은 주의 집중 유지에 어려움을 겪고, 단기기억 능력이 상대적으로 낮아 복잡하거나 생소한 개념을 익히는 데 심리적 진입 장벽을 느낀다. 특히 인공지능과 같은 첨단 기술 교육은 학습자에게 막연한 두려움과 거부감을 유발할 수 있으며, 학생 개개인의 인지적·정의적 스펙트럼이 매우 넓어 공통 교육과정을 적용하는데 어려움이 있다. 이에 이 연구는 선행 연구를 통해 검증된 발달 장애 학생 맞춤형 인공지능 교육 프로그램의 프레임워크를 기반으로, 새로운 교육 현장 학습자의 특성을 반영하여 다음과 같은 목표를 설정하였다. 첫째, 새로운 학습자의 개별적 관심사를 교수·학습 소재로 적극 도입해 인공지능에 대한 거부감을 해소하고 내적 동기를 강화한다. 둘째, 짧은 주의집중 지속 시간을 고려하여 학습 분량을 세분화하고, 실생활 중심의 반복 학습을 통해 인공지능의 핵심 원리를 천천히 내면화하도록 돕는다. 최종적으로 이 프로그램은 발달 장애 학생이 인공지능 기술을 단순한 체험 대상이 아닌 문제 해결을 위한 도구로 인식하도록 하며, 미래 사회 구성원으로서 필요한 디지털 역량을 기르는 데 목적이 있다.

발달 장애 학생의 인지 수준과 주의집중 능력을 고려하여 시각적 형태로 개발되어 쉽고, 흥미를 유발할 수 있는 블록형 프로그래밍 언어인 엔트리를 프로그래밍 언어로 선택하였다. 엔트리는 텍스트형 프로그래밍 언어와 다르게 블록을 단순히 조립하는 형태로 구성되어 있으며, 코딩을 처음 접하고 배우는 초등학교와 중학교 코딩 교육에서 사용되고 있다. 2015 개정 교육과정에서 교육용 프로그래밍 언어로 채택되어 많은 학교에서 활용되고 있다. 학습 대상자는 발달 장애를 가지고 있는 중학교 학생이다.

발달 장애 학생을 대상으로 한 소프트웨어 교육에 관한 선행 연구 조사 결과와 교육 현장의 특성을 토대로 발달 장애 학생을 위한 인공지능 교육 프로그램의 개발 방향을 설정하였다.

첫째, 교수자와 학습자 간 소규모 구성을 활용하여, 학생 개개인의 인지적 상태와 학습 속도에 맞춘 심층 개별 지도를 실시한다.

둘째, 학습 대상은 발달 장애를 가지고 있는 중학교 학생들을 대상으로 한다.

셋째, 학습자의 높은 몰입을 유도하기 위해 선행 연구의 예제를 학습자들의 주요 관심사와 연계된 데이터나 예시 자료로 재구성하여 제공한다.

넷째, 수업 초반에는 실생활과 밀접한 예시를 다수 포함해 추상적인 인공지능 개념을 구체화한다.

다섯째, 새로운 개념을 도입하기 전, 핵심 개념 및 단어에 대한 설명을 충분히 제공한다.

여섯째, 이론보다는 직접 조작해보는 실습 활동과 엔트리를 활용한 프로젝트 활동을 위주로 진행한다.

일곱째, 학습자의 특성을 고려하여 교육 프로그램의 난이도를 조정한다.

여덟째, 수업 후에는 교사가 관찰한 내용과 학생들이 작성한 학습지와 코딩 결과물을 제출받아 평가를 진행한다.

발달 장애 학생을 위한 인공지능 수업은 Table 2와 같이 5단계로 진행된다. 발달 장애 학생의 인지적 특성상 복잡한 정보를 한꺼번에 처리하기 어렵기 때문에 인공지능 리터러시의 인지적 바탕이 되는 컴퓨팅 사고력의 구성 요소를 5개의 단계로 나누어 매 차시 반복 경험하도록 설계하였다. 이는 추상적인 인공지능 개념을 학생들의 인지 수준에서 구조화하기 위해 고려되었다. 1단계는 개념 학습으로, 전 차시에 배운 개념을 다시 복습한 후에, 학습 주제에 대한 개념을 충분한 실생활 예시와 함께 핵심적인 내용만 학습한다. 2단계는 과제 추상화 단계로, 학습 목표 및 프로젝트 과제를 인지한다. 3단계는 독립적 사고 단계로, 개념에 대한 이해도를 점검하고 이를 확장시키는 질문을 통해 개념을 확장시킨다. 4단계는 자동화 단계로 교사와 함께 엔트리 프로그램을 활용해 앞서 배운 개념을 실습하며 개념을 내면화한다. 5단계는 창의·융합 활동으로 학생들끼리 스스로 창의·융합 문제를 해결하기 위해 인공지능 모델을 활용하여 인공지능 모델을 생성하고 문제를 해결한다. 작성한 학습지를 결과물로 제출하며, 교사의 피드백을 바탕으로 인공지능 활용 문제 해결 활동을 진행한다.

Table 2.

Stages of AI Lessons

인공지능 교육의 첫 시간에는 인공지능의 개념을 이해하고, 실생활에서 인공지능 소프트웨어를 구별하는 능력을 기르는 것을 목표로 하였다. 도입 단계에서 학습자들에게 ‘인공지능이 무엇인지’에 대해 질문하였더니, 학습자 A는 인공지능의 개념에 대해 알고 있었던 반면, B는 해당 개념에 대해 명확히 인지하지 못하는 모습을 보였다. 이어 ‘인공지능을 주변에서 본 적이 있는지’에 대한 질문에는, A는 음성 인식 기능과 번역 소프트웨어 등을 예로 들며 관련 경험을 공유하였고, B는 ‘인터넷 교육’을 언급하였다. 이에 대해 인터넷 교육은 일방향적 정보 전달에 그치는 경우가 많아 상호작용을 기반으로 한 인공지능의 특성과는 차이가 있다는 설명을 제공하였다.

탐색 활동으로는 오토드로우와 퀵드로우 프로그램을 활용하여 간단한 그림을 그리고, 인공지능이 이를 어떻게 인식하는지를 체험해보았다. A는 대상 사물의 형태를 비교적 정확하게 묘사하여 높은 인식률을 보였으며, B는 사물의 특징보다는 개인적으로 관심 있는 세부 요소에 집중하여 묘사하는 경향을 보여 인식률이 낮았다. 두 학습자 모두 결과에 상관없이 흥미로워하는 모습을 보였다. 활동을 바탕으로 인공지능이 그림을 인식하기 위해서는 해당 주제의 다양한 그림을 학습해야 한다는 내용을 안내하였다.

수업 말미에는 ‘자동문이 인공지능에 해당하는가’라는 질문을 제시하였다. B는 자동문이 인공지능이라고 응답하였으나, A는 인공지능이 아니라고 판단하였다. A는 얼굴 인식 보안 기능이 적용된 지능형 출입 시스템과 단순 센서 기반 자동문의 차이를 구별하고 있었기 때문으로 분석된다. 이러한 활동을 통해 학습자들은 인공지능의 개념과 실제 적용 사례 간의 차이를 탐색하고, 실생활에서 접할 수 있는 기술을 분별할 수 있으나, 기술을 설명할 때 명확하고 구체적인 사례가 동반되어야 원리를 오개념 없이 이해할 수 있음을 확인하였다.

두 번째 시간에는 전 차시 복습을 겸하여 자동문이 인공지능인지 다시 묻는 발문으로 수업을 시작하였다. 두 학습자 모두 ‘얼굴 인식이 가능한 지능형 출입 시스템’을 떠올리며 인공지능이라고 대답하는 경향을 보였다. 이후 카메라가 없는 일반적인 센서 기반 자동문에 대해 다시 발문하니 인공지능이 아니라고 올바르게 구별하였다. 이는 1차시에서 나타난 모습과 동일하며, 발달 장애 학생들에게는 개념의 혼동을 방지하기 위해 실제적이고 구체적인 비교가 필요함을 시사한다.

데이터 수집 차시는 문제 해결에 필요한 데이터를 구분하고, 이를 시각화하여 데이터 속의 의미를 찾아보는 데에 목표를 두었다. 학습자의 흥미를 높이고 동기를 유발하기 위해 바흐 두들 프로그램을 활용해 사용자가 입력한 멜로디에 어울리는 반주를 생성하는 활동을 진행하였다. ‘인공지능이 멜로디에 어울리는 반주를 어떻게 찾았을까?’라는 질문에 학습자들은 전 차시 실습 활동을 떠올리며 인공지능에게 다양한 음악을 들려주었을 것이라고 정확하게 예측하였다. 학습자들이 이해한 내용을 바탕으로 긍정적인 피드백을 제공하며, 데이터 수집의 필요성을 설명했다. 데이터를 설명하기 위해 학생 B가 좋아하는 게임 종류, 우리 반 학생의 키와 시험 점수를 예시로 들어 설명하자, A와 B 모두 쉽게 이해하는 모습을 보였다. 지역별 기온 데이터를 그래프로 표현하는 활동에서도 두 학습자 모두 능숙하게 차트를 구성하였는데, 결과 해석에서는 차이를 보였다. 학습자 A는 데이터의 최고점과 최저점을 명확히 구분하고, 그래프의 증감 구간을 빠르게 파악한 반면, B는 데이터가 증가하거나 감소하는 구간을 해석하는 데에 어려움을 겪었으며, 교수자의 추가 설명과 예시를 통해 이해하는 모습을 보였다. 막대그래프를 통해 두 지역의 기온을 비교하는 활동에서는 B는 한 지역의 그래프 해석에 집중적으로 참여한 반면, A는 두 지역 간의 수치적 차이를 비교하고 이해하는 데에 집중하는 모습을 보였다. 두 학습자의 차이는 동일한 정보 환경에서도 학습자의 인지적 강점에 따라 정보 구조화 방식이 다름을 의미하며, 학습자 각자의 인지적 강점에 맞춘 구체적인 예시와 맞춤형 학습 제공의 중요성을 입증한다.

세 번째 시간에는 지도학습의 개념을 도입하고, 예측 모델을 구현하는 활동이 이루어졌다. 지도학습이라는 추상적인 개념을 설명할 때, 키와 몸무게 간 상관관계를 그래프로 시각화하는 활동을 통해 개념을 구체화하였다. 이후, 학습자들은 엔트리를 활용해 키를 입력하면 몸무게를 예측하는 간단한 지도학습 기반 예측 모델을 직접 생성하였다. 인공지능 모델이 몸무게 예측을 더 정확하게 수행하려면 어떻게 해야 할지 발문하니, ‘더 많은 키와 몸무게 데이터를 수집해야 한다’고 올바르게 답하였다. 직접 체험해보는 실습 활동과 개념의 반복이 학습에 효과적임을 확인할 수 있었다.

심화 활동으로는 ‘토지 면적에 따른 배추 생산량 예측 프로그램 만들기’가 진행되었다. 이 활동에서는 교수자가 데이터만 제공하였고, 지도학습 모델은 스스로 구성해보는 과제가 주어졌다. 학습자들은 입력 데이터의 핵심 속성과 예측 대상이 되는 클래스 속성을 정확히 구분하여 모델을 구축하였다. A는 초기에는 변수 설정에 어려움을 겪었으나, 먼저 과제를 마친 B의 도움을 통해 개념을 명확히 이해한 후에는 스스로 프로그램을 완성하는 모습을 보였다. B는 주어진 데이터를 분석하고, ‘토지 면적이 커질수록 배추 생산량이 많아진다’라고 말하며 예측 결과를 다양한 방식으로 해석해 보는 등 높은 수준의 참여를 보였다.

학습자들이 인공지능 모델의 정확성과 데이터 양의 상관관계를 올바르게 답변한 것은 인공지능의 원리가 데이터 기반의 인과 관계임을 인지하였음을 시사하며, 동료 교수 과정이 발달 장애 학생의 학습 과정 중에 겪는 어려움을 해소하는 데 도움이 됨을 보여주었다.

인공지능 교육 프로그램의 네 번째 시간은 지도학습의 개념을 복습하고, 지도학습 유형 중 하나인 분류 프로그램을 생성해보는 데에 목표를 두었다. 분류 개념 또한 추상적이기 때문에 학생들의 이해를 높이기 위해 예시를 들어 설명했다. 천문학을 좋아하는 A 학생의 특성을 고려하여 우주의 행성 구분을 예시로 드니, ‘태양으로부터의 거리와 행성의 크기 등을 통해 행성을 구분할 수 있다’며 적극적으로 발언하는 등 학습 참여율이 향상되고 이해도가 높아지는 모습을 보였다.

분류 개념을 제시한 후, ‘티셔츠 사이즈 예시 데이터’를 입력해 인공지능 모델을 학습시키고, 티셔츠 사이즈를 예측하는 프로그램 만들기 활동이 이어졌다. 입력 데이터와 출력 데이터를 구분해 제시하니, 모든 학습자가 학습 데이터에 해당하는 핵심 속성과 학습 결과에 해당하는 클래스 속성을 올바르게 찾아냈다. 입력 데이터와 학습의 관계, 출력 데이터와 학습 결과의 관계를 바르게 이해한 것이다. 과제 자동화 단계에서 이루어진 티셔츠 사이즈 분류 인공지능 만들기 활동이 끝난 후, 창의·융합 단계에서는 ‘펭귄 예시 데이터’를 활용해 펭귄의 종을 분류하는 프로그램을 만드는 활동이 이어졌다. 분류에 대해 잘 이해했는지 확인하기 위해 인공지능 모델을 생성하기 위해 학습 데이터에 해당하는 핵심 속성과, 학습 결과에 해당하는 클래스 속성에 대해 질문하였다. A 학습자는 처음엔 대답하지 못했으나, 문제를 다시 읽는 과정에서 이해하고 올바른 답을 대답하였다.

학습자가 관심 있는 대상을 활용해 개념을 제시하면 이해도가 높아지는 모습을 보였으며, 입력 데이터와 학습 데이터의 관계, 출력 데이터와 학습 결과의 관계를 제시하니 실제로 인공지능 모델을 생성할 때 필요한 데이터를 더 잘 이해하고, 실습을 어려움 없이 수행하였다. 또한 문제를 해석하여 학습 데이터와 결과를 구분하는 데 어려움을 겪는 학생도 있었으나, 다시 문제를 천천히 읽어보며 입력 데이터와 출력 데이터를 구분해보는 기회를 제공했더니 이해도가 높아진 모습을 보였다. 이는 학습자의 문장 이해력 부족에서 비롯되었으며, 문장을 이해할 수 있도록 충분히 분석하는 시간의 필요성을 보여주었다.

인공지능 교육 프로그램의 마지막 시간은 비지도 학습의 개념을 익히고, 비지도 학습 모델을 활용해 프로그램을 구현해보는 데에 목표를 두었다. 개념을 제시하기 전에 독버섯 구별하기 활동을 진행해 흥미를 높이고 동기를 유발하려 하였다. 단순히 그림 중 하나를 선택하는 것이 아니라 선택의 이유를 질문하여 학습자들의 사고를 촉진하였다. 비지도 학습 개념 역시 직관적으로 이해하기 어렵기 때문에 학생들의 이해를 높이기 위해 독버섯 구별 활동을 예시로 들어 설명했다. 학생들이 실제로 비지도 학습 과정을 체험한 후에 개념을 제시하니, 개념 이해도가 높아지는 모습을 보였다.

비지도 학습 개념을 제시한 후, ‘일평균 스마트폰 이용 횟수’ 데이터를 입력해 인공지능 모델을 학습시키고, 스마트폰 이용 시간에 따른 스마트폰 중독 여부를 예상하는 프로그램 만들기 활동이 이어졌다. 입력 데이터를 명확히 제시하니, 모든 학습자가 학습 데이터에 해당하는 핵심 속성을 올바르게 찾아냈다. 주중 평균 이용 횟수와 주말 평균 이용 횟수라는 데이터가 필요함을 스스로 파악한 것이다.

과제 자동화 단계에서 이루어진 스마트폰 중독 진단 인공지능 만들기 활동이 끝난 후, 창의·융합 단계에서는 ‘전국 중학교 위치’ 데이터를 활용해 동아리 거점 지역을 분류하는 프로그램을 만드는 활동이 이어졌다. 인공지능 모델을 생성할 수 있는지 확인하기 위해 어떠한 언어적, 비언어적 도움을 제공하지 않았는데 모든 학습자가 스스로 위도와 경도 데이터를 학습시켜 인공지능 모델을 생성하였다. 이는 지적 잠재력이 높은 발달 장애 학생들에게 단순 체험을 넘어선 심화 수준의 인공지능 원리 교육을 제공하면, 데이터의 속성을 파악하고 이를 바탕으로 인공지능 모델을 구축할 수 있는 인공지능 리터러시가 길러질 수 있음을 시사한다.

Figure 1.

Students Participating in the AI Learning Activities