AI 기반 교육 모델 - 벤자민 블룸의 완전 학습 이론

 

 

1. 벤자민 블룸의 완전학습 이론과 교실에서의 2 sigma problem   

 

 

   교육 심리학자인 벤저민 블룸(Benjamin Bloom)은 ‘모든 학생은 완전 개발을 성취할 수 있다’는 완전학습 이론을 주장하였습니다. 완전학습이란 이질적 집단으로 이루어진 95%의 학생이 주어진 학습 과제의 90% 이상을 학습하는 것입니다. 블룸의 완전학습은 현 단계에서 90%의 '숙달'(mastery)을 의미하는데, 그렇다면 교실에서 완전학습을 기대하는 것이 가능할까요?

  블룸은 1984년 교육 연구원 저널에 2 시그나 문제를 처음 보고합니다. 블룸은 숙달 학습 기술을 사용하여 일대일 개인 맞춤형 학습을 지도한 평균적인 학생이 숙달 학습 유무에 관계없이 한 명의 교사가 있는 교실 환경에서 30명의 학생이 교육받은 학생보다 두 표준 편차를 더 잘 수행한다는 것은 발견합니다. 이 현상을 '2 시그마 문제(2 sigma problem)'라고 하며 이것은 블룸에 의해 '일대일 과외만큼 효과적인 그룹 교육 방법을 찾는 것'이라는 문제의 중요성을 보여주는 것으로 설명되었습니다. 

  그러나 어느 정도 정해져 있는 교과서와 정해져 있는 교육과정을 숙달시키기에는 교사당 학생수, 학급수, 기타 여건이나 환경에서 너무나 어려운 일이라는 것은 교실을 경험한 학생, 교사라면 누구나 공감할 것입니다. '특정 지식'을 습득하는데, 어떤 학생은 1시간을 필요로 하지만, 어떤 학생은 10시간이 필요할 수도 있습니다. 교사는 동일한 교재와 방법을 사용하여 정해진 시간에 강의를 한다면 학습은 학생들의 능력의 차이를 인정하면서도, 결국에는 모든 학생들에게 동일한 학습체제와 동일한 학습시간을 요구합니다. 이것에 대한 보안으로 완전학습은 각각 학생들에게 충분한 시간을 각각 다르게 부여하면서, 모든 학생들이 동일한 학습 수준에 도달하게 하는 것이고, 이를 위한 교습전략을 계발하고 활용하게 되는 것인데 이러한 연구에도 불구하고 현 단계에서는 경쟁 중심의 교육 분위기, 교육과정, 학생 개개인의 동기, 환경 등 현재에는 다각적인 면에서 검토가 필요합니다. 교실에서의 2 시그마 문제를 풀 수 있는 열쇠는 없는 것일까요?

 

 

2. ITS와 DBTS를 활용한 2 sigma Problem 극복 가능성

 

 

  인공지능 교육의 도입으로 가장 기대되는 것은 개별 맞춤형 교육입니다. 그중에서 ITS(Intelligence tutoring system)란 지능형 튜터링 시스템을 의미합니다. ITS에 이어 DBTS (Dialogue-Based Tutoring Systems)란 대화형 튜터링 시스템을 의미하며 쉽게 말해 ITS(인공지능 튜터링 시스템) + 대화(Dialogue) 라고 볼 수 있습니다. 그렇다면 ITS와 DBTS를 활용한 2 sigma Problem의 극복 가능성을 기대해 볼 수 있지 않을까요? 

 

  각각 학생들에게 각각 다른 충분한 시간(the time)이 주어진다면, 학생들은 특정 영역에 있어 높은 수준의 지식과 이해를 성취하게 된다는 것이 바로 완전학습입니다. 블룸은 연구를 계속하여, “집단 학습이라는 환경에서도 두서너 개의 변수를 다르게 조합했을 때, 일대일 지도와 동일한 학업수행능력의 개선이 나타날 수 있다”라고 제안하면서, 학자들과 교사들에게 도전적 과제를 주었습니다. 일대일 지도와 동일한 효과를 낼 수 있는 그룹 교습의 방법을 찾으라는 것입니다. 그러나 한편으로 블룸 박사는 “일대일 지도를 대규모 단위로 실행하는 것은 대부분의 사회에서 감당해야 할 경제적 비용이 너무 크다”는 문제를 지적하였습니다. 그렇다면 블룸 교수가 지적한 완전학습의 가능성과 비용의 단점을 보완한 방법이라면 ITS와 DBTS는 현시점에서 가장 적용 가능하고 기대할 수 있다고 봅니다. 다만, 이러한 ITS와 DBTS가 이러한 완전학습을 위한 목적으로 발전되고 우리 사회가 가치를 부여해야 할 것입니다. 완전학습을 위한 다양한 콘텐츠,소프트웨어가 개발되어 적용되어야 하며 현재의 경쟁 중심 사회에서 벗어나 누구나 맞춤형 교육을 할 수 있는 분위기도 형성되어야 한다고 봅니다. 그렇게 된다면 매우 희망적인 관점으로 ITS와 DBTS이 Two sigma Problem를 극복 가능한 어쩌면 유일한 가능성이라고 생각됩니다.

 

 

3. 교실에서의 AI 기반 교육 모델

 

 

  교육현장에서 AI를 활용한 수업이 이루어진다면 다양한 형태의 수업 모델이 있겠지만 무엇보다 효과적이라고 여겨질 장점은 개인 맞춤형 교육, 기초 학력 부진 학생에 대한 교육이라 생각됩니다. 수준별 정리를 통한 학습활동 개별화 AI 모델, 학생을 수업에 참여시키는 AI 모델이 매우 유용할 것이라 생각하였고, 그 방법론으로서 다양한 반복으로 단기기억을 장기기억으로 바꾸어 주는 AI 모델의 활용이 되면 좋겠다는 생각을 했습니다.

  블룸(Benjamin Bloom)의 완전학습 이론은 AI가 도입된 세상에서 비로소 혁신적으로 가능하지 않을까 생각합니다. 완전학습은 기초학습 결함 진단 → 기초학력 보충과정 → 수업 목표 명시 → 교사의 수업 → 수업 보조활동 → 형성평가 → 보충학습과 심화학습 → 제2차 학습기회 → 총괄평가로 이루어지는데 여기에서 기초학습 결함의 진단과 보충과정, 수업 보조활동, 보충학습과 심화학습, 제2차 학습기회 부분을 AI 교육모델로 활용한다면 가능할 것이라는 기대를 걸어봅니다.  블룸의 완전학습의 교수전략은 학습시간(학습기회)을(학습기회) 강조하고 형성평가와 보충심화학습을 강조합니다. 그리고 철저한 개별화 수업 및 교정학습을 강조합니다. 이 핵심과정을 AI로 적용한다면 교육현장에서의 큰 효과를 기대할 수 있을 것입니다.

교실에서 모두가 개별 맞춤형 학습을 할 수 있는 여건이 마련된다면 현재의 학습 격차 문제를 상당 부분 보완할 수 있을 것입니다.