몇 년 전 통계학 수업에 어떤 변화가 생겼는데, 공식적인 발표는 없었습니다. 학생들은 JMP 분석 결과를 AI로 해석한 자료를 들고 오기 시작했는데, 그 내용은 유창하고 자신감 넘쳤지만 때로는 완전히 틀린 경우도 있었습니다. 분석 자체는 훌륭했지만, 그 의미를 제대로 이해하는 경우는 드물었습니다.
강력한 세대와 취약한 사고력 사이의 격차는 이제 데이터 분석 교육의 핵심 과제가 되었지만, 인공지능을 금지하는 것이 해결책은 아닙니다. 진정한 문제는 우리가 실제로 사고력을 요구하는 과제를 설계하고 있는지 여부입니다.
이 블로그 시리즈의 1화에서는 인공지능이 등장하기 전의 훌륭한 통계 교육의 모습에 대해 이야기했습니다. 이번 화에서는 인공지능이 사용될 때 어떤 변화가 생기는지, 그리고 강사들이 그 변화를 단순히 관리하는 데 그치지 않고 어떻게 활용할 수 있는지에 대해 다룹니다.
변화된 교실 현실
교육에서 AI에 대해 진지하게 생각하는 사람이라면 누구나 읽어야 할 책인 "Co-Intelligence"[5]를 쓴 Ethan Mollick은 다음과 같이 명확하게 말합니다. 우리가 알고 있는 숙제는 끝났습니다. 저는 이것이 대략적으로 맞다고 생각하지만, 위기라기보다는 디자인 과제입니다.
오늘날 학생들은 답을 만들어내는 데는 놀라울 정도로 능숙합니다. 하지만 답을 판단하는 데는 자신감이 부족합니다. JMP 출력 결과를 범용 AI 도구에 붙여넣기만 하면 세련된 해석 문단을 얻을 수 있습니다. 하지만 그 해석이 정확한지, 적절한 모델이 선택되었는지, 가정이 검증되었는지, 결론이 실제로 데이터에 근거한 것인지 판단하는 데는 어려움을 겪습니다.
바로 이 지점에서 강사의 역할이 변화하여, 단순히 정보를 전달하는 사람에서 사고력 코치로 전환될 수 있습니다. p값이란 무엇인지 설명하는 데 그치지 않고, 강사는 학생들이 특정 분석이 왜 적절한지, 그리고 그 결과가 맥락에서 실제로 무엇을 의미하는지 스스로 탐구하도록 하는 학습 경험을 설계해야 합니다.
자동화가 아닌 증강
교육 분야에서 인공지능 도구를 설계할 때 가장 중요한 질문은 자동화를 위한 것인지, 아니면 보완을 위한 것인지 여부입니다. 자동화는 인간의 결정을 대체하는 것이고, 보완은 이를 지원하고 향상시키는 것입니다. 이 두 기능은 서로 다른 것이며, 이 둘을 혼동하는 것이 교실에서의 인공지능 도입에 대한 불안감의 주요 원인입니다.
통계 교육의 목표는 언제나 증강이어야 합니다. 즉, 학생들이 더 명확하게 생각할 수 있도록 돕는 인공지능이지, 학생들을 대신해서 생각하는 인공지능이어서는 안 됩니다. 이러한 차이는 어떤 도구를 사용하고 어떻게 사용할지, 그리고 어떤 과제가 학습 성과를 제대로 보여줄 수 있는지에 이르기까지 모든 것에 영향을 미칩니다.
인공지능이 진정으로 제공하는 것은 무엇일까요?
실제적인 위험 요소들이 존재하며 4화에서 자세히 다뤄질 예정이지만, 그 전에 인공지능이 통계학 수업에 어떤 이점을 가져다주는지 먼저 언급할 가치가 있습니다.
- 언제든지 질문 가능합니다. 학생들은 교수님과의 면담 시간을 기다리거나 강의 내용을 이해하지 못했다는 사실에 부끄러워할 필요 없이, 언제든 질문할 수 있습니다.
- 무한한 인내심을 지닌 AI는 동일한 개념을 필요한 만큼 여러 번, 요청하는 다양한 방식으로 설명해 드립니다.
- 수업 시간을 확보해줍니다. 일상적인 절차 관련 질문이 교실 밖으로 옮겨지면, 남은 시간은 토론, 해석, 그리고 인공지능이 진정으로 해결할 수 없는 종류의 모호함에 집중할 수 있습니다.
색다른 인공지능: JMP의 LearnBot
LearnBot[3]은 JMP Marketplace에서 다운로드할 수 있고 JMP Student Edition 내의 도움말 메뉴에서 액세스할 수 있는 무료 추가 기능입니다. JMP 문서 및 학습 자료에 따라 학습되어 일반적인 챗봇이 아닌 특정 상황에 특화된 튜터 역할을 합니다.
LearnBot은 텍스트 기반 대화형 AI로, JMP 및 통계 학습 도우미 역할을 합니다. LearnBot은 학생의 데이터나 출력 결과에 접근할 수 없습니다. 대신, 학생들은 자신이 본 내용을 자신의 말로 설명하고, LearnBot은 그 설명에 응답합니다.
근접성은 중요합니다. 학생은 브라우저 탭으로 전환하는 대신 한 번의 클릭으로 분석 환경 내에 머물면서 작업이 진행되는 바로 그곳에서 작업을 계속할 수 있습니다.
LearnBot에 출력 결과를 설명하는 행위 자체가 학습의 순간입니다. 좋은 질문을 하기 전에, 보고 있는 것을 표현할 적절한 단어를 찾아야 합니다. 바로 그 표현 과정에서 이해가 드러나거나, 이해가 무너지게 됩니다.
구체적인 예를 들어 보겠습니다. 한 학생이 회귀 분석을 실행하고 R² 값이 0.71인 것을 확인했으며, 잔차 그림에서 뚜렷한 패턴을 발견했습니다. 학생은 LearnBot에 "다중 회귀 모델의 R² 값이 0.71인데, 잔차 그림에 명확한 구조나 패턴이 나타납니다. 이것은 무엇을 의미하나요?"라고 입력합니다.
Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.Using LearnBot in JMP Student Edition, a student describes their regression output and receives statistical and JMP guidance.JMP 학생용 에디션의 LearnBot을 사용하면 학생은 회귀 분석 결과를 설명하고 통계 및 JMP 관련 지침을 받을 수 있습니다.
LearnBot은 패턴화된 잔차 플롯이 무엇을 의미하는지 설명한 다음 "2차항을 추가하거나 JMP에서 변환을 실행하는 데 도움이 필요하신가요?"라고 묻습니다. 바로 이 후속 질문이 핵심입니다. 목표는 정답을 알려주는 것이 아니라 학습자의 사고 과정을 다음 단계로 유도하는 것입니다.
Advait Sarkar [4]는 추론을 직접 개발하는 대신 AI에 아웃소싱하여 "우리 자신의 생각의 중간 관리자가 되는" 위험에 대해 경고합니다. LearnBot은 바로 그러한 경향에 맞서도록 설계되었습니다.
“질문에 대한 답을 제공하는 도구와 더 나은 질문을 할 수 있도록 도와주는 도구 사이에는 차이가 있습니다.” |
진정한 변화:A과제 디자인
강사들에게 가장 큰 변화는 어떤 AI 도구를 허용할지 선택하는 것이 아니라, 과제를 재설계하는 것입니다. 학생이 어떤 AI 도구를 사용하든 그 결과물의 질은 학생이 입력하는 내용의 질에 크게 좌우됩니다. 다음 두 가지 과제를 비교해 보세요.
- ✘ 회귀 분석을 실행하고 R² 값을 보고하십시오.
- ✔ 두 모델을 비교하고, 선택 이유를 설명하고, 검증할 수 없는 가정 하나를 밝히세요.
두 번째 작업은 이해 없이는 외부에 위탁할 수 없습니다. JMP의 시각적이고 탐색적인 워크플로는 바로 이러한 해석을 자연스럽게 유도하며, 이것이 바로 AI가 활용되는 환경에서도 JMP가 효과적인 교육 도구로 자리매김하는 이유 중 하나입니다.
더욱 스마트한 교실
플립드 러닝이나 하이브리드 러닝 환경에서는 그 효과가 더욱 강력해집니다. 학생들은 수업 전에 데이터를 탐색하고 AI 지원을 활용하여 막힌 부분을 해결할 수 있습니다. 수업 시간에는 토론, 판단, 그리고 현재 어떤 AI도 제대로 해결하지 못하는 현실적인 모호성을 다루는 데 집중할 수 있습니다.
JMP의 Russ Wolfinger가 표현한 것처럼[6] AI는 증강하는 것이지 대체하는 것이 아닙니다. 강사의 역할은 증강이 학생들이 실제로 경험하는 것이 되도록 학습 환경을 설계하는 것이지, 학생들이 해야 할 사고 과정을 건너뛰는 지름길이 되는 것이 아닙니다.
3화에서는 JMP Assistant에 대해 더 자세히 알아봅니다. 구체적인 분석 워크플로, 기능 및 한계, 그리고 학생들이 주도적으로 활용할 수 있는 방법에 대해 살펴봅니다.
이것을 시도해 보세요
JMP Marketplace에서 LearnBot[3]을 설치하고 JMP 학생용 에디션 내의 도움말 메뉴에서 엽니다. 학생들에게 데이터 세트를 제공하고 원하는 분석을 실행하도록 요청합니다. 그런 다음 학생들이 LearnBot에 대해 확신이 없는 결과 하나를 자신의 말로 설명하고 다음 수업에서 그 대화를 이어가도록 합니다. 학생들이 LearnBot에 작성한 내용은 분석 자체보다 학생들의 이해도를 더 잘 보여주는 경우가 많습니다.
참고 자료
[1] JMP 학술 프로그램 , jmp.com/academic
[2] JMP 학생용 에디션 , jmp.com/student
[3]LearnBot (JMP 마켓플레이스) , marketplace.jmp.com
[4] Advait Sarkar, “AI가 비판적 사고를 죽이는 것을 막는 방법”, TED 강연, 2025
[5] 에단 몰릭, "공동 지능: AI와 함께 생활하고 일하기" Portfolio/Penguin, 2024
[6] Russ Wolfinger, “과학자와 엔지니어가 AI 기반 시대를 대비해야 하는 7가지 주요 방법”, JMP 백서
[7]GAISE 대학 보고서 개정 작업 (진행 중, 2025년)
소개a작가
볼커 크라프트는 JMP 글로벌 학술팀의 일원으로서 JMP Statistical Discovery(SAS 계열사)의 유럽, 중동 및 아프리카 지역 수석 학술 홍보대사로 활동하고 있습니다. 2011년부터 유럽 전역의 대학들이 JMP를 교육 및 연구에 통합할 수 있도록 지원해 왔습니다. 그의 전공 분야는 음성 기술 연구이며, 이 분야는 인공지능(AI)이 보편화되기 훨씬 이전부터 통계적 엄밀성과 공학적 실용성이 공존해야 했던 분야입니다. JMP 커뮤니티 또는 LinkedIn을 통해 그에게 연락할 수 있습니다.
5부작 중 2화 • 다음 편: JMP Assistant 활용법: 안에그것이 당신에게 해줄 수 있는 일
