AI 숙제 머신 시대의 교육 도전기
(solarshades.club)- 최근 AI 숙제 머신으로 인한 교육계의 도전이 증가함
- 학생들은 ChatGPT 같은 생성형 AI를 사용해 과제 부정행위에 쉽게 접근함
- 교육자들은 AI 활용이 실제 학습과 사고 과정 단절로 이어질 수 있음에 우려를 표함
- 학교 현장에서는 AI 사용을 제한하거나 아날로그 방식(필기 등)을 도입하려는 실험이 나타남
- 이 문제를 극복하기 위해 교육 환경 전반의 변화와 신중한 접근이 필요함
서론: AI와 버틀레리안 지하드의 비유
- 글쓴이는 작년부터 Dune의 버틀레리안 지하드 원칙(“인간의 마음을 닮은 기계를 만들지 말라”) 적용을 주장해 옴
- 이 원칙은 AI에 대한 다양한 우려를 하나의 신념으로 모으고, 의료 등 선한 AI 활용과 인간 모방적 AI를 구분하는 기준점으로 제시됨
- 최근 “AI 반대” 운동이 실제로 확산되는 중임
- ‘Destroy AI’ 티셔츠 등장, AI 스크래퍼 방지용 트랩, 반 AI 메시지의 대중적 확산 현상
- 문학계 및 출판계에서 반 AI 조항이 표준화되고 있음
- AI를 활용한 패널 선정 논란 등, 창작자·아티스트·작가들이 LLM과의 모든 상호작용조차 창의적 연대의 배신으로 인식함
AI에 대한 감정적·정신적 반감
- 단순한 러다이트 운동을 넘어서, AI에 대한 근원적 거부감 확산이 관찰됨
- AI의 인간 흉내내기, 비윤리적 활용에 대한 불쾌감이 구체적인 반론을 넘어 내면 깊이 자리함
- AI 기술에 대한 논리적 반박이 무력화돼도, 그 자체에 대한 거부감은 쉽게 사라지지 않음
교육 현장에서의 AI 문제: 숙제 머신의 부상
- 최근 실제 교육현장에서 느끼는 가장 큰 AI 영향은 과제 부정행위임
- 여러 기사에서도 학생들의 AI 의존 증가, 교사의 좌절감과 AI 활용에 대한 혼란이 드러남
- AI 튜터는 이상적으로 보일 수 있으나, 환각/잘못된 정보 생성, 실제 학습 효과 결손 등 한계가 있음
AI 활용이 학습 및 평가 구조에 미치는 영향
- AI는 과제 결과물과 실제 사고·연습 과정을 분리시켜, 학생의 진짜 이해 여부 파악을 어렵게 만듦
- “원하는 어려움”(Desirable Difficulty)을 회피하게 해 단기적 편리함만 제공함
- 교양 과목뿐 아니라 전공, 창작 수업 등에서도 AI 의존 유혹이 강하게 작용함
실제 수업 경험과 AI 부정행위 탐지 문제
- 글쓴이의 대학 글쓰기 수업에서도 생성형 AI 사용이 급증함
- 기본적인 사용자 실수(예: 저자 정보 누락, 사실 착오 등)로 발각되는 경우가 있으나, 점차 감지가 어려워짐
- AI 활용 탐지의 한계로 인해 교사는 평가 과정에서 불신, 피로, 협력적이기보다 적대적인 심리로 흐르는 경향이 생김
- 학생들도 이에 점점 더 능숙하게 대응하며, 학업 부정 인정률이 점차 낮아짐
AI와 글쓰기: 도구의 본질적 차이
- AI로 작성된 결과물은 비본질적이며 인간적 대화 부재로 인해 교사의 피로감을 증가시킴
- “단어를 위한 계산기”라는 AI 비유도 나오지만, 계산기만으로 수학 교육을 대체할 수 없는 것처럼 AI 역시 글쓰기 자체 능력을 대체할 수 없음
- 진정한 학습과 성장에는 AI에 의존하지 않는 창의적 사고와 표현이 중요함
AI 사용 제한 및 아날로그 방식 실험
- AI 검증을 위해 Google Docs 등으로 제출양식을 제한했으나, 현실적으로 감시 및 불편함이 증가함
- 학교에서는 AI 사용 허용 범위를 세분화했으나, 실제로 인용·공개하는 학생이 거의 없음
- 학생 스스로도 AI를 “부정행위”로 인식하여 숨기려는 경향이 강함
학생들의 AI 관련 인식 및 고민
- 학생들은 AI 자체, 그리고 디지털 플랫폼 의존이 쌓인 삶에 피로감을 느끼고 있음
- 일부는 미래 프로젝트에서 AI 남용을 우려하거나, ‘기술의 절제된 활용’을 바람직한 미래로 상상함
- 이러한 고민은 AI에 대한 연령별 사용 제한이나 사회적 규제 필요성에 힘을 더함
AI의 인지 부정적 영향 및 사회 전반의 문제
- AI의 인간 마음 모방적 기술이 정서적 혼란, 중독, 망상 등 부작용을 초래할 수 있음
- 이러한 문제는 교육뿐 아니라 비즈니스, 법률, 과학 등 사회 전반에 부정행위로 확산되고 있음
- 이는 신뢰 근간 약화, 진실 훼손 등의 위기를 초래할 수 있음
대응 방안: 아날로그 중심 수업 실험
- 근본적 회피책으로, 다음 학기에는 손글씨 및 종이 기반 학습 방식을 도입하려 실험 계획
- 학생들은 디지털 기기 없이 직접 필기와 문제 해결을 하도록 함
- 과정 중심 평가, 즉 결과물이 아닌 참여와 완수에 더욱 초점을 둘 예정임
결론: 인간성 회복을 위한 교육 패러다임의 변화
- AI 친화론자들이 “AI가 모든 것을 바꿀 것”이라 주장하지만, 그것이 더 나은 교육 환경을 의미하지 않을 수 있음
- AI 대응 과정에서 궁극적으로 더 인간적인, 상호존중과 성찰적 환경이 필요함을 역설함
- 끊임없는 변화의 와중에서 교육 본질의 회복과 새로운 도약을 희망함
추가 소식
- 필자는 이번 학기 ASU 대학원생 정부로부터 강의 우수상을 받음
- 63회 Glendon and Kathryn Swarthout Awards에서 대학원 소설 분야 1위를 수상함
- 국가야생동물연맹과 아메리칸대학의 ‘책임있는 탄소제거 연구소’가 주최하는 Carbon Removal Justice Fellowship에 선발되어 DC와 루이지애나에서 연수를 진행할 예정임
- Hayden’s Ferry Review 블로그에 인터뷰 기사가 게재됨
Art Tour: Turbulent Mountain Waterfall
- 최근 Phoenix Art Museum 방문 중 Pat Steir의 “Turbulent Mountain Waterfall”(1991) 작품을 감상함
- 이 이미지는 다가올 애리조나 더위 속에서 마음을 시원하게 해줄 기억으로 남음
Hacker News 의견
-
아마 방식을 바꾸는 것도 효과가 있을지 모르겠음. 만약 AI를 활용해 집에서 학습하고, 학교에서는 감독하에 "숙제"를 하도록 한다면 어떨까 하는 생각임
- Flipped classroom이라는 개념이 있는데, 내 석사 논문 주제였음. 사실 이미 오래된 아이디어임
-
나는 3만 명 규모의 대학교에서 수학을 가르치고 있고, 최근에는 다시 '종이와 펜'으로 감독하에 시험을 치르게 하는 전통적인 방식으로 돌아가고 있음. 학생들은 이런 변화에 특별히 불만 없어 보이나, 학내 행정팀은 이런 추세를 달가워하지 않음. 모든 평가가 원격수업 친화적으로 이뤄져야 한다는 압력이 큼. 대면 수업과 온라인 등록 학생 모두 같은 평가 방식을 요구하는 정책임. 온라인 등록이 큰 수익원이기 때문에 이것을 키우는 게 매우 중요하게 여겨짐. 만약 칼큘러스 I 과목의 7개 반 중 1개 반이 온라인으로 개설되면, 나머지 6개 대면 수업 반도 모두 대면 평가가 금지됨. "공정성"을 명분으로 내세움. 정말 이 상황이 그렇다는 점이 답답함
- 나도 그 압력을 체감함. 사실 우리가 겪는 AI 문제의 상당수는 AI가 우리 사회의 다른 문제들을 밝히 드러내기 때문이라고 생각함. 예를 들어 교수진이 가장 수업 내용을 잘 알고 실제로 가르치지만, 실제 결정권은 행정 부서에 있음. 또 대학이 돈 버는 것을 목표로 세우는 것도 문제임. AI가 이런 문제를 악화시키고 있긴 하지만, 사실 AI 이전부터 있던 구조적 문제임. 상황이 훨씬 더 악화된 후에야 비로소 근본적 기초가 고쳐지리라 기대함. 운이 좋으면 우리가 오랫동안 무시해온 문제들을 이번 기회에 바로잡을 수 있을 거라 봄. 그렇지 않으면 그냥 나아질 기회도 없이 더 나빠질 뿐임
- 나는 Harvard Extension의 Software Engineering 학위가 있고, 실제로 여러 번 물리적으로 감독하는 환경에서 시험을 치러야 했음. 마드리드와 런던에서 시험 보는 것도 어렵지 않게 해결함. 대학이나 학생 입장에서 그리 어려운 일 아님. 현재는 Georgia Tech에서 온라인 석사 과정을 수강 중인데, 온라인 평가와 감독도 괜찮게 진행됨. 수학적 내용이 많은 코스(예: Simulation)도 온라인으로 충분히 가능했음. 다만, 일부 과목(Graduate Algorithms 등)의 경우에는 온라인 평가에 어려움을 겪고 있는 듯함. 교수님이 직접 대면 평가를 선호하는 것은 이해하지만, 나로서는 감독 선택지를 충분히 제공해주거나 다양한 과목 선택이 가능하다면 큰 불만 없음
- 호주에서는 원격 학습 대학들도 대도시에 감독 시험장 서비스를 여러 곳 두고 있음. 수업은 원격으로 듣지만, 기말시험은 반드시 공식 감독 시험장에서 응시해야 함. 전체 성적의 50% 이상을 시험이 차지하기도 함. 미국에서도 이런 방식 도입할 수 있지 않을까 궁금함
- 내가 만난 학생들은 이런 '예전 방식'이 주어진 것에 대해 한결같이 충격과 실망을 드러냄. 열심히 노력해서 취득하려는 학위가 점점 쓸모없어진다는 사실에 좌절하지만, 그렇다고 시험이 다시 돌아오길 바라지도 않음. 특히 신경다양성(Neurodivergent) 학생들이 시험 환경에서 더 취약하고, 오픈 과제에서는 훨씬 더 뛰어나 보임(내 표본이 편향된 건 사실임). 이 학생들은 해결책을 찾지 못한다고 함. 가장 큰 피해자인 학생들 입장에선 상황 자체와 실질적으로 도움 주지 않는 "해결책" 모두가 답답할 뿐임
- 내가 다녔던 대학에서는 기술 수업에선 거의 무조건 연필과 종이만 쓰도록 교수님이 고집했음. 에세이 작성할 때는 특정 과목만 노트북 허용, 그마저도 교수님이 시험 시간 내내 교실을 돌아다니며 직접 감독함. 예전에는 신기술을 왜 안 쓰는지 회의적이었지만, 지금은 교수님들에게 감사함. 직접 손으로 수학을 쓰며 배우다 보니 이론에 대한 이해도가 탄탄하게 쌓임. 지금 학생들이 하는 모습을 보면 진심으로 안타까움. 교수님들, 때론 "NO"라고 말하세요. 학생들이 나중에 고마워할 거임
-
교육 시스템이 예전부터 망가졌고 거의 쓸모없다는 생각을 늘 해왔음. 교사들은 실제로 무언가를 “가르친다”는 느낌을 준 적이 거의 없음. 오히려 생각하는 모습을 보이면 교과과정과 맞지 않는다는 이유로 짓눌림. AI가 숙제를 쉽게 해낼 수 있다는 것은 그만큼 숙제에 가치가 없다는 점을 보여준다고 생각함. 진정한 수업과 학습은 협업이 필요함
- AI가 숙제를 대신할 수 있다는 점만으로 숙제가 의미가 없다고 생각하는 것은 겉핥기식 관점임. 많은 숙제가 사실 계산기나 위키피디아, 교과서를 참고해서도 쉽게 할 수 있음. 그렇다고 이 숙제가 필요 없었던 건 아님. 실제로 숙제를 통해 뇌의 사고 체계를 구축하고 여러 기술을 함께 배움. 물론 시대가 변하면서 과거와 평가의 의미가 달라진 것도 사실임
- 숙제의 목적은 실제로 연습하고, 필요한 부분을 찾아내고, 진도를 점검하기 위한 것임. AI가 숙제를 할 수 있다고 숙제가 쓸모없어지는 게 아님. 물론 나쁜 경험이나 좋은 선생님을 만나지 못한 점은 정말 안타깝지만, 대다수에게 잘 맞는 시스템을 전체적으로 무시하는 건 합리적이지 않음. 독립적인 비판적 사고를 기대하기 전에 읽기와 기본 수학이 안되는 학생이 많음. 학교에서 수학 문제를 통해 ‘결과에 대한 합리적 추론’을 배운 것도 중요한 포인트임. 실제로 4만 3천 km짜리 다리가 합리적인지 검증하는 능력이 중요하다고 봄
- 현재 AI는 하버드급 대학의 수학·프로그래밍 숙제도 해낼 수 있지만, GPT 이전 시대에도 나는 숙제를 통해 정말 많은 걸 배웠고, 숙제 자체도 즐겼음. AI가 있다고 해서 모든 의미가 사라진다는 건 논리적 비약임
- 숙제의 진짜 목적은 숙제 자체를 하는 게 아니라, 학습 능력과 배움을 증명하는 것임. 남에게 대신 시키든, AI가 해주든 결국 실력이 쌓이지 않으면 졸업장의 의미가 없음. 대학은 평가 방식을 개선해서 학위의 신뢰도를 지켜야 함. 만약 AI 활용 능력이 필요하다면, 별도로 평가하고 학위를 부여해야 한다고 생각함. 즉, 일반 Computer Science 학위와 AI Assisted Computer Science 학위가 명확히 구분되어야 함
-
컴퓨터공학/프로그래밍을 가르치는데, AI에 대한 최적의 정책을 찾기가 쉽지 않음. 한편으로 나 역시 AI를 많이 활용해서 학습에 큰 도움을 받고 있음. 하지만 AI가 빠르게 작업을 끝내주는 대신 결과물의 질은 떨어짐. 학생들은 필수 과제를 '통과해야 할 난관' 정도로 여기고, 최대한 쉽게 넘기는 데 집중함. 이때 AI는 학습 도우미라기보다 그냥 숙제 기계로 쓰이는 느낌임. 컴퓨터 사용이나 특이한 언어(내가 직접 만든 컴파일러 같은 걸 쓰는 방법)는 도입할 수 없음. 아직 내 방식은 프로젝트 과제와 구술 시험이 중심임. 프로젝트는 협업이 필수라 LLM으로 정답을 바로 뽑기 어려운 구조고, 구술 시험은 실력과 깊이가 바로 드러남. 그런데 매년 몇몇 학생들은 3학기나 시간 낭비하면서 기초적인 개념조차 전혀 연결하지 못하는 경우가 있고, 이럴 땐 그들에게 교수로서 '헛된 시간이었다'고 말해줘야 함. 리눅스 기초는 단순 터미널 실습이므로 LLM이 아직 터미널 API 접근을 못하니 덜 영향을 받는 영역임. IDE를 온라인으로 제공해서 복사-붙여넣기 과정을 감시하는 것도 고려하지만, 학생들이 자기 컴퓨터에서 직접 소프트웨어를 돌리지 못하는 현실이 내키진 않음
- 나도 그렇게 오래된 세대가 아닌데도, 대학에서 CS 평가는 그룹 프로젝트와 대면 필기시험 기반이었음. 시험장에는 프로그래밍 기능이나 대용량 메모리가 있는 계산기는 물론, 노트북도 반입 금지였음. 큰 불편함 없었음. 지금 논란이 크지만, 사실 세대갈등이거나 학생 권리 주장 이상의 문제는 아닌 것 같음. 실은 장문의 논술 평가가 필요한 과목이 더 위기라고 생각함. 구술 시험이나 논술 시험(Blue book) 등도 예전엔 충분히 잘 통용됐음
- 학생들이 필수 과제를 '무난히 넘겨야 할 벽' 정도로 여기는 태도가 온라인 커뮤니티(Hacker News 등)에 널리 퍼진 것 같음. LLM 이전부터 '대학교는 무의미하다', '학위는 종이쪼가리', '강의 내용은 무가치', 결국 '그러니 커닝해도 합리적'이라는 논리가 많았음. 하지만 실제로 학생 취업 또는 실무 역량을 평가해 보면 제대로 학습한 학생과, 그냥 게임처럼 넘어가려는 학생은 구별이 매우 쉬움
- 구술 시험에서 학생의 실력이 잘 드러난다는 점에 동의함. 만약 컴퓨터 실습실이 있다면, 매 수업마다 정기적으로 실시간 프로그래밍 연습 문제를 내는 것도 좋을 듯함. IDE 온라인 제공이나 복사-붙여넣기를 감시하는 건, 실력 있는 학생들이 자신만의 에디터를 못 쓰게 되니 단점도 있을 것 같음. 나 역시 웹페이지에서 코드 치는 건 내키지 않음
- 매년 몇몇 학생이 전혀 기초를 이해 못한 채 시험장까지 오는 걸 보면 좀 충격임
- 만약 학생들이 직접 프로그래밍 언어를 설계·구현하는 과목이 있다면, 그 전년도 최고의 학생작 언어를 사용하는 것도 방법일 수 있음. 이렇게 하면 LLM이 쉽게 정답을 생성 못함. 나 역시 수학/컴퓨터 쪽 완전히 다른 분야지만, 흥미로운 아이디어라 생각함
-
AI가 미래 학생들에게 학습을 폭발적으로 촉진시킬 가능성을 높게 봄. 몬테소리 교육처럼, LLM이 각자 다양한 방향으로 진로를 탐색하는 학생에게 도움을 줄 수 있음. 내 경우, 고등학교 때 교사가 대답을 회피하고 논의를 깊게 이어가지 않아 항상 궁금증이 해소되지 않았음(특히 생물이나 화학). 물론 지금의 교육 환경은 숙제 위주라 진정한 호기심 많은 학생만 LLM의 혜택을 보면. 새로운 수업 방식이 도입된다면, 모든 학생 안에 있는 호기심을 더 잘 끌어낼 수 있기를 바람. 혹시 LLM이 삼각함수 등 주요 개념의 큰 흐름은 유지하되, 주제별로 탐구를 벌일 수 있는 AI 도구를 아는 사람이 있다면 소개해주길 희망함
- 지금 문제의 핵심은 '숙제 중심' 구조라 생각함. 진짜 호기심 많은 학생에게 필요한 건 오히려 '여유 시간'임. 바쁜 과제, 계속되는 LLM 활용보다 오히려 예전처럼 수업량이 적당해서 스스로 탐구할 수 있는 시간이 남으면 더 좋았던 것 같음. 내 경우 음악과 전자공학을 독학할 때, 시험 대신 내가 직접 진도를 체크할 다른 기준(실제로 회로가 동작하는지 등)으로 발전을 측정했음. 외부적인 기준이 없이 단순 LLM 활용만으로 심층적 이해가 가능할지는 의문임
- 나는 Socratic 스타일의 대화에서 자유롭게 화제를 분기할 수 있도록 설계된 AI 튜터 제품을 만들고 있음. 관심 있으면 대기 리스트에 올려줄 수 있음. 몇 주 내에 MVP 공개 목표임
- 복잡한 문제 탐구를 할 때, 거짓말하거나 가짜 인용문을 생성할지 모르는 AI와 대화하는 것은 오히려 방해가 됨
- AI가 실제로 학습에 폭발적인 도움을 준 사례를 아직 직접 본 적이 없음. 온라인 후기나 자기 보고만으로는 신뢰가 안 됨
- 예전에 특정 개념에 답답함을 느끼면 교사가 건성으로 답하거나 깊이 설명해주지 않아 미완성 느낌이 컸음. 최근에는 AI를 통해 더 유동적이고 탐색적인 학습이 가능하다는 점을 깨달았음. 나 역시 ChatGPT가 완전무결하진 않지만, 개념 비교나 논리적 반박을 통해 내 사고를 확장시키는 데 꽤 유용함. 실제론 AI의 답을 정답으로 받아들이는 게 아니라, 내 생각을 이리저리 튕겨 보면서 새로운 탐구 방향을 찾는 데 활용함
-
나는 작은 대학에서 가르치고 있음. 우리가 사용하는 방법은 다음과 같음
- 모든 중간고사와 기말고사는 손글씨로 작성
- 학생들이 프로그래밍 과제를 어떻게 설계하고 코딩했는지 설명하도록 요구(15-20명 수준이어서 가능, 인원 많아지면 어려움)
- 복잡한 주제에 대해 학생 발표 및 질의응답
- 한 장짜리 손글씨 요약, 다이어그램, 마인드맵 등을 제출
- 프로그래밍 랩 실습도 당일 요구조건을 창의적으로 변경하여 즉석에서 해결하게 함(예: '클라이언트'가 요건을 바꿨다는 시나리오) 실제로 문제는 이 방식이 교사에게 훨씬 많은 노력을 요구한다는 점이고, 틀 밖에서 생각하려는 사람도 많지 않음
- '손글씨'라는 게 진짜 펜과 종이를 의미하는 거냐는 질문임
-
지금 추세가 계속된다면, 앞으로 대부분의 대학 학위가 완전히 쓸모없어질 것 같음. AI로 숙제를 부정하게 해결한 학생들이 졸업장을 받는다면, 그 학위는 학습 성취의 증명서로서 아무런 가치가 없음. 이런 학위를 수여하는 기관은 과거의 비양심적 학위공장과 다를 바 없음. 내 학위가 2011년 산이라는 게 오히려 다행이란 생각이 듦
- 내가 만났던 최고의 교수들은 숙제 점수를 거의 비중 두지 않거나, 제출 여부만 확인하는 수준이었음. 출결 역시 전혀 반영하지 않았음. 교수님들은 수업과 과제를 학습 수단으로만 제공하고, 실제 평가는 수업 시간 또는 대학 공식 시험센터에서 감독하에 시험을 치르는 방식이었음. 성인 대학생을 숙제 점수나 출결로 관리하는 건 다소 유치하고 과보호라고 생각함. 스스로 학습하도록 맡기고, 커닝이 불가능한 환경에서 실제 얼마나 배웠는지만 평가하는 것이 더 합리적임. 숙제 커닝을 때려잡는 건 진짜 수업 혁신이 아니라 한계에 이른 기존 체계를 임시로 봉합하는 느낌임
- 학교나 대학이 숙제를 '실력의 증거'로 삼는 걸 중단해야 함. 숙제 점수 자체가 의미 있나 의문임. 이미 AI 시대는 돌이킬 수 없으니, 대학도 현실을 인정하고 변경을 준비해야 함
- 나는 오히려 반대라고 생각함. 검증된 대학 학위는 더 가치 있어질 것임. 최고 대학들은 원격 과제보다 대면 시험을 강조해서 실질적 학습을 확인하는 방향으로 변화할 것임. 사실 부정행위는 예전부터 만연했고, 좋은 대학들은 졸업까지 커닝을 유지하기 어렵게 만드는 체계가 있음. 내 주변 주립대에서는 어떤 교수, 어떤 반을 고르면 커닝 기회가 많아 손쉽게 졸업할 수 있다는 게 학생들 사이에 널리 알려짐. 부정행위에 엄격한 교수는 학생 평점 테러를 당하기도 함
- AI와는 무관하지만, 온라인 시험에서 커닝에 대한 에피소드가 있음. 조카가 팬데믹 때문에 온라인 수업으로 전환됐고, 그때부터 반 평균 점수가 갑자기 뛰었음. 조카는 초기엔 커닝 거부하다가 결국 남들처럼 커닝을 시작함. 모니터 주변 벽에 수많은 포스트잇을 붙여놓고 시험을 봤는데, 아버지가 들어와 벽지가 망가진다며 혼냄
- 이 문제는 새롭지 않다고 생각함. 나도 과거 교수들이 Java IDE의 자동완성이 학습에 방해된다며 직접 Vim과 C로 SSH 접속해 랩을 하게 했음
-
MBA 과제로 내가 했던 방식은 이랬음
- 이미 가진 의견을 정하고
- 그 의견을 뒷받침할 논문을 충분히 검색하되, 내용을 꼼꼼히 읽지 않고 초록만 검토
- 에세이를 작성하면서 레퍼런스 논문에서 해당 주장과 가장 잘 맞는 부분만 발췌 이런 방식에는 학습이 전혀 개입하지 않음. 오히려 저널 검색 기술만 높아짐. 원하는 견해를 지지할 논문은 항상 많고, 요령껏 찾으면 됨. 이 과정을 LLM에 완전히 위임해도 실제 교육에는 아무 영향이 없을 거라 봄
- 이런 상태가 유감임. 실제로 논문 그 자체에 몰입해서 배우지 못한 이유가 궁금함
- 사실 문제는 자기 자신임. 과학적 방법에 기반해 논문을 쓴다면 진심으로 어떤 주제로든 좋은 글을 쓸 수 있음. 하지만 MBA 같은 학위는 실제론 직장 승진용, 커리어 전환 등 출셋길 포인트로 인식됨. 실제로 '진짜 과학'을 한다고 더 나은 보상을 받는 구조가 아님. 나 역시 같은 방식을 여러 과목, 여러 번 반복하면서 학점만 챙김. 내용만 그럴싸하면 충분했음. 실제로 사회에 나가 보니 회사도 비슷한 방식임. 내 의견을 증명할 자료만 골라서 제출하고, 없으면 비슷한 근거라도 끌어와서 내 주장을 뒷받침하는 척하면 됨. 내 의견이나 전제가 잘못돼도 상사나 고객한테 옳지 않다고 말해도 보상이 없음
- 어떤 친구의 심리학 과제를 내가 아무런 배경지식 없이 대신 작성해줬고, 최고 점수를 받음. 방금 서술된 방식과 완전히 똑같이 했음. 내 어머니는 외국인 학생들을 위해 강의 녹취를 바탕으로 논문 대필해주는 서비스까지 하신 적 있음
- 어차피 논문을 요약만 한다 해도, 누군가는 논문을 직접 쓰고, 독립적 사고로 지식 생산을 반드시 한다는 점을 생각해볼 필요 있음
-
교육의 목적이 무엇이고 앞으로 무엇이어야 하는지 전 인류적으로 성찰할 필요가 있음. 현실적으로 누구도 대학 등록금 내면서 자신의 실력과 이해도를 스스로 저해하길 원할 리 없다고 봄. 학생 90%는 졸업장이 취업의 티켓이기 때문에 목표가 명확하고, 나머지 10%는 오히려 스스로에 대한 불편한 진실조차 인정하지 않는다는 점에서 고용주가 신뢰를 주지 않아도 이상할 게 없음. 사실 시험 성적이나 학업성취가 객관적 잣대가 아니라는 건 누구나 알고 있음. 교육 기준과 커리큘럼은 학교마다 천차만별임. 나도 고등학교 땐 3.2 GPA로 버티다시피 했지만, 대학에 가면 '수학 배치고사'가 중학교 수준이어서 쉽게 풀었고, 4.0 GPA 학생들조차 기초과정부터 재수강하는 경우가 허다했음. 그럼에도 표준화 시험에 대한 거부감은 항상 매우 큼. SAT처럼 반복 응시 기회도 있음에도 불구하고 말임
- 진짜 배우고 싶은 10% 학생들도 결국 학위공장 게임에 타협하라는 의미냐는 반박임. 자신도 약간 냉소적이지만, 그렇다 해도 지나치다는 생각임
-
반대의 경험도 있음. 만약 AI가 없었다면, 아마 학교 바깥에서는 Rust를 작년에 끝까지 공부할 인내가 없었을 것임. 언제든 접근 가능한 개인 튜터가 있다 보니, 샤워하다가 든 궁금증도 즉각 물어볼 수 있다는 건 정말 큰 자산임. 동시에 내가 다시 학교로 돌아간다면, 시험이나 과제에서 뒤처지지 않으려고 AI를 무조건 활용하게 될 것 같음. AI가 벨 곡선 맞추기 기반 평가를 하는 환경에서는 모두가 AI 사용을 강요받는 게임 이론 환경이 되어버림
- 나 역시 비슷함. AI는 학습 도구로 정말 강력하지만, 교육 시스템에겐 도전 과제임