▲

Learn Your Way: 생성형 AI로 교과서를 재구성하기

 (research.google)
2P by GN⁺ 2일전 | ★ favorite | 댓글 1개
  • 교과서는 본질적으로 일률적 매체라는 한계를 지니며, Google은 생성형 AI로 대안적 표현과 개인화 예시를 자동 생성해 학습 효과와 몰입을 높이는 방식을 탐색 중
  • 연구 실험 Learn Your Way는 교과서를 학습자 수준과 관심사에 맞게 재가공하고, 다중 표현(멀티모달) 컨텐츠로 변환해 능동적 학습을 유도함
  • 핵심은 개인화 파이프라인으로, 학년 수준 재정렬과 관심사 기반 예시 치환을 거쳐 슬라이드·내레이션·오디오·마인드맵 등 여러 표현 생성의 기반을 마련함
  • LearnLM + Gemini 2.5 Pro를 중심으로 에이전트 워크플로와 특화 모델을 결합해 교육 일러스트, 퀴즈, 내레이션 등 고품질 학습 표현을 구현함
  • RCT 결과 장기 기억 11%p 향상 등 유의미한 개선이 확인되었으며, 정적 교재를 상호작용형·개인 주도형 학습 경험으로 진화시키는 가능성을 시사함

배경과 문제의식

  • 교과서는 제작 비용과 시간 제약으로 대체 관점·다양한 형식·맞춤 변형이 부족한 구조적 한계 보유
  • 생성형 AI(GenAI)를 활용해 원전의 무결성을 유지하면서도 학습자의 흥미·수준에 맞춘 표현을 자동 생성하는 접근 제시
  • 목표는 학습자가 형식과 경로를 스스로 선택하는 환경을 제공해 학습 효과와 동기 향상을 이끄는 것임

접근 개요: 두 기둥

  • 다중 표현 생성: 텍스트, 슬라이드, 오디오, 마인드맵, 퀴즈 등 멀티모달 표현으로 개념 연결을 촉진하는 설계 적용
    • Dual Coding Theory와 후속 연구를 근거로, 서로 다른 표상 간 연결이 개념 스키마 강화에 기여함
  • 개인화: 학년·관심사에 맞춘 텍스트 재구성과 반응 기반 퀴즈 적응을 통해 동기와 심층 학습 강화 목표 설정

기술 구성: LearnLM + Gemini 2.5 Pro

  • LearnLM을 내장한 Gemini 2.5 Pro를 기반으로 한 계층형 설계 적용
  • 1단계 개인화 파이프라인: PDF 등 원본을 학년 수준으로 리레벨링하고, 일반 예시를 관심사 예시로 치환해 이후 표현 생성의 기준 텍스트로 사용
  • 2단계 다중 표현 생성:
    • 마인드맵·타임라인 등은 기저 모델의 범용 능력 활용
    • 슬라이드·내레이션 등은 다중 에이전트 워크플로로 구성해 교육 효과 최적화
    • 교육 일러스트는 범용 이미지 모델만으로는 한계가 있어 전용 미세튜닝 이미지 모델 추가 도입
  • 결과적으로 강력한 기반 모델 + 에이전트 단계 + 특화 컴포넌트 결합으로 고품질 멀티모달 학습 표현 대량 생성 지원

Learn Your Way 경험 구성

  • Immersive text: 분절된 읽기 단위, 생성 이미지, 내장 질문으로 수동 읽기를 능동 경험으로 전환
  • Section-level quizzes: 즉시 피드백과 지식 격차 탐지를 통한 능동 학습 촉진
  • Slides & narration: 전체 범위를 포괄하는 슬라이드, 빈칸 채우기 활동, 녹음 수업 풍 내레이션 제공
  • Audio lesson: AI 교사–학생 모의 대화와 시각 보조로 오개념 정교화 유도
  • Mind map: 위계적 지식 구조화로 큰 그림과 세부를 유연히 왕복 탐색
  • 전 구성 요소는 학년 수준·관심사 기반 개인화가 적용되며, 인터랙티브 퀴즈가 실시간 성취에 따라 학습 경로를 재조정함

교수설계 평가

  • OpenStax의 10개 원본 교재를 3가지 개인화 조건으로 변환해 역사~물리 등 다양한 과목 적용
  • 3인의 교육 전문가가 정확성·범위·학습과학 원칙(LearnLM) 등으로 평가한 결과, 모든 항목 평균 0.85 이상의 긍정적 점수 획득
  • 세부 평가는 동반 tech report에서 추가 제시

효과성 연구(RCT)

  • 시카고 지역 15–18세 60명, 유사 독해 수준 표본을 무작위 배정해 최대 40분 학습 수행
  • 비교 대상: Learn Your Way vs 일반 PDF 리더
  • 즉시 성취: Learn Your Way 집단 평균 9%p 높음
  • 장기 유지(3–5일 후): Learn Your Way 집단 11%p 높음(78% vs 67%)
  • 주관 평가: 편안함 100% vs 70%, 재사용 의향 93% vs 67% 로 만족도 우위 확인
  • 정량지표 보완을 위해 30분 심층 인터뷰로 질적 통찰 수집, 학습 가치와 몰입감에서 긍정 피드백 확인

왜 효과가 있었는가

  • 개인화 파이프라인이 텍스트 수준·예시를 학습자 맥락에 맞춰 조정, 인지적 부하 경감과 관련성 제고에 기여
  • 다중 표현이 개념 간 연결을 촉진, 기억 인출 단서와 전이 가능성을 증대
  • 퀴즈 적응과 피드백 루프가 메타인지 조절 및 오개념 교정을 지원

한계와 다음 단계

  • 현재는 초기 연구 단계로 더 광범위한 표본·과목·연령대에 대한 반복 검증 필요
  • 연속 적응형 시스템으로 확장해 학습자의 진전·오류 패턴에 따라 표현·난이도를 지속 조정하는 방향 제시
  • 향후에도 교수학적 원칙과 효과성 측정을 기반으로 지역 맥락에 맞춘 현지화 전략 병행 계획

시사점과 적용 포인트

  • 정적 교재를 상호작용형·개인 주도형 학습 아티팩트로 변환하는 운영 파이프라인이 핵심 자산
  • 학교·출판·에듀테크는 콘텐츠 리레벨링 + 관심사 예시 치환 + 멀티모달 전개 + 퀴즈 적응을 결합한 표준화된 제작 체계를 통해 확장 가능
  • 엔지니어링 측면에서는 에이전트 오케스트레이션, 모듈형 생성 파이프라인, 품질/정확성 점검 루프 설계가 관건
▲
GN⁺ 2일전  [-]
Hacker News 의견

  • 내가 만든 asXiv라는 도구가 있음. arXiv.org 논문들에게 질문을 할 수 있고, 첫 화면에서 논문을 이해하거나 탐색하는 데 도움되는 추천 질문들도 제공함. 인기 논문 Attention Is All You Need에 대한 데모도 있음. 코드는 모두 오픈소스이고, 비용을 줄이기 위해 구글 2.5 flash lite 모델을 사용함(현재 완전 무료임). 필요하면 환경변수로 바꾸어 로컬에서 다른 모델로도 실행 가능함.

    • asXiv가 흥미로움. Show HN 글을 second-chance pool에 추가했음. 이로 인해 HN 첫 화면에 무작위로 노출될 것임. second-chance pool 설명

    • asXiv도 멋지지만, 비슷하게 alphaxiv에서도 assistant 기능으로 가능함. 논문으로 이동해 tools → assistant 클릭하면 됨. alphaxiv 예시

    • 괜찮아 보여서 나중에 꼭 써보고 싶음. 궁금한 점 하나: 왜 이것을 상업적 SaaS로 만들지 않았는지 이유가 궁금함

    • 정말 환상적인 도구 같음. 나도 arXiv/epub/pdf를 읽기 위한 비슷한 제품 Ruminate(www.tryruminate.com)를 만들었음. 의견을 듣고 싶음

    • 기존 RAG와 무엇이 다른지 진심으로 궁금함

  • 컴퓨터 과학 기초 예시에 7학년 학생이 음식을 좋아하는 상황을 봤음. 예를 들어 "리스트는 레시피에 쓸 수 있다", "셋은 일주일 치 식재료의 유니크한 목록에 좋다", "맵은 요리책에 쓸 수 있다", "우선순위 큐는 바쁜 주방의 주문 관리에 적합하다", "푸드 페어링 그래프는 어울리는 재료를 보여준다" 등 설명이 나왔음. 내 생각에 7학년의 취향을 과대평가한 듯함. 나였다면 금방 질릴 것 같음

    • 확실히 고등학교 시절 컴퓨터 과학은 20년 전 내가 겪었을 때 참 지루했음. 당시엔 "반드시 Microsoft Office를 배워야 한다" 분위기였음. 오랜 기간 교육봉사를 하면서 많은 아이들이 "삼각함수를 실제로 어디에 쓰느냐" 같은 현실적인 질문을 했음. 수업과 시험 예시가 실생활과 괴리되어 있어 의미 없어 보였음. 실제로 개념이 현실에서 어떻게 쓰이는지를 보여주는 건 분명 교육적으로 가치 있음. LLM의 장점은 그런 실생활 예시를 개인 관심사에 맞게 변환해줄 수 있다는 점임. 예를 들면 Red Blob Games 시리즈의 A* 경로 탐색 설명처럼, 그래프 탐색 알고리즘을 게임이라는 매력적인 사례로 풀어주는 방식이 정말 좋음

    • 나는 gemini 안에 포함된 퀴즈 생성 학습 툴을 쓴 적 있음. 전형적인 K-12 교과서에 나올 법한 것에는 꽤 쓸 만함. 처음 30~40개 선택형 문항까지는 꽤 유용하지만, 그 이후엔 문항이나 오답, 해설이 반복되고, 틀린 답이나 다중정답도 나타남. 해설 역시 기대 수준이고 QA가 부족해 보임. 사용자가 직접 점검한다면 여전히 쓸 만함. 하지만 검증 안 하고 그대로 수용하는 경우 오히려 해로울 수도 있음

    • “리스트는 레시피에 쓸 수 있다”라는 예시부터 솔직히 무슨 의미인지 모르겠음. 7학년 학생들에게 오히려 혼란만 줄 것 같음

    • Hawthorne effect(신기 효과, novelty effect)가 떠오름. 학생들이 이런 방식의 콘텐츠가 더 흥미롭다고 말하는 게 실제로 더 좋아서인지, 단순히 색다르기 때문인지 분명치 않음. Hawthorne effect 위키

    • 특히 셋(set) 예시는 7학년 학생들에게 혼란스러울 것임(기본적으로 셋 개념을 모르면 더더욱). "유니크한 재료 목록을 셋에 넣는다"고 하는 게 기술적으로는 맞지만 실제로 장보기엔 양이 필요해서 별 도움 안 됨. 셋이 뭔지 직관적으로 이해시키지도 못하고, "리스트와 셋의 차이"를 설명해야 할 때 오히려 혼란 줄 수 있음. "유니크한 재료"라는 문장 표현조차 그 나이 아이들에게 이해가 안 될 수 있음

  • 나는 전직 물리 선생님임. 기술력은 인상적이지만 이건 교육적으로 실효성이 낮은 혁신이라고 생각함. 십대들에게 뉴턴의 운동 법칙을 가르칠 때 진짜 어려운 점은 마찰이 항상 존재하지 않는다는 개념임. 학생들은 평생 실제 사물의 움직임을 통해 '임펄스 이론' (theory of impetus, 위키 링크)을 익히고 들어옴. 개개인의 개념을 파악하고 임펄스 이론을 반박하는 질문을 던지는 AI라면 진짜 유용할 텐데, 구글이 이번에 발표한 건 그냥 "스라이드+퀴즈"식 칠판수업 변형에 불과함. 교육에서 "모든 과목을 똑같이 가르칠 수 있다"는 전제 아래 논의가 이뤄진 게 나를 교직에서 떠나게 한 이유임. 과목-중립적인 접근의 한계에 다 왔으니, 앞으로는 실제로 "무엇을 어떻게 가르칠지" 본질에 집중하는 게 개선의 열쇠라 봄

    • "좋은 교사는 어떤 과목도 가르칠 수 있다" 그 말을 한 언어과장 담당이 외국어과였다는 건가? 너 말에 한참 공감했는데, 과목-중립적 접근에도 실천 안 되는 효과적 학습법(분산 반복, 기억 기반 평가 등)이 하위 80% 수업에는 여전히 안 녹아 있음. 우린 이미 교육·학습 이론에서 많은 걸 알게 됐지만, 이게 아직도 학교 시스템에 반영되지 않음

    • 학생 입장에서 진짜 공감함. 내가 배우기 어려운 이유는 맞춤화 부족이 아니라 단지 분량이 많고 어렵기 때문임. 핵심은 진도별로 정확히 이해했는지 점검해주고(이걸 "한입 크기 방식"이라 표현), 수식 언어나 용어를 쉬운 말로 풀이해주는 것임. ChatGPT의 Study mode가 특정 과목에서는 이 역할을 꽤 잘 해줌

    • 교육경험 얘기하면 Edutech 업계 사람들 분노하니 조심해야 함. 이들은 15년째 혁명을 약속 중임

    • 그때 언어과장에게 텐서 미적분 가르쳐보라고 했어야 했음

    • 언어과장이 왜 그런 말을 했는지, 과학부서에도 영향이 있었는지, 정말 그 발언 때문에 물리 교직을 그만둔 것인지 궁금함

  • 요즘 AI 서비스들과 Copilot의 비용 정책 강제 변경을 보면, AI 업계 전체가 비싼 장난감을 대중에게 써보라고 필사적으로 어필하는 느낌이 듦. PG(폴 그레이엄) 특유의 "솔루션이 문제를 찾는다" 경고가 아직 안 나오는 이유가 궁금함

    • 이미 기득권(대기업, VC 등)이 관련되어 있다면 기술의 한계나 약점을 굳이 언급하지 않으려는 게 당연함. 자기들이 투자한 제품의 긍정적 내러티브를 적극적으로 퍼뜨리는 것이 그들의 역할이고, 이런 '선택적' 태도는 빅테크에서 흔한 불성실함의 한 형태임

  • AI를 학습에 적극 활용하기에는 신뢰할 수 없다는 생각임. 논문 인용문 100개를 정리시키니까 10개를 지워버리고, 10개는 근거 없이 새로 만들어냄. 이런 상황에서 교과서 대체는 상상할 수도 없음

    • "AI가 인용문 작업을 잘 못했다"는 경험만으로 "AI가 교과서를 요약 설명할 수 없다"라는 결론을 내리는 건 논리적 비약임. 많은 사람이 인용문 정리는 못 해도 교과서 요약·해설은 능숙함

    • 난 LLM을 써서 교과서 내용을 잘 설명받은 경험이 많음. 이해 안 되는 부분을 붙여넣고 질문하면 꽤 잘 답해줌

    • 혹시 어떤 모델을 썼는지, 프롬프트가 뭐였는지, 언제 시도했는지 궁금함

  • 배우는 걸 좋아함. Khan Academy 덕에 대학까지 왔고 지금도 논문 공부할 때 ChatGPT, Claude 등을 쓰고 있음. 그런데 Google의 예시는 금방 실망스러웠음.

    • 예시는 "우리는 태어날 때 유전적 특성과 생물학적 특징을 물려받으나, 인간으로서의 정체성은 사회에서의 상호작용 속에서 길러진다. 심리학과 사회학 모두 자기 발달(self-development) 과정을 중요하게 본다"
    • 바로 이어진 문제는 "주어진 텍스트에 근거할 때, 심리학과 사회학의 자기 발달에 관한 주요 차이점은?"
      • A) 사회학은 유전 특성을, 심리학은 사회 규범을 다룬다
      • B) 심리학은 사회 기능을, 사회학은 개인의 정체성을 다룬다
      • C) 심리학은 유전적 특징에, 사회학은 사회적 상호작용에 집중한다
      • D) 둘 다 오직 타고난 생물학적 특징만 연구한다
    • 문제를 읽고 D가 가장 그럴듯해 골랐지만 오답임. 내가 이해를 잘못한 건지 불안해졌음. PDF 전체보기 버튼도 있지만, 이 서비스의 목적은 본문을 잘게 쪼개 핵심을 반복 학습시키는 것 아닌가? 피드백 기능도 거의 없어서 매우 답답함. 학생이라면 이게 아주 큰 좌절감을 줄 것임

    • 네 잘못은 아님. 선택지 모두 틀렸음. 사회학은 사회 및 문화, 집단 행동 등을 연구함. 이건 LLM의 할루시네이션임

    • 답지가 모두 틀렸음. 이 시스템은 답으로 "C) 심리학은 유전, 사회학은 상호작용"을 원할 텐데, 심리학이 유전에 집중한다는 건 사실이 아님

    • 본문에서도 심리학/사회학 정의를 안 했고, 둘을 대조하는 식도 아님. 오로지 본문 근거로 답하라는데, 외부 지식 끌어와야만 풀 수 있는 문제임. 이런 문항 생성은 LLM이 학습 데이터를 어설프게 해석해서 생긴 일임. 모델은 reading comprehension(본문 이해) 모드와 didactic(교수) 모드 구분이 없기 때문에, 이런 문제는 단순 버그가 아니라 구조적 한계임

    • 사소한 버그라 생각하겠지만, 교육에서 정확성은 아주 중요함. 이런 기본적인 오류가 방치된다는 건 신뢰의 문턱을 넘기 힘듦

  • 이 기술이 상당한 잠재력을 가진 것처럼 보임. 인간 선생님은 무한한 인내심이 없으니까. 나는 고등학교 때 화학 선생님에게 "왜 그런 반응이 일어났는지" 물었더니 "그냥 받아들이고 외워라, 이해하려고 하지 마라"는 대답을 들음. 그 이후 나는 화학자가 되지 않았음. 하지만 이제는 오히려 화학이 흥미롭게 느껴짐. 당시에는 호기심을 완전히 꺾어버린 선생님 덕에 대학 전공을 선택할 때 화학 관련은 무조건 피함. 만약 이런 AI 도구가 그때 있었다면 내 인생이 달라졌을 수도 있음. 반면 AI는 중세 갑옷과 진짜 검을 들고 와서 검술을 직접 시연해주던 내 역사 선생님의 개성 있는 수업에는 못 미칠 것임. 우리 반 20명 중에 2명이 역사 박사와 고고학자가 되었으니 정말 대단한 선생님임. 이런 분들은 드묾

    • "그냥 외워라"는 답에 좌절했다는 얘긴데, 어쩌면 그게 'lie-to-children'(설명) 현상이 아닐까 생각함. 심층 이해를 원했지만, 고급 개념을 습득하기 전에 일정 단계의 기초 암기는 필요함

    • 나는 결과만 주지 말고, 어떻게 거기까지 도달했는지, 누가 왜 밝혔는지 등 더 깊은 역사적 설명을 원했던 타입임. 생성형 AI라면, 정보의 맥락이나 역사적 배경까지 이야기식으로 제공해줄 잠재력이 있다고 봄

  • 요즘 사회의 문해력 저하 상황이나 반지성주의, 고립 분위기에서 이 기술이 어떻게 작용할지 궁금함. 아무리 기술이 뛰어나도 되레 퇴보일 수도 있다는 생각임. 비관적일지 모르겠지만, 이건 교사 보조가 아니라 교사 대체로 흘러갈 것처럼 느껴짐

    • 문해력에 대한 비관적 전망(사회적 부고)이 늘 시기상조임. 오히려 일부 독자들은 장문의 원서나 깊이 있는 내용을 소화하며 지적 저항형 독서로 방향을 잡고 있음. 나는 Norman Lewis의 'Word Power Made Easy', Tom Heehler의 'The Well-Spoken Thesaurus'를 통해 어휘력과 표현력을 확장 중임. 이 과정에서 ChatGPT와 Gemini를 개인 튜터로 활용함. 직접 지시어를 주면 신조어 추천이나 문장 명료화에 도움 줌. 기술 덕분에 표현력/소통력이 오히려 강해짐을 실감 중임. 이메일이나 일기밖에 쓰지 않던 내가 AI를 협업자, 지지대로 삼아 인생 에피소드를 단편소설로 재구성해보고, 존경하는 작가의 문체로 변환해보기도 함. 이것은 교사 대체가 아니라 오히려 자가 학습 르네상스의 기반임

    • 만약 문해력 저하가 걱정된다면, 문제는 추가 기술 도입 여부가 아니라 사회 전체의 가치관임. 문해력을 중시하는 사회는 데모나 블로그 홍보에 흔들리지 않음. 반대로 이해·전문성·교사를 중요시하지 않는 사회라면, 언제든 이런 것들 대신 지름길을 찾으려 할 것임

  • 이 접근법이 최선이라고는 생각하지 않지만, 문제의식에는 크게 공감함. 나도 초등, 중등 시절 선생님이 내 질문을 별다른 설명 없이 쉽게 넘겼던 기억이 솔직히 생생함. 내 머리는 답답한 질문에 막혀 본론에 집중할 수 없었고, 교사는 공교육 상황에서 내 질문을 따라가줄 여유가 없거나, 준비가 부족했을 수 있음. 내가 바라는 LLM의 역할은, 학생들이 기존 커리큘럼을 바탕으로 이탈하는 탐구 과정(딴생각, 호기심 등)을 안전하게 유도하면서도, 결국 원하는 학습 목표로 안내하는 보조 도구가 되는 것임.

    • "전자 스핀은 어떻게, 왜 알게 됐을까?"
    • "왜 저 영어 단어는 예외적으로 다르게 쓰일까?"
    • "공룡(사우로포드)와 대왕고래의 크기 차이는?"
      내 경험상, 이런 작은 호기심들이 훨씬 더 깊은 이해로 이끌어 줌.
      TFA(원문)는 "학생이 자기만의 학습 여정을 직접 설계할 수 있다면?"을 제시함.
      사실 논픽션이나 교과서 영역에서는 벌써 실현 가능한 일임.
      나는 고등학생 때까지 'How to Read a Book'(위키) 책을 몰랐는데, 그 책이 "순차적 완독이 무조건 답이 아니다"라는 시야를 열어줌.
      AI로 더 많은 학생이 정해진 커리큘럼 외에도 다양한 학습 방법이 있음을 배우길 기대함
    • 또 다른 일화: 대학 때 회로이론(1,2)을 미분방정식(미적 4)보다 먼저 들었음. 이 덕분에 라플라스, 푸리에 변환 등 수업에서 배우는 내용이 곧바로 다른 분야(회로 설계)에 연결되어 수업이 훨씬 흥미로웠음

  • 앞으로 Diamond Age의 "A Young Lady's Illustrated Primer" 같은 기술이 정말로 맞이하게 되길 기대함

    • 그 소설의 작가는 이미 그때 미래를 예언한 것일까? 나노테크와 나노봇이 가득한 세상 얘기라니

    • 나는 pinenote를 살 때도 그런 미래를 떠올림. 토드 리들의 일기장처럼 수학 공부를 도와주는 기기가 있다면 재미있을 것 같았음. 하지만 pinenote의 리눅스 쪽 개발이 더디고, 나도 바빠져서 흥미가 사라졌음

답변달기