가공데이터 · 도서자료 기계독해

지능정보사회 및 인공지능 시대를 대비하여 미래 인재 양성을 위한 교육 패러다임의 전환과 SW·코딩 교육 및 교사 역량 강화의 필요성 doc_id PCY_201708160456447751_2

주제 (main_topic)
지능정보사회 및 인공지능 시대를 대비하여 미래 인재 양성을 위한 교육 패러다임의 전환과 SW·코딩 교육 및 교사 역량 강화의 필요성
답변 불가 (is_impossible)
True
문맥 (context)
이와 관련하여 한국교육개발원이 제시한 우리나라 미래 교육 이슈 중 지능정보사회 관련 전략으로 미래 인간상과 교육적 발달 개념을 조화롭게 인식하고, 학교형태 유연화 및 역할 변화를 바탕으로 미래형 교육과정을 구성하고, 진로 교육 및 창직 교육을 연계하며 실질적 생애 주기 교육을 구현해야 한다. 특히 미래의 직업을 대비한 진로 교육은 핵심 이슈이다. 빠른 사회변화와 고용시장의 전망을 고려하여 2015년에 제정된 진로교육법은 진로교육 전달방식을 다양화하고 생애 각 단계에서 미래 직업 세계에 필요한 필수 역량을 갖출 수 있도록 규정한 바 있다. 차세대 혁신가(Next Generation Innovators) 양성을 위해 창직 경험을 배양하는 새로운 진로교육으로 전환하는 것이 필요하다. 즉 지금까지는 존재하는 일자리에 필요한 역량을 갖추도록 했지만, 앞으로는 변화하는 일자리(moving target)에 적응할 수 있는 역량을 갖추어야 한다. 미래 일자리의 급격한 변화에 대처해 창의적이고 유연한 사고가 가능한 인재를 양성하는 교육이 될 수 있도록 교육의 패러다임을 전환해야 한다. 지능정보사회의 빠른 변화 속에서 미래 세대들은 새로운 형태의 문제를 정의하고 이를 창의적으로 해결할 수 있는 역량을 갖추어야 한다. ‘현재 존재하지도 않은 직업을 위해 학생들을 준비시키고, 현재 존재하지도 않는 문제를 해결하는 능력을 배양해주어야 한다’고 전 미국 교육부 장관 리처드 라일리는 주장한다. 그리고 지능정보사회의 중추적인 역량인 컴퓨팅 사고력(Computational Thinking)을 배양해 ‘컴퓨팅의 기본적인 개념과 원리를 기반으로 문제를 효율적으로 해결할 수 있는 사고 능력’을 키워야 한다. 따라서 교육부와 미래창조과학부는 미래사회를 위한 초중등 SW 교육을 확산하기 위해 SW 교육 필수화를 실행과제로 선정한 바 있다. 미래 세대는 컴퓨터의 활용과 계산적 사고를 바탕으로 4차 산업혁명을 이끌고 인공지능 및 로봇과 조화롭게 어우러지는 사회를 구현할 수 있어야 할 것이다. 최근 창조경제라는 화두 속에서 학교 현장에서 교육과정으로서 소프트웨어 프로그램 교육, 즉 코딩 교육의 의무화가 추진되고 있다. 코딩 교육의 의무화는 우리가 왜 구글과 알파고와 같은 혁신적인 서비스를 창조해 내는 미래형 인재를 키우고 있지 못하는가에 대한 교육적 관점에서의 반성과 성찰의 결과이기도 하며, 코딩은 문제해결에 필요한 사고력과 논리력을 키우기 위한 교육 방법으로서의 가치를 가지기 때문이다. 즉 코딩 교육은 21세기 핵심역량인 문제해결력을 증진시킴과 동시에, 이를 통해 창조경제를 이끌 미래 인재를 육성하는 데 기여할 수 있다는 것이다. 인공지능도 결국 인간이 코딩을 통해 창조한 알고리즘(algorithm)에 의해 사고하고 학습하고 진화하는 하나의 소프트웨어이다. 따라서 코딩 교육은 우리가 인공지능을 제대로 이해하고, 우리의 ‘통제’ 하에 두면서, 우리의 삶을 위해서 능동적으로 활용할 수 있는 준비를 시키기 위한 접근으로 이해할 수 있다. SW 교육을 접하게 되면서 다른 나라의 다양한 SW 교육사례에 대해 알 수 있었다. 그리고 필자가 내린 결론은 미래사회는 인공지능이 핵심이 될 것이고, 인간은 이제까지 경험하지 못한 풍요를 더욱 빠른 속도의 질과 양으로 경험하게 되리라는 것이다. 그리고 이러한 흐름 속에서 우리에게 필요한 것이 SW 교육이다. 이미 우리나라의 SW 교육은 출발이 늦어있는 상황이다. 유아에서부터 풍부한 SW 관련 읽을 소재가 있는 이탈리아를 비롯한 다른 나라와 달리 SW 교육문화가 미약하다. 지금부터라도 준비하지 않는다면 우리나라는 외국의 SW가 몰려올 때, 대응할 수 없는 SW 식민지로 전락할 수도 있다. 미래 사회를 주도할 것인가? 미래 사회의 방관자가 될 것인가? 그 선택의 기로에 우리는 지금 서 있는 것이다. 지금부터 철저히 준비하여 SW 중심사회에서 리더가 될 수 있도록 Computational Thinking을 기르기 위해 노력해야 할 것이다. 우선, 지능정보산업 현장의 빠른 기술변화를 따라잡을 수 있는 교수·교사 등을 시급히 확충해 나가야 한다. 지능정보사회를 선도해 나가기 위해서는 무엇보다도 이에 대해 충분한 지식과 역량을 갖춘 교사인력이 필요하다. 미래부와 교육부 등에서는 초·중·고 소프트웨어 교육의 의무화, 소프트웨어 중심대학 육성 등을 강조하고 있지만, 현장에는 첨단 신기술을 가르칠 교사 및 교수가 절대 부족한 실정이다. 수많은 소프트웨어 교사들은 교원 공급과잉을 이유로 강단에 서보지도 못하고 실업대열에 합류하고 있다. 현재 대다수 학교에서 지능정보산업분야를 가르치는 교수·교사 등은 그 수가 절대 부족할 뿐만 아니라 그나마의 인력도 새로운 기술변화 흐름을 따라잡지 못하는 경우가 대부분인 것으로 파악되고 있다. 다음으로, 학교교육도 지나치게 경쟁에만 몰두한 나머지 협력을 통한 시너지를 창출하지 못하고 있다 인공지능이라는 완전한 ‘교과서’, 즉 전문가 시스템에 의한 완전한 지식의 출현은 교수자 또는 학습자 측면에서 인공지능을 활용하여 ‘어떻게’ 가르치고 배워야 하느냐에 대한 논의로 이어지게 한다. 인공지능 기반의 교수·학습 환경에서 교수자는 더 이상 내용전문가(subject matter expert)가 아니며, 학습을 안내하고 촉진하는 학습설계자(learning designer)가 된다. 최근 블렌디드(blended) 교육의 새로운 유형으로 학교 현장에 접목되고 있는 거꾸로교실(flipped classroom)은 교수자의 이러한 방향으로의 역할 변화를 보여주는 대표적인 사례라고 할 수 있다. 이러한 환경에서 교수자는 교육 내용의 단순한 전달이 아니라, 인공지능이 품고 있는 교육 내용을 매개로 하여 융합인재교육(STEAM)을 설계함으로써 창의력, 문제해결력, 공감능력 등 21세기 핵심역량 교육에 집중하도록 하는 것이 중요한 논의점이 된다. 앞서 알파고의 학습 방법에서 볼 수 있듯이 지식과 인지 중심의 학습 능력을 ‘인간 vs. 기계’의 관점으로 바라보는 일은 더는 의미가 없다. 마치 인간이 자동차보다 빠르게 달리기 위해 열심히 운동하는 일이 의미없는 것과 같은 이치이다. 그 대신 인공지능이 대체하지 못하는 인간 고유의 영역을 찾고 확장해 가는 편이 더욱 중요하다. ‘미래사회에서는 인간이 할 수 없는 일을 인공지능으로 해결하는 것이 아니라, 인공지능이 할 수 없는 일이 무엇일까를 찾는 편이 더 유용하다’는 의견의 충실한 해답을 찾는 것 말이다. 예를 들어 제4국에서 이세돌 9단이 승리를 할 수 있었던 것은 기존의 수에 머물지 않고 인공지능이 예측하지 못하는 창의적인 수를 생각해 내서 바둑판 중앙으로 과감히 치고 들어간 도전적인 태도 때문이었다. 주어진 명령에 의해서만 움직이는 기계와 달리 패할 지도 모를 수를 과감하게 두는 인간 자유의지의 결과인 것이다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
지능정보사회에서 인공지능이 대체하지 못하는 인간 고유의 영역을 찾기 위해 필요한 구체적인 방법론은 무엇인가?
추론 과정 (compact_reasoning)
  1. 1과제 해석task_interpretation

    질문은 인공지능이 할 수 없는 인간 고유의 영역을 식별하기 위해 사용해야 하는 구체적인 방법이나 절차를 묻고 있다.

  2. 2정보 추출information_extraction

    문맥에서는 인공지능이 대체하지 못하는 인간 고유의 영역을 찾는 것이 중요하다는 점과, 인공지능이 할 수 없는 일이 무엇인지 찾는 것이 유용하다는 의견이 존재함을 언급하고 있다.

    • 인공지능이 대체하지 못하는 인간 고유의 영역을 찾고 확장해 가는 편이 더욱 중요하다.
    • ‘미래사회에서는 인간이 할 수 없는 일을 인공지능으로 해결하는 것이 아니라, 인공지능이 할 수 없는 일이 무엇일까를 찾는 편이 더 유용하다’는 의견의 충실한 해답을 찾는 것 말이다.
  3. 3근거 선택evidence_selection

    인간 고유의 영역을 찾아야 한다는 필요성과 방향성은 제시되어 있으나, 이를 위해 어떤 구체적인 방법론(예: 특정 실험, 조사 방식, 교육 과정 등)을 사용해야 하는지에 대한 정보는 누락되어 있다.

    • 인공지능이 대체하지 못하는 인간 고유의 영역을 찾고 확장해 가는 편이 더욱 중요하다.
  4. 4논리 통합logical_integration

    문맥은 인공지능과 인간의 차이점을 인식하고 인간의 영역을 확장해야 한다는 당위성과 이세돌 9단의 사례를 통한 예시를 제공할 뿐, 그 영역을 찾아내기 위한 체계적인 방법론을 설명하지 않는다.

  5. 5결론 도출conclusion_formulation

    질문이 요구하는 '구체적인 방법론'에 대한 정보는 문맥 내에 명시되어 있지 않으며, 사례를 통해 유추할 수는 있으나 확정적인 답을 내릴 수 없다.

  6. 6답변 생성answer_generation

    주어진 문맥만으로는 답을 확인할 수 없다는 결론을 도출한다.

최종 답변 (final_answer)
주어진 문맥만으로는 답을 확인할 수 없다.
분석 (analysis)
문맥은 인공지능이 할 수 없는 인간 고유의 영역을 찾는 것이 중요하다는 방향성과 필요성을 강조하고 있으나, 이를 실행하기 위한 구체적인 방법론에 대해서는 언급하지 않는다. 따라서 질문에 답하기 위해서는 외부 지식이나 추가적인 정보가 필요하다.