정보 과목에서 알고리즘이나 프로그래밍을 가르치다 보면 변수명 실수나 조건문 오류 같은 흔한 문제는 금세 눈에 띈다. 그러나 더 본질적인 어려움은 ‘왜 오류가 발생했는지’를 설명하지 못하는 학생들에게 있다. 단순히 답을 바꾸거나 다시 풀어보는 방식으로는 학습이 깊어지지 않는다.

지금 교실에는 문제를 푸는 힘은 있으나 데이터를 읽고 해석하는 힘이 부족한 학생들이 많다. AI(인공지능) 시대의 학습은 단순 정답 확인이 아니라, 풀이 과정에서 생성된 데이터를 어떻게 해석하고 그 의미를 찾아내느냐가 핵심이다. 이때 수학 AI 코스웨어 스쿨플랫은 단순 채점 기능을 넘어, 풀이 과정과 오답 패턴을 시각적으로 보여주어 학습 흐름을 파악할 수 있게 하는 강력한 도구가 된다.

◇ 수학 문제 풀이 결과를 ‘데이터’로 전환하는 수업

정보 과목에서 말하는 데이터 리터러시는 단순한 통계표 해석을 넘어, 데이터를 토대로 문제 상황을 재구성하고 의미 있는 결론을 도출하는 능력을 뜻한다. 이를 위해 학생들에게 ‘자신의 학습 데이터를 직접 분석하는 경험’을 제공하는 것이 중요하다.

예컨대 1차시에는 수학 개념을 다지는 수학 문제 풀이 활동을 진행하고, 2차시에는 그 결과 데이터를 분석해 자신의 학습 상태를 점검하도록 설계할 수 있다. 스쿨플랫 대시보드를 활용하면 학생별 문제 풀이 정확도, 소요 시간, 오답 유형, 반복 오류 등이 시각적으로 드러난다. 특정 학생이 이차함수 단원에서 같은 유형 문제를 반복해서 틀린다면 이는 단순 실수가 아니라 개념 이해 부족이라는 구조적 문제일 수 있다. 교사는 이 데이터를 근거로 학생에게 맞춤형 개념 강의나 보충 문제를 제시할 수 있다.

더 나아가 학생들이 직접 자신의 오답 유형이 개념 부족인지 단순 실수 인지 자주 틀리는 유형은 무엇인지 분류하고 리포트로 정리하게 되면 데이터를 읽고 판단을 내리는 훈련이 된다. 이는 단순 오류 수정이 아닌 데이터 기반의 자기 학습 전략 수립 경험으로 이어진다.

◇ 데이터 기반 학습 리포트, 수업의 전환점

실제 수업에서 스쿨플랫 데이터를 활용해 ‘개인 학습 리포트 작성하기’를 진행했다. 학생들은 자신이 어떤 문제에서 몇 번이나 오답을 냈는지, 가장 오래 걸린 문제와 가장 빠르게 해결한 문제의 차이를 분석했다.

이 과정에서 학생들은 데이터 정리 → 패턴 발견 → 원인 분석 → 개선 방향 제시라는 사고 흐름을 자연스럽게 익혔다. 단순한 오답 풀이가 아니라, 구체적이고 실질적인 학습 전략 수립이 가능해진 것이다. 정보 수업의 ‘데이터’와 연결하여 수학 학습 데이터를 실습용 분석 자료로 연결되자, 학생들의 몰입도와 자기 성찰 수준이 한층 높아졌다. 학습 데이터가 단순 기록을 넘어 거울이자 나침반이 될 수 있다는 것을 함께 확인한 순간이었다.

◇ AI는 분석을, 학생은 해석을

이제 교실에서 중요한 것은 AI가 제공한 데이터를 단순히 받아들이는 것을 넘어, 그 결과를 해석하고 실천으로 옮기는 힘이다. 데이터는 숫자에 불과할 수 있지만 그것을 바라보는 눈과 읽어내는 힘이 바로 학습의 질을 결정짓는다. 교사는 데이터를 근거로 학생의 학습 흐름을 분석하고 더 정밀한 수업 설계와 피드백을 제공할 수 있고, 학생은 오답 패턴을 분석해 자신만의 학습 전략을 세우게 된다. 이는 정보 과목에서 강조하는 데이터 리터러시 역량과도 정확히 맞닿아 있다.

앞으로의 교실은 AI가 제공한 데이터 해석을 바탕으로 학생 스스로 학습을 조율하고 성장의 경로를 설계하는 공간으로 변화해야 한다. 그리고 그 시작은 자신이 어떤 문제에서 왜 틀렸는지를 정확히 바라보는 훈련에서 출발한다.