AI 기술을 기반으로 한 학습 지원 플랫폼이 대학 교육 현장에 빠르게 확산되면서 교육의 방식과 구조 역시 새로운 전환점을 맞고 있다. 이러한 흐름 속에서 ‘풀리캠퍼스’가 ‘2026 대한민국 교육대상’ 대학교육 부문을 수상하며, 대학 교육 현장에서의 성과를 공식적으로 인정받았다.

이번 수상은 기초학력 진단부터 맞춤형 학습, 학습 데이터 기반 관리까지 이어지는 통합 학습 지원 체계를 구축해 온 점이 높이 평가된 결과다. 특히 학생 개개인의 수준 차이를 정밀하게 분석하고 이를 실제 학습으로 연결하는 구조를 통해 대학 교육의 현실적 과제에 대응해 왔다는 점에서 의미가 크다.

이에 풀리캠퍼스를 이끌고 있는 황재철 본부장을 만나 이번 수상의 의미와 함께 AI 기반 학습 플랫폼이 대학 교육에 가져올 변화와 향후 방향에 대해 들어봤다.

─ ‘대한민국 교육대상’ 대학교육 부문 수상을 축하드립니다. 이번 수상에 대한 소감과 함께 풀리캠퍼스에 있어 이번 수상이 갖는 의미를 말씀해 주시겠습니까?

풀리캠퍼스가 ‘2026 대한민국 교육대상’ 대학교육 부문을 수상하게 되어 매우 뜻깊고 감사하게 생각합니다. 이번 수상은 대학 교육 현장에서 실제로 요구되는 학습 지원 플랫폼으로서의 역할을 인정받은 결과라고 보고 있습니다.

대학은 학생별 학업 수준과 기초역량의 차이가 큰 환경이기 때문에 이를 정밀하게 진단하고 각 학생에게 필요한 학습을 연결하는 체계가 중요합니다. 풀리캠퍼스는 이러한 교육 현장의 과제에 주목해 AI 기반 진단평가와 맞춤형 학습, 학습 데이터 분석을 통해 보다 정교한 학습 지원이 가능하도록 설계되어 왔습니다.

앞으로도 대학 교육의 다양성과 복잡성을 깊이 이해하며, 학생과 교수자 모두에게 실질적인 도움이 되는 AI 학습 플랫폼으로 발전해 나가겠습니다.

─ 풀리캠퍼스는 대학 교육에 특화된 AI 코스웨어로 알고 있습니다. 대학 교육 현장에서 이러한 플랫폼이 필요하게 된 배경과 프로그램을 개발하게 된 계기에 대해 설명해 주실 수 있을까요?

대학 교육 현장에서는 신입생과 재학생 간 기초학력 격차, 수업 이해도 차이, 대규모 강좌에서의 개별 학습 지원 한계가 꾸준히 제기돼 왔습니다. 특히 수학·과학·영어·한국어·경제·회계·IT 등 기초 및 전공 연계 과목에서 이러한 격차는 학습 지속성과 성취도에 직접적인 영향을 미칩니다.

풀리캠퍼스는 이러한 문제의식에서 출발했습니다. 진단에 그치지 않고, 보완 학습까지 하나의 흐름으로 연결해야 한다는 필요성에서 개발됐습니다. 학생별 수준을 정밀하게 파악해 맞춤형 학습을 제공하고, 교수자가 이를 데이터로 확인할 수 있는 구조를 구현하고자 했습니다.

최근에는 대학 LMS와의 연동을 통해 진단-학습-평가-수업 운영이 하나의 환경 안에서 이어지도록 고도화되고 있습니다.

─ 풀리캠퍼스는 기초학력 진단, 맞춤형 학습, 학습 데이터 분석 등 AI 기반 학습 지원 기능을 제공하는 것이 특징입니다. 풀리캠퍼스가 기존 대학 교육 시스템과 차별화되는 핵심 기능과 강점은 무엇인지 궁금합니다.

풀리캠퍼스의 가장 큰 차별점은 진단, 학습, 분석이 각각의 기능이 아니라 하나의 교육 흐름으로 설계돼 있다는 점입니다. AI 기반 적응형 진단평가(AI-CAT)를 통해 학생의 수준을 정밀하게 파악하고, 이를 바탕으로 개인별 맞춤 학습 경로와 보완 콘텐츠를 제공합니다. 학습 과정에서 축적되는 데이터를 통해 교수자가 학생별 이해도와 취약 영역도 체계적으로 확인할 수 있습니다.

대학 교육에 맞춘 확장성도 강점입니다. 기초학력 진단을 넘어 교양 및 전공 50여 개 과목과 자격증 과목을 포함해 약 100개 과목, 약 100만 개 문항 기반의 콘텐츠를 운영하고 있습니다. 최근에는 아주대학교, 한림대학교 등에서 LMS와의 연동을 통해 진단-학습-평가-수업 설계가 하나의 흐름으로 운영되고 있습니다.

이는 기존 LMS가 강의자료 관리 중심이었다면, 풀리캠퍼스는 실제 학습 지원과 성취 관리까지 수행하는 AI 학습 플랫폼이라는 점에서 차별화됩니다.

─ 대학에서는 신입생들의 기초학력 격차 문제가 꾸준히 제기되고 있습니다. 풀리캠퍼스의 진단평가와 보완 학습 시스템이 이러한 문제 해결에 어떤 도움을 주고 있는지 설명 부탁드립니다.

대학에서 기초학력 격차는 단순한 성적 차이를 넘어 전공 수업 적응과 학업 지속에도 영향을 미치는 중요한 과제입니다. 풀리캠퍼스는 학생의 수준을 정밀하게 진단하고, 그 결과에 맞춘 보완 학습을 즉시 이어갈 수 있도록 설계돼 있습니다.

AI-CAT은 학생의 응답 수준에 따라 문항 난이도를 실시간으로 조정하는 적응형 평가로, 짧은 시간 안에도 현재 수준을 정밀하게 파악할 수 있습니다. 이를 바탕으로 학생은 취약 영역 중심의 반복 학습과 보완 콘텐츠를 제공받고, 대학은 학생별 맞춤형 기초학력 지원 체계를 운영할 수 있습니다.

실증 결과에서도 진단평가 활용 학생의 83.2%가 성적 향상을 보였고, 89.5%가 기초 개념 복습에 도움이 되었다고 응답했습니다. 이러한 점에서 풀리캠퍼스는 기초학력 문제를 정밀 진단과 선제 지원의 방식으로 접근할 수 있도록 돕고 있습니다.

─ 풀리캠퍼스를 활용한 이후 학생들의 학습 방식이나 성취도에서 나타난 변화가 있다면 사례를 중심으로 소개해 주실 수 있을까요?

풀리캠퍼스 도입 이후 가장 큰 변화는 학생들이 자신의 수준을 막연히 추정하는 것이 아니라, 진단 결과를 바탕으로 구체적인 학습 방향을 설정하게 된다는 점입니다. 기존의 일괄 보충 방식과 달리 취약 개념과 난이도에 맞춘 맞춤형 학습이 이루어지면서 학습 효율도 함께 높아지고 있습니다.

성과 측면에서도 의미 있는 변화가 확인되고 있습니다. 2025년 ‘고등교육 에듀테크 소프트랩’ 실증 결과에 따르면, 진단평가 활용 학생의 평균 성취도는 19점 이상 상승했으며, 응시 학생의 90%가 기초학력 향상 효과를 경험한 것으로 나타났습니다.

아주대학교에서는 LMS와 풀리캠퍼스를 전 과목 단위로 통합해 적용하고 있으며, 학생들이 별도의 플랫폼 이동 없이 익숙한 환경에서 AI 진단과 맞춤 학습을 활용할 수 있게 되면서 학습 지속성과 편의성 측면에서도 긍정적인 변화가 나타나고 있습니다.

─ 풀리캠퍼스는 학생뿐 아니라 교수자에게도 수업 설계와 학습 관리에 필요한 데이터를 제공하는 것으로 알고 있습니다. 대학 수업 운영 측면에서 어떤 도움을 주고 있는지 궁금합니다.

풀리캠퍼스는 학생 지원 플랫폼이면서 동시에 교수자의 수업 운영을 돕는 데이터 기반 도구입니다. 교수자는 진단 결과와 학습 데이터를 통해 학생들의 이해도 차이와 취약 개념, 추가 보완이 필요한 학생군을 보다 구체적으로 확인할 수 있습니다. 특히 대규모 강의나 수준 차가 큰 수업에서 유용하게 활용됩니다.

최근에는 LMS와 연동된 LXP 모델이 확대되면서 활용성이 더욱 높아지고 있습니다. 아주대학교에서는 교수자가 과목별 학습 모듈을 직접 설계할 수 있도록 기능이 고도화됐고, 한림대학교에서도 교양·전공·비교과 수업에 맞춰 코스웨어를 유연하게 구성할 수 있는 구조가 마련되고 있습니다.

이처럼 풀리캠퍼스는 교수자가 학생별 학습 상태를 기반으로 수업을 설계하고 보완 전략을 세울 수 있도록 지원하는 플랫폼입니다.

─ 풀리캠퍼스를 도입한 대학 현장에서 교수자나 학생들이 특히 긍정적으로 평가하는 부분이 있다면 소개해 즐 수 있을까요?

현장에서 가장 긍정적으로 평가받는 부분은 ‘정밀한 진단’과 ‘학습으로의 연결성’입니다. 학생들은 자신의 수준을 빠르게 파악하고, 그 결과에 맞춰 필요한 학습을 바로 이어갈 수 있다는 점에서 높은 만족도를 보이고 있습니다. 특히 기초학력 보완이 필요한 경우, 학습의 출발점을 명확히 제시해 준다는 점이 긍정적으로 평가됩니다.

교수자 측면에서는 학생 간 수준 차이를 데이터 기반으로 파악할 수 있다는 점과 LMS 연동을 통해 기존 수업 흐름 안에서 자연스럽게 활용할 수 있다는 점이 장점으로 꼽힙니다. 아주대학교와 한림대학교 사례처럼 LMS 환경 안에서 통합 운영될 경우, 접근성이 높아지고 수업-진단-보완학습-평가가 하나로 이어지는 구조를 경험할 수 있다는 점에서도 긍정적인 반응이 이어지고 있습니다.

─  AI 기술이 교육 분야 전반으로 확산되고 있습니다. 앞으로 대학 교육에서 AI 기반 학습 플랫폼은 어떤 역할을 하게 될 것으로 보는지 말씀 부탁드립니다.

앞으로 대학 교육에서 AI 기반 학습 플랫폼은 단순한 보조 도구를 넘어 학생의 출발점과 학습 과정, 성취 결과를 연결하는 핵심 학습 인프라로 자리잡을 것으로 보고 있습니다. 다양한 배경과 수준의 학생들이 증가하는 상황에서 AI는 학생별 수준을 정밀하게 파악하고 필요한 학습 지원을 적시에 제공하는 역할을 할 수 있습니다.

대학 교육에서는 ‘강의 전달’뿐 아니라 ‘학습 지속’과 ‘전공 적응’을 지원하는 체계의 중요성이 커지고 있습니다. 이에 따라 AI 플랫폼은 진단평가, 보완학습, 전공 연계, 교수자용 데이터 분석, LXP 운영까지 포함하는 방향으로 발전할 가능성이 큽니다.

풀리캠퍼스 역시 이러한 흐름 속에서 대학이 AI를 교육 행정의 편의 도구를 넘어 학습 혁신의 기반으로 활용할 수 있도록 지원하는 역할을 지향하고 있습니다.

─ 앞으로 풀리캠퍼스를 어떤 방향으로 발전시켜 나갈 계획인지 그리고 대학 교육 혁신을 위해 어떤 역할을 하고자 하는지 말씀 부탁드립니다.

앞으로 풀리캠퍼스는 기초학력 진단과 보완 학습을 넘어 대학 전공 수업 전반에서 학생 맞춤형 학습이 가능하도록 고도화해 나갈 계획입니다. 현재 전공 50여 개 과목과 자격증을 포함한 약 100개 과목으로 확장됐으며, 교수자가 수업 안에서 활용할 수 있는 설계 기능과 학습 데이터 기반 관리 기능도 함께 강화되고 있습니다.

AI가 별도의 서비스가 아니라 LXP 모델로 통합되는 방향에도 주목하고 있습니다. 진단-학습-평가-수업 운영이 하나의 교육 환경 안에서 작동하도록 적용 범위를 확대해 나가고자 합니다. 풀리캠퍼스는 앞으로도 대학이 학생 개개인의 잠재력을 보다 정교하게 발견하고 지원할 수 있도록 돕는 AI 학습 인프라로서 대학 교육 혁신의 기반을 만들어 가겠습니다.