*Ghatgpt5와 함께 작성합니다.
아래 정리는 2025년 10월 21일 기준 최신 보고서(WEF, IMF, ILO, OECD, UNESCO, 한국은행·교육부 등)를 토대로 했습니다. 핵심 수치→직업 변화 지도→핵심 역량 전환→교육(수업) 방향→수업 설계 예시→실행 체크리스트 순서로 보시면 됩니다.
1) 한눈에 보는 핵심 포인트
- 일자리 총량의 ‘순증’ 가능성: 2025–2030년 사이 구조적 전환으로 전체 일자리의 22%가 변동(신규 14%·소멸 8%)—순증 7%(7,800만개) 전망. 빠르게 느는 직무는 AI/빅데이터, 소프트웨어, 핀테크, 사이버보안, 재생에너지·전기차, 간호·돌봄, 교원 등. 반대로 서무·사무(클러컬), 은행창구, 우편, 데이터 입력 등은 감소세가 가장 뚜렷. (World Economic Forum)
- AI 노출도·격차: 선진국은 일자리의 약 60%가 AI에 ‘높은 노출’(이 중 절반은 보완적·절반은 대체 위험). 신흥국은 노출이 낮지만 준비도(인프라·역량) 격차로 디지털 격차 심화 위험. 여성·고학력·사무직의 노출이 상대적으로 높음.
- ‘직무’가 아니라 ‘과업’이 자동화: ILO 분석은 직업의 전면 대체보다는 업무단위(과업) 자동화가 중심이라 진단. 특히 **사무·서무(Clerical)**는 고노출. (International Labour Organization)
- 기술+인간 역량의 동시 강화: 2025–2030년 보유 기술의 39%가 불안정(업데이트 필요). 기업은 AI·빅데이터, 네트워크·보안, 기술 리터러시를 최상위 수요 기술로 꼽고, 분석·창의·회복탄력성·리더십 같은 인간 역량을 함께 중시. 근로자 59% 재·업스킬 필요, 기업 85%는 업스킬을 최우선 전략으로 답변. (World Economic Forum)
- 한국 맥락: 한국은행 분석에 따르면 **국내 취업자 약 341만 명(12%)**이 AI 대체 가능성이 높은 직무에 종사. 고소득·고학력층일수록 인지·분석 업무 비중이 커 AI 노출이 더 큼. (Bank of Korea)
- 정책 흐름: 한국은 2025년부터 수학·영어·정보(일부 특수 국어)에서 ‘AI 디지털교과서’(AIDT) 도입, 2028년까지 단계적 전과목 확대 로드맵을 발표. (Korea.kr)
2) 직업 변화 지도(2025–2030)
빠르게 성장하는 분야
- 기술·데이터: AI·ML 전문가, 빅데이터 스페셜리스트, 소프트웨어/앱 개발자, 핀테크 엔지니어, 네트워크/사이버보안. (World Economic Forum)
- 그린·모빌리티: 재생에너지·환경 엔지니어, 전기·자율주행차 전문직. (World Economic Forum)
- 휴먼서비스/공공: 간호·돌봄, 사회복지·상담, 교원(중등·고등) 등 대면 서비스와 인구구조 변화 대응 직무. (World Economic Forum)
- 현장/프런트라인: 농업, 건설, 물류·배송, 판매 등은 볼륨 성장. 자동화·로봇과 협업 역량이 관건. (World Economic Forum)
감소·재편되는 분야
- 사무·서무·단순 사무처리: 행정·비서·데이터 입력·은행창구·우편 등. 문서 요약·기안·간단 질의응답 등 LLM이 빠르게 대체. (World Economic Forum)
- 루틴 고객응대 일부: 콜센터·기초 IT헬프데스크 등은 AI가 1차 대응, 사람은 고난도·감정노동으로 이동. (참고: 실제 기업 현장 사례가 빠르게 확산 중). (World Economic Forum)
지역·계층별 쟁점
- 선진국: 고노출(60%)이나 보완적 활용 여지도 큼—정책·교육이 승부.
- 신흥국: 노출은 낮지만 인프라·인적자본 취약 → 격차 확대 위험.
- 성별·학력: 여성·고학력층이 사무·지식직 집중으로 노출 높음(단, 보완적 활용 시 보상 가능).
3) ‘필요 역량’의 재정의
- 기술 역량(Tech): AI·데이터 이해, 프롬프트/에이전트 활용, 보안·프라이버시, 클라우드·API 기초, 자동화 도구. AI·빅데이터·보안·기술 리터러시가 가장 빠르게 증가하는 기술. (World Economic Forum)
- 인간 역량(Human): 분석적 사고, 창의성, 문제정의, 리더십·사회적 영향, 회복탄력성·민첩성 등. (World Economic Forum)
- 학습 역량(Learning): 호기심·평생학습, 메타인지적 자기주도 학습. (World Economic Forum)
- 정책·노동시장 신호: AI 보유 기술의 임금 프리미엄(예: 프롬프트 등) 확대—기업·학습자 모두에 강력한 인센티브(글로벌). (PwC)
- 교사·교육체제: OECD는 교사부족 확대(2015→2022, 부족 학교 29%→46.7%) 속에서 AI 시대 교원 역량 재설계를 권고. (OECD)
4) 교육(수업)은 어디로 가야 하나? — 전략 10
- AI 리터러시 전 교과(전 학년) 내재화
- 원리·한계(환각/편향), 프롬프트·에이전트 활용, 출처검증, 개인정보·저작권, 투명한 사용기록. UNESCO 가이드의 “인간 중심·책임있는 활용” 원칙을 수업 규범으로 채택. (UNESCO)
- 데이터·컴퓨팅 기반 문제해결(모든 과목에서)
- 통계·시각화·간단한 자동화(스크립트)·API 활용을 과제에 스며들게 하고, 정보(컴퓨팅) 과목은 심화·선택 트랙(예: 보안·AI 수학·클라우드)으로 차별화. (한국은 2025년 정보 교과·AIDT 도입이 레버리지). (Korea.kr)
- AI-보조 프로젝트 기반 학습(PBL)
- AI는 ‘정답 기계’가 아니라 탐구·창작을 돕는 코파일럿. 목적 없이 쓰면 **‘앵무새형 산출’**에 머문다는 UNESCO 경고를 과제 설계에 반영. (예: 자료조사→AI 초안→사실검증→현장 인터뷰→재서술). (UNESCO Documents)
- 평가 혁신: 과정·구술·현장과제 중심
- AI 사용기록(프로세스 로그) 제출, 개별 구술(Oral Defense), 동료·자기평가 비중 확대. 산출물만 보는 평가를 지양. OECD·여러 규제기관도 구술평가 보강을 권고. (OECD)
- 교사 전문성 개발(PD) 3축
- (a) 디지털·AI 실습형 PD, (b) 수업디자인 클리닉(프로젝트·평가 재구성), (c) 윤리·저작권·보안. 학내 AI 리더 교사를 지정하고 사례 공유. (OECD)
- 진로·직무 탐색의 데이터화
- 지역 산업·채용 데이터, 전문가 인터뷰, 직무 그림자체험(Job shadowing)과 마이크로자격 연계(예: 데이터 시각화 배지). AI 기술 보유 시 임금 프리미엄 같은 실제 신호를 학생에게 가시화. (PwC)
- 휴먼서비스 역량 강화(간호·돌봄·교육·상담)
- 고령화·돌봄 확대 추세 반영. 공감·의사소통·윤리적 판단 훈련을 심화(역할극·시뮬레이션). (World Economic Forum)
- 보안·프라이버시·디지털 시민성 상시 교육
- 학내 AIDT·플랫폼 도입 시 접근권한·개인정보 보호·저작권 가이드라인을 학생·교사 모두 체화. (UNESCO)
- 산학·지자체 연계 캡스톤
- 그린/도시문제/보건/제조 등 지역 의제를 PBL로 가져와 기업 멘토링+현장 검증. WEF가 제시한 그린·모빌리티·보안 수요와 연결. (World Economic Forum)
- 인프라·교재 혁신
- AI 디지털교과서(AIDT)와 개인화 학습 분석을 수업 운영의 기본 도구로. 학교는 디바이스/네트워크·접근성 표준을 갖추고, 학부모 커뮤니케이션을 체계화. (Korea.kr)
5) 수업 설계 예시(바로 적용 가능)
A. 4주 PBL: “우리 동네 에너지절약 솔루션”
- 핵심 질문: 우리 학교/동네에서 실현 가능한 에너지 절감 방안은?
- 절차: (1) 문제정의(현황 데이터 수집) → (2) AI로 가설 제안(근거 출처 명시) → (3) 현장 인터뷰/측정 → (4) AI로 시나리오 시뮬레이션 → (5) 실행·피드백 → (6) 구술발표(개인 기여+AI 사용기록 제출).
- 성과물: 1쪽 정책브리프+대시보드+3분 피치.
- 평가 루브릭: 문제정의(20)·데이터 품질(20)·AI 활용의 투명성/근거성(20)·현장 타당성(20)·커뮤니케이션(20).
- 연계 교과: 과학/수학/사회/정보/국어.
→ 그린·데이터·의사소통 동시 강화(WEF·UNESCO 권고 부합). (World Economic Forum)
B. 2주 글쓰기 스튜디오: “AI-확장 비판적 글쓰기”
- 목표: AI의 초안/개요 도움을 사실검증·재서술·반론 제시로 ‘사람의 비판성’으로 끌어올리기.
- 활동: AI 초안→증거 재탐색→반론 추가→출처 주석→개별 구술.
- 주의: AI 앵무새식 산출 방지(반증·원자료 체크 필수). (UNESCO Documents)
C. 진로 주간: “AI 시대 직무 탐색 리서치”
- 과제: 관심 직무의 AI 노출/보완 포인트와 요구 기술 매핑(직무 2개 비교), 임금·수요 신호 조사, 1쪽 로드맵 작성.
- 인사이트 출처: WEF 성장/감소 직무, IMF/ILO의 노출·보완 프레임, 임금 프리미엄·생산성 사례. (World Economic Forum)
6) 학교·대학·지자체 실행 체크리스트
학교(초·중·고)
- 교과별 AI 사용 규범·표절·출처·개인정보 가이드 공개(학생·학부모 포함). (UNESCO)
- AIDT 도입 과목(’25 수학·영어·정보·특수 국어) 중심의 PBL 단원 설계. (Korea.kr)
- 평가 다변화(구술, 과정 로그, 팀·개인 기여 분리). (OECD)
- 교사 PD 트랙 3종(도구 실습/수업디자인/윤리·보안) 개설. (OECD)
대학(전공·교양)
- 전공별 AI-도구 키트(코딩, 데이터, 설계·창작 도구) 표준화.
- 캡스톤·산학 프로젝트에 지역 과제(그린·헬스·제조) 상시 연계. (World Economic Forum)
- 마이크로자격(데이터 분석, 보안 기초, LLM 활용 등)–현장 채용 연계. (PwC)
지자체/교육청
- 인프라 표준(디바이스·네트워크·접근성)·보안·윤리 프레임 마련. (UNESCO)
- 지역 산업과 직무 체험/멘토링 플랫폼 구축(돌봄·그린·제조·물류). (World Economic Forum)
참고/근거(선정 핵심 출처)
- WEF Future of Jobs 2025: 2030까지 일자리 신규 1억7천만·소멸 9,200만(순증 7,800만), 성장·감소 직무, 기술·인간 역량 수요, 스킬 불안정 39%, 재·업스킬 59% 필요 등. (World Economic Forum)
- IMF(2024) Gen-AI and the Future of Work: 세계 고용의 약 40% AI 노출, 선진국 60% 고노출(보완/대체 반반), 여성·고학력·고령층 영향 분석.
- ILO(2023/2025): 직업 전면 대체보다 과업 자동화가 중심, 사무·서무(Clerical) 고노출; 2025년 업데이트는 노출지수 방법론 정교화. (International Labour Organization)
- OECD Education Policy Outlook 2024: 교사부족 심화(부족 보고 학교 29%→46.7%), AI 시대 교원역량 재설계 권고. (OECD)
- UNESCO(2023, 2025 업데이트): 생성형 AI 교육·연구 가이드—사람 중심·책임 있는 활용, 목적 없는 사용 시 ‘피상적 산출’ 위험. (UNESCO)
- 한국은행 이슈노트(2023-30): 한국 취업자 약 341만명(12%) AI 대체 고위험, 고소득·고학력일수록 노출 높음. (Bank of Korea)
- 교육부/정부 정책브리핑: 2025 AIDT 도입, 2028년까지 단계 확대 로드맵. (Korea.kr)
- McKinsey(2023): 생성형 AI의 연 2.6~4.4조 달러 가치 잠재력—생산성·업무 재편 시나리오. (McKinsey & Company)
- PwC(2025) AI Jobs Barometer: AI 기술 보유 임금 프리미엄 확대, 전 산업 AI 활용 확산. (PwC)
마무리 제안
- **교과서–수업–평가–진로지도의 ‘AI 일관성’**을 만드세요(학급 규범·AIDT·PBL·구술평가·로그). 2) 교사 PD와 학내 선도교사 네트워크부터 가동하세요. 3) 지역 기업·기관 과제를 교실 안으로 끌어오세요(그린/돌봄/제조/보안). 4) 학생 개인화 로드맵(기초 Tech+Human+직무 역량)을 매 학기 업데이트하세요.
아래는 **중학교용·고등학교용 한 학기 PBL 계획서와 평가 루브릭(즉시 사용 가능)**입니다.
그대로 복붙해 교내 양식에 맞춰 다듬어 쓰시면 됩니다.
(구성: 개요 → 주차별 운영안 → 수업·평가 설계 → 루브릭(팀/개인/구술) → 부록 템플릿)
1) 중학교 한 학기 PBL
주제: “급식 음식물쓰레기 30% 줄이기”
- 핵심 질문: 우리 학교는 어떻게 음식물쓰레기를 과학적으로 줄일 수 있을까?
- 기간: 16주(주 1–2차시 기준, 블록타임 운영 권장)
- 최종 산출물
- 1쪽 정책브리프(현황·원인·해결안·예상효과)
- 데이터 대시보드(스프레드시트/노코드 BI)
- 3분 피치 & 시각자료(포스터/인포그래픽)
- 교과 연계: 과학(환경)·수학(통계)·기술가정(식생활)·국어/영어(의사소통)·정보(데이터/AI 리터러시)
- 필수 도구: 스프레드시트, 설문/표본추출 양식, 시각화 도구, 생성형 AI(아이디어·초안·요약·번역 보조)
- AI 사용 규범(수업 내 공통): 개인정보 미입력, AI 사용로그 제출 필수, 출처 검증, 환각 가능성 안내, 팀 내 AI 담당(에디터/팩트체커) 지정
주차별 운영안(16주)
주차 목표/활동 산출물(형성평가)
| 1 | 프로젝트 소개·평가 안내·팀빌딩, AI 사용 규범 학습 | 팀 규칙·역할카드, AI 사용 서약 |
| 2 | 문제정의(우리 학교 현황 파악), 이해관계자 매핑 | 문제정의 캔버스 v1 |
| 3 | 데이터 계획(측정항목·방법·주기), AI로 설문 초안 만들고 교사와 검토 | 조사계획서 v1 |
| 4 | 파일럿 조사/계측(소집단), 도구 보정(계량·기입오류 점검) | 파일럿 데이터셋 |
| 5 | 전체 조사 1차(1주간), 관찰·인터뷰 병행 | 일일기록표 |
| 6 | 기초통계(평균·중앙값·최빈값·분산), AI로 그래프 설명문 초안 | 시각화 1차, 설명문 초안 |
| 7 | 원인분석(상관/인과 구분), 가설 설정 | 인과지도(원인–결과) |
| 8 | 해결안 아이디에이션(저비용·즉시 적용 중심), 실험 설계(AB/사전-사후) | 개입설계서 |
| 9 | 실험 1차 실행(포스터·동선 조정·메뉴 라벨링 등) | 실행기록·현장사진 |
| 10 | 중간분석·피드백, AI로 요약/반론 정리 | 중간보고 슬라이드 |
| 11 | 실험 2차 실행(개선안 반영) | 실행기록 2차 |
| 12 | 커뮤니케이션 제작(포스터/영상), AI는 초안·번역 보조 | 시안/스토리보드 |
| 13 | 캠페인 주간(학년/학급 대상 안내·홍보) | 캠페인 운영 로그 |
| 14 | 최종 데이터 수집·분석(전/후 비교) | 최종 데이터셋 |
| 15 | 정책브리프 작성·피치 리허설, AI 사용로그 정리 | 브리프 초안·로그 |
| 16 | 최종 발표(전시·구술), 성찰 에세이 | 발표·성찰문 |
수업·운영 포인트
- 팀 역할: PM, 데이터리드, 리서치리드, 커뮤니케이션, AI·윤리 담당
- 차별화(학습 수준 맞춤)
- 기초: 평균/비율 중심 분석, 표준 그래프
- 심화: 중심극한·표본오차 개념 맛보기, AB 테스트 설계·분석
- 안전/윤리: 급식실 사진 촬영 승인, 개인 식습관·얼굴 정보 비수집, 인터뷰 동의
평가 설계(중학교)
- 합산: 팀 산출물 40% + 개인 과정 40% + 구술 20%
- 형성평가: 주차별 체크인(피드백 중심, 점수 10% 내 포함 가능)
[팀 산출물 루브릭 – 중학교] (40점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 문제정의·목표(8) | 데이터·관찰 근거로 문제 범위와 **정량 목표(%)**를 명확히 설정 | 문제와 목표 제시, 근거 일부 부족 | 문제는 있으나 목표 모호 | 단순 주장·근거 거의 없음 |
| 데이터 품질·분석(10) | 표본계획 적절, 오류 정정, 전/후 비교와 설명 통계가 타당 | 수집·정리가 대체로 적절, 일부 누락 | 수집은 했으나 구조화 미흡 | 신뢰 어려운 데이터 |
| 해결안·실행(10) | 현실적·저비용, 행동 설계와 실행 충실 | 실행했으나 범위/정밀도 보통 | 제안은 있으나 실행 제한적 | 실행 근거/내용 빈약 |
| 시각화·커뮤니케이션(6) | 메시지 명확, 그래프/포스터 읽기 쉬움 | 전달 가능, 개선 여지 | 복잡/산만 | 해석 어려움 |
| AI 활용·윤리(6) | AI 로그 제출, 환각·편향 체크·출처 표기 완비 | 로그 제출, 출처 일부 미비 | 사용 불투명, 검증 약함 | 표절/개인정보 노출 위험 |
[개인 과정 루브릭 – 중학교] (40점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 기여 증빙(15) | 산출물의 명확한 개인 흔적(초안/커밋/노트) 풍부 | 기여 기록 충분 | 일부 기여 | 근거 부족 |
| 협업·시민성(8) | 역할 수행·존중·갈등해결 우수 | 대체로 성실 | 부분적 소극 | 방해·무성의 |
| 학습 성찰(10) | 가설→증거→수정의 메타인지 명료 | 성찰 있음 | 피상적 | 없음 |
| 시간관리(7) | 마감 준수·자기주도 높음 | 대체로 준수 | 지연 일부 | 반복 지연 |
[개별 구술 루브릭 – 중학교] (20점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 방법·근거 설명(8) | 수집·분석·해석 과정과 한계를 또렷이 설명 | 과정 설명 가능 | 부분적 기억 | 설명 곤란 |
| 반론 대응(4) | 데이터로 반론에 근거 제시 | 대체로 대응 | 모호 | 대응 불가 |
| 명료성·태도(4) | 구조화·발화 명확 | 대체로 명료 | 산만 | 매우 불명료 |
| AI 규범 준수(4) | 로그·출처·윤리 철저 | 대체로 준수 | 일부 미흡 | 위반 정황 |
2) 고등학교 한 학기 PBL
주제: “지역 교통안전 데이터로 스쿨존 사고 위험 낮추기”
- 핵심 질문: 우리 동네 스쿨존의 사고 위험 요인은 무엇이며, 어떤 개입이 비용 대비 효과적인가?
- 기간: 16주
- 최종 산출물
- 3쪽 정책 브리프(데이터·분석·개입·비용/효과)
- 분석 리포트(재현 가능한 데이터 처리 절차 포함: 스프레드시트/파이썬 노트)
- 프로토타입(표지·동선 설계/와이어프레임/캠페인) + 5분 구술 디펜스
- 교과 연계: 수학(확률·통계)·과학(물리: 정지거리·마찰)·사회(행정/정책)·정보(데이터/코딩)·국어/영어(논증/보고)·미술(시각디자인)
- 데이터 소스 운영: 공공데이터(기존 공개셋) 또는 교사가 제공한 가공 샘플셋 사용(법·개인정보 준수)
- AI 활용 권장: 문헌·사례 요약, 코드 코파일럿(주석·테스트 필수), 스토리보드 초안, 증거 기반 RAG형 요약(출처 제시)
주차별 운영안(16주)
주차 목표/활동 산출물(형성평가)
| 1 | 문제 소개·사례·평가 안내, 팀 구성·역할 배분 | 킥오프 캔버스 |
| 2 | 데이터 파이프라인 설계(변수·단위·품질), AI로 위험요인 후보 도출 | 데이터딕셔너리 v1 |
| 3 | 데이터 확보·정제(결측/이상치 처리), 기록 자동화(함수/간단 스크립트) | 정제 로그 |
| 4 | 기술통계·시각화(분포/상자수염/히트맵), AI로 인사이트 초안 | EDA 리포트 |
| 5 | 가설 설정·모형 설계(선형/로지스틱 등 기초 회귀 선택 가능) | 분석설계서 |
| 6 | 1차 분석·해석, 민감도 점검(변수 제외/변환) | 분석 노트 |
| 7 | 현장 관찰·인터뷰(학교·학부모·주민), 윤리·허가 준수 | 인터뷰 요약 |
| 8 | 개입안 아이디에이션(엔지니어링/행동디자인/캠페인), 비용-효과 추정 | 개입 포트폴리오 |
| 9 | 프로토타입 제작(모형/UX/표지 설계), 파일럿 테스트 설계 | 프로토타입 v1 |
| 10 | 파일럿 실행·피드백 수집 | 실행 로그 |
| 11 | 2차 분석: 개입효과(전/후 혹은 유사통제 비교), 불확실성 논의 | 결과 표·그래프 |
| 12 | 정책 브리프 골격, AI로 반론·한계 섹션 초안 | 브리프 초안 |
| 13 | 의사결정자 피치 리허설(구청/학교운영위 가정) | 피드백 시트 |
| 14 | 최종 브리프·리포트 완성(재현가능성 체크리스트) | 재현성 체크 |
| 15 | 최종 발표(5분 피치+Q&A), 산출물 제출, AI 사용로그 제출 | 발표자료·로그 |
| 16 | 사후 성찰·후속 제안(현장 전달/언론보도문 초안) | 성찰·후속계획 |
평가 설계(고등학교)
- 합산: 팀 산출물 45% + 개인 과정 35% + 구술 20%
[팀 산출물 루브릭 – 고등학교] (45점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 문제정의·연구질문(9) | 문헌·현장 근거로 측정 가능한 RQ와 범위 명확 | RQ·범위 제시 | RQ 모호 | 근거 부족 |
| 데이터·방법의 타당성(12) | 정제·코드/시트가 재현 가능, 방법 선택 근거 명료 | 정제·방법 적절 | 일부 임의적 처리 | 불투명/재현 불가 |
| 분석·해석(10) | 통계/기초 회귀 해석 정확, 교란/한계 논의 | 핵심 지표 해석 가능 | 해석 얕음 | 오류 다수 |
| 개입안·비용효과(8) | 비용–편익 근거 제시, 리스크·규제 검토 | 실행 가능성 있음 | 실행 계획 미흡 | 실현성 낮음 |
| AI 활용·윤리(6) | 로그·출처·검증 완비, 환각·편향 대응 수행 | 대체로 준수 | 일부 미흡 | 위반/표절 정황 |
[개인 과정 루브릭 – 고등학교] (35점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 개인 기여·증빙(15) | 커밋/주석/노트로 정량+정성 증빙 명확 | 증빙 충분 | 부분적 | 불충분 |
| 전문기술 성장(8) | 데이터·도구·모형 활용 역량 뚜렷한 성장 | 성장 관찰 | 제한적 | 미미 |
| 협업·리더십(6) | 조율·갈등관리·피드백 주고받기 우수 | 대체로 협력 | 소극적 | 방해적 |
| 성찰·윤리(6) | 판단 근거·한계·윤리 고민 깊이 제시 | 성찰 있음 | 피상적 | 없음 |
[개별 구술 루브릭 – 고등학교] (20점)
기준(가중치) 우수(4) 적정(3) 기본(2) 미흡(1)
| 방법론 이해(8) | 지표·모형 가정·한계까지 정확 설명 | 핵심 설명 가능 | 부분적 기억 | 이해 부족 |
| 반론·민감도(4) | 데이터로 반론 대응·민감도 언급 | 대응 가능 | 모호 | 불가 |
| 전달력(4) | 구조 명확·시간 준수 | 대체로 명료 | 산만 | 매우 불명료 |
| AI 규범 준수(4) | 로그·출처·검증 완비 | 대체로 준수 | 일부 미흡 | 위반 정황 |
3) 공통 부록 템플릿
A. AI 사용 로그 템플릿(팀·개인 공통 제출)
날짜 사용 도구 목적(아이디어/요약/코드/번역/시각화 등) 입력 요약 산출 요약 검증 방법(출처·재현 등) 개인정보 포함 여부 한계·수정 사항 작성자
B. 형성평가 체크인(매주 5~10분)
- 이번 주 진척(완료/지연/리스크)
- 다음 주 계획(명확한 산출물)
- 필요한 지원(기술/현장/승인)
- AI 사용 여부·검증 방식 보고
C. 팀 협업 계약서(요약)
- 역할·마감·회의 규칙, 의사결정(합의/다수결), 갈등해결 절차, AI 윤리 담당 지정, 표절·허위 데이터 금지
D. 재현가능성 체크리스트(고등학교권장)
- 데이터 원천·버전 기록, 정제 규칙, 분석 스크립트/수식 공유, 결과 재생성 확인
E. 보호자/현장 협력 안내
- 사진·영상 촬영 동의, 인터뷰 동의서, 개인정보 비수집 원칙, 교내·지자체 협력 요청 공문 초안
4) 운영·평가 요령(현장 팁)
- 점수 산식 예시(중/고 공통):
최종점수 = 팀(0.40/0.45) + 개인(0.40/0.35) + 구술(0.20)
(형성평가는 개인·팀 항목에 포함하거나 10% 내 별도 반영) - 표절·AI 위반 처리: 최초 적발 시 수정·재제출, 반복 시 해당 항목 0점 및 학급 규정 적용
- 다중언어 학습자/특수교육 지원: 쉬운 한국어 버전 안내문, 그래픽 오거나이저, 구술 대신 1:1 인터뷰 평가 선택 제공
- 시간 압축판(12주): 1–2주차 통합, 실험 1회, 브리프·발표 1주 단축
5) 바로 배포용 요약(한 장 계획서)
중학교: 문제정의→데이터 수집→원인분석→개입 설계·실행→평가·보고(16주) / 최종: 정책브리프·대시보드·피치 / 평가: 팀40·개인40·구술20
고등학교: 데이터 파이프라인→EDA·모형→현장조사→개입·비용효과→재현가능 보고·피치(16주) / 최종: 정책브리프·분석리포트·프로토타입 / 평가: 팀45·개인35·구술20
'나를 바까 > 시나브로 장학사의 고군분투기' 카테고리의 다른 글
| 바쁘다 바빠 ㅠ.ㅠ (0) | 2025.10.22 |
|---|---|
| 할일 프로그램 정리 (0) | 2025.10.22 |
| 밴드 사용 권장 운동(왜 카카오톡 PC버전은 못 쓸까?) (0) | 2025.10.04 |
| 잘하고 있나요? (0) | 2025.09.22 |
| 초중고, 중고등학교가 한 단어? (0) | 2025.09.09 |