고등학교 인공지능 기초 · 인공지능과 학습 · 2022 개정 교육과정
[12인기02-03] 성취기준 해설과 수업·평가 예시
성취기준 원문
[12인기02-03] 문제 해결에 적합한 기계학습의 유형과 알고리즘을 선정한다.
성취기준 해설
기계학습의 유형을 지도학습과 비지도학습, 강화학습 등으로 구분하고, 해결해야 하는 문제의 특성을 고려하여 문제 해결에 적합한 유형을 선정할 수 있어야 한다. 또한, 분류, 예측, 군집 등에 활용하는 기계학습 알고리즘을 이해하여 문제 해결에 적합한 알고리즘을 선정할 수 있어야 한다.
쉽게 풀어 보면
정답 레이블이 있는 데이터로 배우는 지도학습, 레이블 없이 비슷한 것끼리 묶는 비지도학습, 보상을 받으며 행동을 익히는 강화학습을 구분하고, 문제 특성에 맞는 유형과 알고리즘을 고르는 성취기준이에요. 분류에는 k-최근접 이웃이나 결정 트리, 수치 예측에는 선형 회귀, 군집에는 k-평균처럼 문제와 알고리즘을 짝짓는 연습이 핵심이에요.
학습지 문항 예시 예시
문제에 맞는 학습 유형 고르기
- '스팸 메일 거르기', '고객을 구매 성향별로 묶기', '게임 캐릭터가 미로를 빠져나가도록 학습시키기'를 지도학습, 비지도학습, 강화학습으로 구분하세요.
- 내일의 최고 기온을 예측하는 문제와 내일 비가 올지 말지를 맞히는 문제가 각각 분류와 회귀 가운데 무엇인지 쓰세요.
- k-평균 군집에서 k값을 너무 크게 잡았을 때 생길 수 있는 문제를 예로 들어 설명하세요.
- k-최근접 이웃 분류에서 k=3일 때 가장 가까운 이웃이 사과, 배, 사과라면 새 데이터는 무엇으로 분류되는지 쓰세요.
수업 흐름 예시 예시
- 도입: 정답을 알려 주는 선생님, 정답 없이 스스로 묶어 보는 정리, 점수를 받으며 익히는 게임을 비유로 세 학습 유형을 떠올려요.
- 전개 1: 레이블 유무, 출력 형태, 보상 여부를 기준으로 여러 문제 카드를 지도·비지도·강화학습으로 분류해요.
- 전개 2: 분류, 회귀, 군집 문제에 맞는 대표 알고리즘(k-최근접 이웃, 결정 트리, 선형 회귀, k-평균)의 작동 방식을 그림으로 비교해요.
- 정리: 모둠이 정한 프로젝트 문제에 알맞은 학습 유형과 알고리즘을 고르고 선택 이유를 한 문장으로 발표해요.
서술형 평가 문항과 채점 기준 예시
서로 다른 세 가지 문제 상황을 제시받아 각 문제에 적합한 기계학습 유형과 알고리즘을 선정하고, 데이터의 레이블 유무와 출력 형태 등 문제 특성을 근거로 선정 이유를 서술하시오.
| 수준 | 채점 기준 |
|---|---|
| 상 | 세 문제의 특성을 레이블 유무, 출력 형태, 보상 구조로 분석해 유형과 알고리즘을 모두 적절히 선정하고, 다른 선택지가 덜 적합한 이유까지 설명함 |
| 중 | 학습 유형은 적절히 선정했으나 알고리즘 선정 근거가 부족하거나 한 문제의 선택이 부적절함 |
| 하 | 학습 유형을 혼동하거나 문제 특성과 관계없이 알고리즘을 선택함 |
세특 기재 예시 예시
기계학습 유형과 알고리즘을 선정하는 활동에서 문제 카드를 레이블 유무와 출력 형태 기준으로 분류하며 지도학습 안에서도 분류와 회귀를 구분해 설명함. 모둠 프로젝트인 동아리 추천 문제가 정답 레이블이 없는 상황임을 파악하고 학생 관심사를 묶는 k-평균 군집을 제안함. 군집 수를 바꿔 가며 결과를 비교하는 계획까지 세움.
이 예시는 178자, 나이스 기준 440Byte예요. 과목별 세특은 1,500Byte(500자)까지 써요. 내 문장은 나이스 글자수·바이트 계산기로 세어 볼 수 있어요.
세특에는 학생이 실제로 한 활동과 교사가 관찰한 내용만 써요. 대회명·기관명처럼 쓰면 안 되는 내용은 생기부 기재 금지 사전에서 확인할 수 있어요.
학생들이 자주 헷갈리는 점
예측이라는 말이 들어가면 모두 회귀라고 여기는 실수가 많아요. 비가 올지 말지처럼 범주를 맞히면 분류이고, 기온처럼 연속된 수치를 맞히면 회귀예요. 또 비지도학습의 군집 결과에는 정답 이름이 붙어 나오지 않아 사람이 해석해야 한다는 점도 짚어 주세요.
이 영역의 적용 시 고려 사항 (고시 원문)
- 해결하고자 하는 문제에 따라 기계학습의 사용이 적합한지를 판단할 수 있도록 적절한 문제 상황을 선정하도록 하며, 기계학습에서 데이터의 중요성을 인식하고, 데이터를 수집하는 과정에서 데이터가 편향되지 않게 충분히 안내하도록 한다.
- 기계학습과 딥러닝을 구현하는 과정에서 학습자의 수준에 따라 코드 작성의 방식을 달리 구성할 수 있다. 프로그래밍 역량이 낮은 학생은 이미 작성된 코드를 실행시켜 코드를 이해한 후 차츰 코드 일부를 수정하는 방식으로 학습할 수 있도록 하고, 프로그래밍 역량이 높은 학생은 작성이 완료되지 않은 코드를 스스로 완성하여 실행시킬 수 있도록 하는 등 교수·학습 단계를 세부적으로 구성하여 학습자의 흥미가 유지되도록 한다. 또한, 기계학습과 딥러닝을 코드로 구현하는 학습을 원활하게 진행하기 위해, 다양한 라이브러리 활용 방법을 충분히 안내한다.
- 문제 해결에 사용된 데이터와 기계학습 유형, 기계학습 알고리즘이 해결하고자 하는 문제의 특성에 비추어 적합한지를 평가한다. 또한, 이미 개발되어 있는 딥러닝 프로그램 코드의 활용을 권장하되 실생활 및 다양한 학문 분야의 문제를 스스로 생각하여 해결할 수 있도록 교수·학습을 구성하고, 학생의 학습 과정과 창의적인 아이디어를 중심으로 평가 루브릭을 작성하여 평가하도록 한다.
같은 영역의 다른 성취기준
왓퀴즈는 이런 AI예요
왓퀴즈는 한국 학교의 수업과 기록 업무에 맞춘 교사용 AI예요. 이 사전과 같은 2022 개정 교육과정 성취기준 데이터로 학습지, 수업 PPT, 평가계획서 초안을 만들고, 2026학년도 학교생활기록부 기재요령 원문을 바탕으로 세특 초안을 쓰고 기재 금지 표현을 검사해요.