고등학교 인공지능 기초 · 인공지능과 학습 · 2022 개정 교육과정
[12인기02-04] 성취기준 해설과 수업·평가 예시
성취기준 원문
[12인기02-04] 훈련 데이터를 이용하여 학습을 진행하고, 테스트 데이터를 사용하여 성능을 평가한다.
쉽게 풀어 보면
데이터를 훈련용과 테스트용으로 나눠 훈련 데이터로만 모델을 학습시키고, 한 번도 보지 않은 테스트 데이터로 성능을 재는 성취기준이에요. 정확도와 혼동 행렬로 결과를 읽고, 훈련 성능만 높고 테스트 성능이 낮은 과대적합을 직접 확인해 보는 것이 수업의 핵심이에요.
학습지 문항 예시 예시
훈련 데이터와 테스트 데이터로 성능 평가
- 데이터 1,000개를 8:2로 나눌 때 훈련 데이터와 테스트 데이터의 개수를 쓰고, 테스트 데이터를 학습에 쓰면 안 되는 까닭을 설명하세요.
- 테스트 데이터 100개의 결과가 실제 양성을 양성으로 40개, 실제 양성을 음성으로 10개, 실제 음성을 양성으로 5개, 실제 음성을 음성으로 45개 예측했을 때 정확도를 구하세요.
- 위 결과에서 실제 양성 가운데 모델이 양성으로 맞힌 비율인 재현율을 구하고, 질병 검사에서 이 값이 중요한 까닭을 쓰세요.
- 훈련 정확도는 99%인데 테스트 정확도는 70%인 모델에서 일어난 문제를 쓰고 해결 방법을 한 가지 제안하세요.
수업 흐름 예시 예시
- 도입: 기출문제의 답만 외운 학생이 새 시험에서 어떤 결과를 얻을지 이야기하며 테스트 데이터가 필요한 이유를 떠올려요.
- 전개 1: 붓꽃이나 손글씨 숫자 같은 공개 데이터셋을 8:2로 나누고 훈련 데이터로 분류 모델을 학습시켜요.
- 전개 2: 테스트 데이터로 예측한 결과를 혼동 행렬로 정리하고 정확도와 재현율을 직접 계산해요.
- 정리: 결정 트리의 깊이를 바꿔 가며 훈련 성능과 테스트 성능의 차이를 비교하고 과대적합의 신호를 정리해요.
서술형 평가 문항과 채점 기준 예시
주어진 데이터셋을 훈련 데이터와 테스트 데이터로 나누어 분류 모델을 학습시키고, 테스트 결과를 혼동 행렬로 정리하여 정확도를 계산한 뒤, 훈련 성능과 테스트 성능을 비교해 모델의 일반화 정도를 평가하여 서술하시오.
| 수준 | 채점 기준 |
|---|---|
| 상 | 데이터를 적절히 분할해 학습과 평가를 분리하고, 혼동 행렬과 정확도를 정확히 계산하며 훈련·테스트 성능 차이로 과대적합 여부를 근거 있게 판단함 |
| 중 | 학습과 평가를 수행하고 정확도를 구했으나 혼동 행렬 해석이나 일반화 평가가 부족함 |
| 하 | 훈련 데이터로 성능을 평가하거나 정확도 계산에 오류가 있음 |
세특 기재 예시 예시
모델 학습과 성능 평가 활동에서 손글씨 숫자 데이터를 8:2로 나누어 분류 모델을 학습시키고 테스트 결과를 혼동 행렬로 정리함. 서로 자주 헷갈리는 숫자 쌍을 행렬에서 찾아 글씨 모양의 유사성으로 원인을 설명함. 결정 트리의 깊이를 늘릴수록 훈련 정확도는 오르지만 테스트 정확도는 떨어지는 구간을 찾아 과대적합을 실험으로 확인함.
이 예시는 184자, 나이스 기준 452Byte예요. 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
학생들은 훈련 데이터에서 정확도가 높으면 좋은 모델이라고 판단하기 쉬워요. 답을 외운 것처럼 처음 보는 데이터에서는 성능이 떨어질 수 있어요. 또 양성이 아주 적은 데이터에서는 모두 음성이라고 답해도 정확도가 높게 나오므로 혼동 행렬을 함께 보게 해 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.