고등학교 인공지능 기초 · 인공지능과 학습 · 2022 개정 교육과정
[12인기02-06] 성취기준 해설과 수업·평가 예시
성취기준 원문
[12인기02-06] 딥러닝을 활용하여 실생활 및 다양한 학문 분야의 문제를 해결하고, 성능을 평가한다.
성취기준 해설
딥러닝을 기반으로 하는 컴퓨터 비전, 음성 인식, 자연어처리 기술을 구현하는 방식을 이용하고, 적합한 딥러닝 기술을 활용하여 실생활 및 다양한 학문 분야의 문제를 해결할 수 있어야 한다. 문제 해결에 있어 딥러닝을 활용해 문제를 해결하는 경우와 다른 방법으로 문제를 해결한 경우의 차이점을 설명할 수 있어야 한다.
쉽게 풀어 보면
컴퓨터 비전, 음성 인식, 자연어 처리 가운데 문제에 맞는 딥러닝 기술을 골라 실제 문제를 해결하고, 그 성능을 평가하는 성취기준이에요. 같은 문제를 규칙 기반 방법으로 풀었을 때와 비교해 딥러닝이 무엇을 더 잘하고 무엇을 더 요구하는지 설명하게 하는 것이 핵심이에요.
학습지 문항 예시 예시
딥러닝으로 생활 문제 해결하기
- 분리배출 쓰레기 사진을 종이, 플라스틱, 캔으로 구분하는 문제에 알맞은 딥러닝 기술 분야를 쓰고 그 이유를 설명하세요.
- 같은 문제를 색과 모양 규칙으로 푸는 프로그램과 딥러닝 모델로 푸는 방법을 비교해 장단점을 하나씩 쓰세요.
- 학습시킨 이미지 분류 모델이 테스트 이미지 200장 가운데 174장을 맞혔다면 정확도는 몇 %인지 구하세요.
- 모델이 자주 틀리는 사진을 모아 원인을 분석하고, 성능을 높이기 위해 데이터를 어떻게 보완할지 제안하세요.
수업 흐름 예시 예시
- 도입: 사진 분류, 음성 받아쓰기, 문장 감정 분석 예시를 보여 주고 각각 어떤 딥러닝 기술 분야에 속하는지 이야기해요.
- 전개 1: 모둠별로 해결할 문제를 정하고, 교육용 학습 도구나 사전 학습 모델에 직접 찍은 사진이나 녹음을 넣어 모델을 학습시켜요.
- 전개 2: 따로 남겨 둔 테스트 자료로 정확도를 측정하고, 틀린 사례를 모아 조명·배경·각도 같은 원인을 분석해요.
- 정리: 규칙 기반 방법으로 풀었을 때와 비교해 딥러닝의 장점과 필요한 비용(데이터, 연산)을 정리해 발표해요.
서술형 평가 문항과 채점 기준 예시
생활 속 문제 하나를 골라 컴퓨터 비전, 음성 인식, 자연어 처리 가운데 적합한 딥러닝 기술로 해결한 과정을 제시하고, 테스트 데이터로 측정한 성능과 오류 분석 결과, 딥러닝이 아닌 방법으로 해결했을 때와의 차이를 서술하시오.
| 수준 | 채점 기준 |
|---|---|
| 상 | 문제에 맞는 딥러닝 기술을 근거 있게 선택해 모델을 구현하고, 테스트 성능과 오류 원인을 분석하며 다른 해결 방법과의 차이를 장단점 측면에서 구체적으로 비교함 |
| 중 | 딥러닝 모델로 문제를 해결하고 성능을 측정했으나 오류 분석이나 다른 방법과의 비교가 부족함 |
| 하 | 모델을 구현했으나 성능 평가가 빠지거나 딥러닝 기술 선택의 근거를 제시하지 못함 |
세특 기재 예시 예시
딥러닝으로 생활 문제를 해결하는 활동에서 분리배출 쓰레기 사진 분류를 주제로 정하고 직접 촬영한 사진으로 이미지 분류 모델을 학습시킴. 테스트 사진에서 투명 플라스틱을 종이로 잘못 분류하는 사례가 많음을 찾아 배경색이 원인일 수 있다고 분석하고 다양한 배경의 사진을 추가해 정확도를 높임. 색 규칙 기반 프로그램과 비교해 딥러닝이 다양한 모양을 처리하는 장점을 설명함.
이 예시는 206자, 나이스 기준 514Byte예요. 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 딥러닝 모델이 높은 정확도를 보이면 어떤 상황에서도 잘 작동한다고 믿기 쉬워요. 학습 사진과 다른 조명이나 배경에서는 성능이 크게 떨어질 수 있으니 틀린 사례를 꼭 모아 보게 하고, 간단한 규칙으로 충분한 문제까지 딥러닝을 쓸 필요는 없다는 점도 함께 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.