고등학교 인공지능 수학 · 텍스트 데이터 처리 · 2022 개정 교육과정
[12인수02-03] 성취기준 해설과 수업·평가 예시
성취기준 원문
[12인수02-03] 인공지능이 텍스트를 특성에 따라 분석하는 수학적 방법을 설명할 수 있다.
성취기준 해설
영화 리뷰, 기사 등 다양한 텍스트 데이터의 감성 정보를 분석하고, 텍스트들 사이의 유사한 정도를 분석하게 한다. 이때 유클리드 유사도, 코사인 유사도, 자카드 유사도 등을 다룰 수 있다. 코사인 유사도에서 내적과 관련된 용어 및 기호는 사용하지 않는다.
쉽게 풀어 보면
영화 리뷰나 기사 같은 텍스트를 벡터로 바꾼 뒤 감성 점수를 매기고, 텍스트끼리 얼마나 비슷한지 유클리드 거리, 코사인 유사도, 자카드 유사도로 계산해 비교하는 성취기준이에요. 같은 두 문서라도 거리로 보느냐, 방향으로 보느냐, 공통 단어의 비율로 보느냐에 따라 판단이 달라지는 이유를 설명하는 것이 핵심이에요.
학습지 문항 예시 예시
리뷰 텍스트의 감성과 유사도 계산
- 감성 사전에서 '재미있다'와 '감동적이다'는 +1, '지루하다'와 '아쉽다'는 -1일 때, '재미있다, 아쉽다, 감동적이다'가 들어 있는 리뷰의 감성 점수를 구하고 긍정과 부정 중 어느 쪽인지 쓰세요.
- 단어 순서 (재미, 감동, 지루)로 리뷰1=(1, 1, 0), 리뷰2=(1, 0, 1)일 때 두 리뷰 사이의 유클리드 거리를 구하세요.
- 같은 두 리뷰의 코사인 유사도를 같은 위치의 성분끼리 곱해 더한 값을 두 벡터의 크기의 곱으로 나누어 구하세요.
- 리뷰1의 단어 집합 {재미, 감동}과 리뷰2의 단어 집합 {재미, 지루}의 자카드 유사도를 구하세요.
- 리뷰3=(2, 2, 0)은 리뷰1과의 유클리드 거리가 리뷰2와 같은 √2인데, 리뷰1과의 코사인 유사도는 얼마인지 구하고 차이를 설명하세요.
수업 흐름 예시 예시
- 도입: 짧은 영화 리뷰 여러 개를 읽고 긍정과 부정을 손으로 분류한 뒤, 컴퓨터가 같은 일을 하려면 무엇이 필요할지 이야기해요.
- 전개 1: 감성 사전의 점수를 단어마다 더해 리뷰별 감성 점수를 구하고, 부정 표현이 섞여 점수 합산이 틀리는 사례를 찾아요.
- 전개 2: 리뷰를 단어 빈도 벡터로 나타내 유클리드 거리, 코사인 유사도, 자카드 유사도를 각각 계산해 표로 비교해요.
- 정리: 길이만 다르고 단어 비율이 같은 리뷰에서 세 방법의 판단이 갈리는 이유를 정리하고, 목적에 맞는 유사도를 고르는 기준을 세워요.
서술형 평가 문항과 채점 기준 예시
세 개의 짧은 리뷰를 단어 빈도 벡터와 단어 집합으로 나타내어 리뷰 쌍마다 유클리드 거리, 코사인 유사도, 자카드 유사도를 계산하고, 세 방법이 가장 비슷하다고 판단한 쌍이 서로 다를 경우 그 까닭을 각 방법의 계산 원리로 서술하시오.
| 수준 | 채점 기준 |
|---|---|
| 상 | 세 가지 유사도를 모든 리뷰 쌍에 대해 정확히 계산하고, 거리·방향·공통 원소 비율이라는 원리 차이로 판단이 갈리는 까닭을 구체적 수치와 함께 설명함 |
| 중 | 유사도 계산은 대체로 맞았으나 일부 계산 실수가 있거나 판단 차이의 원인 설명이 부족함 |
| 하 | 한 가지 유사도만 계산하거나 계산 원리를 설명하지 못함 |
세특 기재 예시 예시
텍스트를 분석하는 수학적 방법을 탐구하는 활동에서 영화 리뷰를 단어 빈도 벡터로 나타내 유클리드 거리, 코사인 유사도, 자카드 유사도를 계산하고 결과를 표로 비교함. 같은 단어를 두 배씩 쓴 리뷰가 유클리드 거리는 0이 아니지만 코사인 유사도는 1이 되는 사례를 직접 만들어 방향과 거리의 차이를 설명함. 감성 사전 점수 합산이 부정 표현을 놓치는 한계도 찾아 발표함.
이 예시는 206자, 나이스 기준 500Byte예요. 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
유클리드 거리와 유사도를 혼동해 값이 클수록 비슷하다고 판단하는 실수가 많아요. 거리는 작을수록, 코사인 유사도와 자카드 유사도는 1에 가까울수록 비슷해요. 또 감성 점수를 단어별로 더하기만 하면 '재미없지 않다' 같은 부정 표현을 놓친다는 점도 함께 짚어 주세요.
이 영역의 적용 시 고려 사항 (고시 원문)
- ‘텍스트 데이터 처리’ 영역에서는 용어와 기호로 ‘집합, 벡터, 단어집합, 유사도’를 다룬다.
- 집합과 벡터는 텍스트 데이터를 효과적으로 표현할 수 있는 유용한 도구임을 인식하게 한다.
- 수학적 개념이나 원리를 자세히 다루기보다는 인공지능에서 어떻게 활용되는지를 중심으로 다루도록 유의한다.
- 텍스트 데이터를 집합과 벡터로 표현하고 분석할 때 공학 도구를 이용할 수 있다.
- <대수>를 이수한 학생은 로그를 이용하여 역문서빈도(IDF)를 표현할 수 있게 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.