AI가 중학교 읽기 이해의 난제를 도울 수 있습니다
미국은 독서 위기를 초등 저학년 문제로만 봐 왔지만, 많은 학생은 중학교에서 ‘이해의 벽’을 만납니다. 2024년 8학년 읽기 숙련도는 30%에 그쳐 30년 만에 가장 낮았으며, 글이 복잡해질수록 의미를 파악하지 못하는 학생이 늘어납니다. 이런 어려움은 영어뿐 아니라 과학, 사회, 수학 등 읽기가 필요한 모든 과목에 영향을 줍니다.
코딩, AI, 교육 소식을 짧게 요약하고 다음 학습에 활용할 수 있는 방법을 전합니다.
Khan Academy의 AI 도구인 Khanmigo에 새로운 기능이 추가되어, 학생들이 어려운 개념을 더 쉽게 시각화할 수 있게 되었습니다. 교사는 더 다양한 방식으로 맞춤형 연습 문제를 만들 수 있습니다. 이 소식은 Khan Academy와 Google.org의 파트너십을 통해 제공되었습니다.
새 학년을 맞아 교실에서 사용할 수 있는 인터랙티브 시각 자료와 교사가 직접 제어하는 연습 자료가 출시됩니다. 두 기능 모두 Gemini를 활용해 만들어졌습니다.
Google AI Mode는 Gemini가 지원하는 대화형 Google Search 경험입니다. 질문을 관련 검색으로 나누고, 찾은 내용을 바탕으로 AI가 응답을 생성하며, 사용자가 확인하거나 더 살펴볼 수 있도록 웹 링크도 함께 제공합니다. 이어서 후속 질문을 계속할 수 있습니다.
Sal Khan은 Khan Academy의 효능 및 연구팀이 최근 수학 중재에 관한 새로운 무작위 시험을 검토했다고 소개합니다. 이 글은 Khan Academy Blog에 실린 글이며, 시험에서 발견한 주목할 만한 점을 다룹니다.
이 글은 같은 “explainer video maker” 검색어가 서로 다른 두 종류의 도구를 가리킨다고 설명합니다. 하나는 사용자가 작성한 스크립트를 바탕으로 마케팅용 애니메이션 영상을 만드는 도구이며, 다른 하나는 이해하지 못한 내용을 질문하면 설명형 안내를 제공하는 도구입니다. 각 범주의 대표 도구와 가격, 제작 시간, 한계도 2026년 8월 기준으로 비교합니다.
이 글은 색이 있는 PDF를 회색조로 바꾸는 도구의 필요성과 동작 방식을 설명합니다. 브라우저에서 PDF를 업로드하고, 미리보기와 변환 방식 선택, 페이지 선택, 결과 파일 이름 변경 및 다운로드까지 수행하며, 문서는 외부 서버로 보내지지 않습니다. 구현에는 PDF.js로 페이지를 렌더링하고, HTML Canvas API로 픽셀을 처리하며, PDF-lib으로 최종 PDF를 생성합니다.
ChatGPT는 처음에는 OpenAI의 대규모 언어 모델(LLM)을 보여 주는 챗봇과 기술 데모로 시작했습니다. 이후 웹 검색, 이미지 생성, 코드 작성, 복잡한 문제 추론, 여러 앱에서의 단계적 작업 실행까지 할 수 있는 범용 AI 플랫폼에 가까워졌습니다. OpenAI가 새로운 모델과 기능을 계속 추가하면서, ChatGPT의 작동 방식을 설명하는 일은 점점 더 어려워졌습니다.
가족이 Alexa로 집의 조명을 제어하지만, 방 이름을 헷갈려 결국 스위치를 직접 누르게 되는 사례를 들어 AI 워크플로의 비효율을 설명합니다. 예시로, 어떤 숫자가 임계값을 넘는지 확인하는 작업은 이미 예전부터 Excel의 조건문이 처리해 왔으며, 이런 경우 모델 호출이 꼭 필요하지 않다고 말합니다.
Chrome의 오프라인 공룡 게임은 2014년부터 "No Internet" 오류 화면 뒤에 숨겨져 있으며, 월간 약 2억7000만 회 플레이됩니다. 이 게임의 내부 코드는 Chromium 공개 저장소에서 볼 수 있고, 약 3000줄 규모의 순수 JavaScript로 작성되어 있습니다. 글은 게임이 동일한 속도로 동작하는 방식, 공정한 충돌 처리, 야간 모드와 달의 변화 같은 구현 요소를 소스 코드 기준으로 설명합니다.
AI 튜터는 언제든지 이용할 수 있고, 같은 질문을 여러 번 받아도 지치지 않으며, 학습자 수준에 맞게 설명을 조정할 수 있습니다. 또한 무제한 연습문제를 만들고, 외국어 학습처럼 부담이 적은 대화 연습에도 도움이 됩니다. 다만 학습 여부를 스스로 판단해 주지는 않으며, 일반 챗봇·전용 학습 모드·연구용 튜터를 구분하지 않으면 효과에 대한 평가가 엇갈릴 수 있습니다.
경험 많은 프로그래머는 코드를 작성하기 전에 여러 판단을 자동으로 수행하지만, 초보자는 프로그램 문제를 시작하는 것만으로도 부담을 느낄 수 있습니다. 이 글은 학습자가 과제를 더 쉽게 나누어 풀도록 돕는 발판 역할의 방법인 subgoal labels를 소개합니다. subgoal labels는 worked examples에 덧붙일 수 있는 간단한 안내문으로, 큰 과제를 여러 단계로 구분해 줍니다. 예시로 거북이 그래픽으로 파란 사각형을 그리는 문제에서 펜 설정, 이동, 방향 조정, 함수 호출 같은 하위 단계가 제시됩니다.
보스턴에서 열린 America’s Youth AI Festival에서 전국의 학생 지도자들이 학교에서의 AI 사용을 위한 국가 차원의 지침을 제안했습니다. 이 3일 행사에는 학생, 교사, 학교 시스템 관계자들이 참여해 학교에서 허용되는 AI 사용을 논의했습니다. 마지막에는 전국 학생 대표들이 K-12 교실용 AI 정책을 토론해 투명성, 문해력, 보안을 핵심 내용으로 한 법안을 마련했습니다.