Shiksha Copilot: Teacher-AI Collaboration for Curating and Customizing Lesson Plans in Low-Resource Schools

이 논문은 인도 카르나타카 주의 저자원 학교에서 1,043 명의 교사와 23 명의 커리큘럼 전문가를 대상으로 한 대규모 혼합연구를 통해, AI 와 교사의 협업을 통해 커스터마이징된 수업 계획 도구인 'Shiksha Copilot'이 행정 업무 부담을 줄이고 활동 중심 교수법으로의 전환을 촉진했으나, 인력 부족 등 구조적 한계로 인해 포괄적인 교수법 변화에는 제약이 있음을 규명하고 다국어 및 글로벌 사우스 맥락에 적합한 교 중심 EdTech 설계 방향을 제시합니다.

핵심

🇰🇷 '시크샤 코파일럿 (Shiksha Copilot)': 교실 속 AI 비서와 선생님의 특별한 협업 이야기

이 논문은 인도 카르나타카 주의 정부 학교에서 진행된 흥미로운 실험에 대한 이야기입니다. 과밀한 교실, 부족한 인력, 그리고 끝없는 행정 업무에 시달리는 선생님들을 위해 **'시크샤 코파일럿'**이라는 AI 도구를 개발하고 테스트했죠.

이 복잡한 연구를 일반인이 쉽게 이해할 수 있도록, **'요리사'와 '레시피'**에 비유해서 설명해 드릴게요.

---

1. 문제: 지친 요리사 (선생님) 들

인도의 많은 학교 선생님들은 마치 재료가 부족하고, 손님이 너무 많으며, 메뉴를 직접 적어야 하는 고된 주방에서 일하는 요리사들과 같습니다.

• 과중한 업무: 수백 명의 학생을 가르치면서도, 수업 계획서 (레시피) 를 손으로 일일이 써야 하는 행정 업무가 너무 많았습니다.
• 시간 부족: 수업 준비를 할 시간이 없어 지치고 스트레스를 받았습니다.
• 자원 부족: 좋은 수업 자료나 교재가 부족했습니다.

2. 해결책: 똑똑한 AI 비서 (시크샤 코파일럿)

연구팀은 이 선생님들을 돕기 위해 AI 비서를 데려왔습니다. 이 비서는 다음과 같은 일을 합니다:

• 레시피 초안 작성: 교과서 내용을 바탕으로 수업 계획서 (레시피) 를 자동으로 만들어줍니다.
• 이중 언어 지원: 영어와 현지 언어 (칸나다어) 로 모두 작성해 줍니다.
• 맞춤형 수정: 선생님이 "이 부분은 좀 더 쉽게 설명해 줘"라고 하면 바로 고쳐줍니다.

3. 실험 과정: 3 단계 협업 시스템

이 도구는 단순히 AI 가 모든 것을 하는 게 아니라, 사람과 AI 가 손잡고 일하는 '인간-AI 협업' 방식입니다.

1. 1 단계: 전문가 (큐레이터) 가 AI 의 초안을 다듬음

   • AI 가 처음 만든 레시피는 완벽하지 않을 수 있습니다. 그래서 경험이 많은 선생님들 (큐레이터) 이 AI 가 쓴 내용을 검토하고, 오류를 고치고, 현지 상황에 맞게 다듬습니다.
   • 비유: AI 가 만든 초벌 요리를 미식가 요리사가 맛보고, 양념을 조절하고, 접시에 예쁘게 담는 과정입니다.

2. 2 단계: 현장 선생님들이 레시피를 가져와서 활용

   • 다듬어진 레시피를 실제 교실의 선생님들이 가져갑니다.
   • 선생님들은 이 레시피를 그대로 쓰기도 하지만, 자신의 학생들 (손님) 에게 맞춰서 내용을 조금씩 바꿉니다.
   • 비유: 집안에서 요리를 할 때, 레시피대로 하되 "우리 아이는 매운 걸 못 먹으니 고추를 빼자"라고 수정하는 것과 같습니다.

3. 3 단계: 행정 업무의 대폭 감소

   • 가장 큰 변화는 행정 업무였습니다. 과거에는 수업 계획서를 손으로 써서 제출하는 데 몇 시간이 걸렸다면, 이제는 AI 가 만들어준 것을 몇 분 만에 제출할 수 있게 되었습니다.

4. 주요 발견: 무엇이 잘되었고, 무엇이 어려웠을까?

✅ 잘된 점 (맛있는 요리)

• 스트레스 감소: 수업 준비와 문서 작업에 쓰던 시간이 줄어들어 선생님들의 스트레스가 크게 감소했습니다.
• 수업의 질 향상: AI 가 다양한 활동 (게임, 토론 등) 을 제안해 주어, 선생님이 단순히 강의를 하는 것에서 벗어나 학생들이 직접 참여하는 수업을 할 수 있게 되었습니다.
• 행정 업무 해결: 수업 계획서를 작성하는 '서류 작업'이 훨씬 쉬워져, 선생님들은 실제 수업에 더 집중할 수 있게 되었습니다.

⚠️ 어려웠던 점 (맛이 안 맞는 부분)

• 언어의 장벽: 영어로 만든 레시피는 훌륭했지만, 칸나다어로 번역된 버전은 자연스럽지 않았습니다. AI 가 직역하다 보니 문장이 어색하거나 교육용 단어가 틀리는 경우가 많았습니다.
  • 비유: 외국 요리를 현지 언어로 번역할 때, '소스'를 '소스'라고 그대로 쓰거나 문법 구조가 어색해서 맛이 떨어지는 경우와 같습니다. 이를 고치기 위해 현지 선생님들이 많은 수정을 해야 했습니다.
• 시각 자료 부족: AI 가 만든 계획서는 글자만 많고, 그림이나 동영상이 없었습니다. 과학이나 수학처럼 시각이 중요한 과목에서는 선생님들이 직접 인터넷에서 그림을 찾아야 하는 번거로움이 있었습니다.
• 시스템적 한계: 수업 준비는 쉬워졌지만, 선생님 수가 부족하거나 행정 업무가 너무 많은 구조적 문제는 AI 가 해결해 주지 못했습니다.

5. 결론: 기술은 도구일 뿐, 핵심은 '사람'

이 연구는 중요한 교훈을 줍니다.

• AI 는 마법 지팡이가 아닙니다: AI 가 모든 것을 완벽하게 해주는 게 아니라, 선생님들이 AI 를 '도구'로 활용해서 자신의 전문성을 발휘할 때 가장 효과적입니다.
• 함께 만드는 문화가 중요: AI 가 만든 내용을 혼자 고치는 게 아니라, 선생님들이 서로 경험을 나누고 (커뮤니티), AI 를 함께 발전시켜 나가는 것이 중요합니다.
• 현지에 맞는 기술: 서양에서 만든 AI 를 그대로 가져오는 게 아니라, 인도라는 지역의 언어, 문화, 현실에 맞춰서 개발하고 수정해야 합니다.

한 줄 요약:

"시크샤 코파일럿은 지친 선생님들에게 **'수업 준비를 도와주는 똑똑한 비서'**가 되어주었지만, 결국 가장 맛있는 요리를 만들어내는 것은 그 비서를 잘 활용하는 선생님들이었습니다."

이 연구는 개발도상국이나 자원이 부족한 곳에서도 AI 가 어떻게 교육의 질을 높일 수 있는지, 그리고 그 과정에서 사람과 기술이 어떻게 조화를 이루어야 하는지를 보여주는 귀중한 사례입니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 글로벌 사우스 (특히 인도 카르나타카 주) 의 저자원 학교에서는 교사가 과밀 학급, 인력 부족, 과도한 행정 업무에 시달리며 소진 (Burnout) 을 겪고 있습니다.
• 핵심 문제:
  • 수업 계획 (Lesson Plan, LP) 의 이중적 부담: 수업의 질을 높이기 위한 교육적 도구이자, 행정적 기록 (준비 증명, 커리큘럼 준수) 을 위한 관료적 의무로 작용합니다.
  • 기존 AI 도구의 한계: 기존 LLM 기반 도구 (Khanmigo 등) 는 영어 중심이며, 사실 오류, 문화적 민감성 부족, 현지 커리큘럼 부합성 문제가 있습니다. 특히 저자원 환경과 다국어 (영어 및 칸나다어) 맥락에서의 실증적 연구가 부족합니다.
  • 인프라 제약: 디지털 인프라 부족, 언어 장벽, 그리고 교사의 디지털 리터러시 부족이 AI 도입을 방해합니다.

2. 시스템 설계 및 구현 (System Design & Implementation)

Shiksha Copilot은 인간 - AI 협업 (Human-in-the-Loop) 을 기반으로 한 양국어 (영어/칸나다어) 수업 계획 생성 시스템입니다.

• 기술 아키텍처:

  • RAG (Retrieval-Augmented Generation): 카르나타카 주 교육부 지정 교과서 (5~10 학년, 과학, 수학, 사회, 영어) 를 PDF 에서 추출하여 텍스트화 (OCR) 하고, 512 토큰 단위로 청킹 (Chunking) 하여 Azure AI Search 에 인덱싱했습니다. 이를 통해 커리큘럼 기반의 정확한 콘텐츠 생성이 가능합니다.
  • LLM 오케스트레이션: OpenAI GPT-4o 를 기반으로 한 에이전트 프레임워크를 사용했습니다.
    • RAG 에이전트: 커리큘럼 콘텐츠 검색.
    • 수업 계획 생성 에이전트: 5E 교수 모델 (Engage, Explore, Explain, Elaborate, Evaluate) 에 맞춰 LP 생성.
    • 질문 생성 에이전트: 블룸의 분류학 (Bloom's Taxonomy) 기반 평가 문제 생성.
    • 번역 에이전트: Sarvam-1 기반의 LoRA(Fine-tuning) 모델을 사용하여 영어 LP 를 칸나다어로 번역 및 현지화.
  • 검증 에이전트: 포맷팅, 완성도, 모델 응답을 모니터링하고 재생성 (Regeneration) 을 수행.

• 작업 프로세스 (Human-in-the-Loop):

  1. 큐레이션 단계 (Curation Phase): 23 명의 전문가 큐레이터 (교사) 가 AI 가 생성한 초안 (학습 목표 및 내용) 을 검토, 수정, 품질을 담보합니다.
  2. 배포 단계 (Distribution Phase): 1,043 명의 현장 교사가 큐레이션된 LP 를 받아 자신의 교실 상황에 맞게 수정 (Customization) 하여 사용합니다.
  3. 사용자 역할: 일반 사용자는 LP 조회 및 수동 수정, 문제지 생성 가능. 'Power User'는 AI 기반 LP 재생성, 채팅 (Lesson Chat, Edu Chat) 기능, AI 편집 도구 접근 권한 보유.

3. 연구 방법론 (Methodology)

• 연구 설계: 혼합 방법론 (Mixed-methods) 연구.
• 참여자: 1,043 명의 교사, 23 명의 큐레이터, 4 명의 멘토.
• 데이터 수집:
  • 시스템 로그: 991 개의 큐레이션된 LP (큐레이션 단계) 와 5,544 개의 교사 생성 LP (배포 단계) 의 편집 이력 분석.
  • 설문조사: 사전/사후 설문 (Stress Scale, 시간 사용, AI 신뢰도 등). 406 명의 매칭된 응답 분석.
  • 인터뷰: 43 건의 반구조화 인터뷰 (큐레이터, 교사, 멘토 대상).
• 분석: 정량적 통계 (t-test, Chi-square, 효과 크기) 와 정성적 주제 분석 (Thematic Analysis) 병행.

4. 주요 결과 (Key Results)

• 교사-AI 협업 양상:
  • 큐레이터: 영어 LP 는 96% 이상 양호하여 소량의 편집만 필요했으나, 칸나다어 번역본은 94.4% 의 콘텐츠 블록이 수정될 정도로 언어적/문법적 오류가 많았습니다.
  • 교사: 시스템상 편집은 적었으나 (1.5%), 실제 수업에서는 경험과 동료 네트워크를 활용해 심층적으로 수정 및 적용했습니다.
• 행정 및 교육적 효과:
  • 행정 부담 감소: 수업 계획 작성 시간이 주당 평균 2.02 시간 감소했습니다. 특히 스마트폰 기반 접근성이 행정 기록 (5E 포맷 준수) 을 위한 시간을 획기적으로 줄여주었습니다.
  • 스트레스 감소: 교수 요구 관련 스트레스 점수가 유의미하게 감소했습니다.
  • 활동 중심 교수법 (Activity-based Pedagogy) 전환: AI 가 제공한 저비용/비디지털 활동 아이디어 (예: 교실 내 탐험, 신체 활동) 를 통해 교사의 수업 방식이 일방적 강의에서 활동 중심 수업으로 변화했습니다.
• 품질 및 한계:
  • 언어 장벽: 영어 콘텐츠는 높은 신뢰도를 보였으나, 칸나다어 번역은 문맥적 뉘앙스, 전문 용어, 자연스러운 표현 측면에서 큐레이터의 개입이 필수적이었습니다.
  • 시각 자료 부재: 텍스트 위주의 LP 로 인해 과학/수학 과목에서 시각적 자료가 부족하다는 지적이 있었습니다.
  • 맥락적 적합성: 지역적 (주 단위) 맥락은 반영되었으나, 학생들의 개별 능력 수준이나 초지역적 (Hyper-local) 맥락에는 AI 가 완벽히 대응하지 못해 교사의 판단이 필요했습니다.

5. 주요 기여 (Key Contributions)

1. 다국어 저자원 환경에서의 인간-AI 시스템 설계: 커리큘럼 정렬 (RAG) 과 인간 큐레이션을 결합한 양국어 (영어/칸나다어) 수업 계획 시스템의 설계 및 구현 사례 제시.
2. 교사-AI 협업에 대한 실증적 증거: 교수가 AI 생성 콘텐츠를 어떻게 평가, 적응, 맥락화하는지 보여주며, 현재 LLM 의 강점과 한계를 구체적으로 규명.
3. 글로벌 사우스 교실에서의 워크플로우 변혁: AI 도구가 행정 프로세스와 교수적 실천을 어떻게 동시에 변화시키며 조직적 변화를 유도하는지 분석.

6. 의의 및 시사점 (Significance)

• 실용적 가치: 저자원 학교에서 교사의 행정적 부담을 줄이고 수업 준비 시간을 확보하여 실제 교육 활동에 집중할 수 있게 함.
• 이론적 함의:
  • 커뮤니티 오브 프랙티스 (CoP): AI 도구가 교사의 기존 전문 네트워크 (Cluster meetings, mentors) 에 통합되어야 지속 가능한 교육 혁신이 가능함을 강조.
  • 인간 중심의 AI: AI 를 단순 대체가 아닌 '협업자'로 위치시키고, 특히 저자원 언어 (Low-resource languages) 의 경우 번역이 아닌 현지 전문가에 의한 큐레이션과 크라우드소싱이 필수적임을 주장.
• 정책적 제언: 기술 도입과 함께 행정적 지원 (인력 충원, 비교육적 업무 감소) 이 동반되어야 AI 의 교육적 효과가 극대화됨을 시사.

이 연구는 AI 가 교육 현장에서 단순한 도구를 넘어 교사의 전문성을 보완하고 행정적 부담을 해소하는 핵심 인프라가 될 수 있음을 보여주었으며, 특히 글로벌 사우스의 다국어 및 저자원 맥락에서의 성공적인 AI 통합 모델을 제시했습니다.