Learning Analytics-Driven Personalized Exercise Prescriptions in Secondary School Physical Education: A Quasi-Experimental Evaluation of an AI-Supported Formative Assessment System

당신이 체육관에 들어서는데, 모든 사람이 더 강해지거나, 더 빨라지거나, 혹은 스포츠 실력을 키우기 위해 노력하고 있는 모습을 상상해 보세요. 이상적인 세상이라면, 모든 사람 옆에는 개인 코치가 서서 그들의 모든 움직임을 지켜보고, 어떤 근육이 약한지 정확히 파악하며, 어제의 수행 능력에 따라 매일 변하는 맞춤형 운동 계획을 건네줄 것입니다. 하지만 현실 세계에서는, 특히 서른 명의 아이들이 모여 있는 북적이는 학교 체육관에서는 그것이 불가능합니다. 교사들은 학급 전체를 똑같은 방식으로 가르쳐야 하고, 학생들은 학기 말에 최종 점수만 받을 뿐, 자신의 실수를 어떻게 고쳐야 하는지는 알지 못하는 경우가 많습니다. 바로 이 지점에서 '학습 분석학(Learning Analytics)'이라는 분야가 등장합니다. 이것을 학생의 수행 능력에서 나오는 아주 작은 단서들—예를 들어 얼마나 빨리 달렸는지, 혹은 얼마나 멀리 뛰었는지—을 수집하여 그 원시 데이터를 개선을 위한 명확한 지도로 바꾸는 초스마트 탐정이라고 생각해보세요. 이 탐정 작업에 인공지능(AI)을 결합하면, 거대한 교실 안에서도 마치 그 없던 개인 코치처럼 행동할 수 있는 시스템을 갖게 됩니다. 연구자들이 던진 큰 질문은 이것입니다: 이 디지털 마법이 실제로 아이들의 스포츠 실력을 향상시킬 수 있을까요, 아니면 그저 아무것도 바꾸지 못하는 화려한 도구에 불과할까요?

이 논문은 연구팀이 중국 청두의 한 중학교에서 이 아이디어를 테스트하기로 결정한 이야기를 들려줍니다. 그들은 133명의 7학년 학생들을 대상으로 12주간의 실험을 설계했습니다. 학생들을 두 그룹으로 나누었는데, 하나는 일반적인 표준 체육 수업을 받는 '대조군'이고, 다른 하나는 특별한 AI 처방을 받는 '실험군'입니다. 실험군 학생들의 경우, 과정은 고도의 기술이 집약된 피드백 루프처럼 작동했습니다. 먼저, 그들은 초기 체력 수준을 확인하기 위해 테스트를 받았습니다. 그다음, AI 시스템이 그들의 결과를 분석하여 무엇이 부족한지 정확히 진단했습니다. 예를 들어, 공 던지기는 뛰어나지만 장거리 달리기는 형편없을 수도 있습니다. 이를 바탕으로 AI는 각 학생에게 맞춤형 '운동 처방'을 생성했는데, 이는 기본적으로 매주 수행해야 할 두세 가지의 구체적인 과제로 구성된 맞춤형 운동 계획이었습니다.

하지만 AI는 학생들에게만 말을 건 것이 아니라, 교사들에게도 말을 걸었습니다. 교사들은 컴퓨터에서 학급 전체의 기상도와 같은 역할을 하는 특별한 대시보드를 가졌습니다. 이 대시보드는 예를 들어 "1반 아이들의 80%가 지구력 달리기에서 어려움을 겪고 있습니다"라거나 "학생 X가 이번 주에 자신의 운동 계획을 완료하지 않았습니다"와 같은 정보를 보여주었습니다. 이를 통해 교사들은 AI가 포착한 특정 문제점에 집중하며 수업 내용을 즉각적으로 조정할 수 있었습니다. 학생들 또한 단순히 다른 사람들과 비교하는 것이 아니라, 자신의 과거 모습과 비교하여 자신이 어떻게 개선되고 있는지를 알려주는 정기적인 보고서를 받았습니다.

이 실험의 결과는 꽤 흥ink적(exciting)이었습니다. 12주 후, AI 시스템을 사용한 학생들은 평균 3.70점의 체육 점수 향상을 보인 반면, 일반 수업을 받은 학생들은 1.60점 향상에 그쳤습니다. 이는 2.10점의 차이로, 학교 스포츠의 세계에서는 매우 유의미한 도약입니다. AI 그룹은 지구력 달리기, 근력 운동, 제자리멀리뛰기, 그리고 공 다루기 기술을 포함하여 테스트받은 거의 모든 항목에서 실력이 향상되었습니다.

가장 흥미로운 발견 중 하나는 누가 가장 많은 혜택을 받았는가 하는 점이었습니다. 초기 체력 수준이 가장 낮았던 학생들이 가장 큰 폭의 성장을 보였습니다. 이것은 마치 자전거를 배우는 것과 같습니다: 처음에 가장 많이 비틀거렸던 사람이 보조 바퀴와 코치의 도움을 가장 많이 받아, 이미 잘 타던 사람보다 더 빠르게 발전하는 것과 같습니다. 데이터에 따르면 기초 점수가 낮았던 학생들은 평균 거의 5점 가까이 향상된 반면, 성적이 높았던 학생들은 약 2점 정도 향상되었습니다. 이는 이 시스템이 어려움을 겪는 학생들을 돕는 데 매우 효과적이며, 교육의 형평성 측면에서도 큰 의미가 있음을 시사합니다.

연구진은 또한 학생들이 시스템을 어떻게 활용했는지 살펴보며 무엇이 차이를 만들었는지 확인했습니다. 그들은 명확한 연관성을 발견했습니다: 더 많은 학생이 자신에게 할당된 운동을 완수하고, AI 진행 보고서를 더 자주 확인할수록 점수가 더 많이 올라갔습니다. 단순히 기술을 갖추는 것만이 중요한 게 아니라, 그것을 사용하는 것이 중요했습니다. 교사들 또한 데이터를 적극적으로 활용했습니다. AI를 사용하는 수업의 교사들은 대시보드를 주당 평균 5~7회 확인하며 그들이 본 데이터를 바탕으로 수업 내용을 구체적으로 변경했습니다. 반면 대조군 교사들에게는 이를 안내할 데이터가 없었습니다.

하지만 이 논문은 이를 만병통치약이라고 부르는 데 신중을 기합니다. 연구진은 이것이 특정 유형의 테스트(고등학교 입시 준비)를 진행한 특정 학교에서의 구체적인 실험이었으므로, 다른 모든 곳에서도 똑같이 작동할 것이라고 100% 확신할 수는 없다고 지적합니다. 또한, 연구가 12주 동안만 진행되었기 때문에 아이들이 계속해서 발전할지, 아니면 몇 달 후에 배운 것을 잊어버릴지는 알 수 없다고 언급했습니다. 그러나 그들이 가진 증거는 강력합니다: AI 시스템은 교사를 대체하는 것이 아니라, 교사가 교실에서 일어나는 일을 볼 수 있는 초능력을 부여했으며, 학생들에게는 이전에는 모두에게 동시에 제공하기 불가능했던 개인별 맞춤 가이드를 제공했습니다. 이 시스템은 단순한 "더 빨리 달려라"라는 명령을, 개별 아이에게 딱 맞는 "이 속도로 이만큼 달린 다음, 휴식하고, 다시 달려라"라는 구체적인 계획으로 바꿔놓았습니다.