AI, 학교 데이터 접근의 민주화 그리고 교육적 질문
학교 현장은 늘 정보의 바다에 허우적댄다. 학부모의 수많은 질문, 다음 학년도 교육과정을 짜기 위한 지난 자료 검토, 비교 연구 등, 필요한 데이터를 찾는 일은 마치 미로 탐험과 같다. 특히 학교알리미 웹사이트 깊숙한 곳, HWP 첨부파일 속에 숨겨진 수행평가 계획은 많은 교사들에게 비현실적인 꿈처럼 느껴졌다. 이런 현실 속에서, 한 개발자가 선보인 schoolinfo-mcp 도구는 이 오랜 고충에 대담한 해결책을 제시한다.
학교 데이터의 미로, AI가 길을 낸다
대한민국 모든 초·중·고등학교의 공식 공시정보는 학교알리미에 공개된다. 그러나 이 정보는 35종의 정형 데이터와 NEIS 포털의 급식·학사일정·시간표, 그리고 무엇보다 중요한 HWP 첨부파일 형태로 흩어져 있다. 문제는 데이터의 존재가 아니라, 필요한 정보를 적시에, 의미 있게 찾아내는 일이었다. 학부모는 수행평가 계획을 찾아 HWP 파일을 열 엄두조차 내지 못하고, 교사들은 수업 준비와 생활 지도만으로도 바쁜 시간을 쪼개 자료를 뒤적였다.
schoolinfo-mcp는 이 파편화된 정보를 한데 모아 AI와 대화할 수 있는 형태로 전환한다. 핵심은 OpenAPI(정형 데이터), kordoc(HWP를 마크다운으로 변환), 그리고 NEIS 개방포털을 마치 하나의 정보원이자 두뇌처럼 묶어낸다는 점이다. 이는 단순히 데이터 수집을 넘어선다. 흩어진 정보를 통합하고, 비정형 데이터를 정형화하며, 인간의 언어로 질의할 수 있게 만든다. 학교는 본질적으로 투명성을 추구하지만, 그 투명성을 담보하는 정보가 접근하기 어려운 형태로 존재할 때, 정보의 가치는 반감된다. schoolinfo-mcp는 바로 이 지점에서 교육 현장에 실질적 가치를 설계한다.
데이터 접근의 민주화, 세 가지 길
이 도구는 정보를 필요로 하는 다양한 주체를 위해 명확한 접근 방식을 제공한다. 접근 방식에 따라 요구되는 기술 수준이 확연히 달라진다.
학교 공시 정보 접근 방법 비교
| 방법 | 대상 | 준비물 | 특징 |
|---|---|---|---|
| 웹앱 | 모든 학부모 (비개발자) | 없음 (링크 클릭) | 가장 쉽다. 모바일 최적화, 회원가입·인증키 불필요. 수행평가 계획을 학년·과목별로 표 변환. |
| AI 질의 | Claude/Cursor 사용자 | 없음 (URL 한 줄 연결) | 자연어로 대화하며 정보 획득. 원격 MCP는 인증키 필요 없다. |
| CLI/로컬 MCP | 개발자·파워유저 | 인증키 발급 (환경변수 설정) | 터미널에서 직접 제어. 자동 알림 설정 가능. 받은 HWP 파일 직접 변환도 지원한다. |
이처럼 웹앱부터 AI 연동, CLI까지 다양한 방법을 제공하는 것은 정보 접근성의 민주화를 향한 명확한 의지를 보여준다. 특히 비개발자 학부모도 링크 클릭만으로 수행평가 계획처럼 중요한 정보를 손쉽게 얻을 수 있다는 점은 학교와 학부모 간의 소통 장벽을 극적으로 낮춘다. 그러나 이러한 손쉬운 접근은 또 다른 질문을 던진다. 단순히 정보를 “아는 것”과 “이해하고 활용하는 것” 사이의 간극은 여전히 존재한다. 정보의 홍수 속에서 어떤 질문을 던지고 어떤 맥락으로 해석할 것인가에 대한 교육적 역량은 이제 더욱 중요해진다.
수행평가, 더 이상 베일 속에 머물지 않는다
수행평가 계획은 학부모가 가장 궁금해하지만, 동시에 가장 찾기 어려운 정보다. 학교알리미 OpenAPI에는 이 항목이 없고, 오직 HWP 첨부파일 형태로만 공시된다. 이 도구의 가장 뾰족한 단언은 바로 이 지점에서 나온다. schoolinfo-mcp는 교사들의 숨은 노동을 자동화하는 것을 넘어, 수행평가 계획의 접근성을 공교육의 핵심 가치로 끌어올린다. 이 도구는 학교 웹 공시의 내부 요청을 재현하여 HWP/HWPX/PDF 파일을 자동으로 내려받고, kordoc 엔진으로 파싱하여 수행평가 표를 추출한다.
이 과정은 단순히 파일을 열어 보여주는 것을 넘어선다. 여러 학년, 여러 과목의 내용이 하나의 파일에 담겨 있든, 혹은 과목별로 파일이 나뉘어 있든, 웹앱은 학년·과목 버튼을 생성하여 원하는 정보만 선택적으로 볼 수 있게 한다. 이는 휴대폰 같은 모바일 환경에서도 수백 킬로바이트에 달하는 파일을 끊김 없이 빠르게 탐색할 수 있게 만든다. AI(MCP)나 CLI에서는 특정 과목이나 전체를 명령 한 줄로 받아본다. 본질적으로, 이는 교과별 교수·학습 및 평가 운영 계획이 더 이상 담당 교사만의 비밀문서가 아니라, 학교 구성원 전체의 공유 자산이 되어야 함을 선언하는 행위이다. 이 변화는 학교 교육과정 운영의 투명성과 일관성을 근본적으로 강화한다.
교사학습공동체, AI와 함께 평가 루브릭을 검토하다
필자는 이 schoolinfo-mcp를 활용하여 교사 학습 공동체(PLCs)가 학교의 평가 계획서를 검토하는 시나리오를 직접 실행해 보았다. 특정 학교의 수행평가 계획서를 AI에게 질의하면, 과목별 반영 비율, 평가 시기, 루브릭의 핵심 내용까지 표 형태로 추출하여 보여준다. 이 정보를 바탕으로 교사들은 다음 학년도 교육과정 수립에 필요한 깊이 있는 논의를 시작한다.
기존에는 각 교과 교사가 자신의 평가 계획서를 개별적으로 작성하고, 그 내용이 학년 전체나 학교 전체의 교육 철학과 얼마나 정합성을 가지는지 파악하기 어려웠다. 하지만 AI가 빠르게 데이터를 분석하고 시각화하면, 교사들은 다음과 같은 질문을 던진다:
평가 계획 분석을 위한 교사의 질문
| 질문 유형 | 예시 |
|---|---|
| 일관성 | “우리 학교 2학년 국어와 영어 수행평가 루브릭에 나타난 ‘비판적 사고’ 요소는 얼마나 일관된가?” |
| 적절성 | “특정 과목의 수행평가 반영 비율이 다른 과목에 비해 지나치게 높거나 낮은 이유는 무엇인가?” |
| 균형성 | “지필고사와 수행평가 비중의 균형이 학년별, 과목별로 적절한가?” |
| 명확성 | “학생들이 평가 기준을 명확히 이해하고 자신의 학습을 조절하는 데 평가 계획서가 충분한가?” |
이러한 질문들은 단순히 데이터를 나열하는 것을 넘어, 학교의 교육 철학과 평가 방향성에 대한 성찰적 대화를 유도한다. 특정 루브릭의 모호한 표현, 특정 학년의 평가 집중 시기, 과목 간의 불균형 등은 AI가 제시한 데이터를 통해 더욱 명확하게 드러난다. 데이터가 단순한 사실을 넘어 집단 지성을 이끌어내는 촉매제가 되는 순간이다.
자동화의 그림자도 직시한다
schoolinfo-mcp와 같은 도구는 학교 운영의 효율성을 획기적으로 높이고, 정보 접근성을 평등하게 만든다. 특히 NEIS와 연동하여 급식 알레르기 필터링, 시험 D-day 계산, 지역 학교 비교 리포트 등을 자동으로 제공하는 기능은 행정 부담을 줄이고 의사결정의 질을 향상시킨다. 이는 교사와 학부모 모두에게 실질적인 편익을 제공한다.
그러나 모든 기술이 그렇듯, 이 강력한 도구 역시 잠재적인 그림자를 지닌다. 정보 접근의 용이성이 곧 정보 해독 능력의 향상을 의미하지는 않는다. 데이터가 너무 쉽게 손에 들어올 때, 오히려 깊이 있는 맥락 이해나 비판적 분석을 소홀히 할 위험이 있다. 예를 들어, 학교 비교 리포트를 단순히 수치만으로 해석하여 학교의 복합적인 교육 환경을 오해하거나, 수행평가 계획을 단순한 점수 획득 전략으로만 활용할 수 있다.
구조적으로 보면, 기술은 중립적이다. 그 기술을 어떻게 활용하고 해석하는지에 따라 가치와 부작용이 결정된다. 따라서 우리는 이 도구를 활용할 때 다음과 같은 질문을 항상 품어야 한다: “이 정보로 무엇을 질문할 것인가?”, “이 데이터가 드러내지 않는 맥락은 무엇인가?”, “정보의 자동화가 가져올 교육적 대화의 질적 변화는 무엇인가?” 이러한 비판적 사고가 동반될 때만, schoolinfo-mcp는 단순한 정보 전달 도구를 넘어 교육 혁신의 강력한 동력이 된다.
다음 스텝, 교사의 질문이 AI를 훈련시킨다
schoolinfo-mcp는 학교 정보 접근의 새로운 지평을 열었다. 그러나 아직 갈 길은 멀다. 이 도구는 기본적으로 공시된 정보를 활용한다. 하지만 교육 현장의 실제 고민은 공시되지 않은, 비정형적이고 맥락적인 질문들에서 시작된다. “우리 반 특정 학생에게 적합한 방과후 프로그램은 무엇인가?”, “우리 학교의 상담 시스템이 실질적으로 학생들의 정서적 어려움에 얼마나 효과적으로 대응하는가?”와 같은 질문들이다.
이러한 질문에 답하려면 AI는 학교 내부의 비공식 데이터, 교사들의 경험적 지식, 학생들의 피드백까지 아우르는 더 복합적인 데이터를 학습해야 한다. 이는 기술만의 문제가 아니다. 교사들이 AI와 함께 더 나은 교육을 상상하고, 구체적인 질문을 던지며, 그 질문에 맞는 데이터와 맥락을 AI에 가르치는 과정에서 비로소 AI는 진정한 교육 보조자로 성장한다. 단순히 데이터를 뽑아주는 도구를 넘어, AI와 함께 교육적 질문을 정교화하고 답을 찾아가는 동료적 탐구 과정을 시작할 때이다.