AI-TPACK 점검표를 과학실로 가져가면 질문이 달라진다

AI-TPACK 가이드의 자기점검 문항은 어느 교과 교사든 쓸 수 있게 만들어졌다. 다섯 영역에 열 문항씩, 모두 쉰 개다. 범용이라는 점이 장점이지만 과학실에 들고 들어가면 질문이 한 단계 흐려진다. 내 교과에 맞는 AI 도구를 아느냐는 물음에 과학 교사가 답하려면, 먼저 과학에서 AI가 어디서 틀리는지를 알아야 하기 때문이다.

가이드의 구성과 Intelligent-TPACK의 다섯 영역은 앞선 리뷰에 정리해 두었다. 이 글은 그 다섯 영역을 초등 5·6학년 과학 수업 장면으로 옮겨, 과학 교사가 스스로에게 던질 질문으로 다시 쓴 것이다. 아래 점검 문항은 가이드 원문이 아니라 과학 수업을 기준으로 새로 만든 것이고, 수업 장면은 설명을 위한 가상 사례다.

과학은 AI의 약점이 가장 잘 드러나는 교과다

생성형 AI는 그럴듯한 문장을 만드는 데 강하고 관찰과 측정에는 약하다. 과학 수업은 정확히 그 반대편에 서 있다. 학생이 직접 재고 기록하고, 예상과 결과가 어긋날 때 이유를 찾는 것이 수업의 몸통이다. 그래서 과학 교사에게 AI-TPACK은 AI를 얼마나 잘 쓰느냐보다 AI가 탐구의 어느 단계를 빼앗지 않게 하느냐를 묻는 틀로 읽힌다.

Mishra, Warr, Islam(2023)은 TPACK을 교사가 어떤 기술이든 제대로 쓰기 위해 알아야 할 것을 따져 보는 발판으로 설명했다. 과학 교사에게 그 발판의 첫 칸은 AI의 오류를 알아보는 눈이다.

영역	가이드가 주로 묻는 것	과학실에서 바꿔 묻는 질문
Intelligent-TK	AI 도구의 기본 조작과 한계	AI가 과학 그림과 수치에서 어떻게 틀리는지 아는가
Intelligent-TPK	피드백·차별화·평가 같은 교수 기능	AI가 탐구의 어느 단계에 들어와야 하는가
Intelligent-TCK	교과 특화 도구와 내용 심화	AI가 만든 설명과 시뮬레이션이 실제 현상과 맞는가
Intelligent-TPACK	학습 목표에 맞춘 통합 설계	실험 결과와 AI 답을 맞대는 수업을 짤 수 있는가
윤리 지식	투명성·공정성·책임·포용	데이터 정직성과 학생 보호를 지키는가

Intelligent-TK, AI가 틀리는 방식을 안다

과학 수업에서 AI의 오류는 문장보다 그림과 숫자에서 먼저 드러난다. 이미지 생성 도구에 달의 위상을 그려 달라고 하면 밝은 면의 방향이 태양 위치와 어긋난 그림이 심심치 않게 나온다. 식물 단면도에서 구조의 배치가 뒤섞이기도 한다. 학생은 그림을 문장보다 쉽게 믿는다. 교사가 이 오류를 먼저 걸러 내지 못하면 오개념이 교과서보다 선명한 그림으로 교실에 들어온다.

1. AI가 그린 과학 그림을 수업에 쓰기 전에 실제 현상과 맞는지 직접 확인하는가?
2. 실험 데이터를 AI에 넣어 표나 그래프로 만들 때 단위와 축 이름을 다시 확인하는가?
3. 같은 질문에 AI가 매번 조금씩 다른 답을 내는 이유를 학생 눈높이로 설명할 수 있는가?
4. AI 답에 나온 수치를 교과서나 믿을 만한 자료와 대조하는 습관이 있는가?

Intelligent-TPK, AI가 들어올 순서를 정한다

탐구 수업에서 AI가 가장 해로운 순간은 학생이 예상을 세우기 전이다. 설탕을 물에 녹인 뒤 전체 무게가 어떻게 될지 학생이 스스로 예상하기 전에 AI가 답을 말해 버리면 실험은 확인 절차로 줄어든다. 같은 AI라도 실험이 끝난 뒤 우리 결과와 AI 설명이 왜 다른지 따지는 자리에 놓이면 생각을 넓히는 재료가 된다. 도구는 같고 순서만 다르다.

1. 학생이 예상과 이유를 먼저 기록한 뒤에 AI를 쓰도록 차시 순서를 설계하는가?
2. AI 피드백이 학생의 결과 해석을 대신하지 않고 해석을 다시 보게 하는 질문으로 이어지는가?
3. 학생 답에서 오개념을 찾을 때 AI의 분류를 참고하되 최종 판단은 교사가 하는가?
4. AI 없이도 이 차시의 탐구 목표가 달성되는지 먼저 따져 보는가?

Intelligent-TCK, 현상과 맞는지 대조한다

과학 교과에서 AI는 시뮬레이션과 데이터 쪽에서 가장 큰 힘을 낸다. 교실에서 재현하기 어려운 계절 변화, 태양계의 규모, 회로 속 전류의 흐름을 눈앞에 보여 줄 수 있다. 요즘은 AI에게 말로 설명해 간단한 시뮬레이션 웹페이지를 바로 만들 수도 있다. 문제는 그렇게 만든 시뮬레이션이 물리 법칙을 어겨도 화면은 그럴듯하게 돌아간다는 점이다. 과학 교사의 내용 지식이 가장 크게 일하는 곳이 여기다.

1. AI로 만든 시뮬레이션이나 모형을 실제 실험·관찰 결과와 한 번 이상 맞대어 보았는가?
2. AI 설명이 학년 수준보다 앞선 용어를 끌어오지 않도록 성취기준 범위 안에서 조정하는가?
3. 날씨나 천체처럼 공개 데이터가 있는 주제에서 AI를 자료 탐색과 정리에 쓸 수 있는가?
4. 시뮬레이션이 실제보다 단순하게 만든 부분을 학생에게 알려 주는가?

Intelligent-TPACK, 실험 결과와 AI를 맞댄다

다섯 영역이 한 차시에서 만나는 모습을 가상 사례로 그려 본다. 5학년 용해 수업 40분이다.

단계	시간	활동
예상	5분	설탕 20g을 물 100g에 녹이면 전체 무게가 얼마일지 모둠별로 예상과 이유를 적는다
실험	15분	전자저울로 녹이기 전과 녹인 뒤의 무게를 잰다
비교	10분	교사가 같은 질문을 AI에 입력해 화면에 띄우고, 학생은 AI 답과 실험값을 표에 나란히 적는다
토의	10분	값이 다르면 측정 오차인지, AI가 틀렸는지, 질문이 모호했는지 근거를 들어 가린다

이 설계에서 AI는 정답 공급원이 아니라 실험 결과와 견줄 또 하나의 자료다. 저울이 119.6g을 가리키고 AI가 120g이라고 답했다면, 그 0.4g을 두고 벌어지는 대화가 이 차시의 진짜 수업이다. AI는 이론값을 말하고 저울은 측정값을 말한다는 차이를 학생이 스스로 짚어 내면 성공이다.

1. AI를 넣은 차시에서 AI를 빼면 무엇이 사라지는지 한 문장으로 말할 수 있는가?
2. AI 출력과 학생이 만든 자료(관찰 기록, 측정값)를 비교하는 활동을 단원에 한 번 이상 넣었는가?
3. 학생이 직접 쓰는 활동과 교사가 시연하는 활동을 나이와 목적에 맞게 나누는가?
4. AI를 쓴 차시와 쓰지 않은 차시에서 학생의 설명 수준이 어떻게 달랐는지 기록해 보는가?

윤리 지식, 데이터 정직성부터 지킨다

가이드의 윤리 문항은 편향, 개인정보, 투명성을 묻는다. 과학 수업에서는 여기에 하나가 더 붙는다. 데이터 정직성이다. 실험이 실패했을 때 AI에게 그럴듯한 결과 표를 만들어 달라고 하면 몇 초 만에 나온다. 학생이 이 유혹을 처음 만나는 곳이 초등 과학실일 수 있다. 실패한 측정값을 그대로 적고 이유를 쓰는 편이 꾸민 결과보다 낫다는 것을 가르치는 일은 과학 윤리의 출발점이다.

연령 문제도 있다. 상당수 생성형 AI 서비스는 이용약관에서 만 13세 미만의 단독 가입을 막는다. 5·6학년 수업에서는 교사 시연이나 학교가 승인한 교육용 도구를 기본값으로 두는 편이 안전하다. 실험 장면 사진을 AI에 올릴 때 학생 얼굴이나 이름표가 함께 찍히지 않았는지도 살펴야 한다.

1. 실험이 실패했을 때 AI로 결과를 꾸미지 않기로 학생과 약속하고, 실패한 값을 기록하는 방법을 가르치는가?
2. 학생이 쓸 AI 도구의 연령 기준과 학교 지침을 확인했는가?
3. AI에 올리는 사진과 자료에 학생 개인정보가 들어 있지 않은지 확인하는가?
4. AI가 만든 그림이나 설명을 수업 자료에 쓸 때 AI로 만들었다고 밝히는가?

점검표를 쓰는 방법

스무 문항에 모두 그렇다고 답할 필요는 없다. 한 학기에 한 번 훑어보고, 아니라고 답한 문항 가운데 하나만 골라 다음 단원의 한 차시에서 바꿔 보면 충분하다. Intelligent-TPK 1번에 걸렸다면 다음 실험 차시에서 AI 시연을 결과 정리 뒤로 옮기기만 해도 된다. 바꾼 차시에서 학생들의 예상 기록이 어떻게 달라졌는지 적어 두면 그 기록이 다음 학기 점검의 출발점이 된다.

출처

• Kharbach, M. (n.d.). The AI-TPACK guide for teachers. Educators Technology.
• Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, 107468.
• Mishra, P., Warr, M., & Islam, R. (2023). TPACK in the age of ChatGPT and generative AI. Journal of Digital Learning in Teacher Education, 39(4), 235–251.
• Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054.