![[그림 1] 풀리캠퍼스 이미지.png](https://oopy.lazyrockets.com/api/v2/notion/fileUrl?src=attachment%3A1f46685a-8105-4fb7-9516-96bfb5fafc01%3A%EA%B7%B8%EB%A6%BC_1_%ED%92%80%EB%A6%AC%EC%BA%A0%ED%8D%BC%EC%8A%A4_%EC%9D%B4%EB%AF%B8%EC%A7%80.png&name=%255B%25EA%25B7%25B8%25EB%25A6%25BC%25201%255D%2520%25ED%2592%2580%25EB%25A6%25AC%25EC%25BA%25A0%25ED%258D%25BC%25EC%258A%25A4%2520%25EC%259D%25B4%25EB%25AF%25B8%25EC%25A7%2580.png&blockId=3eaf8e04-93c9-8085-b596-d28e04adb625)
요약
배재대학교는 학생별 진단 결과와 피드백이 실제 학습 행동으로 이어질 수 있도록 풀리캠퍼스를 활용한 맞춤형 학습 지원 모델을 운영하고 있다. 기초학습역량 강화를 위해 설계한 PACE 모델은 진단(Profile), 설계(Align), 학습(Cultivate), 평가(Evaluate)의 흐름으로 학습 과정을 조직한다. 진단 단계에서는 풀리캠퍼스의 AI-CAT 평가 기능을 활용해 학습자의 현재 수준과 부족한 영역을 파악하고, 이후 학생에게 필요한 목표와 학습 과정, 활동을 설계한다. 또한 풀리캠퍼스의 글쓰기 평가 프로그램을 활용해 학생 글을 내용·구조·표현의 관점에서 분석하고, 교수자가 이를 수업 목표와 평가 기준에 맞게 검토해 학생의 수정 행동으로 이어지도록 지원한다.
활용 배경
AI는 대학 교육이 오랫동안 지향해 온 맞춤형 학습의 가능성을 빠르게 넓히고 있다.
AI 기반 적응형 학습은 학습자의 수준과 학습 반응에 따라 내용과 경로를 조정하고, 생성형 AI는 학생의 글과 학습 결과에 개별적인 피드백을 제공한다.
그러나 맞춤형 학습의 교육적 가치는 AI가 제공하는 정보 자체에 있지 않다. 진단 결과와 피드백이 학생의 목표와 활동, 실천으로 이어질 때 맞춤형 학습의 의미가 분명해진다.
대학 교육 현장에서 중요한 것은 학생별 결과를 단순히 확인하는 데 그치지 않고, 그 결과를 다음 학습 행동으로 연결하는 것이다.
학생이 자신의 상태를 이해하고, 필요한 학습 전략을 선택하며, 실제 과제 수행과 학습 행동으로 옮길 수 있어야 한다.
배재대학교는 이러한 문제의식에서 풀리캠퍼스를 활용해 진단과 맞춤형 학습 과정을 연결하는 체제적 접근과, 교수자–AI 협력을 통한 피드백 기반 학습 지원을 함께 설계했다.
풀리캠퍼스 활용 방식
배재대학교는 기초학습역량 강화를 위해 PACE 모델을 설계하고, 이 과정에서 풀리캠퍼스의 AI-CAT 평가 기능을 활용했다.
PACE는 진단(Profile), 설계(Align), 학습(Cultivate), 평가(Evaluate)의 흐름으로 학습 과정을 조직하는 모델이다.
진단 단계에서는 풀리캠퍼스의 AI-CAT 평가 기능을 통해 학습자의 현재 수준과 부족한 영역을 파악한다.
이후 진단 결과에 따라 학생에게 필요한 목표와 맞춤형 학습 과정을 설계하고, 학생이 자신에게 필요한 과정을 수행한 뒤 학습 결과와 변화를 다시 확인한다.
PACE의 핵심은 진단으로 확인한 학생의 차이를 실제 학습 내용과 활동, 학습 결과 확인으로 연결하는 데 있다.
적응형 학습이 학생에게 필요한 다음 학습을 구체화하면, PACE는 그 내용을 목표와 수행, 평가가 이어지는 학습 흐름 안에 배치한다.
학생은 이 과정에서 자신의 수준과 어려움을 이해하고, 필요한 도움과 학습 전략을 선택해 적용한다.
이러한 선택과 실천을 통해 외부에서 설계된 경로는 학생 자신의 학습 과정으로 이어진다.
글쓰기 평가와 교수자-AI 협력
배재대학교는 PACE 모델과 별도로, 풀리캠퍼스의 글쓰기 평가 프로그램을 활용해 글쓰기 평가와 피드백을 개선하고 있다.
글쓰기는 학생마다 결과물이 다르고, 같은 문장도 과제의 목적과 글 전체의 맥락 속에서 읽어야 한다.
따라서 글쓰기 평가는 AI가 학생별 피드백을 제공할 수 있는 영역이면서도, 교수자의 교육적 판단이 중요하게 작동하는 영역이다.
풀리캠퍼스의 글쓰기 평가 프로그램은 학생 글을 내용, 구조, 표현의 세 관점에서 분석한다.
결과 화면에는 각 관점에 대한 점수와 함께 판단 이유, 보완할 지점, 글 전체에 대한 의견이 제시된다.
교수자는 이 자료를 수업 목표와 평가 기준에 비추어 다시 읽고, 학생에게 제공할 피드백의 내용과 순서를 정한다.
학생은 그 피드백을 바탕으로 자신의 글에서 어떤 부분을 먼저 수정해야 하는지 구체적으로 확인한다.
교수자의 검토는 AI가 제시한 글 분석과 피드백 초안에 교육적 맥락과 우선순위를 더하는 과정이다.
같은 피드백도 과제의 목적과 평가 기준, 글 전체의 맥락, 학생이 표현하려 한 의도에 따라 의미가 달라질 수 있기 때문이다.
교수자는 AI 분석 결과를 검토해 중요한 문제와 부차적인 문제를 구분하고, 학생이 현재 이해하고 실행할 수 있는 수준에 맞게 피드백의 우선순위와 표현을 조정한다.
[이미지 설명] 배재대학교 PACE 모델 개념도. 진단(Profile), 설계(Align), 학습(Cultivate), 평가(Evaluate)를 하나의 순환 구조로 연결해 학생별 진단 결과가 맞춤형 학습 과정으로 이어지도록 설계했다.
학습 경험의 변화
배재대학교 사례에서 맞춤형 학습의 핵심은 학생마다 다른 현재 상태와 다음 학습 행동을 연결하는 데 있다.
학생은 AI-CAT 진단 결과를 통해 자신의 수준과 부족한 영역을 확인하고, PACE 모델 안에서 목표와 학습 활동, 평가로 이어지는 학습 흐름을 경험한다.
글쓰기 평가에서는 AI가 글의 특징을 분석하고 여러 대안을 제시하며, 교수자가 학습의 초점과 우선순위를 정한다.
학생은 필요한 피드백을 선택해 실제 글에 적용하고, 수정 계획을 세우며, 문단을 다시 쓰고 자신의 선택을 설명하는 과정을 거친다.
이 장면에서 교수자–AI 협력은 학생의 수정과 성찰까지 이어지는 피드백 순환으로 완성된다.
피드백은 학생이 자신의 글을 다시 보고 수정 방향을 정하는 학습 자원이 되고, 수업 시간은 피드백을 전달하는 시간에서 피드백을 이해하고 적용하는 시간으로 확장된다.
AI는 분석과 대안을 제공하고, 교수자는 교육적 맥락과 우선순위를 더하며, 학생은 선택과 실천을 통해 학습을 완성한다.
교육적 의미
배재대학교 사례는 AI 기반 맞춤형 학습이 단순히 학생별 결과를 제공하는 데 그쳐서는 안 된다는 점을 보여준다.
진단과 피드백은 학생을 분류하거나 평가 결과를 전달하기 위한 절차가 아니라, 학생에게 필요한 다음 학습을 설계하기 위한 출발점이 되어야 한다.
맞춤형 학습이 맞추어야 할 것은 학생마다 다른 현재 상태와 다음 학습 행동의 연결이다.
무엇을 배울지, 어떤 순서와 속도로 학습할지, 어떤 피드백을 우선 적용할지, 실행 이후 무엇을 다시 조정할지를 함께 설계해야 한다.
AI는 이 과정에 필요한 분석과 대안을 제공하고, 교수자는 수업 목표와 평가 기준에 맞춰 학습의 초점을 분명히 한다.
학생은 이를 바탕으로 먼저 다룰 문제와 실행 순서를 정해 실천한다.
결국 학생별 결과가 학생별 학습이 되기 위해서는 진단, 피드백, 교수자의 판단, 학생의 실천이 함께 연결되어야 한다.
AI가 제공한 결과가 학생에게 전달되는 데서 멈추지 않고, 학생의 다음 학습 행동으로 이어질 때 맞춤형 학습은 실제 교육의 변화가 될 수 있다.
사례 핵심 포인트
•
배재대학교, 풀리캠퍼스를 활용해 학생별 진단 결과와 맞춤형 학습 과정을 연결
•
기초학습역량 강화를 위한 PACE 모델 설계
•
PACE 모델은 진단(Profile), 설계(Align), 학습(Cultivate), 평가(Evaluate)의 순환 구조로 운영
•
진단 단계에서 풀리캠퍼스 AI-CAT 평가 기능을 활용해 학생의 현재 수준과 부족한 영역 확인
•
진단 결과를 목표, 학습 활동, 평가로 이어지는 학습 흐름 안에 배치
•
풀리캠퍼스 글쓰기 평가 프로그램을 활용해 학생 글을 내용·구조·표현 관점에서 분석
•
AI가 제시한 점수, 판단 이유, 보완 지점, 전체 의견을 교수자가 수업 목표와 평가 기준에 맞게 검토
•
교수자가 피드백의 우선순위와 표현을 조정해 학생의 수정 행동으로 연결
•
피드백을 전달하는 데서 그치지 않고 학생이 이해하고 적용하는 수업 상호작용으로 확장
•
AI는 분석과 대안을 제공하고, 교수자는 교육적 맥락과 우선순위를 더하는 협력 구조 제시
•
학생별 결과가 실제 학습 행동으로 이어질 때 맞춤형 학습이 완성된다는 방향 제시
원문 기사 보기
배재대학교가 풀리캠퍼스의 AI-CAT 진단평가와 글쓰기 평가 프로그램을 활용해 학생별 진단 결과와 피드백을 실제 학습 행동으로 연결한 과정을 원문 기사에서 자세히 확인할 수 있다.
PACE 모델을 통한 기초학습역량 강화 방식과 교수자–AI 협력을 통해 피드백을 학생의 수정과 성찰로 이어지게 하는 수업 설계 방향도 함께 살펴볼 수 있다.
관련 키워드
풀리캠퍼스, PULLEY CAMPUS, 풀리AI, 배재대학교, 유영진 교수, 배재대학교 교육혁신처, 배재대학교 교수학습센터, 대학 교육 AI, AI 코스웨어, AI-CAT, AI 기반 컴퓨터 적응형 평가, 맞춤형 학습, 적응형 학습, 기초학습역량, PACE 모델, Profile, Align, Cultivate, Evaluate, 진단평가, 학습 설계, 학습 수행, 평가, 교수자 AI 협력, AI 글쓰기 평가, 글쓰기 피드백, 내용 구조 표현 평가, 학생별 피드백, 학습 데이터, 학습 행동, 피드백 순환, 대학 교육 AI 전환, 조선에듀
기고자 소개
