① 어떤 상황에서 AI를 활용했나요?
학생들이 실험 과정에서 예상과 다른 결과가 나타났을 때 실험 방법과 조건을 점검하고 개선하기 위해 생성형 AI를 활용했습니다. 또한 습도 실험 후에는 수집한 데이터를 엔트리 AI 예측 모델에 입력하여 장갑을 일정 시간 착용했을 때의 향후 습도를 예측하는 데 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
생성형 AI에게 실험 방법, 변인 통제, 예상되는 문제점과 실험 개선 방법을 질문하고, AI의 제안을 학생들이 실제 실험 조건에 맞는지 검토하여 보완 실험에 반영했습니다. 이후 실험에서 수집한 습도 데이터를 엔트리 AI 예측 모델에 학습 데이터로 입력하고 착용 시간을 입력하여 향후 습도를 예측했습니다.
③ 활용 결과 어떤 변화가 있었나요?
학생들이 AI에게 단순히 정답을 얻는 것에서 벗어나, AI를 활용하여 자신의 탐구 과정을 점검하고 개선하는 경험을 하게 되었습니다. 특히 실험 실패를 단순한 실패로 받아들이지 않고 원인을 분석한 뒤 실험 조건을 수정하여 다시 검증하는 태도가 나타났습니다. 또 AI를 이용하여 실험조건을 바꾸었을때, 결과가 항상 맞지 않는다는 사실을 통해서 할루시네이션에 대한 개념을 체득하게 하였습니다. 또한 AI 예측 결과와 실제 측정값을 비교하면서 AI의 예측에도 한계가 있으며 실제 데이터와 함께 판단해야 한다는 점을 이해하게 되었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 제시한 답을 그대로 활용하지 않고 학생들이 먼저 실험 결과와 문제 상황을 분석한 후 AI를 보조적으로 활용하도록 한 점이 가장 큰 특징입니다. 특히 첫 번째 마찰력 실험에서 아크릴판의 마찰력이 너무 높아 결과가 제대로 나타나지 않자, 학생들이 문제의 원인을 찾고 AI와 함께 보완 방법을 탐색하여 비닐을 씌운 보완 실험을 직접 설계했습니다. 즉, AI가 탐구를 대신하는 것이 아니라 학생의 사고와 판단을 확장하도록 활용했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
네. 생활 속에서 학생들이 직접 경험하는 문제를 출발점으로 삼고, 실험 → 데이터 수집 → AI를 활용한 탐구 개선 → AI 예측 → 해결안 제작의 과정으로 구성하면 다른 과학 수업에서도 적용할 수 있습니다. 특히 학생들이 직접 실험하고 실패하며 해결 방법을 찾아가는 문제해결형 과학·AI 융합 수업을 설계하고 싶은 교사에게 활용도가 높은 사례입니다.