① 어떤 상황에서 AI를 활용했나요?
“왜 내가 만든 자동차는 언덕을 못 오를까?”

제가 만든 블록 조립 게임 Craftyap에서, 학생들이 만드는 재미를 넘어 움직임의 원리까지 탐구하도록 하고 싶었습니다. 게임 속 실패가 새로운 실험의 출발점이 되도록 AI를 활용해 학습 질문과 실험 기능을 만들었습니다.

② 어떤 AI를 어떻게 활용했나요?
Claude와 ChatGPT의 도움을 받아 물리 원리를 게임의 계산과 움직임으로 구현했습니다.

자동차의 기어비와 바퀴 크기가 구동력에 미치는 영향, 경사면에서의 중력과 저항을 어떻게 계산하고 코드로 표현할지 검토했습니다. 이를 바탕으로 Codex를 활용해 부품 설정에 따라 주행 결과가 달라지는 기능을 구현했습니다.

AI가 제안한 계산과 코드는 직접 실행해 확인했습니다. 같은 조건에서 기어비만 바꾸어 이동 거리를 비교하고, 계산 결과와 화면의 움직임이 연결되는지 점검하며 수정했습니다. 이미지 생성 도구는 확장 장면의 표현을 구체화하는 데 활용했으며, 생성 이미지와 실제 실행 화면을 구분해 표시했습니다.

③ 활용 결과 어떤 변화가 있었나요?
같은 자동차에서 기어비만 바꾸자, 언덕 주행 결과가 달라졌습니다.
바퀴 크기·질량·경사·시험 시간을 고정한 단순한 모델에서, 기어비를 1.5:1에서 3.0:1로 바꾸자 5초 이동 거리가 0m에서 약 6m로 달라졌습니다. 조건 변경과 결과를 직접 비교할 수 있는 기능을 구현한 것입니다.

이 방식을 팬·필터를 통한 먼지 이동과 포집, 에너지 전환 경로, 우주선 탑승·상승 장면으로 확장했습니다. 현재 성과는 기능 구현과 실행 결과이며, 학생의 학습 효과는 체험을 통해 확인할 계획입니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
내가 만든 자동차의 실패 원인을, 직접 설정을 바꾸며 찾아가도록 했습니다.

Craftyap의 블록 조립과 도전 경험에 물리 실험을 연결했습니다. 자동차가 언덕에서 멈추면, 기어비를 바꿔 다시 달려 보고 이전 결과와 비교합니다. 학생이 “어떤 설정이 더 좋을까?”를 예상하고, 움직임을 관찰한 뒤 자신의 선택을 설명하도록 설계했습니다.

비교할 때는 기어비 외의 조건을 같게 유지해 결과가 달라진 이유를 살펴보도록 했습니다. 실행 중에는 설정창이 장면을 가리지 않게 하고, 비교 화면은 같은 시점으로 제시해 움직임의 차이가 바로 보이도록 개선했습니다.

⑤ 다른 사람도 따라 할 수 있나요?
누구나 게임을 하며 자신만의 자동차와 우주선을 만들고, 움직여 보면서 배워가는 것이 목표입니다.

학생이 코드를 작성하거나 물리 공식을 먼저 외울 필요 없이, 게임 안에서 블록과 부품을 골라 이동수단을 만들고 시험하도록 설계했습니다. 원하는 대로 움직이지 않으면 부품이나 설정을 바꾸고 다시 도전하면서, 각각의 역할과 움직임의 원리를 익혀가는 방식입니다.

친구와 서로 만든 이동수단을 보여주고, 어떤 선택이 움직임을 바꾸었는지 이야기하는 활동으로도 이어질 수 있습니다. 자동차에서 우주선까지, 만들고 싶은 대상이 다음 탐구로 이어지는 게임을 지향합니다.