① 어떤 상황에서 AI를 활용했나요?

사진 전공 수업의 과제 촬영 중, 노출 설정(조리개·셔터스피드·ISO), 조명 방법, 빛의 방향을 몰라 막히는 일이 자주 생겼습니다. 결과물이 왜 어둡거나 날렸는지 알아도 어떻게 바꿔야 하는지 바로 물어볼 사람이 없었고, 교수님이나 선배의 피드백은 촬영이 끝난 뒤에야 받을 수 있었습니다. 그래서 촬영 현장에서 스스로 원인을 찾고 해결할 수 있는 학습 도구를 직접 만들었습니다.

② 어떤 AI를 어떻게 활용했나요?

Claude(Anthropic)를 두 가지로 활용했습니다.

앱 제작: 코딩 경험 없이 대화만으로 웹앱 프로토타입을 만들었습니다.

앱 안의 AI 코치: 학생이 사진을 올리면 AI가 이미지를 보고 진단합니다.

노출 진단: 히스토그램, 하이라이트 날림(%), 암부 뭉개짐(%)을 실제 픽셀로 계산하고, 사진의 EXIF에서 촬영값을 자동으로 읽어 AI에 함께 전달합니다. AI는 원인(노출·흔들림·심도·노이즈)과 "조리개 f/4 → f/2.8, 셔터 1/60 → 1/125" 같은 스톱 단위 설정 제안을 줍니다.

라이팅 분석: 빛의 방향, 높이, 하드/소프트 질감을 읽고 위에서 본 라이팅 다이어그램을 그려 주며, 원하는 분위기에 맞는 반사판·디퓨저 위치를 제안합니다.

예시 비교: 내 사진과 참고 사진을 올리면 차이점과 따라 하는 방법을 설명합니다
.
촬영 환경 반영: 날짜, 시간, 도시를 넣으면 태양 고도와 방위, 일출·일몰을 계산하고 날씨(직접 선택)와 함께 분석에 반영합니다.

수업 맞춤: 과제 주제와 평가 기준을 입력하면 모든 진단이 그 기준에 맞춰집니다.

주제별 가이드: 역광, 렘브란트, 림라이트, 직사광, 확산광 등 9개 주제의 체크포인트와 촬영 전 질문 모드를 넣었습니다.

③ 활용 결과 어떤 변화가 있었나요?

촬영 현장에서 사진을 바로 올려 원인과 개선 설정을 확인하고 다시 촬영할 수 있게 되었습니다.
진단 기록(사진 포함)을 파일로 저장해 과제 촬영 과정을 복습 자료로 남길 수 있습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

AI의 추정과 실제 측정을 분리했습니다. 밝기 통계와 EXIF 값은 실제 데이터로 계산하고, AI는 그 값을 해석하게 해서 판단의 근거를 높였습니다. 정답을 주기보다 이유를 설명하게 했습니다. 설정값을 알려 주되 "왜 그렇게 바꾸는지"를 함께 설명해서 학생이 원리를 익히도록 했습니다. 한계를 화면에 표시했습니다. 빛 방향과 노출은 AI 추정이라 오차가 있을 수 있어 "참고용 코칭"이라고 명시했고, 날씨와 사진이 모순되면 사진을 우선하도록 했습니다.

⑤ 다른 사람도 따라 할 수 있나요?

1. Claude에 "촬영 과제에서 막히는 상황을 해결해 주는 사진 진단 웹앱을 만들어 줘"처럼 만들고 싶은 기능을 대화로 설명하며 단계별로 추가합니다.

2. 수업의 평가 기준이나 주제를 입력 항목으로 넣으면 전공이 다른 수업(영상, 디자인, 미술 등)에도 응용할 수 있습니다.

3. 학생이 직접 촬영하고 AI 진단으로 개선하는 흐름이어서, 교사는 수업 자료로 활용하고 학생은 자기주도 학습 도구로 쓸 수 있습니다.