본 프로그램(일본어 문자 쓰기 수행평가 자동 생성기)은 한국 중·고등학교 일본어 교육 현장에서 활용할 수 있도록 설계된 웹 기반 시스템입니다. Anthropic Claude와 Google Gemini API를 활용하여 직접 개발했으며, 읽고 쓰기·듣고 쓰기 유형을 전환하거나 어휘 범위를 조정하면 회화·문화 수업 수행평가로도 확장할 수 있습니다.
2022 개정 교육과정 일본어과 성취기준 및 해설, 그리고 교육 공공데이터(히라가나 446개·가타카나 77개, 총 523개 어휘)를 기반으로 음운 난이도를 자동 분류하고, 난이도는 동일하지만 반마다 다른 수행평가 문항을 3분 이내에 생성합니다. 현재 배포 중이며 누구나 접근 가능합니다.
① 어떤 상황에서 AI를 활용했나요?
고등학교에서 20년 넘게 일본어를 가르쳤습니다. 재직 중 이 시스템의 초기 버전을 직접 만들어 제 수업에서 먼저 사용했습니다. 제 교과서와 평가 방식에 맞춰 만든 것이라 저는 편리하게 썼지만, 다른 선생님들께 공유했을 때는 잘 쓰이지 않았습니다. 툴의 기능이 부족하거나 사용방법이 어려워서가 아니라, 학교급(고등학교·특목고·특성화고·중학교)과 교과서가 다르고, 설령 같은 교과서를 쓰더라도 학생들의 성취 수준이 학교마다, 반마다 다르다는 현장의 다양성 자체를 하나의 도구로는 담아내기 어려웠기 때문입니다.
이후 생성형 AI가 발전하면서, 특정 교사 한 명의 방식에 맞춘 도구가 아니라 다양한 교과서와 평가 스타일에 유연하게 대응할 수 있는 시스템으로 이 툴을 다시 개발하게 되었습니다.
이 도구가 필요했던 더 근본적인 이유는 시차 수업에 있습니다. 수행평가의 경우 같은 학년이라도 반마다 수업 시간이 달라 모든 반이 동시에 시험을 볼 수 없는데, 문항이 같으면 먼저 시험을 본 반의 학생들이 나중에 보는 반 친구들에게 문제를 알려줄 수 있어 형평성 문제가 생깁니다. 특히 일본어 도입 단계에서는 사고력을 묻는 서술형보다 단답형 단어 문제 비중이 높아, 문항이 노출되면 답을 그대로 암기해서 전달하기가 더 쉽다는 위험도 있습니다.
한 학교에 일본어 교사가 1명인 경우가 많아, 학교급이 큰 경우 담당하는 반이 7~8개에 이르기도 합니다. 가르치는 반마다 평가지를 따로 만들어야 하고, 결석생이 생기면 그 학생만을 위한 별도 문항까지 추가로 만들어야 합니다. 매 학기 수행평가 시즌마다 ①문제 유형, ②난이도 기준, ③반별로 공정하게 다른 단어 선정을 매번 새로 판단해 단어 선별·음운 난이도 분류·반별 문제 조합·편집까지 진행해야 했고, 이 전체 과정에 약 3시간 이상이 걸렸습니다(20년 교직 경험 기반 추정). 결석생이나 재시험 대상자가 생기면 처음부터 다시였습니다.
근본적인 문제도 있었습니다. 2024년 11월 교육부가 발표한 AI 디지털교과서 도입 로드맵 조정안은 영어·수학·정보(2025년), 사회·과학(2027년) 교과를 다뤘지만, 제2외국어 교과는 이 로드맵에 포함되어 있지 않습니다. 전국 중고등학교 일본어 교사는 (학교알리미 학교별 공시 자료를 직접 집계한 결과) 3,102명 규모로 파악되며, 이처럼 AI 교육 지원 정책의 사각지대에 놓여 있는 것이 이 도구를 직접 만들게 된 배경이기도 합니다.
② 어떤 AI를 어떻게 활용했나요?
교사마다 다른 교과서와 수업 목표에 대응할 수 있도록, 행 범위·난이도·문항 유형을 교사가 직접 조정하는 구조로 설계했습니다. 예를 들어 가나 문자를 처음 배우는 중학교의 생활일본어나 고등학교의 일본어Ⅰ 수업에서는 읽고 쓰기 중심으로, 회화 수업에서는 듣고 쓰기 문항으로 전환해 쓸 수 있고, 어휘 범위를 국토·지역명으로 바꾸면 일본 문화 수업의 수행평가로도 확장할 수 있습니다. 박자 수 표기나 발음 규칙 서술형 문항을 추가·제외하는 것도 가능하고, 같은 교과서를 쓰더라도 학급별 성취 수준에 맞춰 난이도를 세밀하게 조정할 수 있습니다.
일본어 문자 쓰기 수행평가 자동 생성기는 AI 3종을 활용했습니다 — 개발 단계 1종, 실시간 운영 단계 2종입니다.
1. Anthropic Claude — 난이도 분류 기준 설계 + 전체 코드 구현 (개발 단계). 교사가 실제 수업에 쓰는 서비스이기 때문에 무엇보다 안정적으로 오류 없이 동작하는 코드가 중요했고, 코딩 안정성 면에서 Claude가 가장 신뢰할 수 있었습니다.
2. Gemini 3.5 Flash-Lite — DB 미등록 단어의 한국어→일본어 번역, 실시간 음운 난이도 추론(입력 단어를 상/중/하로 자동 분류) (단어 입력 시마다)
3. Gemini 2.5 Flash Preview TTS — 듣고 쓰기용 일본어 음성 실시간 생성, PCM→WAV 변환 포함 (듣고 쓰기 모드 실행 시). API 호출 실패 시에는 브라우저 내장 음성 합성(Web Speech API)으로 자동 전환되어 서비스 중단 없이 음성이 재생됩니다.
이 모델은 현재 공식 종료일이 발표되지 않았지만, 구글이 후속 모델(Gemini 3.1 Flash TTS Preview)을 이미 지정해둔 상태입니다. 종료 공지가 뜨면 마이그레이션할 계획입니다.
사용자 요청마다 반복적으로 호출되는 2~3번 기능에 Gemini 계열을 쓴 이유는 비용 때문입니다. Gemini는 Claude보다 비용이 저렴하고 무료 등급에서 사용 가능한 토큰 한도도 있어, 개인이 만든 무료 배포 도구를 지속적으로 운영하는 데 더 적합했습니다. 즉 "안정성이 최우선인 개발 단계"와 "비용 효율이 중요한 반복 호출 단계"를 구분해 각각에 맞는 모델을 배치했습니다.
사용 흐름은 다음과 같습니다.
▶ STEP 01. 문자 유형 선택 — 히라가나 또는 가타카나 선택
▶ STEP 02. 행 배치 및 난이도별 문항 수 설정 — 행 목록은 아행·카행·사행·타행·나행·하행·마행·라행과 야행+와행(글자 수가 적어 균형을 맞추기 위해 하나로 묶음), 총 9개 유닛으로 구성. 드래그 앤 드롭으로 [선택1]·[선택2] 두 그룹에 원하는 유닛을 각각 1개 이상 배치하고, 상/중/하 난이도별 출제 문항 수(예: 상 1개·중 2개·하 1개)를 함께 설정
▶ STEP 03. 단어 입력·검토 —엑셀 업로드 또는 직접 입력(한글·일본어 모두 가능). 난이도를 미리 분류해둔 파일이 아니어도 되며, AI가 자동으로 난이도를 판별해 칸반 보드에 배치합니다 → 교사가 최종 조정
▶ STEP 04. 수행평가 생성 — 읽고 쓰기·듣고 쓰기 2가지 유형 자동 생성
생성된 문항은 화면 표시용으로 설계되어 있어, 버튼을 클릭할 때마다 [선택1] 그룹과 [선택2] 그룹에서 각각 행이 하나씩 랜덤으로 뽑혀 조합되고(예: 사행+마행), 그 안의 단어도 교사가 사전 설정한 난이도 비율(예: 상 1개·중 2개·하 1개)에 맞춰 매번 새롭게 조합되어 나옵니다. "다시 생성" 버튼으로 결석생·재시험용 문항도 즉시 새로 뽑을 수 있습니다.
AI는 어휘 자체를 임의로 창작하지 않습니다. 2022 개정 교육과정 기본 어휘 523개는 정규표현식으로 100% 확정 분류하고, DB에 없는 신규 단어에 한해서만 Gemini AI가 실시간 추론하도록 설계했습니다 — 환각 현상과 토큰 비용 최소화가 목적입니다. 이 난이도 분류 기준(요음·촉음·장음 등)은 임의로 정한 것이 아니라, 2022 개정 교육과정 일본어과 성취기준([12일어01-01] "청·탁음, 장·단음, 요음, 촉음, 발음, 박, 억양 등 발음상의 특징에 유의하여 듣고 식별한다")을 그대로 구현한 것입니다.
③ 활용 결과 어떤 변화가 있었나요?
수행평가 제작 시간은 3시간에서 3분으로 줄었습니다(20년 교직 경험 기반 추정). 전국 중고등학교 일본어 교사는 3,102명(학교알리미)이며, 교육과정 공공데이터 어휘 DB(NCIC) 523개를 내장하고 있습니다.
1. 수행평가 제작 — 단어 선별·난이도 분류·문항 편집 약 3시간 → 클릭 한 번, 3분 이내 자동 생성
2. 반별 공정성 — 반마다 문제 편차 발생 → 동일 난이도 비율, 반별 랜덤 문항으로 시차 수업으로 인한 문제 유출 위험 최소화. 학생들은 모두 동일한 형식의 수행평가지(문항 구성·난이도 배점 고정)를 받지만, 화면에 표시되는 출제 행과 단어는 클릭마다 랜덤으로 바뀌므로 반별로(또는 재시험 때마다) 실제 문항 내용이 상이합니다. 다만 난이도 비율은 항상 동일하게 유지되어 반별 형평성이 보장됩니다.
3. 결석생·재시험 — 새 문제 수작업 재제작 → 버튼 한 번으로 동일 기준 새 문항
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
▶ 확산 계획 —이 도구는 별도의 회원가입이나 로그인 없이 배포 링크(japanese-assessment.vercel.app)만 있으면 누구나 바로 사용할 수 있는 구조로 설계되어 있어, 다른 학교의 일본어 교사에게도 그대로 공유·확산될 수 있습니다. 확산 규모가 커질 경우의 비용 부담을 고려해, 정본 어휘 523개는 API 호출 없이 100% 로컬 처리되도록 설계했고, 실시간 AI 호출은 DB에 없는 신규 단어에 한해서만 발생하도록 최소화했습니다. 교사 수가 늘어나도 새 단어를 입력할 때만 비용이 발생하는 구조라, 무료 등급 범위 안에서 충분히 감당 가능합니다.
▶ AI 역할 분리 설계 — Claude(코드 구현)·Gemini 3.5 Flash-Lite(번역·난이도 분류)·Gemini TTS(음성 생성)로 역할을 분리해 환각 최소화 및 비용 효율화를 동시에 달성했습니다.
▶ 하이브리드 입력·판단 구조 — AI가 단어를 1차로 자동 분류하면, 교사가 드래그 앤 드롭으로 실제 수업 경험을 반영해 최종 조정합니다. 난이도 판정 기준(음운 규칙) 자체는 20년 현장 경험이 설계했고, AI는 이를 코드로 일관되게 구현·적용하는 역할을 맡았습니다.
▶ 교육 공공데이터 구조화 재가공 — NCIC 어휘 523개를 한국인 학습자 쓰기 오류 관점에서 박자·특수발음 기준으로 규칙화하여 상/중/하로 분류했습니다. 단순 활용을 넘어 DB로 재가공한 것이 핵심입니다.
▶ 발음 복잡도 기반 문항 배치 — 추출된 단어는 발음 복잡도 순(청음→탁음·반탁음→요음·촉음·장음)으로 자동 배치되어, 학생이 뒤로 갈수록 심화 문항을 접하도록 설계했습니다.
▶ 변별력을 고려한 데이터 설계 — 난이도별 출제 개수의 2배수 이상 데이터를 확보하도록 조건화하여, 랜덤 추출이 이루어져도 문항의 변별력이 보장되도록 설계했습니다.
▶ 교육과정 평가 근거 반영 — 2022 개정 교육과정 평가 근거조항의 "두 가지 이상의 기능을 통합한 평가"(가나 쓰기 문항과 발음 규칙 서술형이 연계되는 구조), "디지털 평가 도구 적극 활용" 방향에 따라 설계했습니다.
▶ 확장 가능한 구조 — 일본 국토·문화 어휘까지 평가 범위 확장이 가능합니다.
▶ 경력 무관 재현 용이성 — 2022 개정 교육과정 기본 어휘의 난이도 매핑을 AI가 객관적 데이터 기준으로 자동 처리합니다. 학교마다 학생들의 실제 성취 수준은 다를 수 있지만, 어휘 자체의 난이도는 동일한 기준으로 판단할 수 있어, 경력이 적거나 일본어 교직이 처음인 교사도 별도의 난이도 판단 경험 없이 바로 활용할 수 있습니다.
▶ 개인정보 보호 — 이 도구는 교사가 수행평가지를 제작하기 위해 사용하는 제작 도구로, 학생이 직접 접속하거나 정보를 입력하는 서비스가 아닙니다. 교사의 이름·이메일 등 개인 식별 정보도 입력받지 않으며, 별도의 회원가입·로그인 절차 자체가 없습니다. 작업 중인 단어 목록과 설정값은 사용자의 로컬 브라우저에만 저장되고 외부 서버로 전송되지 않아, 애초에 개인정보가 시스템에 들어올 여지가 없는 구조입니다.
▶ 정확성 검증 절차 — AI가 자동 번역·분류한 단어는 STEP03에서 상/중/하 칸반 보드로 교사가 직접 검토하고, 드래그로 재분류하거나 삭제할 수 있습니다. STEP04에서 생성된 문항도 "다시 생성" 버튼으로 재검토 후 최종 확정하므로, AI의 결과물이 교사 확인 없이 그대로 학생에게 배포되지 않도록 설계되어 있습니다.
▶ 편향·유해 표현 리스크 최소화 — 이 도구는 AI가 자유 텍스트를 창작하는 구조가 아니라, 정본 어휘(NCIC)와 교육과정 성취기준 범위 안에서만 문항을 생성합니다. 신규 단어의 번역·분류에도 Gemini가 임의의 문장을 만들지 않고 단어 대 단어 매핑만 수행하므로, 편향되거나 차별·혐오적인 표현이 생성될 여지 자체가 구조적으로 차단되어 있습니다.
▶ 저작권 등록 완료 — 한국저작권위원회 프로그램 저작물 등록 완료(2026.06.08)로, 창작물로서의 권리를 확보한 실제 서비스입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 다른 학교의 일본어 교사도 그대로 가져다 쓸 수 있습니다.
별도의 회원가입이나 로그인 없이 배포 링크(japanese-assessment.vercel.app)만 있으면 누구나 바로 사용 가능하며, 설치도 필요 없습니다. 무엇보다 이 도구는 경력과 무관하게 재현 가능하도록 설계했습니다. 어휘 난이도 매핑을 AI가 2022 개정 교육과정 기준의 객관적 데이터로 자동 처리하므로, 학교마다 학생 성취 수준은 달라도 어휘 자체의 난이도 판단은 교사의 경력에 좌우되지 않습니다. 경력이 적거나 일본어 교직이 처음인 교사도 별도의 난이도 판단 경험 없이 바로 활용할 수 있습니다.
그럼에도 불구하고 교사가 AI의 난이도 설정을 검토하고 수정할 수 있게 한 이유는, 학교급마다 그리고 같은 학교급이라도 학교마다 학생들의 성취 수준이 다르기 때문입니다. 같은 단어라도 어떤 학교의 학생에게는 쉬울 수 있고, 다른 학교의 학생에게는 어려울 수 있습니다.
확장도 동일한 구조로 가능합니다. 이 도구의 핵심(공공 어휘 데이터 기반 난이도 자동 분류 + 랜덤 생성)은 일본어 문자 학습에 한정되지 않아, 중국어 병음이나 한자 등 다른 언어 과목에도 같은 방식으로 적용할 수 있습니다.
개인 채널만으로는 전국 3,102명(학교알리미)의 일본어 교사 전체에 닿기 어렵고, 신뢰를 얻는 데도 시간이 걸리는 데다, 저마다 오래 써온 방식이 있다 보니 새로운 도구를 받아들이는 속도도 선생님마다 다를 수밖에 없습니다. 이런 이유로, 공공기관이 주관하는 채널을 통해 이 사례를 공유하는 것 자체가 확산 전략의 한 축이라고 생각합니다.
어휘 DB 및 성취기준 출처: 2022 개정 교육과정 일본어 기본 어휘표·성취기준 및 해설(국가교육과정정보센터, NCIC) — 공공누리 제1유형 배포 URL: https://japanese-assessment.vercel.app 본 사례는 제안자 본인의 실제 제작·배포·수업 적용 경험을 기반으로 작성되었습니다.