① 어떤 상황에서 AI를 활용했나요?
- (배경) 국가해양환경교육센터에서 진행하는 찾아가는 해양환경 이동교실 수업 중 ‘해양생물’, ‘갯벌생물’ 주제에 대한 교육 진행 시 학생들로부터 보호생물종, 서식지 등에 대한 질문을 받는 경우가 있어 다양한 정보를 알려주기 위해 학습 현장에서 인터넷을 검색하여 과학적 사실에 근거한 내용을 찾아 알려주는 번거로움이 발생합니다.

- (활용) 학교 또는 이동 교실이라는 학습 환경이 잘 갖추어진 공간뿐만 아니라, 향후 갯벌 현장이나 야외 등에서도 활용 가능토록 온·오프라인 병행 방식으로 설계하였으며, 아이들에게 널리 알려지지 않은 ’갯벌생물‘을 주제로 교육생의 흥미 유발 퀴즈 포함, 유아 및 초등학생의 눈높이에 맞는 「갯벌생물 정보 인포그래픽 프로그램」을 제작하여 어린이 복합문화공간 ’들락날락‘에서 해양특화 수업 시 상기 프로그램을 활용하였습니다.


② 어떤 AI를 어떻게 활용했나요?
1. (Google Teachable Machine) 생물 인식 모델 구축
갯벌 생물종별 사진(종당 10~15장)을 학습시켜 이미지 분류 AI모델 구축하였습니다.
에포크(Epoch), 배치 사이즈(Batch Size), 학습률(Learning Rate)을 조정하여 분류 정확도를 높이고, 핵심 파일 3종 (model, metadata, weights)을 추출하였습니다.

2. (Gemini 3.1 Pro) 오프라인 교육용 프로그램 기본 설계
웹 캠 대신 이미지 업로드 방식을 적용해 인터페이스를 단순화하고, 추출된 AI 모델을 인터넷 연결 없이도 로컬 PC에서 구동할 수 있는 웹 프로그램의 뼈대 코드를 생성하였습니다.

3. (Gemini 3 Flash) 프로토타입 검증 및 오류 수정
Google Colab 환경에서 프로토타입을 실행하며 온·오프라인 작동 안정성 검증 및 실시간 코드 리뷰 기능으로 오류를 진단·수정하여 개발 시간을 단축하였습니다.

4. (Claude AI) 2차 UI/UX 개선 및 기능 고도화
AI 모델 파일을 내부에서 자동으로 불러오는 방식으로 개선하여, 해양생명자원통합정보시스템(MBRIS), 해양환경정보포털(MEIS)의 과학적인 사실을 기반으로 이미지를 삽입·판독하는 클립보드 연동 기능을 추가하여 해당 생물의 서식지 및 해양보호생물 지정 사유 등의 다양한 정보를 한눈에 알아 볼 수 있도록 구현했습니다.


③ 활용 결과 어떤 변화가 있었나요?
1. (학생 측면) 자기주도적 탐구 역량 강화 및 참여도 향상
아이들이 직접 갯벌생물 사진을 선택하여 AI가 과학적 사실을 기반으로 판독한 해당 생물의 서식처, 특징, 생김새 등의 정보를 바로 확인하는 체험형 교육으로 바뀌면서 학습 태도에 긍정적인 변화가 나타났습니다.

2. (운용자 측면) 교육 운영 효율성 증대 및 지도 부담 경감
번번히 인터넷을 검색하여 다양한 정보를 제공하던 번거로움이 AI 학습 기능을 활용으로 갯벌생물의 정보 즉각 제공 및 학생들의 자발적 참여도 증가로 강사에게 해양 생태 해설과 학생과의 상호작용에 더 집중할 수 있는 환경이 마련되었습니다.

3. (프로그램 제작자 측면) 비전공자의 AI 프로그램 개발
외부 개발 용역이나 별도 네트워크 장비 구축 없이, 국가해양환경교육센터(학생이 직접 제작)에서 주도하여 자체 AI 교육 프로그램을 제작·활용해보는 색다른 경험을 할 수 있었습니다.

4. 교육 기관(수요처) 측면 교육 목표 달성 및 수혜자 만족도 극대화
AI를 활용한 새로운 방식의 교육으로 학생들의 집중도 향상 및 교육 수혜자 부모님 및 수요 기관 대상 AI학습 만족도 설문 조사 결과 96.9점을 획득하였습니다.


④ 나만의 방식 또는 개선 포인트는 무엇인가요?
1. 교육 현장 맞춤형 기능 경량화 ※ 추후 확장 가능한 여건 마련 시 웹 캠 기능도 추가 할 예정
현 시점에는 오작동 가능성이 있는 실시간 웹 캠 기능을 배제하고 현장에서 찍은 사진이나 포털의 생태 사진을 자유롭게 활용할 수 있도록 하여 이미지 첨부 방식으로 UI/UX를 개편하였습니다.

2. Google Colab을 활용한 디버깅 과정 정립 및 Claude AI를 통한 사용성 고도화
AI가 생성한 코드를 바로 적용하지 않고, Google Colab에서 먼저 테스트하는 단계를 도입.
Gemini Flash와 교차·검증하며 수정해 오류의 안정성을 높였으며, 모델 파일을 직접 등록해야 했던 초기 구조를 자동 로드 방식으로 바꾸고, 이미지 클립보드 삽입 기능을 추가해 사용 절차를 줄였습니다.


⑤ 다른 사람도 따라 할 수 있나요?
코딩 지식이 없어도 누구나 Google Teachable Machine의 직관적인 인터페이스로 몇 번의 클릭만으로 인공지능 모델을 학습 시킬 수 있습니다. 이 모델을 실제 프로그램으로 연결하는 코딩 작업은 Gemini와 Claude 같은 생성형 AI가 대신 수행해 주기 때문에, 비전공자도 충분히 따라할 수 있습니다. 또한, 별도의 프로그램 설치 없이 웹에서 바로 실행되는 Google Colab을 활용하면, 코드 실행 중 발생 하는 오류를 Gemini Flash가 즉시 분석해 수정 방향을 알려줍니다. 코딩 경험이 없어도 오류를 해결하며 프로그램을 완성할 수 있습니다.