목록으로
교육·학습을 위한 AI 활용
정답은 알려주지 않는 AI 조교: 학생의 오답 기록을 읽고 힌트와 학습 진단, 개인 맞춤 문제까지 스스로 출제하는 코딩 알고리즘 훈련 플랫폼
컴퓨터 사고 능력 향상을 위한 알고리즘 교육: 정답은 알려주지 않고, 학생의 오답 기록으로 AI가 튜터링과 학습 진단, 개인 맞춤 문제까지 자동 생성하는 코딩테스트 플랫폼
🤖 활용 AI 도구
Gemini API, Claude Code
▶ 서비스 주소: https://paircoding-official.vercel.app
① 어떤 상황에서 AI를 활용했나요?
부트캠프에서 알고리즘과 코딩테스트를 가르치면서 강사 한 명으로는 풀 수 없는 두 가지 문제를 해결하려고 AI를 썼습니다.
첫째, 학생마다 틀리는 지점이 다른데 수업은 한 방향입니다. 한 학생은 입력 파싱에서, 다른 학생은 경계값 처리에서 반복해 틀립니다. 이 차이는 제출 기록에 다 남아 있지만, 수강생 전원의 기록을 매일 읽고 각자에게 맞는 문제를 새로 출제하는 일은 강사 한 명이 감당할 수 없습니다.
둘째, 학생이 막혔을 때 검색하거나 챗봇에 물으면 정답 코드가 그대로 나옵니다. 코드를 받아 적으면 그 문제는 통과하지만 컴퓨터 사고 능력은 자라지 않습니다. 그래서 목표를 이렇게 잡았습니다. 학생의 오답 기록에서 약점을 찾아내되, 정답 코드는 주지 않고 접근 방향과 반례만 주는 AI 학습 튜터를 만들었습니다.
② 어떤 AI를 어떻게 활용했나요?
AI를 세 자리에 썼습니다. 플랫폼을 만들 때, 학습 콘텐츠를 생성하고 검증할 때, 그리고 학생 개개인의 학습을 돕는 기능으로 서비스 안에서 돌 때입니다.
(1) 플랫폼 개발: Claude Code
Next.js 웹, Supabase 데이터베이스, 오픈소스 채점 서버(Judge0) 연동까지 3주간 135번의 커밋, 184개 파일 약 3만 2천 줄을 작성했습니다. 채점 파이프라인, 시험 운영, 제출 기록 분석까지 서비스 전체를 AI와 함께 설계하고 구현했습니다.
(2) 학습 콘텐츠 생성과 검증: Claude Code
알고리즘 개념 30개, 파이썬 기초 단원 27개, 연습 문제 270개, 코드가 한 줄씩 실행되는 과정을 값의 변화로 보여 주는 시각화 탭 121개를 만들었습니다. 다만 만든 것을 그대로 쓰지 않습니다. 모든 콘텐츠는 저장 전에 24개의 자동 검사를 통과해야 하고, 하나라도 걸리면 저장되지 않습니다. 검사 항목은 ④에 적었습니다.
(3) 학생 맞춤 학습 지원: Google Gemini API로 서비스 안에서 도는 기능 4종
- AI 튜터링: 학생이 지금 작성 중인 코드와 문제를 함께 읽고 대화합니다. 막힌 학생에게 정답 코드가 아니라 접근 방향과 개념, 반례만 줍니다. 학생이 스스로 사고해서 문제를 풀 수 있도록 돕습니다. 한 문제를 지나치게 오래 붙들고 있으면 힌트를 더 주는 대신 접근을 바꾸라고 권합니다.
- 학습 진단: 그동안의 오답 이력과 반복되는 코드 습관을 근거로 약점의 원인을 짚어 줍니다.
- 맞춤 문제 자동 생성: 그 학생이 가장 많이 틀린 유형만 모은 문제와 개념을 엮은 응용 문제를, 지문부터 채점 케이스까지 만들어 냅니다.
③ 활용 결과 어떤 변화가 있었나요?
부트캠프 수강생 20여 명이 쓰는 환경에서 세 가지가 바뀌었습니다.
(1) 개인별 보충 문제가 사람 손을 거치지 않고 나옵니다. 이전에는 학생이 무엇을 틀렸는지가 제출 로그에만 쌓이고 아무도 읽지 않았습니다. 지금은 그 기록에서 약점 유형을 뽑아 그 학생만을 위한 문제가 새로 출제되고, 채점 케이스까지 붙어서 바로 풀 수 있습니다. 20명이면 강사가 매일 전원의 오답을 읽고 각자에게 문제를 내주는 일은 불가능하지만, 시스템은 그것을 학생 수와 무관하게 합니다.
(2) 학습 조언이 누구에게나 해당하는 말에서 그 학생만의 맞춤형 조언으로 바뀌었습니다. "기본 문법을 복습하세요" 같은 일반론을 금지하고, 조언마다 근거로 삼은 기록을 드러내게 했습니다. 문제 제목, 틀린 횟수, 반복되는 코드 습관, 어느 구간에서 오래 걸렸는지입니다. 여기에 더해 증상이 아니라 원인을 짚게 했습니다. "오답이 많다"에서 멈추지 않고 "입력 형식을 매번 다르게 읽는다", "경계값을 빠뜨린다"처럼 여러 오답을 관통하는 원인 하나를 찾아, 다음에 할 일 하나로 좁혀 줍니다. 이 진단에서도 정답 코드와 풀이 방법은 알려 주지 않고, 막힌 지점을 짚는 데서 멈춥니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 것을 그대로 쓰지 않고, 실행으로 검증한 것만 씁니다.
학습 콘텐츠는 24개의 자동 검사를 통과해야만 저장됩니다. 핵심은 셋입니다.
- 비효율적인 풀이가 반드시 어느 케이스에서는 실패해야 한다. 그냥 통과하면 사고력을 묻지 않는 문제이므로 버립니다.
- 아직 배우지 않은 도구는 정답 코드에 쓸 수 없다. 개념 순서를 건너뛰는 답안을 막습니다.
- 빈칸 문제의 답이 화면 다른 곳에 이미 적혀 있으면 탈락. 옮겨 적을 수 있는 빈칸에서는 학습이 일어나지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
이 구조는 그대로 옮길 수 있습니다. 생성은 AI에게, 검증은 기계에게, 무엇을 통과해야 하는지는 사람이 정합니다.
필요한 것은 셋입니다.
- Claude Code와 같은 플랫폼 개발을 위한 Agent형 코딩 도구와 LLM API 키
- 학습 결과를 기계가 판정할 방법. 올바른 코드 인지는 채점 서버가 그 역할을 하고, 다른 과목이라면 정답 대조표나 규칙 검사가 그 자리에 들어갑니다.
가장 중요한 것은 검사 목록입니다. AI에게 콘텐츠를 만들게 하는 사람은 많지만, 저장하기 전에 무엇을 통과해야 하는지 목록으로 정해 두는 경우는 드뭅니다. 그 목록이 결과물의 수준을 정합니다.
① 어떤 상황에서 AI를 활용했나요?
부트캠프에서 알고리즘과 코딩테스트를 가르치면서 강사 한 명으로는 풀 수 없는 두 가지 문제를 해결하려고 AI를 썼습니다.
첫째, 학생마다 틀리는 지점이 다른데 수업은 한 방향입니다. 한 학생은 입력 파싱에서, 다른 학생은 경계값 처리에서 반복해 틀립니다. 이 차이는 제출 기록에 다 남아 있지만, 수강생 전원의 기록을 매일 읽고 각자에게 맞는 문제를 새로 출제하는 일은 강사 한 명이 감당할 수 없습니다.
둘째, 학생이 막혔을 때 검색하거나 챗봇에 물으면 정답 코드가 그대로 나옵니다. 코드를 받아 적으면 그 문제는 통과하지만 컴퓨터 사고 능력은 자라지 않습니다. 그래서 목표를 이렇게 잡았습니다. 학생의 오답 기록에서 약점을 찾아내되, 정답 코드는 주지 않고 접근 방향과 반례만 주는 AI 학습 튜터를 만들었습니다.
② 어떤 AI를 어떻게 활용했나요?
AI를 세 자리에 썼습니다. 플랫폼을 만들 때, 학습 콘텐츠를 생성하고 검증할 때, 그리고 학생 개개인의 학습을 돕는 기능으로 서비스 안에서 돌 때입니다.
(1) 플랫폼 개발: Claude Code
Next.js 웹, Supabase 데이터베이스, 오픈소스 채점 서버(Judge0) 연동까지 3주간 135번의 커밋, 184개 파일 약 3만 2천 줄을 작성했습니다. 채점 파이프라인, 시험 운영, 제출 기록 분석까지 서비스 전체를 AI와 함께 설계하고 구현했습니다.
(2) 학습 콘텐츠 생성과 검증: Claude Code
알고리즘 개념 30개, 파이썬 기초 단원 27개, 연습 문제 270개, 코드가 한 줄씩 실행되는 과정을 값의 변화로 보여 주는 시각화 탭 121개를 만들었습니다. 다만 만든 것을 그대로 쓰지 않습니다. 모든 콘텐츠는 저장 전에 24개의 자동 검사를 통과해야 하고, 하나라도 걸리면 저장되지 않습니다. 검사 항목은 ④에 적었습니다.
(3) 학생 맞춤 학습 지원: Google Gemini API로 서비스 안에서 도는 기능 4종
- AI 튜터링: 학생이 지금 작성 중인 코드와 문제를 함께 읽고 대화합니다. 막힌 학생에게 정답 코드가 아니라 접근 방향과 개념, 반례만 줍니다. 학생이 스스로 사고해서 문제를 풀 수 있도록 돕습니다. 한 문제를 지나치게 오래 붙들고 있으면 힌트를 더 주는 대신 접근을 바꾸라고 권합니다.
- 학습 진단: 그동안의 오답 이력과 반복되는 코드 습관을 근거로 약점의 원인을 짚어 줍니다.
- 맞춤 문제 자동 생성: 그 학생이 가장 많이 틀린 유형만 모은 문제와 개념을 엮은 응용 문제를, 지문부터 채점 케이스까지 만들어 냅니다.
③ 활용 결과 어떤 변화가 있었나요?
부트캠프 수강생 20여 명이 쓰는 환경에서 세 가지가 바뀌었습니다.
(1) 개인별 보충 문제가 사람 손을 거치지 않고 나옵니다. 이전에는 학생이 무엇을 틀렸는지가 제출 로그에만 쌓이고 아무도 읽지 않았습니다. 지금은 그 기록에서 약점 유형을 뽑아 그 학생만을 위한 문제가 새로 출제되고, 채점 케이스까지 붙어서 바로 풀 수 있습니다. 20명이면 강사가 매일 전원의 오답을 읽고 각자에게 문제를 내주는 일은 불가능하지만, 시스템은 그것을 학생 수와 무관하게 합니다.
(2) 학습 조언이 누구에게나 해당하는 말에서 그 학생만의 맞춤형 조언으로 바뀌었습니다. "기본 문법을 복습하세요" 같은 일반론을 금지하고, 조언마다 근거로 삼은 기록을 드러내게 했습니다. 문제 제목, 틀린 횟수, 반복되는 코드 습관, 어느 구간에서 오래 걸렸는지입니다. 여기에 더해 증상이 아니라 원인을 짚게 했습니다. "오답이 많다"에서 멈추지 않고 "입력 형식을 매번 다르게 읽는다", "경계값을 빠뜨린다"처럼 여러 오답을 관통하는 원인 하나를 찾아, 다음에 할 일 하나로 좁혀 줍니다. 이 진단에서도 정답 코드와 풀이 방법은 알려 주지 않고, 막힌 지점을 짚는 데서 멈춥니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 것을 그대로 쓰지 않고, 실행으로 검증한 것만 씁니다.
학습 콘텐츠는 24개의 자동 검사를 통과해야만 저장됩니다. 핵심은 셋입니다.
- 비효율적인 풀이가 반드시 어느 케이스에서는 실패해야 한다. 그냥 통과하면 사고력을 묻지 않는 문제이므로 버립니다.
- 아직 배우지 않은 도구는 정답 코드에 쓸 수 없다. 개념 순서를 건너뛰는 답안을 막습니다.
- 빈칸 문제의 답이 화면 다른 곳에 이미 적혀 있으면 탈락. 옮겨 적을 수 있는 빈칸에서는 학습이 일어나지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
이 구조는 그대로 옮길 수 있습니다. 생성은 AI에게, 검증은 기계에게, 무엇을 통과해야 하는지는 사람이 정합니다.
필요한 것은 셋입니다.
- Claude Code와 같은 플랫폼 개발을 위한 Agent형 코딩 도구와 LLM API 키
- 학습 결과를 기계가 판정할 방법. 올바른 코드 인지는 채점 서버가 그 역할을 하고, 다른 과목이라면 정답 대조표나 규칙 검사가 그 자리에 들어갑니다.
가장 중요한 것은 검사 목록입니다. AI에게 콘텐츠를 만들게 하는 사람은 많지만, 저장하기 전에 무엇을 통과해야 하는지 목록으로 정해 두는 경우는 드뭅니다. 그 목록이 결과물의 수준을 정합니다.
