성취기준
[6실05-05]인공지능이 만들어지는 과정을 체험하고, 인공지능이 사회에 미치는 영향을 탐색한다.
이어서 중학교 정보 [9정04-02] 「인공지능 학습에서 데이터의 중요성을 이해하고, 학습에 필요한 데이터를 수집하여 분류한다.」에서 데이터의 중요성을 본격적으로 다룹니다.
이 활동의 근거 — CSTA 2026 초등
지금 교육과정에서 초등의 인공지능은 ‘만들어지는 과정을 체험’하는 데까지이고, 어떤 데이터를 주느냐가 결과를 정한다는 내용은 초등에 없습니다.
「로봇 가르치기」는 학생을 데이터를 고르는 자리에 앉혀 그 빈자리를 채웁니다. 아래는 미국 CSTA 2026 초등 성취기준 가운데 국내 초등 실과에 대응 문장이 없는 것들입니다.
E3-ALG-ML-02훈련 데이터에 새 데이터가 추가될 때 기계학습 모델이 어떻게 달라지는지 탐구한다.→ 카드를 한 장 보여 줄 때마다 몬봇의 생각이 좁혀진다
E4-ALG-ML-02훈련 데이터의 속성과 기계학습 모델 출력 사이의 관계를 분석한다.→ 어떤 카드를 보여 주느냐에 따라 몬봇이 배우는 규칙이 달라진다
E2-DAT-IM-10부정확하거나 편향된 데이터로 이어질 수 있는 것을 포함해, 데이터 수집 방식들을 구별한다.→ 얄밉게 고른 카드 · 이름표 실수
E4-ALG-IM-03같은 문제를 푸는 서로 다른 알고리즘이 어떤 집단에는 이롭고 어떤 집단에는 불리한 결과를 낳을 수 있음을 평가한다.→ 틀림이 특정 몬스터에게만 몰린다
CSTA 한국어는 공식 번역이 아니며 「CSTA 2026 × 2022 개정 성취기준 대조표」의 옮김을 따랐습니다. 원문 CSTA (2026) PK-12 Computer Science Standards, CC BY-NC-SA 4.0.
40분 흐름
- 10분「카드 만들기」 — 숨은 규칙 알아맞히기
- 10분「로봇 가르치기」 — 다 같이 몬봇을 잘 가르쳐 100점 만들기
- 10분골탕 먹이기 — 모둠별로 함정 카드를 골라 몬봇을 속이기
- 10분왜 0점이 났나, 누가 늘 틀렸나 이야기하기
이렇게 씁니다
- 「카드 만들기」 — 특징을 2~4개 고르고 [이 특징으로 나누기]를 누릅니다. 검사 네 칸이 모두 초록이 되면 [카드 도안 인쇄]로 뽑아, 팀만 알려 주고 규칙은 숨긴 채 아이들이 알아맞히게 합니다.
- 「로봇 가르치기」 — 위쪽 탭을 누릅니다. 주소 끝에 #design 을 붙이면 바로 열립니다. 비밀 규칙을 정하면 몬봇은 그 규칙을 모른 채 시작합니다.
- 카드를 눌러 몬봇에게 보여 줍니다. 오른쪽 생각 구름에서 아닌 규칙이 하나씩 떨어져 나갑니다 — “아하, 뿔은 아니구나!”
- [남은 카드로 시험 보기]를 누르면 몬봇이 안 보여 준 카드를 한 장씩 풀고 점수가 나옵니다.
- [함정 예시 보기]는 몬봇이 0점을 받는 본보기 카드 묶음을 바로 골라 줍니다.
화면의 말과 용어
학생 화면에는 쉬운 말만 씁니다. 용어로 정리할 때 이렇게 이어 주십시오.
- 팀(A·B) 이름표
- 라벨
- 보여 준 카드
- 훈련 데이터
- 시험 문제
- 검증(평가) 데이터 — 학습에 쓰지 않은 데이터
- 처음 보는 몬스터
- 평가용 데이터 — 몸 모양까지 다른 새 데이터
- 몬봇이 의심하는 규칙
- 후보 모델(가설)
- 시험 점수
- 정확도
- 이름표 실수
- 라벨 오류(잡음)
- 카드 검사
- 데이터 검증
수업 포인트
- 시험 0점의 드라마 — 함정 카드로 가르치면 몬봇은 보여 준 카드를 전부 맞히고도 시험은 0점을 받습니다. “보여 준 것만 잘하는 AI”가 숫자로 드러납니다. 화면에 뜨는 질문 — 몬봇 잘못일까요, 카드를 고른 사람 잘못일까요? — 으로 이야기를 엽니다.
- 로봇의 생각이 좁혀지는 것을 봅니다 — 카드를 한 장 보여 줄 때마다 생각 구름에서 후보가 떨어져 나갑니다. 데이터가 한 장 늘 때마다 배우는 것이 달라진다는 것을 눈으로 봅니다.
- 누가 늘 틀리는지 봅니다 — 몬봇이 엉뚱하게 배우면 특정 몬스터만 계속 틀립니다(빨갛게 깜빡입니다). “쟤네는 뭘 잘못했지?” — 아무것도 잘못하지 않았습니다. 카드를 고른 방식이 문제였습니다. 공정성 이야기가 여기서 나옵니다.
- 이름표 실수 한 장 — [이름표 실수 넣기]를 누르면 몬봇이 “보여 준 카드끼리 서로 안 맞아!” 하고 헷갈립니다. 이름표를 붙이는 사람의 꼼꼼함이 AI의 성적을 바꿉니다.
몬봇은 이렇게 생각합니다
몬봇은 “특징 하나로 두 팀을 가르는 한 문장 규칙”(켠 특징 × 방향 두 가지, 많아야 8개) 가운데 보여 준 카드와 모두 맞는 것만 믿습니다.
여럿이 남으면 특징 목록의 위쪽(뿔 → 눈 → 다리 → 색 → 날개 → 꼬리 → 입)부터 고르는 버릇이 있습니다 — 그래서 아이들이 함정을 걸 수 있습니다.
다 맞는 규칙이 없으면(이름표 실수) 가장 많이 맞힌 규칙으로 풉니다.
준비물
프린터가 있으면 종이로, 없으면 교사 화면 하나로도 됩니다. 「로봇 가르치기」는 프로젝터로 다 같이 하기에 좋습니다. 머리띠의 [큰 화면]을 누르면 글자와 그림이 커집니다.
자주 묻는 것
「무는 원숭이」 게임과 무엇이 다른가요?
무는 원숭이(AI Unplugged, Lindner·Seegerer)는 인쇄된 카드로 학생이 규칙을 찾는 활동으로, 「카드 만들기」가 이와 비슷합니다. 「로봇 가르치기」는 역할을 뒤집어 학생이 가르치는 사람이 되어 보여 줄 데이터를 고릅니다. 둘을 차례로 해 보면 좋습니다.
아이들이 어려워하지 않을까요?
화면에 나오는 말은 “카드를 보여 줘” “아직 헷갈려” “시험 점수 0점” 정도입니다. 규칙·훈련·검증 같은 용어는 이 안내에만 있습니다.
꼭 인쇄해야 하나요?
「로봇 가르치기」는 화면만으로 됩니다. 「카드 만들기」는 종이로 하시는 편이 훨씬 낫습니다 — 모둠이 카드를 손으로 옮겨 가며 규칙을 찾습니다. 「로봇 가르치기」의 [카드 인쇄]는 화면 없이 모둠 대 모둠으로 할 때 씁니다(상대 모둠이 몬봇 역할).
몇 학년에 맞나요?
5~6학년에 맞춰 만들었습니다. 특징을 두 가지만 켜면 3~4학년도 됩니다.