학습량·도움 방식·도전 수준을 직접 조절하고 싶은 사용자
지원 선택-추천 이해-과업 수행-결과 수정-적응 중단-데이터 삭제의 전체 인간-AI 경험
정서적 경험인지적 경험행동 경험사회적 경험시간·맥락 경험
대학 지원 연구 근거 · 고등
인간친화적 적응형 학습 도우미
적절한 신뢰, 낮은 인지 부하, 설명, 불확실성, 최종 사용자 권한
Carnegie Mellon, Stanford 연구팀이 공개한 연구를 참고해 수업을 만들었습니다. 학생은 대학 연구자가 기술의 쓸모, 편리함, 공정성과 안전을 어떻게 조사하는지 먼저 설명하고, 그다음 자기 질문, 설계 선택, A/B 결과, 실패, 수정과 한계를 구분해 지원서나 면접에서 솔직하게 설명합니다.
연구 질문학생 A/B 실험근거와 한계자기 기여
추천 이유와 한계가 보이지 않고 사용자가 시스템 판단을 수정하기 어렵습니다.
목표 경험적절한 신뢰, 낮은 인지 부하, 설명, 불확실성, 최종 사용자 권한
느낌을 프로그램이 지켜야 할 약속으로 바꾸기
- 추천 이유와 불확실성 또는 판단 보류를 표시합니다.
- 사용자가 수정·override·opt-out·삭제할 수 있습니다.
- 명시적 선택과 비민감 과업 데이터만 최소 사용합니다.
조건 하나, 두 가지 작품
- A: 규칙 기반 사용자 선택 assistant
- B: 판단 보류와 확인 질문이 있는 제한적 AI assistant
같은 실제 과제로 확인하기
합성 입력과 동의 기반 사용성 파일럿으로 이해, 적절한 의존, 수정 성공, 실패 복구를 비교합니다.
숫자와 사용자 의견을 함께 확인하기
- 과업·설명 이해
- 불확실성 해석과 적절한 의존
- 실패 사례·수정·opt-out 성공
AB
차트 값은 과정 설명을 위한 가상 예시이며 실제 학생 결과가 아닙니다.
근거로 한 번 개선하기
가장 위험한 실패를 우선 수정하고 바꾸기 전 기준 결과와 회귀 테스트로 새 오류를 확인합니다.
좋은 숫자가 좋은 경험의 전부는 아닙니다
진단·감시·조작을 금지하고 시스템 카드에 사용 범위, 데이터, 오류, 언어·맥락 한계를 기록합니다.
AI보다 사용자가 최종 권한을 가집니다.
clarifycorrectoverrideopt-outdelete
낮은 확신과 정보 부족을 구분하고 필요하면 판단을 보류합니다.
연구 계획, 구조도, 작동 시험용 작품, 결과 분석, 시스템 카드, 연구 포스터
FigmaPython/Jupyter스프레드시트정적 웹
한계: 소수 학생과 한 첫 시험은 초기 근거입니다. 사람과 상황에 따른 차이를 남기고 다음에 확인할 질문을 제안합니다.
과정 상담
학생의 관심 주제를 실제 프로젝트로 연결합니다.
학년과 코딩 경험에 맞춰 종이 만들기, 화면 디자인(Figma), 블록 코딩(Scratch), 웹·Python 코딩, 로봇 중 알맞은 제작 방법을 함께 고릅니다.