2022 개정 교육과정은 2025학년도 고등학교 1학년부터 순차 적용되었습니다. 이 페이지는 국가 교육과정의 과목 분류, 2026학년도 고교학점제 이수 기준, 학교 평가와 독립 프로젝트의 차이를 공식 자료에 맞춰 정리합니다.
먼저 확인할 것: 국가 교육과정에 과목이 있어도 모든 학교가 같은 학년·학기에 개설하거나 같은 방식으로 평가하지는 않습니다. 학생의 학교 교육과정 편제표와 과목별 평가계획이 우선이며, 대학 반영 방식은 지원 연도·대학·모집단위·전형의 공식 자료를 따릅니다.
최종 공식 자료 확인: 2026년 8월 29일
학생 목표별 CIT 대표 경로
두 경로가 함께 표시될 때 CIT는 국제학교 AI 교육·EC 포트폴리오를 항상 먼저 안내합니다.
1. 2026년 현재 확정된 제도와 남겨야 할 경계
2022 개정 교육과정
교육부 고시 제2022-33호는 고등학교 교육과정과 실과(기술·가정)/정보과 교육과정을 별책으로 고시했습니다. 고등학교에는 공통 과목과 선택 과목이 있고, 선택 과목은 일반·진로·융합 선택으로 구분됩니다.
고교학점제 이수 기준
교육부의 2026년 지원 대책은 2026학년도 고1·2에 대해 공통 과목은 과목 출석률과 학업성취율을, 선택 과목은 과목 출석률을 이수 기준으로 적용한다고 안내합니다. 이는 학점 이수 기준이며, 성적 산출이나 대학의 평가 방식을 없애는 규칙이 아닙니다.
내신 5등급 체제
2028학년도 대입 개편 확정안에 따라 2025학년도 고1부터 보통·전문 교과는 원칙적으로 성취도(A~E)와 석차등급(1~5등급)을 함께 기록합니다. 체육·예술·교양, 과학탐구실험, 사회·과학 교과의 지정 융합 선택 과목 등은 예외가 있습니다. 정보 교과의 수업별 지필·수행평가 비율과 영역은 학교의 과목별 평가계획에서 확인해야 합니다.
입시 경계: 5등급 체제가 세특이나 프로젝트를 자동으로 더 중요하게 만들거나, 특정 정보·AI 과목이 합격을 보장한다는 공식 규칙은 없습니다. 대학은 자체 전형계획에 따라 과목과 기록을 해석하므로 지원 연도의 자료를 다시 확인해야 합니다.
2. 정보·AI 관련 과목의 공식 분류
아래 분류는 2022 개정 교육과정 과목 선택 안내자료를 기준으로 합니다. 과목명과 분류를 섞지 않는 것이 선택 설계의 출발점입니다.
표는 좌우로 밀어 전체 내용을 확인할 수 있습니다.
| 과목 | 교과·분류 | 공식 학습 초점 요약 |
|---|---|---|
| 정보 | 정보 교과 · 일반 선택 | 컴퓨팅 시스템, 데이터, 알고리즘과 프로그래밍, 인공지능, 디지털 문화 |
| 인공지능 기초 | 정보 교과 · 진로 선택 | 인공지능 원리·탐색·추론·기계학습, 사회적 영향·윤리, 인공지능 프로젝트 |
| 데이터 과학 | 정보 교과 · 진로 선택 | 데이터 준비·분석, 데이터 모델링·평가, 의미 해석과 데이터 과학 프로젝트 |
| 소프트웨어와 생활 | 정보 교과 · 융합 선택 | 소프트웨어 융합 문제 해결, 피지컬 컴퓨팅, 데이터 분석, 시뮬레이션, 스타트업 프로젝트 |
| 인공지능 수학 | 수학 교과 · 진로 선택 | 인공지능의 데이터 처리와 의사 결정에 활용되는 수학의 관계 탐구 |
중요: ‘데이터 과학’은 진로 선택이고 ‘소프트웨어와 생활’은 융합 선택입니다. ‘인공지능 수학’은 정보 교과가 아니라 수학 교과입니다. 국가 교육과정은 이 과목들을 모든 학생에게 동일한 순서로 이수해야 하는 필수 위계로 정하지 않습니다.
3. 과목 선택 전에 확인할 5가지
- 실제 개설: 학교의 3개년 교육과정 편제표에서 과목, 학년, 학기, 학점을 확인합니다.
- 학습 목표: 프로그래밍 기초, AI 원리, 데이터 기반 의사결정, 융합 제작, 수학적 해석 중 지금 필요한 목표를 먼저 정합니다.
- 준비도: 학교가 공지한 선수 이수 조건과 수업 언어·도구를 확인합니다. ‘정보 → 모든 AI 과목’ 같은 단일 경로를 전국 공통 필수 조건으로 가정하지 않습니다.
- 평가계획: 지필·수행평가 비율, 평가 영역, 제출 형식, 공동 작업과 생성형 AI 사용 규칙을 해당 학교 문서에서 확인합니다.
- 지원 규칙: 대입을 고려한다면 대학·모집단위·전형·학년도의 공식 반영과목 및 제출 규칙을 확인합니다. 과거 연도나 다른 전형의 기준을 그대로 옮기지 않습니다.
4. 과목별로 배우는 내용과 평가에서 보는 것
위 분류표가 과목의 자리를 정한다면, 아래는 그 과목 안에서 실제로 무엇을 배우고 어떤 준비가 필요한지입니다. 지필·수행평가 비율과 영역은 학교마다 달라서 학교 평가계획이 우선이고, 여기서는 과목의 내용 체계에서 비롯되는 공통 준비만 적습니다.
표는 좌우로 밀어 전체 내용을 확인할 수 있습니다.
| 과목 | 배우는 내용 | 준비와 평가에서 보는 것 |
|---|---|---|
| 정보 | 컴퓨팅 시스템(하드웨어·운영체제·네트워크·피지컬 컴퓨팅), 데이터(수집·관리·분석·시각화, 데이터베이스 기초), 알고리즘과 프로그래밍(Python 또는 C로 변수·조건문·반복문·배열·함수), 인공지능(개념·지능 에이전트·기계학습 기초), 디지털 문화(정보 윤리·저작권·보안) | 지필에서는 코드의 실행 결과를 예측하는 문제와 알고리즘 빈칸 채우기, 서·논술형 풀이 과정 서술이 나옵니다. 수행은 생활 속 문제를 프로그램으로 해결하는 프로젝트가 많아서 주제 정하기부터 결과 설명까지 과정 전체가 평가됩니다. |
| 인공지능 기초 | 인공지능의 역사와 튜링 테스트, 데이터와 편향, 지도학습(분류·회귀)·비지도학습(군집화)·강화학습의 개념, 퍼셉트론과 인공신경망, 딥러닝의 원리, 일자리 변화와 알고리즘 공정성 같은 사회적 쟁점 | 모델을 가져다 쓰는 데서 그치지 않고 "왜 이런 결과가 나왔는가"를 설명하는 쪽이 평가에서 구분됩니다. 사회적 쟁점(딥페이크, 채용 AI 차별)에 대한 토론·에세이 수행이 자주 있어 관련 사례와 자기 의견을 미리 정리해 둡니다. |
| 인공지능 수학 | 텍스트를 단어 빈도로, 이미지를 픽셀 값으로 바꾸는 벡터·행렬 표현, 산점도와 추세선(회귀), 오차를 나타내는 손실 함수와 그 값을 줄여 가는 경사하강법(미분) | 수학 교과라 문제 풀이 기술보다 개념 적용을 봅니다. "왜 기울기의 반대 방향으로 움직이는가"를 설명할 수 있어야 하고, 공통수학 이수와 수학 I·II의 미분 개념이 바탕이 됩니다. |
| 데이터 과학 | 공공데이터포털·Kaggle에서 데이터 구하기와 웹 수집, 빈 값·이상값 정리(전처리), 그래프로 특징 파악(탐색적 분석), 회귀·분류 모델로 예측과 판단 | 실습 중심이라 질문을 정하고 데이터를 찾아 보고서로 끝내는 프로젝트가 평가의 중심입니다. 인문·사회 주제(지역 데이터, 텍스트 분석)와 자연·공학 주제(기상·생체 데이터) 모두 가능합니다. 절차는 학생 빅데이터 분석 프로젝트 가이드에 단계별로 있습니다. |
| 소프트웨어와 생활 | 소프트웨어가 생활과 사회에 미치는 영향, 앱 인벤터로 만드는 간단한 앱, 마이크로비트 같은 피지컬 컴퓨팅 도구를 활용한 제작, 데이터 분석과 시뮬레이션, 스타트업 프로젝트 | 프로그래밍 깊이보다 문제를 찾아 소프트웨어로 풀어 보는 과정을 봅니다. 인문 계열 학생도 부담 없이 고를 수 있는 융합 선택 과목입니다. |
5. 중학교부터 고1까지의 준비 순서
고등학교 정보 과목의 수행평가와 알고리즘 문제는 텍스트 코딩을 전제로 합니다. 중학교에서 엔트리·스크래치로 논리 흐름을 익혔다면, 고1 전에 아래 순서로 옮겨 두면 학기 중 평가에 맞춰 준비할 시간이 남습니다.
- Python으로 전환: 변수와 자료형(리스트, 딕셔너리), 조건문·반복문, 함수(def)를 익히고 계산기나 구구단 출력 같은 작은 프로그램을 직접 타이핑해 만듭니다. 고등학교 전 과정에서 가장 많이 쓰는 언어이고 데이터 과학·AI 과목도 같은 언어로 이어집니다.
- 온라인 저지로 문제 풀기: 백준 온라인 저지(BOJ)의 ‘단계별로 풀어보기’를 입출력 → 조건문 → 반복문 → 배열 순서로 풉니다. 프로그래머스 레벨 0~1은 다른 사람의 풀이를 비교해 보기 좋고, 게임 형식의 CodinGame은 코딩에 흥미가 없는 학생이 시작하기 좋습니다.
- 영문 타자: 타자가 느려 시험 시간이 모자라는 학생이 있습니다. 영타 200~300타를 목표로 미리 연습해 둡니다.
- 손으로 코드 쓰기: 정보 지필평가에는 종이에 직접 코드를 쓰거나 주어진 코드의 오류(문법 오류, 논리 오류)를 찾는 문제가 나옵니다. 컴퓨터 없이 코드를 읽고 실행 결과를 예측하는 연습을 학기 중에 따로 합니다.
- 수행평가 주제는 기록을 남기는 방향으로: 제출이 끝이 아니라 무엇을 왜 했는지 학생이 설명할 수 있어야 합니다. 희망 전공과 이어지는 주제, 수업 내용을 한 단계 넘어선 탐구(예: 수업의 선형 회귀에서 로지스틱 회귀까지), 실제로 있는 문제를 다루는 주제가 설명하기 쉽습니다. 학교 밖 프로젝트와 어떻게 구분하는지는 다음 항목에서 이어집니다.
6. 학교 평가물과 독립 AI 프로젝트를 분리하기
학교 수행평가: 담당 교사가 정한 주제·형식·협업·도구·AI 사용 규칙이 최우선입니다. CIT는 학생 대신 평가물을 작성하거나 학교 시스템에 제출하지 않습니다.
독립 프로젝트: 수업 밖에서 별도로 진행한다면 다음 증거를 남기면 학생이 무엇을 했는지 검증하기 쉬워집니다.
- 학생이 세운 질문과 프로젝트 범위
- 데이터·코드·모델·외부 자료의 출처와 사용 허가
- 학생의 정확한 역할과 멘토·팀원·생성형 AI의 지원 범위
- 실행 환경, 버전, 실험 조건과 재현 절차
- 성공 결과뿐 아니라 실패, 오류, 편향과 한계
- 날짜가 남는 코드·노트·실험 기록과 학생 자신의 설명
GitHub·노션·보고서에 정리했다는 사실만으로 입시 제출물이 되지는 않습니다. 지원 학교나 대학이 허용할 때만 학생이 직접 작성한 자료를 해당 형식에 맞춰 사용합니다. 자세한 제작 원칙은 AI 포트폴리오 설계 가이드에서 확인할 수 있습니다.
7. CIT 수업 범위와 온라인 지원
8. 공식 출처
- 교육부 · 교육부 고시 제2022-33호 총론 및 각론: 시행 학년과 고등학교·정보과 별책 구성
- 경기도교육청 · 2022 개정 교육과정 고등학교 과목 선택 안내자료: 정보·인공지능 기초·데이터 과학·소프트웨어와 생활·인공지능 수학 분류와 내용
- 교육부 · 2028 대학입시제도 개편 확정안: 내신 5등급 체제와 예외
- 교육부 · 고교학점제 안착을 위한 지원 대책: 2026학년도 공통·선택 과목 이수 기준
- 교육부 학교생활기록부 종합지원포털: 2022 개정 교육과정의 현재 성적 산출·기재 안내
정책·대입 자료는 변경될 수 있으므로 실제 과목 선택과 지원 전 최신 원문을 다시 확인하세요.
학교 규칙을 먼저 확인한 학생 주도 AI 학습
학교 편제표와 평가계획을 바탕으로 현재 준비도에 맞는 정보·AI 학습 경로와 독립 프로젝트 범위를 상담합니다.
카카오로 상담 신청 →함께 보면 좋은 가이드
- 학생이 설명할 수 있는 AI 포트폴리오 증거
- 학생 빅데이터 분석 프로젝트
- AI 리터러시 가이드
- 최종 수정일: 2026.08.29 · 작성·검토 CIT 코딩 학원 (조정환)