AI·컴퓨터과학 · 수업 설계 예시
탐구 질문
프로그램은 왜 예상과 다른 결과를 낼까요?
- 필요한 개념
- 변수, 조건문, 실행 순서, 테스트
- 학생 활동
- 짧은 코드의 결과를 예상한 뒤 실행하고, 예상과 달라진 지점을 찾습니다.
- 확인할 수행
- 어느 조건에서 결과가 달라지는지 설명하고 수정한 코드를 다시 시험합니다.
- 남길 자료
- 코드·테스트·수정 이유
- AI의 역할
- 오류 후보와 테스트 입력을 제안합니다. 학생이 코드를 읽고 원인을 확인합니다.
CIT LEARNING PHILOSOPHY
AI·코딩·STEM,
배움이 실력으로
남도록.
AI·컴퓨터과학·STEM의 전문성에 학습과학과 발달 이해, 정밀한 피드백을 더합니다. 학생이 배운 것을 설명하고, 구현하고, 검증하는 교육을 지향합니다.
관심에서 시작하는 배움
- Discovery관심을 질문으로무엇이 궁금할까?
- Understanding질문을 개념으로어떤 원리가 필요할까?
- Connection개념을 연결해어디에 쓸 수 있을까?
- Creation직접 만들고 검증왜 이렇게 작동할까?
기초는 정확하게. 관심은 넓게. 결과는 학생의 것으로.
전문성은 깊게.
연결은 넓게.
AI와 컴퓨터과학을 깊이 배우거나, 생명과학·예술·경제 등 관심 분야에 기술을 활용할 수 있습니다. 공통의 기초 위에서 목적에 맞는 깊이와 과제를 선택합니다.
관심 분야의 수업 예시를 선택해 보세요.
공통의 중심AI·CS의
원리와 도구
원리와 도구
함께 쌓는 기초
수학·논리 / 데이터 / 문제 해결 / 책임 있는 활용
수학·데이터 · 수업 설계 예시
탐구 질문
평균만 보면 놓치는 정보는 무엇일까요?
- 필요한 개념
- 평균과 중앙값, 분포, 이상값, 표본
- 학생 활동
- 평균이 같은 두 자료를 그래프로 그리고 값이 퍼진 모양을 비교합니다.
- 확인할 수행
- 대표값을 고른 이유와 작은 표본에서 내릴 수 없는 결론을 설명합니다.
- 남길 자료
- 그래프·분석 코드·해석
- AI의 역할
- 시각화 방법과 분석 코드 초안을 제안합니다. 계산과 해석은 원자료로 검증합니다.
로봇·공학·우주 · 수업 설계 예시
탐구 질문
로봇은 언제 멈춰야 할까요?
- 필요한 개념
- 센서 측정, 비교, 조건문, 경계값
- 학생 활동
- ‘20cm 이하에서 정지’라는 조건을 코드로 옮기고 19·20·21을 시험합니다.
- 확인할 수행
- ‘미만’과 ‘이하’의 차이를 설명하고 경계값을 포함하도록 코드를 수정합니다.
- 남길 자료
- 설계도·제어 코드·시험 기록
- AI의 역할
- 놓친 테스트 값을 제안할 수 있습니다. 이 사례의 정지 동작 자체는 규칙 기반 제어입니다.
생명과학·환경 · 수업 설계 예시
탐구 질문
영상 속 생물의 움직임을 일관되게 셀 수 있을까요?
- 필요한 개념
- 관찰 기준, 표본, 측정 오류, 영상 추적
- 학생 활동
- 같은 영상을 직접 센 결과와 추적 코드의 결과를 비교하고 겹침·가림을 기록합니다.
- 확인할 수행
- 세는 기준을 다시 적용해 보고 오차가 커지는 장면과 보완 방법을 설명합니다.
- 남길 자료
- 관찰표·추적 코드·오류 분석
- AI의 역할
- 추적 코드 초안과 오류 후보를 제안합니다. 실제 영상과 수작업 표본이 검증 기준입니다.
예술·디자인 · 수업 설계 예시
탐구 질문
어떤 규칙으로 움직이는 작품을 만들 수 있을까요?
- 필요한 개념
- 좌표, 반복, 매개변수, 시각적 구성
- 학생 활동
- 반복 간격과 움직임의 크기를 바꾸며 의도한 리듬이 나타나는지 비교합니다.
- 확인할 수행
- 코드의 어떤 값이 작품의 어떤 부분을 바꾸는지 설명하고 다른 규칙을 만듭니다.
- 남길 자료
- 작품·코드·설계 설명
- AI의 역할
- 구현 방법의 대안을 제안합니다. 표현 의도와 최종 선택, 사용 자료의 권리는 학생이 확인합니다.
웹·앱·게임 · 수업 설계 예시
탐구 질문
사용자가 실수해도 이해할 수 있는 프로그램은 무엇일까요?
- 필요한 개념
- 입력 검증, 상태, 사용자 흐름, 접근성
- 학생 활동
- 빈 입력과 잘못된 입력을 넣어 보고 안내 문구와 복구 동작을 개선합니다.
- 확인할 수행
- 사용자가 막히는 상황을 재현하고 수정 전후의 동작을 테스트로 설명합니다.
- 남길 자료
- 프로토타입·테스트·변경 이력
- AI의 역할
- 화면과 코드 초안을 돕습니다. 학생이 사용 흐름과 오류 처리, 키보드 조작을 확인합니다.
음악·소리 · 수업 설계 예시
탐구 질문
소리의 반복을 데이터로 표현할 수 있을까요?
- 필요한 개념
- 주기, 시간 간격, 표본화, 파형
- 학생 활동
- 직접 만든 리듬의 시간 간격을 기록하고 그래프와 재생 결과를 비교합니다.
- 확인할 수행
- 표본 간격을 바꿨을 때 놓치는 정보를 설명하고 반복 규칙을 코드로 표현합니다.
- 남길 자료
- 시각화·코드·실험 기록
- AI의 역할
- 신호를 그리는 코드와 비교 방법을 제안합니다. 직접 만든 소리와 측정값으로 확인합니다.
인문사회·경제 · 수업 설계 예시
탐구 질문
데이터가 보여주는 것과 보여주지 못하는 것은 무엇일까요?
- 필요한 개념
- 자료 출처, 상관과 인과, 변수, 편향
- 학생 활동
- 공개 통계 두 개를 비교하고 수집 시기·대상·정의가 같은지 살펴봅니다.
- 확인할 수행
- 자료가 뒷받침하는 주장과 추가 근거가 필요한 주장을 구분합니다.
- 남길 자료
- 분석·근거 자료·해석 보고서
- AI의 역할
- 분석 질문과 반론을 제안합니다. 통계 원문과 인용의 정확성은 직접 검증합니다.
분야별 내용은 수업 설계 예시입니다. 모든 분야가 각각 독립 과목으로 개설되어 있다는 뜻은 아닙니다.
좋은 교육은,
수업에서 드러납니다.
연구가 알려주는 범위와 한계를 구분하고, 학생에게 필요한 수업 행동으로 연결합니다. 아래 내용은 CIT가 지향하는 교육 설계 원칙입니다.
설명을 듣는 시간과 스스로 생각하는 시간을 연결합니다.
참고한 근거
풀이 예시, 직접 연습, 계획·점검·평가 전략을 함께 참고합니다.
수업에서 바꾸는 것
교사가 생각하는 과정을 보여준 뒤 학생이 풀고 설명하도록 과제를 설계합니다. 이후 다시 확인할 기회도 둡니다.
학생에게 확인할 것
답만 기억하는지, 풀이 이유와 다음에 확인할 부분을 설명하는지 살펴봅니다.
연구의 평균적인 효과를 개인 학생의 성적 향상 약속으로 바꾸지 않습니다.
참고 자료 [EEF] [IES] [DUNLOSKY]
같은 주제도 경험과 준비도에 맞게 다르게 다룹니다.
참고한 근거
발달의 공통점과 개인차, 가정·문화·학습 맥락을 함께 고려합니다.
수업에서 바꾸는 것
교구·그림·말·코드 중 이해를 돕는 표현을 고르고, 도움의 양과 과제 범위를 조절합니다.
학생에게 확인할 것
긴 글만 요구하지 않고 조작·그림·설명으로도 규칙을 이해했는지 확인합니다.
NAEYC 지침은 초기 아동 대상입니다. 중·고등학생의 직접적인 효과 근거로 확대하지 않습니다.
학습과 발달의 배경을 이해하고 실제 수행으로 점검합니다.
참고한 근거
뇌와 학습에 관한 연구 → 인지·발달 연구와 교실 근거를 함께 검토합니다.
수업에서 바꾸는 것
한 번에 다루는 정보와 활동의 복잡성을 검토하고 학생의 설명과 시도를 보며 수업을 조정합니다.
학생에게 확인할 것
배운 개념을 이해하고 다른 조건에 적용하는지 확인합니다.
뇌 검사나 지능 향상 보장이 아닙니다. 신경과학만으로 특정 수업의 성적 효과를 단정하지 않습니다.
참고 자료 [NASEM]
학생마다 다른 어려움을 구체적으로 찾는 관점을 참고합니다.
참고한 근거
지역 조사에서 설명한 전문화, 맞춤형 강의, 부족한 부분 보완과 지원 관계를 참고합니다.
수업에서 바꾸는 것
출발점을 확인하고 필요한 연습을 고른 뒤, 오류의 원인을 살펴 다른 문제로 다시 확인합니다.
학생에게 확인할 것
개념·조건 해석·구현·검증 중 어디에서 도움이 필요한지 구분합니다.
지역의 운영 조사와 교육 효과 실험은 다릅니다. CIT 적용 절차는 이 페이지의 설계 원칙입니다.
참고 자료 [DAECHI]
학생마다 다른 어려움을
구체적으로 살핍니다.
대치동의 전문화·맞춤형 학습 운영에서 참고하는 것은 학생의 출발점과 부족한 부분을 세밀하게 확인하는 관점입니다. 이를 AI·코딩·STEM의 문제 해결 과정에 맞게 재구성합니다. [서울역사박물관]
- 01출발점 확인
이미 아는 것과
도움이 필요한 것 - 02목표에 맞는 도전
필요한 개념과
적절한 과제 - 03사고 과정·오류 확인
어디에서
예상과 달라졌는지 - 04필요한 부분 보완
설명·시범·연습으로
다시 시도 - 05다른 문제로 재확인
조건이 달라져도
스스로 적용하는지
재확인에서 드러난 이해가 다음 수업의 출발점이 됩니다.
어떤 부분을 구분해 살피나요?
- 전문화·맞춤형 수업
- 학교 교육과정, 기초 개념, 프로젝트 목표를 구분합니다. 학년이나 점수 하나로 학생을 고정 분류하지 않습니다.
- 부족한 부분 보완
- 개념·조건 해석·구현·검증의 어려움을 구분합니다. 정답 복사나 풀이 암기로 끝내지 않는 것이 원칙입니다.
- 목표에 맞는 연습
- 개념과 과제 요구에 맞게 문제를 고릅니다. 동일한 문제 수나 학습 시간 비율을 강제하지 않습니다.
- 지원의 연속성
- 교사의 피드백이 다음 시도로 이어지도록 설계합니다. 가정의 감시 역할을 늘리는 것이 목적은 아닙니다.
- 평가 변화 대응
- 해당 연도의 공식 교육과정·평가 기준을 확인합니다. 출제자의 의도를 근거 없이 단정하지 않습니다.
지역의 운영 사례는 교육 효과를 입증하는 실험 연구와 구분합니다. 위 절차는 CIT 적용을 위한 설계이며, 대치동만의 고유 기술을 뜻하지 않습니다.
작은 조건 하나를 끝까지 이해하는 수업
로봇은 언제
멈춰야 할까요?
한 가지 질문에 과학의 측정, 수학의 비교, 컴퓨터과학의 조건문이 연결됩니다. 예측하고 실행한 뒤, 예상과 다른 결과를 직접 확인해 보세요.
수업 설계를 설명하기 위한 가상 예시
문제의 조건
장애물까지 거리가
20cm 이하이면 정지합니다.
경계에 있는 값도 조건에 포함될까요?
정지 조건 · Python수정 전
if distance_cm < 20:
stop()
else:
move()현재 코드 계속 이동
문제의 목표 정지
20cm에서 결과가 다릅니다. ‘이하’에는 기준값이 포함됩니다. 현재 코드는 20을 포함하지 않습니다.
이 사례는 AI 모델이 아닌 규칙 기반 제어입니다. 20cm는 설명을 위한 문제 조건이며 실제 로봇의 보편적인 안전거리 권고가 아닙니다.
결과를 확인한 뒤에도
배움은 이어집니다.
01 질문 · 무엇을 해결할까?
장애물이 가까워지면 언제 멈춰야 할지 생각합니다. 해결할 문제와 조건을 먼저 정리합니다.
02 개념 이해 · ‘이하’의 뜻
센서의 거리값과 ‘20 이하’가 뜻하는 범위를 확인합니다. 과학의 측정, 수학의 비교, CS의 조건문을 연결합니다.
03 예측 · 19, 20, 21을 넣으면?
코드를 실행하기 전에 각 입력의 결과를 예상합니다. 예측 이유를 말이나 간단한 표로 남깁니다.
04 검증 · 예상과 실제 비교
세 입력을 실행하고 문제의 목표와 비교합니다. 20에서 드러난 차이가 조건 해석 때문인지 확인합니다.
05 수정 · 이유를 설명하며 고치기
<를 <=로 바꾸고 같은 입력을 다시 확인합니다. 기준값이 포함되어야 하는 이유를 설명합니다.
06 재확인 · 다른 조건에서도 쓸 수 있을까?
이후 ‘배터리가 15% 이하이면 충전 알림’ 같은 다른 문제에 적용합니다. 필요한 도움과 독립적으로 해결한 부분을 구분합니다.
이번 학습이후 재확인다른 문제 적용
예측·실행·탐구·수정·제작은 PRIMM, 개념과 실천의 연결은 과학·공학 교육 프레임워크를 참고합니다. 간격 학습과 인출 연구가 모든 학생에게 같은 복습 날짜를 지정하는 것은 아닙니다.
AI를 쓰는 힘과
판단하는 힘을 함께.
AI가 도와준 결과와 학생이 이해한 부분을 구분합니다. 기초를 확인하는 시간과 허용된 도구로 실제 문제를 해결하는 시간을 목적에 맞게 설계합니다. [OECD 2026]
| 과정 | 학생 | AI가 도울 수 있는 일 | 교사 |
|---|---|---|---|
| 이해·준비 | 아는 것과 질문 정리 | 설명·예시 제안 | 정확성과 적절한 난도 확인 |
| 계획·시도 | 해결 방향을 정하고 가능한 부분 시도 | 힌트·대안 제안 | 필요하면 먼저 시범과 풀이 예시 제공 |
| 구현·분석 | 코드·자료를 읽고 적용 | 코드 초안·오류 후보·분석 아이디어 | 도움의 양과 자료 사용 기준 확인 |
| 검증·수정 | 테스트하고 수정 이유 설명 | 추가 테스트 제안 | 이해와 결과의 타당성 확인 |
| 재확인 | 새로운 조건에서 핵심 개념 사용 | 확인 목적에 따라 허용 또는 제한 | 확인하려는 능력에 맞는 평가 |
학생의 생각이
과정에 남도록 설계합니다.
처음 배우는 학생에게는 설명과 시범이 먼저 필요할 수 있습니다. 무조건 혼자 실패해 봐야 한다는 규칙을 만들지 않습니다.
같은 주제도, 준비도에 맞게
깊이를 바꿉니다.
나이와 학년은 출발점을 이해하는 정보입니다. 경험, 개념 이해, 표현 방식, 스스로 할 수 있는 범위도 함께 살펴봅니다.
유아·초등 저학년 · 가상 수업 예시
교구와 그림으로 움직임과 멈추는 규칙을 예상합니다.
바닥에 놓은 기준선 앞에서 교구를 움직이며 ‘여기까지 오면 멈춤’을 말이나 그림으로 표현합니다.
- 확인할 수행
- 조작·그림·말로 멈추는 규칙을 설명합니다.
- 교사의 도움
- 교사가 시범을 보이고 함께 해봅니다. 생성형 AI를 직접 쓰는 활동을 전제로 하지 않습니다.
초등 고학년 · 가상 수업 예시
센서값, 조건문, 테스트 값을 연결합니다.
거리값 19·20·21을 조건문에 넣어 보고 예상한 결과와 비교합니다.
- 확인할 수행
- 조건을 코드로 표현하고 기준값이 포함되는지 확인합니다.
- 교사의 도움
- 코드를 읽는 예시에서 출발해 도움을 조절하며 직접 수정합니다.
중학생 · 가상 수업 예시
측정값의 변동과 제어 방식의 한계를 비교합니다.
같은 거리에서 여러 번 측정한 값을 그래프로 그리고 정지 판단이 흔들리는 이유를 탐구합니다.
- 확인할 수행
- 데이터·그래프를 근거로 수정 이유와 한계를 설명합니다.
- 교사의 도움
- 필요한 수학 개념을 보완하고 어떤 비교가 공정한지 함께 검토합니다.
고등학생 · 가상 수업 예시
목표에 따라 단순 규칙과 데이터 기반 예측을 비교합니다.
규칙 기반 결과를 기준선으로 삼고, 적절한 데이터가 있을 때 예측 모델의 오류와 성능을 비교합니다.
- 확인할 수행
- 학습·평가 데이터의 구분, 기준선, 오류와 적용 한계를 설명합니다.
- 교사의 도움
- 모델을 쓰는 이유부터 검토합니다. 학년만으로 학습 범위를 제한하지 않습니다.
학년별 탭은 수업 접근의 예시이며 진단 도구가 아닙니다. 준비된 학생의 범위를 학년만으로 제한하거나 모든 연령에 생성형 AI 직접 사용을 요구하지 않습니다.
진도와 결과물 너머,
학생이 할 수 있는 일을 봅니다.
정답의 이유를 설명하는지, 정해진 도움 범위에서 해결하는지, 시간이 지나도 다시 쓰는지, 조건이 달라져도 판단하는지를 학습 확인의 기준으로 삼습니다.
설명
조건·선택·오류의 이유를 말할 수 있는지
짧은 설명 · 주석 · 구두 확인 기록독립 수행
정해진 도움 범위에서 해결하는지
시도와 받은 힌트 기록이후 재확인
시간이 지나도 중요한 개념을 쓰는지
후속 문항 · 확인 날짜변형 적용
입력·제약이 달라지면 전략을 바꾸는지
변형 테스트 · 한계 설명한 번의 수업을 기록한다면
가상 리포트- 학습 목표
- ‘이하’ 조건을 코드로 표현하고 경계값을 확인합니다.
- 처음 확인한 어려움
- 기준값이 포함되는 경우를 놓쳤습니다.
- 사용한 전략
- 기준값보다 작은 값, 같은 값, 큰 값을 시험했습니다.
- 이번 수업에서 확인한 것
- 설명과 코드 수정이 가능했습니다.
- 아직 확인하지 않은 것
- 시간이 지난 뒤 다른 조건에 독립적으로 적용하는지 여부입니다.
아직 확인하지 않았다는 것은 실패했다는 뜻이 아닙니다.
교육 설계의 근거를
직접 확인하실 수 있습니다.
연구 검토, 전문기관 지침, 교육 프레임워크, 지역 운영 조사를 구분했습니다. 자료를 참고한 것과 기관의 제휴·인증·보증은 다릅니다.
자료 확인 기준일
전문기관 지침Metacognition and Self-Regulation 개정 안내2025
Education Endowment Foundation · Corinne Settle · 2025
- 참고한 내용
- 교사의 사고 과정 시범, 명시적인 전략 지도, 도움의 조절과 학생의 계획·점검·평가.
- 적용 한계
- 교실 적용에는 맥락과 실행 방식 검토가 필요하며 CIT 학생의 효과를 입증한 자료는 아닙니다.
원문 보기 ↗확인일
전문기관 지침Organizing Instruction and Study to Improve Student Learning2007
IES · What Works Clearinghouse · 2007
- 참고한 내용
- 간격 학습, 풀이 예시와 문제 해결의 연결, 시각 자료와 설명의 결합.
- 적용 한계
- 권고마다 근거 수준이 다릅니다. 모든 과목과 학생에게 같은 수업 비율을 지정하지 않습니다.
원문 보기 ↗확인일
전문기관 지침Developmentally Appropriate Practice · Core Considerations2020
National Association for the Education of Young Children · 2020
- 참고한 내용
- 발달의 공통성, 개인차, 사회·문화적 맥락을 고려한 초기 아동 교육.
- 적용 한계
- 출생부터 8세까지의 초기 아동 대상 지침을 중·고등학생의 효과 근거로 확대하지 않습니다.
원문 보기 ↗확인일
연구 검토How People Learn II · Types of Learning and the Developing Brain2018
National Academies of Sciences, Engineering, and Medicine · 2018
- 참고한 내용
- 학습·발달과 경험의 관계, 신경과학을 교수법으로 연결할 때의 복잡성.
- 적용 한계
- 뇌의 변화나 신경영상은 특정 수업의 성적 향상을 자동으로 입증하지 않습니다.
원문 보기 ↗확인일
지역 운영 조사대치동의 양면…사교육 일번지에 600년 된 마을이?2018
서울역사박물관 · 2018
- 참고한 내용
- 대치동 학원가의 전문화, 맞춤 강의, 부족한 과목 보완과 지원 관계를 이해하는 자료.
- 적용 한계
- 지역을 설명하는 조사입니다. 인과적 성적 향상 근거나 대치동만의 고유 학습 기술로 제시하지 않습니다.
원문 보기 ↗확인일
연구 검토OECD Digital Education Outlook 20262026
OECD · 2026
- 참고한 내용
- AI를 쓰는 동안의 과제 수행 향상과 학생에게 남은 학습을 구분하고 교육 목적에 맞게 도구를 설계.
- 적용 한계
- 도구·과제·교수 설계에 따라 결과가 다릅니다. AI 사용 자체의 보편적 효과를 보장하지 않습니다.
원문 보기 ↗확인일
교육 프레임워크PRIMM · Support for teaching programming in school발행 연도 미표기
PRIMM 교육 자료 · 발행 연도 미표기
- 참고한 내용
- Predict·Run·Investigate·Modify·Make: 코드 예측·실행·탐구·수정·제작의 흐름.
- 적용 한계
- 모든 단계가 매 수업에 반드시 들어가는 고정 순서는 아닙니다. 아래 로봇 예시는 CIT의 설명용 구성입니다.
원문 보기 ↗확인일
연구 검토Improving Students’ Learning With Effective Learning Techniques2013
John Dunlosky 외 · 2013
- 참고한 내용
- 연습 시험과 분산 학습을 포함한 학습 전략 검토.
- 적용 한계
- 모든 학생에게 동일한 복습 날짜를 지정하거나 개인별 기억률을 예측하는 자료는 아닙니다.
원문 보기 ↗확인일
교육 프레임워크A Framework for K–12 Science Education2011
National Research Council · NGSS 안내 · 2011
- 참고한 내용
- 교과의 핵심 개념, 분야를 연결하는 개념, 과학·공학 실천을 함께 다루는 구조.
- 적용 한계
- 프레임워크를 참고한 것이 CIT 수업에 대한 기관의 인증이나 개별 성과 보장을 뜻하지 않습니다.
원문 보기 ↗확인일
자주 묻는 질문
여러 분야를 배우면 기초가 얕아지지 않습니까?
분야를 많이 거치는 것보다 필요한 개념을 정확히 배우고 직접 쓰는 것을 우선합니다. 예를 들어 로봇을 만들 때도 센서의 측정값, 수학의 비교, 코드의 조건문을 하나씩 확인하는 방향을 지향합니다.
대치동식 공부를 그대로 적용합니까?
학생의 출발점과 부족한 부분을 세밀하게 살피고 연습·피드백·재확인으로 연결하는 관점을 참고합니다. 학습량이나 시간표를 그대로 옮기거나 학년과 점수만으로 학생을 고정 분류하는 방식은 지향하지 않습니다.
뇌과학 기반이라는 것은 무엇입니까?
학습과 발달을 이해하는 연구를 참고한다는 뜻입니다. 인지·발달 연구와 교실 근거를 함께 검토하며, 뇌 검사나 지능 향상 보장, 특정 수업의 성적 효과를 뜻하지 않습니다.
AI가 코드를 만들면 학생은 무엇을 배웁니까?
문제를 정하고, 코드를 읽고, 테스트하고, 수정 이유를 설명하고, 결과를 판단하는 역할을 학생에게 남기는 것이 설계 원칙입니다. AI의 도움으로 완성한 결과와 학생이 독립적으로 할 수 있는 일을 구분해 확인합니다.
국제학교 공부와 프로젝트를 함께 고려합니까?
교과 개념 이해, 평가에서 요구하는 표현, 독립 프로젝트의 목표를 구분합니다. 학교 과제와 평가의 AI 사용·도움 허용 규칙을 먼저 확인하고, 별도 프로젝트와 학교 제출물을 구분하는 방향으로 상담합니다.
성적이나 입시 결과를 보장합니까?
성적 향상이나 합격을 보장하지 않습니다. 학생이 설명하고 직접 수행하며 시간이 지난 뒤 새로운 조건에도 적용하는지를 학습 확인의 기준으로 삼고자 합니다. 이 페이지의 사례와 리포트는 실제 학생 성과가 아닌 가상 예시입니다.
우리 아이에게 필요한
다음 배움을 함께 찾습니다.
관심 분야와 현재 할 수 있는 일에서 출발해,
기초 학습과 도전의 균형을 살펴봅니다.