# CIT 교육 철학 | AI·코딩·STEM을 깊이 배우는 방법

정식 경로: https://citcoding.com/philosophy/
자료 확인일: 2026-09-09

AI·컴퓨터과학·STEM부터 다양한 관심 분야까지. 학습과학과 발달 이해, 정밀한 피드백으로 배운 것을 설명하고 구현하고 검증하는 교육을 지향합니다.

이 문서는 교육 설계 원칙과 가상 예시를 설명합니다. 실제 학생 성과나 모든 분야의 과목 개설, 기관의 인증, 성적·입시 결과 보장을 뜻하지 않습니다.

학습 흐름: Discovery → Understanding → Connection → Creation. 관심을 질문으로, 질문을 개념으로 연결해 직접 만들고 검증합니다.

학습 확인: 설명 / 독립 수행 / 이후 재확인 / 변형 적용. AI의 도움으로 완성한 결과와 학생에게 남은 학습을 구분합니다.

## 분야별 수업 설계 예시

### AI·컴퓨터과학
- 탐구 질문: 프로그램은 왜 예상과 다른 결과를 낼까요?
- 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
- AI 역할: 오류 후보와 테스트 입력을 제안합니다. 학생이 코드를 읽고 원인을 확인합니다.

### 수학·데이터
- 탐구 질문: 평균만 보면 놓치는 정보는 무엇일까요?
- 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
- AI 역할: 시각화 방법과 분석 코드 초안을 제안합니다. 계산과 해석은 원자료로 검증합니다.

### 로봇·공학·우주
- 탐구 질문: 로봇은 언제 멈춰야 할까요?
- 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
- AI 역할: 놓친 테스트 값을 제안할 수 있습니다. 이 사례의 정지 동작 자체는 규칙 기반 제어입니다.

### 생명과학·환경
- 탐구 질문: 영상 속 생물의 움직임을 일관되게 셀 수 있을까요?
- 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
- AI 역할: 추적 코드 초안과 오류 후보를 제안합니다. 실제 영상과 수작업 표본이 검증 기준입니다.

### 예술·디자인
- 탐구 질문: 어떤 규칙으로 움직이는 작품을 만들 수 있을까요?
- 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
- AI 역할: 구현 방법의 대안을 제안합니다. 표현 의도와 최종 선택, 사용 자료의 권리는 학생이 확인합니다.

### 웹·앱·게임
- 탐구 질문: 사용자가 실수해도 이해할 수 있는 프로그램은 무엇일까요?
- 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
- AI 역할: 화면과 코드 초안을 돕습니다. 학생이 사용 흐름과 오류 처리, 키보드 조작을 확인합니다.

### 음악·소리
- 탐구 질문: 소리의 반복을 데이터로 표현할 수 있을까요?
- 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
- AI 역할: 신호를 그리는 코드와 비교 방법을 제안합니다. 직접 만든 소리와 측정값으로 확인합니다.

### 인문사회·경제
- 탐구 질문: 데이터가 보여주는 것과 보여주지 못하는 것은 무엇일까요?
- 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
- AI 역할: 분석 질문과 반론을 제안합니다. 통계 원문과 인용의 정확성은 직접 검증합니다.

## 교육 설계의 관점

### 교육학·학습과학
풀이 예시, 직접 연습, 계획·점검·평가 전략을 함께 참고합니다.
교사가 생각하는 과정을 보여준 뒤 학생이 풀고 설명하도록 과제를 설계합니다. 이후 다시 확인할 기회도 둡니다.
답만 기억하는지, 풀이 이유와 다음에 확인할 부분을 설명하는지 살펴봅니다.
적용 한계: 연구의 평균적인 효과를 개인 학생의 성적 향상 약속으로 바꾸지 않습니다.

### 아동·청소년 발달
발달의 공통점과 개인차, 가정·문화·학습 맥락을 함께 고려합니다.
교구·그림·말·코드 중 이해를 돕는 표현을 고르고, 도움의 양과 과제 범위를 조절합니다.
긴 글만 요구하지 않고 조작·그림·설명으로도 규칙을 이해했는지 확인합니다.
적용 한계: NAEYC 지침은 초기 아동 대상입니다. 중·고등학생의 직접적인 효과 근거로 확대하지 않습니다.

### 인지신경과학
뇌와 학습에 관한 연구 → 인지·발달 연구와 교실 근거를 함께 검토합니다.
한 번에 다루는 정보와 활동의 복잡성을 검토하고 학생의 설명과 시도를 보며 수업을 조정합니다.
배운 개념을 이해하고 다른 조건에 적용하는지 확인합니다.
적용 한계: 뇌 검사나 지능 향상 보장이 아닙니다. 신경과학만으로 특정 수업의 성적 효과를 단정하지 않습니다.

### 대치동의 학습 운영
지역 조사에서 설명한 전문화, 맞춤형 강의, 부족한 부분 보완과 지원 관계를 참고합니다.
출발점을 확인하고 필요한 연습을 고른 뒤, 오류의 원인을 살펴 다른 문제로 다시 확인합니다.
개념·조건 해석·구현·검증 중 어디에서 도움이 필요한지 구분합니다.
적용 한계: 지역의 운영 조사와 교육 효과 실험은 다릅니다. CIT 적용 절차는 이 페이지의 설계 원칙입니다.

## 로봇 사례 (가상 예시)

20cm 이하에서 정지하는 규칙 기반 제어입니다. distance_cm < 20은 20에서 계속 이동하므로 목표와 다릅니다. distance_cm <= 20으로 수정하면 19·20에서는 정지하고 21에서는 계속 이동합니다. AI 모델이 아니며, 20cm는 보편적인 로봇 안전거리 권고가 아닙니다.

## 준비도별 접근 예시

### 유아·초등 저학년
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
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
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
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.

## 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.

## 근거 자료

- [Metacognition and Self-Regulation 개정 안내](https://educationendowmentfoundation.org.uk/news/updated-eef-guide-to-metacognition-and-self-regulation) — Education Endowment Foundation · Corinne Settle, 2025, 전문기관 지침. 참고: 교사의 사고 과정 시범, 명시적인 전략 지도, 도움의 조절과 학생의 계획·점검·평가. 한계: 교실 적용에는 맥락과 실행 방식 검토가 필요하며 CIT 학생의 효과를 입증한 자료는 아닙니다. 확인일: 2026-09-09.
- [Organizing Instruction and Study to Improve Student Learning](https://ies.ed.gov/ncee/wwc/PracticeGuide/1) — IES · What Works Clearinghouse, 2007, 전문기관 지침. 참고: 간격 학습, 풀이 예시와 문제 해결의 연결, 시각 자료와 설명의 결합. 한계: 권고마다 근거 수준이 다릅니다. 모든 과목과 학생에게 같은 수업 비율을 지정하지 않습니다. 확인일: 2026-09-09.
- [Developmentally Appropriate Practice · Core Considerations](https://www.naeyc.org/resources/position-statements/dap/core-considerations) — National Association for the Education of Young Children, 2020, 전문기관 지침. 참고: 발달의 공통성, 개인차, 사회·문화적 맥락을 고려한 초기 아동 교육. 한계: 출생부터 8세까지의 초기 아동 대상 지침을 중·고등학생의 효과 근거로 확대하지 않습니다. 확인일: 2026-09-09.
- [How People Learn II · Types of Learning and the Developing Brain](https://www.nationalacademies.org/read/24783/chapter/5) — National Academies of Sciences, Engineering, and Medicine, 2018, 연구 검토. 참고: 학습·발달과 경험의 관계, 신경과학을 교수법으로 연결할 때의 복잡성. 한계: 뇌의 변화나 신경영상은 특정 수업의 성적 향상을 자동으로 입증하지 않습니다. 확인일: 2026-09-09.
- [대치동의 양면…사교육 일번지에 600년 된 마을이?](https://museum.seoul.go.kr/www/board/NR_boardView.do?bbsCd=1015&seq=20180626133210886&sso=ok) — 서울역사박물관, 2018, 지역 운영 조사. 참고: 대치동 학원가의 전문화, 맞춤 강의, 부족한 과목 보완과 지원 관계를 이해하는 자료. 한계: 지역을 설명하는 조사입니다. 인과적 성적 향상 근거나 대치동만의 고유 학습 기술로 제시하지 않습니다. 확인일: 2026-09-09.
- [OECD Digital Education Outlook 2026](https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html) — OECD, 2026, 연구 검토. 참고: AI를 쓰는 동안의 과제 수행 향상과 학생에게 남은 학습을 구분하고 교육 목적에 맞게 도구를 설계. 한계: 도구·과제·교수 설계에 따라 결과가 다릅니다. AI 사용 자체의 보편적 효과를 보장하지 않습니다. 확인일: 2026-09-09.
- [PRIMM · Support for teaching programming in school](https://primmportal.com/) — PRIMM 교육 자료, 발행 연도 미표기, 교육 프레임워크. 참고: Predict·Run·Investigate·Modify·Make: 코드 예측·실행·탐구·수정·제작의 흐름. 한계: 모든 단계가 매 수업에 반드시 들어가는 고정 순서는 아닙니다. 아래 로봇 예시는 CIT의 설명용 구성입니다. 확인일: 2026-09-09.
- [Improving Students’ Learning With Effective Learning Techniques](https://journals.sagepub.com/doi/10.1177/1529100612453266) — John Dunlosky 외, 2013, 연구 검토. 참고: 연습 시험과 분산 학습을 포함한 학습 전략 검토. 한계: 모든 학생에게 동일한 복습 날짜를 지정하거나 개인별 기억률을 예측하는 자료는 아닙니다. 확인일: 2026-09-09.
- [A Framework for K–12 Science Education](https://www.nextgenscience.org/resources/framework-k%E2%80%9312-science-education) — National Research Council · NGSS 안내, 2011, 교육 프레임워크. 참고: 교과의 핵심 개념, 분야를 연결하는 개념, 과학·공학 실천을 함께 다루는 구조. 한계: 프레임워크를 참고한 것이 CIT 수업에 대한 기관의 인증이나 개별 성과 보장을 뜻하지 않습니다. 확인일: 2026-09-09.

상담: https://pf.kakao.com/_URqqC/chat · 전화 02-540-2922