초2~초3 권장 · 권장 약 10시간(1:1 기준 5회) · 온라인·압구정 대면 1:1·1:n
Scratch AI 프로젝트 1개와 Teachable Machine 데모 1개를 만들고 학생이 직접 설명합니다.
카카오톡 상담대상
초2~초3 권장
읽기·기본 조작·자기 설명 준비도 확인 · 고정 학년 아님
권장 수업 시간
약 10시간(1:1 기준 5회)
회당 2시간, 소그룹은 1시간 50분 · 선택·심화에 따라 6~14시간
완성 결과물
Scratch AI 프로젝트 1개 · Teachable Machine 데모 1개
학생 본인이 설명하고 발표
이후 경로
E2. 초등 Python + 데이터
KOAI 등 대회는 이후 수준·관심에 따라 선택
E1을 마치면 학생은 AI가 무엇이며 어떻게 학습하는지 시각적·체험적으로 설명합니다. 직접 데이터를 모으고 두 모델 조건을 비교해 무엇이 달라졌는지, 어디서 틀렸는지, 어떤 데이터가 더 필요한지 말합니다. 한국어·영어 AI 어휘, 컴퓨터적 사고와 데이터 직관도 함께 익힙니다.
산출물은 모두 학생 본인의 첫 AI 학습 기록으로 남깁니다. 한·영 AI 어휘 카드, 데이터 수집표, 두 모델 조건 비교, 오류 사례와 토론 노트가 여기에 들어가고, 캡스톤에서 Scratch AI 프로젝트 1개와 Teachable Machine 데모 1개를 만들어 발표합니다.
짧은 문장을 읽고, 마우스·키보드를 기본 조작하며, 활동 결과를 자기 말로 설명할 수 있는지 확인합니다. E1은 Python 무경험자 대상이며 별도의 코딩 선행은 필요하지 않습니다. Python은 다음 코스 E2에서 시작합니다.
기본 과정은 1:1 기준 2시간씩 5회, 약 10시간입니다. 아래 표의 20개 콘텐츠 단위는 회차마다 4개씩 순서대로 다룹니다. 온라인·압구정 대면, 1:1 개인·1:n 소수 그룹에 공통으로 적용하는 표준 진행안입니다.
핵심 도구: Scratch + ScratchML, Google Teachable Machine, Quick Draw, AutoDraw, AI for Oceans(code.org), Google AI Experiments.
| 회차 | 시간 (1:1 기준) | 콘텐츠 단위 | 남기는 것 |
|---|---|---|---|
| 1회 | 2시간 | 단위 1~4 AI란 무엇인가: 사람·동물·기계의 학습 비교 컴퓨터가 그림을 보는 법 (Quick Draw, AutoDraw) |
한·영 AI 어휘 카드 첫 데이터 수집 활동 |
| 2회 | 2시간 | 단위 5~8 컴퓨터가 말을 듣는 법 (음성 인식 체험) Teachable Machine으로 첫 모델 학습 (이미지 분류) 시작 |
음성 명령 인터랙티브 분류 모델 1개는 다음 회차로 이어짐 |
| 3회 | 2시간 | 단위 9~12 Teachable Machine으로 첫 모델 학습 (이미지 분류) 마무리 편향과 공정성 (어린이 친화 사례) Scratch + ScratchML 미니 프로젝트 시작 |
분류 모델 1개 케이스 토론 노트 AI 활용 미니 게임은 다음 회차로 이어짐 |
| 4회 | 2시간 | 단위 13~16 Scratch + ScratchML 미니 프로젝트 마무리 데이터 직관 (그래프·표 읽기, 일상 데이터 수집) 시작 |
AI 활용 미니 게임 데이터 시각화 1편은 다음 회차로 이어짐 |
| 5회 | 2시간 | 단위 17~20 데이터 직관 (그래프·표 읽기, 일상 데이터 수집) 마무리 가족·친구 발표 |
데이터 시각화 1편 발표 영상 |
필수 결과물: 캡스톤
두 가지를 만들고 학생 본인이 질문, 데이터 출처, 비교 결과, 오류·한계와 도움받은 부분을 발표합니다.
과정 중에 남기는 기록
선택·심화와 시간 변동
필수 결과물은 캡스톤의 Scratch AI 프로젝트 1개와 Teachable Machine 데모 1개이고 표의 나머지 활동은 학생이 앞서갈 때 담당 선생님이 더하는 선택·심화입니다. 선택·심화를 얼마나 더하느냐에 따라 실제 수업 시간은 6~14시간 사이에서 달라집니다.
한·영 AI 어휘 카드, 데이터 수집표, 두 모델 조건 비교, 오류 사례와 편향·공정성 토론 노트를 남깁니다. 공개 링크는 보호자 동의와 플랫폼 연령·공개 규칙이 허용할 때만 사용하고, 아니면 로컬 파일이나 화면 기록으로 보관합니다.
Scratch AI 프로젝트 1개와 Teachable Machine 데모 1개를 만들고 학생 본인이 질문, 데이터 출처, 비교 결과, 오류·한계와 도움받은 부분을 발표합니다. 두 결과물은 기본 과정의 필수 결과물이며 산출물 수보다 재현 가능한 설명을 우선합니다.
Scratch·Teachable Machine 결과와 발표는 학생 본인의 학습 기록으로 보관합니다. 대회나 학교에 제출할지는 그때의 공식 요강, 허용 형식, 개인정보·저작권과 학생 저작성을 확인한 뒤 따로 정합니다.
학생 저작성
질문·데이터·비교·수정과 본인 역할을 학생이 설명
출처·도움 공개
데이터 출처·동의, 멘토·생성형 AI 도움과 한계를 기록
제출 판단
현재 공식 요강이 허용하는 형식만 별도 제출
KOAI 2026은 중1~중3과 고1~고3 재학생 대상이었고 초등학생은 그 시즌 응시 대상이 아니었습니다. 한국정보기술진흥원의 종료된 KOAI 2026 공식 페이지에서 고등부 1차 포트폴리오는 40%로 명시되었고 중등부에는 같은 포트폴리오 40% 심사가 명시되지 않았습니다. 해당 연도 고등부의 보관 기록일 뿐이며 미래 시즌, 다른 부문, 학교 입시에 적용되지 않습니다. E1 수업 내용과는 직접 관계가 없습니다.
E1은 Python·머신러닝을 배우기 전의 입문 단계입니다. 다음은 E2(초등 Python + 데이터), E3(초등 첫 ML), 이후 중등 M1 순으로 검토합니다. KOAI 같은 대회 응시는 이 과정에서 다루지 않고 이후 학생의 수준과 관심에 따라 선택하며 자격과 일정은 해당 시즌 공식 요강을 따릅니다. 전체 경로는 KOAI 커리큘럼 허브에서 볼 수 있습니다.
이전 단계 (선행)
준비도 확인
읽기·기본 조작·자기 설명
현재 코스
E1. 초등 AI 리터러시·첫 프로젝트
no-code AI 입문
압구정 대면과 전국·해외 온라인 수업을 모두 지원합니다. 학교·전형·학년도별 공식 제출 규칙은 각 경로에서 먼저 확인합니다.
초2~초3은 일반적인 권장 범위일 뿐 고정 시작 학년이 아닙니다. 짧은 문장을 읽고, 마우스·키보드를 기본 조작하며, 자신이 모은 데이터와 모델 결과를 자기 말로 설명할 준비가 되었는지 먼저 확인합니다.
네. E1은 Python 무경험자 대상이며 Scratch·Teachable Machine 등 no-code 도구로 AI 원리를 체험합니다. Python은 다음 코스 E2에서 시작합니다.
Scratch·Teachable Machine으로 데이터를 모으고 두 모델 조건을 비교하는 활동을 거쳐 캡스톤에서 Scratch AI 프로젝트 1개와 Teachable Machine 데모 1개를 만들고 발표합니다. 기본 과정은 1:1 기준 2시간씩 5회이고 표의 20개 콘텐츠 단위를 회차마다 4개씩 순서대로 다룹니다. 두 결과물이 필수이고 나머지 활동은 학생이 앞서갈 때 담당 선생님이 더하는 선택·심화입니다.
E1은 대회 대비 과정이 아니라 AI 리터러시와 첫 프로젝트 과정입니다. 대회 응시는 이후 학생의 수준과 관심에 따라 선택하며 자격과 일정은 해당 시즌 공식 요강에서 확인합니다.
자동으로 되지 않습니다. Scratch·Teachable Machine 결과는 학습 기록입니다. 학생 본인이 질문, 데이터 출처·동의, 비교 기준, 오류·한계, 자기 역할과 멘토·AI 도움을 설명할 수 있어야 하며, 제출은 해당 연도·부문·학교 공식 요강이 허용할 때만 따로 정합니다.
준비도와 목표에 따라 E2(초등 Python + 데이터), E3(초등 첫 ML), 이후 중등 M1을 검토합니다. 이 순서는 학습 권장 경로이지 KOAI 자격·선발·수상 약속이 아니며, 실제 응시는 해당 시즌 공식 요강을 다시 확인합니다.
학생의 읽기·기본 조작·자기 설명 준비도와 목표를 확인해 온라인 또는 압구정 대면 시작점을 설계합니다. 수상·선발·입시 결과는 보장하지 않습니다.