−17%
제한 없이 GPT-4를 쓴 고등학생은 연습 점수가 48% 올랐지만, AI 없이 본 시험에서는 17% 낮았습니다. 힌트만 주는 튜터형 AI는 이 손해를 대부분 줄였습니다.
Bastani 2025 · 튀르키예 한 학교의 학생 약 1,000명을 대상으로 한 연구입니다.
AI를 쓰느냐보다 어떻게 쓰느냐가 결과를 바꿉니다
최근 연구를 보면 AI는 배움을 돕기도 하고 해치기도 합니다. 차이를 만든 것은 수업 설계였습니다.
사고력 나침반: 세 갈래, 열두 가지 기술
OECD와 유럽연합 집행위원회의 AI 리터러시 틀은 AI를 쓰는 것과 AI를 이해하고 다루는 것을 나눕니다. 세계경제포럼 조사에서는 기업 10곳 중 7곳이 분석적 사고를 필수 역량으로 꼽았습니다. CIT는 이런 연구와 국제 틀을 종합해 열두 가지 기술로 정리했습니다. 가운데의 호기심, 회복탄력성, 주도성은 점수로 매기지 않고 수업 내내 북돋습니다. OECD & European Commission 2026 · World Economic Forum 2025
생각하기 Think
문제를 쪼개고, 구조를 보고, 근거로 따집니다.
-
T1
컴퓨팅 사고
Computational Thinking
컴퓨팅 사고는 문제를 작은 단계로 나누고, 중요한 것만 남겨 규칙을 세우고, 그 규칙이 맞는지 직접 확인하는 사고입니다.
CIT 수업에서는 코드를 열기 전에 종이에 절차부터 적습니다.
-
T2
시스템 사고
Systems Thinking
시스템 사고는 원인과 결과가 고리처럼 이어진 구조를 보고, 그 안의 지연과 이해관계자, 작은 변화로 큰 차이를 만드는 지점을 찾는 사고입니다.
CIT 수업에서는 주제를 정하면 원인과 결과를 화살표로 잇는 그림부터 그립니다.
-
T3
비판·과학적 사고
Critical & Scientific Thinking
비판·과학적 사고는 주장을, AI가 내놓은 답까지 포함해 그대로 받아들이지 않고, 근거를 찾고 조건을 하나씩 바꾸는 실험으로 확인하는 사고입니다.
CIT 수업에서는 AI 답을 보기 전에 예측을 먼저 적고, 다른 곳에 밑줄을 긋습니다.
-
T4
데이터·확률적 사고
Data & Probabilistic Thinking
데이터·확률적 사고는 불확실한 상황에서 데이터로 판단하고, 정확도 같은 모델 지표가 무엇을 말해 주고 무엇을 말해 주지 않는지 읽어 내는 사고입니다.
CIT 수업에서는 직접 모은 작은 데이터로 모델을 만들고, 맞힌 것과 틀린 것을 손으로 셉니다.
만들기 Create
사람에게서 출발해 끝까지 만들어 냅니다.
-
C1
공감·인간중심 디자인
Empathy & Human-Centred Design
공감·인간중심 디자인은 실제 사람을 만나 필요를 듣고, 만든 것을 그 사람과 함께 시험하며 고쳐 가는 사고입니다.
CIT 수업에서는 만들기 전에 쓸 사람을 직접 인터뷰합니다. AI는 받아쓰기에만 씁니다.
-
C2
창의적 발상
Creative Ideation
창의적 발상은 먼저 손으로 아이디어를 넓게 펼치고, AI로 더 넓힌 뒤, 사람의 판단으로 골라 좁히는 사고입니다.
CIT 수업에서는 AI를 켜기 전에 아이디어 열 개를 손으로 적습니다.
-
C3
빌더 주도성
Builder Agency
빌더 주도성은 아이디어에서 멈추지 않고, 실제 사람이 쓰는 결과물을 처음부터 끝까지 만들어 내는 힘입니다.
CIT 수업에서는 모든 단원은 실제로 작동하는 결과물 하나로 끝납니다.
-
C4
융합적 사고
Integrative Thinking
융합적 사고는 서로 다른 과목과 분야를 연결하고, 둘이 부딪힐 때 한쪽을 버리지 않고 둘 다 살리는 답을 찾는 사고입니다.
CIT 수업에서는 학생이 좋아하는 분야에 AI를 붙여 프로젝트를 만듭니다.
AI와 함께 With AI
맡길 일을 정하고, 확인하고, 책임집니다.
-
A1
명세·프롬프트 사고
Specification & Promptcraft
명세·프롬프트 사고는 기계에게든 사람에게든 목표, 맥락, 제약, 형식, 완료 기준을 빠짐없이 밝혀 일을 맡기는 사고입니다.
CIT 수업에서는 AI에게 코드를 맡기기 전에 다섯 칸짜리 명세서를 채웁니다.
-
A2
위임·검증
Delegation & Verification
위임·검증은 계획하고, 맡기고, 확인하고, 돌아보는 네 단계로 사람과 AI의 일을 나누고, AI에게 맡긴 일은 범위를 정한 뒤 빠짐없이 확인하는 사고입니다.
CIT 수업에서는 과제를 사람 몫, AI 몫, 함께할 몫으로 나눈 표를 먼저 씁니다.
-
A3
신뢰 보정
Trust Calibration
신뢰 보정은 AI의 답과 내 판단 가운데 언제 무엇을 믿을지, 근거를 들어 정하는 사고입니다.
CIT 수업에서는 답을 확인하기 전에 얼마나 자신 있는지 먼저 적고, AI 답과 견줘 봅니다.
-
A4
윤리·미래 판단
Ethical & Futures Judgment
윤리·미래 판단은 만든 것이 누구에게 공정하고 누구를 해칠 수 있는지, 시간이 지나면 어떤 영향을 남길지 따지고, AI를 쓴 부분은 숨기지 않고 밝히는 사고입니다.
CIT 수업에서는 모든 결과물에 AI 사용 기록을 붙여 공개합니다.
생각의 구조: 근본 사고에서 과정까지
나침반은 네 층으로 이어집니다. 맨 위의 제1원리 사고와 메타인지가 모든 기술을 이끌고, 그 아래 세 갈래와 열두 가지 기술이 있습니다. 맨 아래의 실제 과정은 분야 하나에 기술 두세 가지를 더한 조합입니다.
- 제1원리 사고 (First Principles Thinking) 제1원리 사고는 문제를 확실히 아는 사실까지 벗겨 낸 다음, 거기서부터 다시 쌓아 올리는 사고입니다.
- 메타인지 메타인지는 내가 무엇을 알고, AI가 무엇을 아는지, 언제 어느 쪽을 믿어야 하는지 아는 사고입니다.
0 꼭대기
제1원리 사고 (First Principles Thinking)모든 수업은 제1원리 질문 하나로 시작합니다.
메타인지모든 수업은 거꾸로 설명하기(teach-back)나 신뢰 보정 점검으로 끝납니다.
1 세 갈래
생각하기만들기AI와 함께
2 열두 가지 기술
3 과정과 응용
과정 찾기
과정을 누르면 그 과정이 기르는 기술이 피라미드와 레이더에 표시됩니다. 기술을 누르면 그 기술을 기르는 과정이 나옵니다.
AI + X 연구실
- 분야
- 학생이 고른 어떤 분야든
- 연구실 주제
- AI와 함께하는 우주 공학 · 비전 로보틱스 · AI와 심리학 (마인드 랩)
- 제1원리 질문
- AI가 곧 깨뜨릴 이 분야의 가정은 무엇일까?
- 로드맵 트랙
- Project
우주 공학, 비전 로보틱스, 마인드 랩은 이 연구실의 주제로 엽니다.
AI + X 연구실 주제
AI와 함께하는 우주 공학
- 분야
- 궤도 역학, 임무 설계
- 제1원리 질문
- 위성이 떨어지지 않고 떠 있으려면 무엇이 참이어야 할까?
- 로드맵 트랙
- Elite / Project
AI+X 연구실의 주제로 먼저 엽니다.
AI + X 연구실 주제
비전 로보틱스
- 분야
- RoboMaster S1, Tello
- 제1원리 질문
- 로봇은 실제로 무엇을 보고 있을까?
- 로드맵 트랙
- Leader / Elite
AI + X 연구실 주제
AI와 심리학 (마인드 랩)
- 분야
- 청소년 뇌과학, 행동
- 제1원리 질문
- 감정은 무엇으로 이루어져 있을까?
- 로드맵 트랙
- Elite
AI 올림피아드 트랙
- 분야
- 머신러닝 이론, Python, NumPy, PyTorch
- 제1원리 질문
- 모델은 배울 때 무엇을 배우는 걸까?
- 로드맵 트랙
- Elite / Project
실제 사용자를 위한 앱
- 분야
- 웹, 제품
- 제1원리 질문
- 누가 이 문제를 겪고 있고, 왜 그럴까?
- 로드맵 트랙
- Leader / Elite
과정과 기술의 연결은 CIT가 정한 초안이며, 선생님들의 검토를 거쳐 확정합니다. 호기심, 회복탄력성, 주도성은 이 구조의 바탕에 깔린 태도이며, 기술처럼 점수를 매기지 않습니다.
열두 가지 기술 자세히 보기
기술마다 뜻, AI 시대에 필요한 까닭, CIT에서 가르치는 방법, 학년별 능숙 수준을 정리했습니다.
T1컴퓨팅 사고 Computational Thinking
뜻 컴퓨팅 사고는 문제를 작은 단계로 나누고, 중요한 것만 남겨 규칙을 세우고, 그 규칙이 맞는지 직접 확인하는 사고입니다. 같은 입력에 늘 같은 답이 나오는 절차(CT 1.0)에서 시작해, 데이터에서 규칙을 배우고 답에 불확실성이 따르는 방식(CT 2.0)으로 넓혀 갑니다.
AI 시대에 필요한 까닭
AI가 코드를 대신 써 줄수록, 무엇을 만들지 나누고 결과가 맞는지 따지는 일은 학생 몫으로 남습니다. AI 모델은 규칙을 데이터에서 배우기 때문에 같은 질문에도 답이 달라질 수 있습니다. 이 차이를 알아야 결과를 제대로 읽습니다.
CIT에서 가르치는 방법: 종이 알고리즘 먼저
코드를 열기 전에 순서도나 의사코드로 절차를 적고, 친구가 그 절차만 보고 손으로 실행해 봅니다. 고학년은 같은 문제를 직접 쓴 규칙으로 한 번, 데이터로 학습한 모델로 한 번 풀어 어디서 각각 틀리는지 비교합니다.
능숙 수준(학년별)
- 초등 다섯 단계 안팎의 절차를 순서대로 적고, 친구가 따라 했을 때 어긋난 단계를 스스로 찾아 고칩니다.
- 중등 문제를 함수 단위로 나누고, 경계값을 포함한 테스트를 먼저 적은 뒤 코드를 씁니다.
- 고등 직접 쓴 규칙과 데이터로 학습한 모델의 장단점을 오류 사례로 비교해 설명합니다.
T2시스템 사고 Systems Thinking
뜻 시스템 사고는 원인과 결과가 고리처럼 이어진 구조를 보고, 그 안의 지연과 이해관계자, 작은 변화로 큰 차이를 만드는 지점을 찾는 사고입니다. 만들기 전에 「AI를 넣으면 사람에게 무엇이 더 좋아지는가」를 묻습니다. 이 물음에 답하지 못하면 AI가 들어갈 자리가 아니라고 판단합니다(AI+X 연결 점검).
AI 시대에 필요한 까닭
AI 도구 하나를 넣으면 사람의 행동이 바뀌고, 바뀐 행동이 다시 데이터가 됩니다. 이 되먹임을 보지 못하면 좋은 뜻으로 만든 도구도 예상하지 못한 결과를 낳습니다.
CIT에서 가르치는 방법: 인과 고리와 지렛점 메모
프로젝트 주제를 정하면 원인과 결과를 잇는 고리 그림을 그립니다. 그다음 어느 화살표에 AI가 들어갈지, 들어가면 누구에게 무엇이 달라지는지를 한 쪽짜리 지렛점 메모로 씁니다.
능숙 수준(학년별)
- 초등 원인과 결과를 화살표 세 개 이상으로 잇고, 하나가 바뀌면 무엇이 따라 바뀌는지 말합니다.
- 중등 커지는 고리와 균형을 잡는 고리를 하나씩 찾아 표시하고, 효과가 늦게 나타나는 지점을 설명합니다.
- 고등 이해관계자별 영향을 표로 정리하고, AI를 넣지 않는 편이 나은 경우까지 근거를 들어 판단합니다.
T3비판·과학적 사고 Critical & Scientific Thinking
뜻 비판·과학적 사고는 주장을, AI가 내놓은 답까지 포함해 그대로 받아들이지 않고, 근거를 찾고 조건을 하나씩 바꾸는 실험으로 확인하는 사고입니다. 결과가 왜 달라졌는지 말하려면 조건을 한 번에 하나만 바꿔야 합니다. 이 원칙을 코드, 실험, AI 답 비교에 똑같이 씁니다.
AI 시대에 필요한 까닭
AI는 틀린 답도 자신 있게 말합니다. 지식노동자 319명을 조사한 연구에서는 AI를 믿을수록 결과를 덜 따져 보는 경향이 나타났습니다. 확인하는 습관은 저절로 생기지 않습니다.
CIT에서 가르치는 방법: 하나만 바꾸는 실험
조건 하나만 바꿔 실행하고, 무엇이 달라졌는지 표에 적은 뒤 자기 말로 설명합니다. AI 답이 나오면 미리 적은 예측과 비교하고, 맞는지 확인할 방법을 하나 이상 씁니다.
능숙 수준(학년별)
- 초등 「왜 그렇게 생각해?」라는 물음에 근거 하나를 들어 답하고, 틀린 예측을 고쳐 말합니다.
- 중등 조건을 하나만 바꾸는 실험을 설계하고, AI 답에서 틀린 곳을 근거와 함께 표시합니다.
- 고등 출처의 신뢰도를 비교하고, 반대 증거를 찾아 자기 주장의 한계를 씁니다.
T4데이터·확률적 사고 Data & Probabilistic Thinking
뜻 데이터·확률적 사고는 불확실한 상황에서 데이터로 판단하고, 정확도 같은 모델 지표가 무엇을 말해 주고 무엇을 말해 주지 않는지 읽어 내는 사고입니다. 평균과 그래프 읽기에서 시작해 표본, 분포, 오류의 종류를 거쳐 모델 지표를 상황에 맞게 고르는 단계로 갑니다.
AI 시대에 필요한 까닭
AI의 답은 확률에서 나옵니다. 정확도 95%라는 숫자도 데이터가 한쪽으로 치우쳐 있으면 쓸모가 없을 수 있습니다. 숫자를 읽을 줄 알아야 모델을 믿을지 말지 정할 수 있습니다.
CIT에서 가르치는 방법: 혼동 행렬 손으로 채우기
학생이 모은 작은 데이터로 모델을 학습시키고, 맞힌 경우와 틀린 경우를 표로 세어 봅니다. 그다음 어떤 실수가 더 위험한지, 그래서 어떤 지표를 봐야 하는지 토론합니다.
능숙 수준(학년별)
- 초등 그래프를 보고 가장 많은 것과 가장 적은 것을 찾고, 그렇게 된 까닭을 하나 말합니다.
- 중등 평균과 분포를 구분하고, 표본이 작을 때 결론이 흔들린다는 것을 예로 설명합니다.
- 고등 정확도, 정밀도, 재현율을 계산하고, 문제 상황에 맞는 지표를 골라 그 까닭을 씁니다.
C1공감·인간중심 디자인 Empathy & Human-Centred Design
뜻 공감·인간중심 디자인은 실제 사람을 만나 필요를 듣고, 만든 것을 그 사람과 함께 시험하며 고쳐 가는 사고입니다. AI가 흉내 내는 공감과 사람이 실제로 느끼는 공감을 구분하는 것도 이 기술의 학습 목표입니다.
AI 시대에 필요한 까닭
AI 챗봇은 다정한 말투를 쉽게 만들어 냅니다. 그러나 말투가 다정하다고 상대를 이해한 것은 아닙니다. 실제 사용자를 만나 보지 않은 설계는 AI가 그럴듯하게 지어낸 사용자에게 맞춰지기 쉽습니다.
CIT에서 가르치는 방법: 인터뷰와 공감 지도
쓸 사람 세 명 이상을 직접 인터뷰하고 공감 지도를 그립니다. 같은 질문을 AI 챗봇에게도 던져, 챗봇의 「공감하는 답」과 실제 인터뷰 답을 나란히 놓고 무엇이 다른지 찾아봅니다.
능숙 수준(학년별)
- 초등 친구나 가족에게 질문 세 개를 하고, 들은 내용을 자기 말로 정리합니다.
- 중등 인터뷰 기록에서 사용자의 필요를 하나 골라 문제 문장으로 쓰고, 시제품을 시험한 피드백을 반영합니다.
- 고등 추측과 관찰을 구분해 기록하고, AI가 만든 가상 사용자 의견과 실제 의견의 차이를 근거로 설명합니다.
C2창의적 발상 Creative Ideation
뜻 창의적 발상은 먼저 손으로 아이디어를 넓게 펼치고, AI로 더 넓힌 뒤, 사람의 판단으로 골라 좁히는 사고입니다. 순서가 바뀌면 안 됩니다. 사람이 먼저 펼치고, AI는 그다음에 넓히고, 고르는 일은 다시 사람이 합니다.
AI 시대에 필요한 까닭
AI의 도움을 받아 쓴 이야기는 하나씩 보면 더 창의적이라는 평가를 받았지만, 모아 놓고 보면 서로 더 비슷했습니다. 처음부터 AI로 발상하면 모두가 비슷한 답에 모이기 쉽습니다.
CIT에서 가르치는 방법: 손으로 먼저 열 개
AI를 켜기 전에 아이디어 열 개를 손으로 적고, AI가 낸 아이디어와 비교해 나만의 것에 표시합니다. 최종안은 독창성 점검표로 기존 사례와 AI 제안에서 얼마나 멀어졌는지 확인합니다.
능숙 수준(학년별)
- 초등 한 주제로 아이디어 다섯 개 이상을 그림이나 글로 내고, 하나를 골라 까닭을 말합니다.
- 중등 손으로 낸 아이디어와 AI가 낸 아이디어를 구분해 기록하고, 최종안을 고른 기준을 씁니다.
- 고등 최종안이 기존 사례나 AI 제안과 어떻게 다른지 독창성 점검표로 설명합니다.
C3빌더 주도성 Builder Agency
뜻 빌더 주도성은 아이디어에서 멈추지 않고, 실제 사람이 쓰는 결과물을 처음부터 끝까지 만들어 내는 힘입니다. 작은 작품을 완성하는 데서 시작해, 피드백으로 고친 2판을 거쳐, 실제 사용자를 모으는 단계로 갑니다.
AI 시대에 필요한 까닭
AI 덕분에 처음 만들어 보는 문턱은 낮아졌습니다. 그래서 끝까지 완성해 실제로 누군가 써 보게 하는 경험이 더 중요해졌습니다.
CIT에서 가르치는 방법: 끝까지 만들고, 고쳐서 다시
단원마다 작동하는 결과물 하나를 완성하고, 사용자 피드백을 받아 2판을 만듭니다. 고학년은 결과물을 공개해 실제 사용 기록을 남기고, 그 기록으로 다음 개선 목표를 정합니다.
능숙 수준(학년별)
- 초등 작은 게임이나 작품을 끝까지 완성해 다른 사람에게 보여 줍니다.
- 중등 사용자 피드백을 받아 고친 2판을 내고, 무엇을 왜 바꿨는지 기록합니다.
- 고등 결과물을 공개해 실제 사용자를 모으고, 사용 기록에 근거해 다음 개선 목표를 정합니다.
C4융합적 사고 Integrative Thinking
뜻 융합적 사고는 서로 다른 과목과 분야를 연결하고, 둘이 부딪힐 때 한쪽을 버리지 않고 둘 다 살리는 답을 찾는 사고입니다. 한 분야의 개념을 다른 분야에 빌려 쓰는 데서 시작해, 두 기준이 부딪히는 상황에서 절충안을 세우고 그 대가까지 밝히는 단계로 갑니다.
AI 시대에 필요한 까닭
AI는 여러 분야의 지식을 한꺼번에 내놓습니다. 그러나 어떤 지식을 어떻게 엮을지는 문제를 가진 사람이 정해야 합니다.
CIT에서 가르치는 방법: AI+X 스튜디오
음악, 스포츠, 생물, 금융처럼 학생의 관심 분야에 AI를 붙여 프로젝트를 만듭니다. 두 분야의 요구가 부딪히는 지점(예: 정확도와 개인정보)을 찾아 해결 방안과 그 대가를 씁니다.
능숙 수준(학년별)
- 초등 두 과목(예: 과학과 미술)을 한 작품에 연결하고, 각각에서 무엇을 가져왔는지 말합니다.
- 중등 관심 분야의 문제에 코딩과 데이터를 쓰고, 각 분야에서 가져온 개념을 구분해 설명합니다.
- 고등 두 기준이 부딪히는 상황에서 절충안을 세우고, 그 절충의 대가를 밝힙니다.
A1명세·프롬프트 사고 Specification & Promptcraft
뜻 명세·프롬프트 사고는 기계에게든 사람에게든 목표, 맥락, 제약, 형식, 완료 기준을 빠짐없이 밝혀 일을 맡기는 사고입니다. 「무엇을, 누구를 위해, 어떻게 되면 끝」을 말하는 데서 시작해, 완료 기준을 테스트로 바꾸고 명세의 모호한 곳을 스스로 고치는 단계로 갑니다.
AI 시대에 필요한 까닭
AI에게 흐릿하게 물으면 흐릿한 답이 옵니다. 무엇이 「다 됐다」인지 먼저 정하는 습관은 AI와 일할 때도, 사람과 팀을 꾸릴 때도 똑같이 쓰입니다.
CIT에서 가르치는 방법: 다섯 칸 명세서
목표, 맥락, 제약, 형식, 완료 기준의 다섯 칸을 채운 뒤에 AI에게 일을 맡깁니다. 같은 명세를 친구에게 줬을 때도 같은 결과가 나오는지 확인해 명세를 고칩니다.
능숙 수준(학년별)
- 초등 「무엇을, 누구를 위해, 어떻게 되면 끝」을 한 문장씩 말합니다.
- 중등 다섯 칸 명세서를 쓰고, 완료 기준을 확인 가능한 테스트로 바꿉니다.
- 고등 명세의 모호한 곳을 스스로 찾아 고치고, 같은 명세로 AI와 사람이 낸 결과를 비교해 명세를 다듬습니다.
A2위임·검증 Delegation & Verification
뜻 위임·검증은 계획하고, 맡기고, 확인하고, 돌아보는 네 단계로 사람과 AI의 일을 나누고, AI에게 맡긴 일은 범위를 정한 뒤 빠짐없이 확인하는 사고입니다. 계획(Plan) → 위임(Delegate) → 검증(Verify) → 회고(Review)를 이 기술의 공식 순서로 씁니다.
AI 시대에 필요한 까닭
컨설턴트 실험에서 AI가 잘하는 범위 안의 과제는 더 많이, 더 빨리, 더 좋게 끝났지만, 범위 밖의 과제에서는 정답률이 19%p 낮았습니다. 어디까지 맡길지 아는 것이 결과를 가릅니다.
CIT에서 가르치는 방법: 위임 표와 AI 사용 기록
과제를 작은 일로 나눠 사람 몫, AI 몫, 함께할 몫을 표로 정하고, AI 몫마다 확인 방법을 미리 적습니다. 끝나면 AI 사용 기록을 보며 어디서 확인이 빠졌는지 돌아봅니다.
능숙 수준(학년별)
- 초등 AI나 어른에게 도움받은 일과 내가 직접 한 일을 구분해 말합니다.
- 중등 위임 표를 쓰고, AI 결과마다 확인 방법과 결과(채택, 수정, 기각)를 기록합니다.
- 고등 AI가 잘하는 범위와 못하는 범위를 자기 프로젝트 근거로 설명하고, 다음 프로젝트에 맞게 위임 계획을 고칩니다.
A3신뢰 보정 Trust Calibration
뜻 신뢰 보정은 AI의 답과 내 판단 가운데 언제 무엇을 믿을지, 근거를 들어 정하는 사고입니다. 메타인지는 열두 가지 기술 전체를 이끄는 꼭대기 사고이고, 이 기술은 그 가운데 AI를 얼마나 믿을지 정하는 일을 맡습니다.
AI 시대에 필요한 까닭
고교 수학 실험에서 제한 없이 GPT-4를 쓴 학생은 연습 문제 점수가 48% 올랐지만, AI 없이 본 시험에서는 17% 낮았습니다. AI를 얼마나 믿을지 스스로 정하지 못하면 이런 차이가 생깁니다.
CIT에서 가르치는 방법: 자신감 기록과 신뢰 근거표
답을 확인하기 전에 「얼마나 자신 있는지」를 먼저 적고 결과와 비교합니다. AI 답과 내 답이 다를 때는 어느 쪽을 믿었는지, 그 근거가 무엇이었는지 표에 남기고, 쌓인 기록으로 어떤 일에서 AI를 더 믿어도 되는지 정리합니다.
능숙 수준(학년별)
- 초등 AI나 친구의 답이 내 생각과 다를 때, 「왜 다를까?」를 묻고 확인할 방법을 하나 말합니다.
- 중등 답을 내기 전에 자신감을 적고, 결과와 비교해 지나치게 믿었는지 덜 믿었는지 기록합니다.
- 고등 AI 결과를 믿은 근거와 믿지 않은 근거를 사례별로 정리하고, 어떤 일에서 AI를 믿어도 되는지 자기 기록으로 설명합니다.
A4윤리·미래 판단 Ethical & Futures Judgment
뜻 윤리·미래 판단은 만든 것이 누구에게 공정하고 누구를 해칠 수 있는지, 시간이 지나면 어떤 영향을 남길지 따지고, AI를 쓴 부분은 숨기지 않고 밝히는 사고입니다. 도움받은 부분을 밝히는 데서 시작해, 편향과 개인정보를 점검하고, 몇 년 뒤의 영향까지 따지는 단계로 갑니다.
AI 시대에 필요한 까닭
AI가 들어간 결과물은 누가 만들었는지 흐려지기 쉽습니다. IB는 AI 사용을 금지하지 않지만, AI로 만든 내용은 출처로 밝히도록 요구합니다.
CIT에서 가르치는 방법: 영향 점검과 사용 기록 공개
프로젝트마다 편향·개인정보 점검표를 채우고, 어느 단계에서 어떤 AI를 어떻게 썼는지 기록해 결과물과 함께 공개합니다.
능숙 수준(학년별)
- 초등 내 작품이 누군가를 불편하게 할 수 있는 점을 하나 찾아 말하고, 도움받은 부분을 밝힙니다.
- 중등 편향·개인정보 점검표를 채우고, AI 사용 기록을 결과물에 붙입니다.
- 고등 몇 년 뒤의 영향까지 포함한 영향 평가를 쓰고, 이해관계가 다른 사람의 관점에서 반론을 세워 답합니다.
CIT 프로젝트 고리: 공감에서 공유까지 여섯 단계
모든 프로젝트는 여섯 단계를 거칩니다. 단계마다 남겨야 할 결과물과 AI에게 허락된 역할이 정해져 있습니다. 매 수업 안에서 반복하는 여섯 단계 습관(생각하기, 묻기, 검증하기, 만들기, 고치기, 설명하기)은 근거 페이지에 따로 정리했습니다.
안전한 등굣길 중학생 소그룹 · 8주 · 예시 설계
실제 학생 프로젝트가 아니라, CIT 고리를 설명하려고 만든 예시 설계입니다. 시범 운영 결과가 나오면 실제 사례로 바꿉니다.
-
1 공감 Empathize
만들기 전에, 쓸 사람이 실제로 무엇을 겪는지 듣습니다.
- 남기는 결과물
- 인터뷰 기록, 공감 지도
- AI의 역할
- 받아쓰기만
- 주로 쓰는 기술
- C1 공감·인간중심 디자인A4 윤리·미래 판단
예시 · 주차 1–2 같은 학년 친구 다섯 명과 학부모 두 명을 인터뷰해 등굣길에서 위험하다고 느끼는 곳을 모읍니다. 녹음은 AI가 받아 적고, 정리와 해석은 학생이 합니다.
-
2 지도화 Map
문제를 원인과 결과의 고리로 그리고, 바꾸면 효과가 큰 지점을 찾습니다.
- 남기는 결과물
- 인과 고리 그림, 지렛점 메모
- AI의 역할
- 비평가
예시 · 주차 3 차량 속도, 신호 대기 시간, 시간대별 보행자 수를 화살표로 잇습니다. 다 그린 뒤 AI에게 「빠진 고리를 찾아 달라」고 묻고, 받은 지적은 학생이 받아들일지 판단합니다.
-
3 계산 Compute
무엇을 계산할지 명세로 못 박고, 손으로 알고리즘을 그린 뒤에 코드로 옮깁니다.
- 남기는 결과물
- 명세서, 알고리즘 스케치, 테스트 계획
- AI의 역할
- 튜터, 명세가 끝난 뒤에는 코드 도우미
예시 · 주차 4–5 공개된 교통 데이터와 직접 센 보행자 수로 구간별 위험도 규칙을 세우고, 다섯 칸 명세서와 테스트 계획을 씁니다. 그때까지 AI는 힌트만 주는 튜터로 쓰고, 명세가 끝난 뒤에야 코드 도우미로 씁니다.
-
4 창조 Create
실제로 작동하는 시제품을 만들고, 그 생각이 우리 것인지 확인합니다.
- 남기는 결과물
- 시제품, 독창성 점검표
- AI의 역할
- 공동 제작자(쓴 방식을 밝힘)
예시 · 주차 6 위험 구간을 표시하는 지도 웹앱 시제품을 만듭니다. 손으로 낸 아이디어 목록과 AI 제안 목록을 비교한 독창성 점검표를 붙입니다.
-
5 비평 Critique
만든 것을 일부러 깨 보고, 누구에게 불리할 수 있는지 따집니다.
- 남기는 결과물
- 테스트 결과, 편향·개인정보 점검표, AI 사용 기록
- AI의 역할
- 레드팀(약점 찾기)
- 주로 쓰는 기술
- T3 비판·과학적 사고A2 위임·검증A3 신뢰 보정
예시 · 주차 7 테스트를 돌리고, 앱이 학생 위치를 저장하지 않는지 개인정보 점검을 합니다. AI에게 「이 앱이 틀리게 안내할 상황을 찾아 달라」고 맡기고, 찾은 사례를 하나씩 확인합니다.
AI를 쓰되, 생각은 학생이 합니다
모든 수업에 다섯 가지 원칙을 둡니다. 고교 수학 실험에서 답을 바로 주는 AI는 시험 점수를 낮췄고, 힌트만 주는 튜터형 AI는 그 손해를 대부분 줄였습니다. 교수 원칙에 맞춰 설계한 AI 튜터가 교실 능동 학습보다 학습 향상이 컸다는 연구도 있습니다. 차이는 도구가 아니라 설계에서 나왔습니다. Bastani 2025 · Kestin 2025
먼저 생각하기 Think-First Window
AI를 켜기 전에 정해진 시간 동안 혼자 생각하고 풀이 방향을 종이에 적습니다.
튜터 모드 프롬프트 Tutor-Mode Prompts
학생이 쓰는 AI는 답 대신 힌트와 질문을 주도록 설정합니다.
검증 게이트 Verify Gate
AI가 낸 결과는 확인 방법을 적고 통과해야 다음 단계로 넘어갑니다.
신뢰 보정 점검 Calibration Check
답을 확인하기 전에 얼마나 자신 있는지 적고, 결과와 비교합니다.
AI 끄고 점검 AI-Off Checkpoint
단원 끝에는 AI 없이 풀고 설명하는 시간을 둡니다.
학년별로 무엇이 달라지나요
같은 열두 가지 기술을 학년에 맞는 깊이로 다룹니다. 아이에게 맞는 시작점을 찾는 데 참고하세요.
| 학년 | 새로 무게를 두는 기술 | 학생이 하는 일 | AI를 쓰는 방식 | 관련 과정 |
|---|---|---|---|---|
| 초등초1~초6 | 순서대로 생각하기, 친구에게 묻고 듣기, 손으로 먼저 아이디어 내기, 작은 작품 끝까지 완성하기 | AI 도구를 혼자 쓰기보다, AI가 어떻게 답을 만드는지 놀이와 실험으로 이해합니다. | AI Genius 트랙 초등 AI 교육 | |
| 중등중1~중3 | 인과 고리 그리기, 하나만 바꾸는 실험, 다섯 칸 명세서, 위임 표와 AI 사용 기록 | 힌트를 주는 튜터 모드로 쓰고, 결과는 검증 게이트를 통과해야 씁니다. | AI Leader 트랙 AI 교육 프로그램 | |
| 고등고1~고3 | 모델 지표 읽기, 관심 분야와 AI 잇기, 구술 질문, 몇 년 뒤까지 보는 영향 평가 | 동료처럼 쓰되, 위임 계획과 사용 기록을 공개하고 AI 없이 구술로 설명합니다. | AI Elite 트랙 포트폴리오 KOAI 대비 국제학교 |
입시·대회와 어떻게 연결되나요
나침반의 기술이 학교 교육과정과 입시, 대회의 어느 요소와 맞닿는지 정리했습니다. 각 행은 「요소 → 나침반 기술 → CIT에서 남기는 결과물」 순서입니다.
국제학교 (IB·AP)
| 요소 | 나침반 기술 | CIT에서 남기는 결과물 |
|---|---|---|
| IB 학습 접근법(ATL): 사고 기능 | 하나만 바꾸는 실험 기록, 독창성 점검표 | |
| IB ATL: 탐구 기능(정보·미디어 리터러시) | 출처 신뢰도 비교표, AI 사용 기록 | |
| IB ATL: 자기관리 기능(성찰) | 자신감 기록, 성찰 기록, 2판 개선 기록 | |
| IB ATL: 의사소통·사회적 기능 | 인터뷰 기록, 명세서 | |
| IB 지식론(TOK) | AI 답을 검증한 기록에서 뽑은 지식 질문 | |
| IB 소논문(EE)·내부평가(IA) ↗ | 연구 질문, 데이터 분석, AI 사용을 밝힌 출처 표기 | |
| AP CSP AI Create Project (2027-28학년도부터) ↗ | 실제 사용자를 위한 AI 앱, 명세서, 테스트 기록 |
국내 (교육과정·대회)
2026년 3월부터 AI 중점학교 1,141곳이 운영되고, 2028년까지 2,000곳으로 늘어날 계획입니다. 머니투데이 2026-03-09
| 요소 | 나침반 기술 | CIT에서 남기는 결과물 |
|---|---|---|
| 2022 개정 교육과정: 창의적 사고 역량 ↗ | 손 발상 목록, 독창성 점검표 | |
| 지식정보처리 역량 ↗ | 출처 비교표, 데이터 분석, 검증 기록 | |
| 자기관리 역량 ↗ | 자신감 기록, 2판 개선 기록 | |
| 협력적 소통 역량 ↗ | 인터뷰 기록, 명세서 | |
| 공동체 역량 ↗ | 영향 점검표, 인과 고리 그림 | |
| 학교 탐구·수행평가(세특의 바탕) | 학생이 학교 과제에 직접 쓸 수 있는 탐구 경험과 기록. 학원 수업 자체는 학교생활기록부에 적히지 않습니다. | |
| KOAI(KITPA 주관) → IOAI 국가대표 선발 ↗ | AI 없이 푸는 점검, 모델 지표 풀이 기록 | |
| 영재학교·과학고 탐구 역량 | 실험 설계서, 탐구 보고서 |
눈에 보이는 성과: 사고력 프로필
학기마다 열두 가지 기술을 결과물 근거로 기록해 레이더 한 장으로 보여 드리는 보고서입니다. 지금 도입을 준비하고 있으며, 아래는 가상의 학생으로 만든 예시입니다.
예시 학생 (중2, 가상)
점수 표
| T1 컴퓨팅 사고 | 3 · 능숙 |
|---|---|
| T2 시스템 사고 | 2 · 성장 |
| T3 비판·과학적 사고 | 3 · 능숙 |
| T4 데이터·확률적 사고 | 2 · 성장 |
| C1 공감·인간중심 디자인 | 2 · 성장 |
| C2 창의적 발상 | 3 · 능숙 |
| C3 빌더 주도성 | 4 · 확장 |
| C4 융합적 사고 | 2 · 성장 |
| A1 명세·프롬프트 사고 | 3 · 능숙 |
| A2 위임·검증 | 2 · 성장 |
| A3 신뢰 보정 | 2 · 성장 |
| A4 윤리·미래 판단 | 2 · 성장 |
- 열두 가지 기술의 레이더와 지난 학기와의 비교
- 기술마다 근거가 된 결과물 링크
- 선생님이 관찰한 한 줄
- 다음 학기 목표 두 가지
- 1 시작 어른이 단계를 짚어 주면 해냅니다.
- 2 성장 익숙한 과제에서는 스스로 해내고, 낯선 과제에서는 도움을 받습니다.
- 3 능숙 학년 지표를 낯선 과제에서도 스스로 보여 줍니다.
- 4 확장 다른 사람에게 가르치거나 새 분야로 옮겨 씁니다.
근거와 출처
이 페이지의 숫자는 모두 아래 원문에서 왔습니다. 정책과 입시 일정처럼 바뀔 수 있는 내용은 매달 다시 확인합니다. 확인 기준일 2026-11-08
CIT 사고력 나침반은 위 연구와 국제 틀을 바탕으로 CIT가 정리한 틀입니다. 이 틀 자체의 효과는 아직 검증되지 않았으며, 시범 운영 자료가 쌓이면 이곳에 공개합니다.
참고 문헌 전체 보기 (25)
AI와 배움에 관한 연구
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. 제한 없는 GPT-4는 연습 점수를 48% 올렸지만 시험 점수를 17% 낮췄고, 힌트만 주는 튜터형은 그 손해를 대부분 줄였습니다. 튀르키예 한 학교의 학생 약 1,000명을 대상으로 한 연구입니다.
- Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R. & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI '25. 지식노동자 319명 가운데 AI를 더 믿는 사람일수록 비판적 사고를 덜 했고, 자기 판단을 더 믿는 사람일수록 더 했습니다. 학생이 아닌 성인의 자기 보고 설문입니다.
- Kestin, G., Miller, K., Klales, A., Milbourne, T. & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15. 같은 교수 원칙으로 설계한 AI 튜터를 쓴 학생들의 학습 향상 중앙값이 교실 능동 학습의 두 배를 넘었습니다. 하버드 물리 수강생 194명, 단기 성과입니다.
- Dell'Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F. & Lakhani, K. R. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper 24-013. AI가 잘하는 범위 안에서는 과제를 12.2% 더 많이, 25.1% 더 빨리, 40% 넘게 더 좋은 품질로 끝냈고, 범위 밖에서는 정답률이 19%p 낮았습니다. BCG 컨설턴트 758명, 성인 업무 과제입니다.
- Doshi, A. R. & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. AI 아이디어로 쓴 이야기는 하나씩 보면 더 창의적이라는 평가를 받았지만, 서로 더 비슷했습니다. 성인 대상 짧은 이야기 쓰기 실험입니다.
- Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489–530. ChatGPT의 도움으로 글 점수는 올랐지만 지식 습득과 전이는 달라지지 않았고, 스스로 점검하는 일을 게을리하게 만들 수 있었습니다. 대학생 117명, 글쓰기 과제 하나입니다.
- Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872 (preprint). ChatGPT로 글을 시작한 쪽의 뇌 참여가 낮았다는 초기 신호입니다. 동료 심사를 거치지 않았습니다. 동료 심사 전 논문이고, 참가자 54명(마지막 회차 18명)에 글쓰기 과제만 다룹니다.
역량 조사
- OECD (2024). PISA 2022 Results (Volume III): Creative Minds, Creative Schools. Korea country note. 한국 만 15세 학생의 창의적 사고 점수는 60점 만점에 38점(OECD 평균 33점)이고 상위 수준 학생이 46%(OECD 27%)였지만, 창의적 자기효능감은 OECD 평균보다 낮았습니다. 순위는 64개국 중 2~4위의 범위로 발표됩니다.
- World Economic Forum (2025). The Future of Jobs Report 2025, chapter 3: Skills outlook. 분석적 사고는 여전히 고용주가 꼽는 핵심 역량 1위이며, 기업 10곳 중 7곳이 필수라고 답했습니다. 고용주 설문입니다.
국제 역량 틀
- OECD & European Commission (2026). Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. Final version, launched 18 June 2026. AI 리터러시는 도구 사용 이상이며, AI와 관계 맺기, AI로 만들기, AI 관리하기, AI 형성하기의 네 영역과 19개 역량으로 이루어집니다. 교육 효과를 평가한 연구가 아니라 틀입니다.
- Miao, F. & Shiohira, K. (2024). AI Competency Framework for Students. UNESCO. 네 영역의 12개 역량을 이해, 적용, 창조의 세 단계로 나눕니다. 틀입니다.
- ISTE (2016). ISTE Standards for Students. 혁신적 디자이너, 컴퓨팅 사고자를 포함한 학생 표준 일곱 가지입니다. 틀입니다.
입시·교육 정책 (날짜 확인 필요)
- College Board. AP Computer Science Principles course redesign. AP Central. 2027년 가을(2027-28학년도)부터 Create 수행 과제가 AI Create Project로 바뀌며, 학생은 실제 사용자를 위한 AI 앱을 만듭니다. 2027년 5월 시험은 기존 Create 과제를 그대로 쓰며, 확정된 과정 설명서는 2027년 봄에 나옵니다.
- International Baccalaureate (2023). Statement from the IB about ChatGPT and artificial intelligence in assessment and education. IB는 AI 소프트웨어 사용을 금지하지 않으며, 학생은 AI로 만든 내용을 출처로 밝히고 자기 것처럼 내지 않아야 합니다. 학교별 학업 윤리 규정도 함께 확인해야 합니다.
- 머니투데이 (2026-03-09). 교육부 AI 중점학교 1,141곳 선정 보도. 교육부는 2026년 3월부터 AI 중점학교 1,141곳을 운영하며, 2027년 1,500곳, 2028년 2,000곳으로 늘릴 계획입니다. 언론 보도이며, 교육부 보도자료 원문은 찾지 못했습니다.
- IOAI. Countries and territories (accredited organisations). 한국은 IOAI 참가국이며, 인정 기관은 한국정보기술진흥원(KITPA)이고 KITPA가 KOAI를 운영합니다. 인정 여부는 해마다 바뀔 수 있어 홍보 전마다 다시 확인합니다.
- 교육부 (2022). 2022 개정 교육과정 총론 (교육부 고시 제2022-33호). 핵심역량 여섯 가지: 자기관리, 지식정보처리, 창의적 사고, 심미적 감성, 협력적 소통, 공동체 역량. 총론의 역량 틀입니다.
기초 문헌
- Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. 컴퓨팅 사고는 컴퓨터 과학자만이 아니라 모두에게 필요한 기본 역량이라는 주장입니다.
- Meadows, D. H. (2008). Thinking in Systems: A Primer. Chelsea Green. 저량, 유량, 되먹임 고리, 지연, 지렛점의 개념을 정리했습니다.
- Papert, S. (1980). Mindstorms: Children, Computers, and Powerful Ideas. Basic Books. 아이들은 자기가 아끼는 것을 만들면서 깊이 배운다는 관점입니다.
- Resnick, M. (2017). Lifelong Kindergarten: Cultivating Creativity through Projects, Passion, Peers, and Play. MIT Press. 프로젝트, 열정, 동료, 놀이를 창의적 배움의 조건으로 제시합니다.
- Martin, R. L. (2007). The Opposable Mind: How Successful Leaders Win Through Integrative Thinking. Harvard Business School Press. 서로 맞서는 두 생각을 함께 붙들고 더 나은 세 번째 답을 만드는 사고입니다.
- Willingham, D. T. (2007). Critical Thinking: Why Is It So Hard to Teach? American Educator, Summer 2007. 비판적 사고는 분야 지식에 기대므로 내용과 떼어 가르칠 수 없습니다.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. 빠른 직관(시스템 1)과 느리고 의도적인 추론(시스템 2)을 구분합니다.
- Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906–911. 자기 생각을 알고 점검하는 능력인 메타인지 개념을 처음 체계화했습니다.
자주 묻는 질문
IB 과제에 AI를 써도 되나요?
IB는 AI 소프트웨어 사용을 금지하지 않습니다. 다만 AI로 만든 내용은 출처로 밝혀야 하고, 자기 것처럼 내면 학업 윤리 위반이 됩니다. CIT에서는 모든 결과물에 AI 사용 기록을 붙이는 습관을 들이기 때문에, 학교 과제에서도 같은 방식으로 밝힐 수 있습니다. 학교마다 따로 정한 규정이 있으니 함께 확인해 주세요. International Baccalaureate 2023
몇 살부터 AI 도구를 쓰나요?
생성형 AI 서비스는 대부분 이용 가능 나이를 정해 두고 있고, 미성년자는 보호자 동의가 필요한 경우가 많습니다. 서비스마다 다르니 약관을 확인해야 합니다. 나침반은 초등 단계에서 AI 도구를 혼자 쓰기보다 AI가 어떻게 답을 만드는지 이해하는 데 무게를 둡니다.
제1원리 사고와 메타인지는 왜 맨 위에 있나요?
열두 가지 기술은 결국 두 가지 근본 사고를 상황에 맞게 쓰는 방법이기 때문입니다. 확실히 아는 것에서 다시 쌓아 올리는 제1원리 사고, 내가 아는 것과 AI가 아는 것을 구분하는 메타인지입니다. 그래서 수업은 제1원리 질문으로 시작하고, AI 없이 설명하거나 신뢰를 점검하는 시간으로 끝납니다. Flavell 1979
코딩 수업을 대신하나요?
아닙니다. 나침반은 따로 떼어 가르치는 과목이 아니라, 코딩, AI, AI+X 프로젝트 수업 위에서 함께 익히는 사고 틀입니다. 비판적 사고는 내용 지식과 떼어 가르치기 어렵다는 연구도 이 방식을 뒷받침합니다. Willingham 2007
AI를 아예 안 쓰게 하는 편이 낫지 않나요?
연구 결과는 AI를 쓰느냐보다 어떻게 쓰느냐가 중요하다는 쪽입니다. 답을 바로 주는 AI는 시험 점수를 낮췄지만, 힌트를 주도록 설계한 AI는 그 손해를 대부분 줄였습니다. 그래서 CIT는 AI를 빼지 않고, 먼저 생각하기와 검증 게이트 같은 원칙을 함께 둡니다. Bastani 2025
대회 준비와 어떻게 이어지나요?
KOAI는 한국정보기술진흥원(KITPA)이 운영하며, KITPA는 국제 AI 올림피아드(IOAI)의 한국 인정 기관입니다. 대회 문제에는 컴퓨팅 사고와 데이터·확률적 사고가 많이 쓰이고, AI 없이 푸는 점검은 시험장 실력과 직결됩니다. 대회별 과정은 KOAI 대비 과정 페이지에서 보실 수 있습니다. KOAI 대비 과정 IOAI. Countries and territories accredited organisations
세특에 반영되나요?
학원 수업이 학교생활기록부에 직접 적히지는 않습니다. 세특은 학교 선생님이 학교 활동을 보고 쓰는 기록입니다. 나침반 수업은 학생이 학교 탐구 과제나 수행평가에서 스스로 쓸 수 있는 탐구 경험과 기록 습관을 기르는 데 목적이 있습니다.
AP CSP가 바뀐다는데 어떻게 준비하나요?
College Board는 2027-28학년도부터 AP CSP의 Create 수행 과제를 AI Create Project로 바꾼다고 발표했습니다. 학생이 실제 사용자를 위한 AI 앱을 만드는 과제입니다. 2027년 5월 시험은 기존 과제를 그대로 씁니다. 명세서, 위임 표, 사용자 테스트처럼 나침반에서 연습하는 결과물이 이 과제의 준비와 맞닿아 있습니다. College Board. AP Computer Science Principles course redesign. AP Central.
3분 사고력 점검은 시험인가요?
아닙니다. 지금의 생각 습관을 스스로 돌아보는 체크리스트이며, 능력이나 입시 결과를 예측하지 않습니다. 답은 브라우저 안에서만 계산하고 저장하지 않습니다. 만 14세 미만 학생은 보호자와 함께 답해 주세요.
결과는 어떻게 알 수 있나요?
프로젝트마다 남는 결과물(명세서, 실험 기록, AI 사용 기록, 시연)이 가장 직접적인 근거입니다. 학기마다 이를 정리한 사고력 프로필은 도입을 준비하고 있습니다.
온라인으로도 들을 수 있나요?
네. 압구정 교실 수업과 함께, 국내와 해외에서 온라인으로 수업을 듣는 학생도 있습니다. 수업 형태와 시간대는 상담에서 정합니다. 온라인 수업 안내
수업료는 얼마인가요?
과정과 수업 형태(1:1, 소그룹)에 따라 다릅니다. 홈페이지의 수업료 안내에서 기준을 확인하실 수 있고, 아이에게 맞는 과정은 상담에서 함께 정합니다. 수업료 안내
사고력 나침반은 검증된 이론인가요?
나침반은 이 페이지에 인용한 연구와 국제 틀을 바탕으로 CIT가 정리한 수업 틀입니다. 틀 자체의 효과가 입증된 것은 아니며, 시범 운영에서 모은 자료와 평가 기준은 쌓이는 대로 이 페이지에 공개합니다.
아이의 지금 생각 습관부터 함께 살펴보겠습니다
부담 없이 시작하실 수 있도록 세 가지 방법을 두었습니다.
- 한 장 요약 받기나침반과 입시 연결표를 A4 한 장에 담았습니다. 인쇄하거나 PDF로 저장하실 수 있습니다.
- 3분 사고력 점검열두 문항으로 지금의 생각 습관을 돌아봅니다. 답은 저장하지 않습니다.
- 상담 예약아이의 학년과 학교, 관심사를 바탕으로 맞는 과정을 함께 정합니다. 영어 상담도 가능합니다.
학부모 설명회 「AI 시대, 사고력이 스펙이다」
분기마다 여는 학부모 설명회 일정은 카카오톡 채널로 안내드립니다. 채널에서 「설명회」라고 남겨 주세요.