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.
학년별로 무엇을 할 수 있으면 능숙한가요
- 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.
네 단계로 기록합니다
- 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.
프로젝트 고리에서 이 기술을 쓰는 단계
- 3. 계산 무엇을 계산할지 명세로 못 박고, 손으로 알고리즘을 그린 뒤에 코드로 옮깁니다.
근거
- 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.
- Miao, F. & Shiohira, K. (2024). AI Competency Framework for Students. UNESCO. 네 영역의 12개 역량을 이해, 적용, 창조의 세 단계로 나눕니다.
이 기술을 기르는 과정
- AI와 함께하는 우주 공학 · 위성이 떨어지지 않고 떠 있으려면 무엇이 참이어야 할까?
- AI 올림피아드 트랙 · 모델은 배울 때 무엇을 배우는 걸까?
함께 보면 좋은 기술
T1 컴퓨팅 사고T2 시스템 사고T3 비판·과학적 사고
제1원리 사고 (First Principles Thinking): 모든 수업은 제1원리 질문 하나로 시작합니다. 메타인지: 모든 수업은 거꾸로 설명하기(teach-back)나 신뢰 보정 점검으로 끝납니다.