[기획 연재: AI 시대 교육 패러다임의 대전환] 제1편. [평가] 정답의 종말: ‘지식 암기’에서 ‘질문과 과정’의 평가로

생성형 AI의 급격한 보급은 근대 공교육이 지난 100여 년간 유지해 온 ‘결과물 중심 평가’의 근간을 흔들고 있다. 펜실베이니아 대학교 와튼 스쿨의 이단 몰릭(Ethan Mollick) 교수는 그의 저서 Co-Intelligence 에서 “AI는 이미 인간의 표준화된 지식 평가 시험에서 상위 10% 이내의 성적을 거두고 있으며, 전통적인 텍스트 기반 과제는 더 이상 학생 본인의 순수한 지적 역량을 증명하지 못한다”고 지적했다. 표준화된 지식을 얼마나 정확하게 기억하고 정돈된 문장으로 출력하는가를 측정하던 기존의 기말고사, 지필평가, 리포트 제출 방식은 AI의 개입으로 인해 평가의 타당도를 완전히 상실했다.

[ 출처: 뉴욕앤 뉴저지, DB 금지] [Source: New York and New Jersey, DB Ban]

유네스코(UNESCO)가 발표한 ‘교육 및 연구를 위한 생성형 AI 지침’에 따르면, 최종 결과물만을 평가하는 방식은 학생의 지적 탐구 과정을 측정하기보다 ‘누가 AI 도구를 더 효율적으로 활용해 결과물을 생성했는가’라는 외주화된 기술 결과만을 측정하는 오류를 범하게 된다. 결국 단 하나의 정답이나 완성된 글을 제출하도록 요구하는 전통적 평가 방식의 종말은 필연적이며, 교육 현장은 지식의 ‘소유’를 확인하던 평가에서 지식의 ‘생성 과정과 비판적 검증’을 측정하는 새로운 평가 프레임워크로의 전환을 강력히 요구받고 있다.

2지식의 암기에서 질문의 구성으로: 블룸의 분류학 재해석

교육학에서 학습 목표의 기준선으로 활용되어 온 블룸의 교육목표 분류학(Bloom’s Taxonomy) 역시 AI 시대를 맞아 역발상적으로 재해석되고 있다. 기존의 분류학 구조에서는 최하단의 ‘기억하기’와 ‘이해하기’를 바탕으로 ‘적용’, ‘분석’, ‘평가’, 그리고 최상단의 ‘창안하기’로 단계적으로 이행되었다. 그러나 대규모 언어 모델(LLM)은 하위 단계인 지식의 기억과 단순한 이해, 심지어 기본 수준의 적용과 창안까지 단 몇 초 만에 수행한다.

이러한 변화에 대해 스탠퍼드 대학교 교육대학원의 연구진은 AI 시대의 학습 목표가 ‘하위 단계의 자동화’를 전제로 재편되어야 한다고 강조한다. 인간에게 요구되는 핵심 역량은 지식을 단순히 외우는 것이 아니라, 문제의 본질을 파악해 AI에게 정교한 탐구 방향을 제시하는 ‘질문 구성 능력(Problem Formulation & Prompting)’과 AI가 출력한 결과물의 오류를 판별하는 ‘비판적 평가(Critical Evaluation)’ 단계로 대폭 이동했다. 따라서 평가는 “이 개념의 정의는 무엇인가?”를 묻는 대신, “원하는 결과를 얻기 위해 어떤 층위의 질문을 설계했는가?”와 “AI가 제시한 답변의 논리적 허점을 어떻게 간파하고 수정했는가?”를 측정하는 방향으로 재구성되어야 한다.

과정 중심 평가와 검증 역량의 부상

결과물의 무의미함이 증명됨에 따라, 평가의 축은 학생과 AI가 상호작용하는 전 과정을 추적하는 ‘과정 중심 평가(Process-Based Assessment)’로 이동하고 있다. 이는 OECD의 ‘Education 2030’ 프레임워크가 강조하는 ‘비판적 사고력’과 ‘반성적 역량’의 실천적 적용이다. 평가의 대상은 최종 제출물이 아니라, 정답에 도달하기 위해 거친 오류 수정의 기록, 즉 ‘프롬프트 이력(Prompt Log)’과 ‘비판적 검증 보고서’가 된다.

특히 AI의 고유한 한계인 ‘환각 현상(Hallucination)’은 역설적으로 가장 강력한 교육적 평가 도구로 전환된다. 학생들에게 AI가 생성한 보고서를 제시하고, 그 안에서 인용된 출처의 사실 여부, 논리적 비약, 편향성을 찾아내도록 하는 ‘역검증 평가’가 대표적이다. 교사는 학생이 AI의 답변을 무비판적으로 수용했는지, 아니면 교차 검증을 통해 자신만의 독자적인 시각으로 재구성했는지를 정밀하게 평가한다. 지식을 생산하는 주체에서 지식을 ‘심사하고 편집하는 주체’로서의 역량을 측정하는 것이 과정 중심 평가의 핵심이다.

메타인지와 비판적 사고를 측정하는 새로운 평가 프레임워크

AI 시대의 평가 시스템은 단순 지식 측정이 아닌, ‘자신이 무엇을 알고 무엇을 모르는지 파악하는 메타인지’와 ‘현실 문제 해결력’을 검증하는 다차원적 프레임워크를 도입하고 있다. 이를 위해 유럽연합(EU)의 DigCompEdu 및 글로벌 교육 현장에서는 구두 변론(Viva Voce), 실시간 문제 해결 수행평가, 그리고 자기반성적 에세이가 결합된 평가 체계를 구축하고 있다.

한눈에 보기

평가 차원	전통적 평가 프레임워크	AI 시대의 새로운 평가 프레임워크
평가 중점	최종 결과물 및 정답의 정확성	탐구 과정, 프롬프트 논리, 비판적 검증 능력
평가 매체	단답형/서술형 지필고사, 제출용 리포트	AI 상호작용 기록, 구두 인터뷰, 실시간 수행
주요 역량	정보 기억력, 표준적 문장 구성력	질문 설계 능력, 환각 검증력, 메타인지 및 윤리적 판단
교사의 역할	채점자 및 정답 판정자	탐구 과정의 퍼실리테이터 및 사고력 평가자

이 새로운 프레임워크 하에서 학생들은 자신의 과제물에 대해 교사 및 AI 평가 시스템 앞에서 구술로 논리를 방어해야 하며, 과제 수행 과정에서 AI를 어떤 맥락에서 도구로 활용했는지 명확히 변론해야 한다. 결국 AI 시대의 평가는 “무엇을 알고 있는가?”라는 과거형 질문을 버리고, “AI라는 강력한 지적 도구를 활용해 당신은 어떻게 사고하고, 검증하며, 새로운 가치로 전환해 내는가?”라는 미래형 질문에 답하는 과정이어야 한다.