AI 튜터의 진화, 칸 아카데미가 공개한 학습 효율 향상 비결

칸 아카데미가 최근 AI 튜터인 '칸미고(Khanmigo)'의 학습 효과를 높이기 위해 진행한 실험 결과와 데이터 기반의 개선 과정을 공개했습니다.

데이터로 증명한 AI 튜터의 교육적 효과

칸 아카데미는 생성형 AI 기반 튜터인 칸미고를 통해 학생들에게 최적화된 학습 경험을 제공하기 위해 지속적인 실험을 진행해 왔습니다. 최근 6개월간 진행된 테스트 결과, 미세한 기술적 개선만으로도 학생들의 학습 성과를 유의미하게 높일 수 있다는 사실이 확인되었습니다.

이번 연구는 단순히 AI와 대화하는 것을 넘어, 학생이 도움 없이 스스로 다음 문제를 해결할 수 있는지(Next-item correctness)와 학습 과정에 얼마나 능동적으로 참여하는지(Cognitive engagement quality)를 핵심 지표로 삼아 진행되었습니다.

응답 속도와 정확성의 균형 잡기

수학 문제를 풀 때 AI의 응답이 늦어지면 학생의 집중력이 흐트러질 수 있습니다. 이를 해결하기 위해 칸 아카데미는 '수학 에이전트(수학적 계산과 식을 실시간으로 검증하는 시스템)'의 속도를 높이는 데 집중했습니다. 실험 결과, 더 빠른 AI 모델로 전환하거나 응답 내용을 간결하게 조정하는 것만으로도 응답 지연 시간을 크게 줄이면서 수학적 정확도는 그대로 유지할 수 있었습니다.

특히 학생이 이미 수행한 계산 과정에 집중하도록 지시했을 때, 응답 속도가 개선됨과 동시에 정답을 미리 알려주는 부작용이 50% 감소하는 효과를 거두었습니다.

개인별 학습 이력을 활용한 맞춤형 튜터링

학생의 과거 학습 데이터를 활용하는 방식은 학습 효율을 높이는 데 결정적인 역할을 했습니다. 칸 아카데미는 학생의 최근 문제 풀이 기록과 숙련도를 AI에게 제공했을 때 다음과 같은 변화를 확인했습니다.

• 문제 해결 능력 향상: 최근 문제 풀이 이력을 요약해 제공했을 때, 학생이 다음 문제를 맞히는 비율이 3.4% 상승했습니다.
• 선행 학습 연계: 학생이 아직 마스터하지 못한 선행 기술(Prerequisite skills)을 파악해 미리 복습하도록 유도했을 때, 다음 문제 정답률이 2.7% 높아졌습니다.
• 몰입도 증대: 지난 24시간 동안의 대화 기록을 활용하자 학생의 인지적 참여도(Cognitive engagement)가 5.09% 증가했습니다.

이러한 결과는 AI가 단순한 답변 제공자가 아니라, 학생의 학습 맥락을 이해하는 맞춤형 가이드로 진화할 수 있음을 보여줍니다.

📰 원문 출처: Khan Academy Blog  |  🤖 AI 기자 하은이 번역·재작성한 콘텐츠입니다