- 교과서는 본질적으로 일률적 매체라는 한계를 지니며, Google은 생성형 AI로 대안적 표현과 개인화 예시를 자동 생성해 학습 효과와 몰입을 높이는 방식을 탐색 중
- 연구 실험 Learn Your Way는 교과서를 학습자 수준과 관심사에 맞게 재가공하고, 다중 표현(멀티모달) 컨텐츠로 변환해 능동적 학습을 유도함
- 핵심은 개인화 파이프라인으로, 학년 수준 재정렬과 관심사 기반 예시 치환을 거쳐 슬라이드·내레이션·오디오·마인드맵 등 여러 표현 생성의 기반을 마련함
-
LearnLM + Gemini 2.5 Pro를 중심으로 에이전트 워크플로와 특화 모델을 결합해 교육 일러스트, 퀴즈, 내레이션 등 고품질 학습 표현을 구현함
- RCT 결과 장기 기억 11%p 향상 등 유의미한 개선이 확인되었으며, 정적 교재를 상호작용형·개인 주도형 학습 경험으로 진화시키는 가능성을 시사함
배경과 문제의식
- 교과서는 제작 비용과 시간 제약으로 대체 관점·다양한 형식·맞춤 변형이 부족한 구조적 한계 보유
- 생성형 AI(GenAI)를 활용해 원전의 무결성을 유지하면서도 학습자의 흥미·수준에 맞춘 표현을 자동 생성하는 접근 제시
- 목표는 학습자가 형식과 경로를 스스로 선택하는 환경을 제공해 학습 효과와 동기 향상을 이끄는 것임
접근 개요: 두 기둥
-
다중 표현 생성: 텍스트, 슬라이드, 오디오, 마인드맵, 퀴즈 등 멀티모달 표현으로 개념 연결을 촉진하는 설계 적용
-
Dual Coding Theory와 후속 연구를 근거로, 서로 다른 표상 간 연결이 개념 스키마 강화에 기여함
-
개인화: 학년·관심사에 맞춘 텍스트 재구성과 반응 기반 퀴즈 적응을 통해 동기와 심층 학습 강화 목표 설정
기술 구성: LearnLM + Gemini 2.5 Pro
-
LearnLM을 내장한 Gemini 2.5 Pro를 기반으로 한 계층형 설계 적용
- 1단계 개인화 파이프라인: PDF 등 원본을 학년 수준으로 리레벨링하고, 일반 예시를 관심사 예시로 치환해 이후 표현 생성의 기준 텍스트로 사용
- 2단계 다중 표현 생성:
- 마인드맵·타임라인 등은 기저 모델의 범용 능력 활용
- 슬라이드·내레이션 등은 다중 에이전트 워크플로로 구성해 교육 효과 최적화
- 교육 일러스트는 범용 이미지 모델만으로는 한계가 있어 전용 미세튜닝 이미지 모델 추가 도입
- 결과적으로 강력한 기반 모델 + 에이전트 단계 + 특화 컴포넌트 결합으로 고품질 멀티모달 학습 표현 대량 생성 지원
Learn Your Way 경험 구성
-
Immersive text: 분절된 읽기 단위, 생성 이미지, 내장 질문으로 수동 읽기를 능동 경험으로 전환
-
Section-level quizzes: 즉시 피드백과 지식 격차 탐지를 통한 능동 학습 촉진
-
Slides & narration: 전체 범위를 포괄하는 슬라이드, 빈칸 채우기 활동, 녹음 수업 풍 내레이션 제공
-
Audio lesson: AI 교사–학생 모의 대화와 시각 보조로 오개념 정교화 유도
-
Mind map: 위계적 지식 구조화로 큰 그림과 세부를 유연히 왕복 탐색
- 전 구성 요소는 학년 수준·관심사 기반 개인화가 적용되며, 인터랙티브 퀴즈가 실시간 성취에 따라 학습 경로를 재조정함
교수설계 평가
-
OpenStax의 10개 원본 교재를 3가지 개인화 조건으로 변환해 역사~물리 등 다양한 과목 적용
- 3인의 교육 전문가가 정확성·범위·학습과학 원칙(LearnLM) 등으로 평가한 결과, 모든 항목 평균 0.85 이상의 긍정적 점수 획득
- 세부 평가는 동반 tech report에서 추가 제시
효과성 연구(RCT)
- 시카고 지역 15–18세 60명, 유사 독해 수준 표본을 무작위 배정해 최대 40분 학습 수행
- 비교 대상: Learn Your Way vs 일반 PDF 리더
-
즉시 성취: Learn Your Way 집단 평균 9%p 높음
-
장기 유지(3–5일 후): Learn Your Way 집단 11%p 높음(78% vs 67%)
-
주관 평가: 편안함 100% vs 70%, 재사용 의향 93% vs 67% 로 만족도 우위 확인
- 정량지표 보완을 위해 30분 심층 인터뷰로 질적 통찰 수집, 학습 가치와 몰입감에서 긍정 피드백 확인
왜 효과가 있었는가
-
개인화 파이프라인이 텍스트 수준·예시를 학습자 맥락에 맞춰 조정, 인지적 부하 경감과 관련성 제고에 기여
-
다중 표현이 개념 간 연결을 촉진, 기억 인출 단서와 전이 가능성을 증대
-
퀴즈 적응과 피드백 루프가 메타인지 조절 및 오개념 교정을 지원
한계와 다음 단계
- 현재는 초기 연구 단계로 더 광범위한 표본·과목·연령대에 대한 반복 검증 필요
-
연속 적응형 시스템으로 확장해 학습자의 진전·오류 패턴에 따라 표현·난이도를 지속 조정하는 방향 제시
- 향후에도 교수학적 원칙과 효과성 측정을 기반으로 지역 맥락에 맞춘 현지화 전략 병행 계획
시사점과 적용 포인트
- 정적 교재를 상호작용형·개인 주도형 학습 아티팩트로 변환하는 운영 파이프라인이 핵심 자산
- 학교·출판·에듀테크는 콘텐츠 리레벨링 + 관심사 예시 치환 + 멀티모달 전개 + 퀴즈 적응을 결합한 표준화된 제작 체계를 통해 확장 가능
- 엔지니어링 측면에서는 에이전트 오케스트레이션, 모듈형 생성 파이프라인, 품질/정확성 점검 루프 설계가 관건