30초 요약: 방학 전 마지막 보충 수업일에 쉬타이핑은 타이베이 시의 다자(大佳國小)에서 정원 매진 상태의 교사들을 데리고 세 시간 만에 교육용 AI 대리인을 만들었다. 다른 한편, 두 가지 상이 다른 타이완 설문조사는 각각 "92%의 교사가 AI를 접했다"와 "95.6%의 교사가 여전히 AI 학습 수요가 있다"는 결과를 보여준다. 교사들이 도구를 거부하는 것이 아니라, 진정으로 막히는 것은 수업 준비 시간, 즉시 사용 가능한 사례, 동료 커뮤니티, 그리고 학교로 돌아온 후 도움을 줄 사람이 있는지 여부이다. 약 80명의 교사가 함께 300개의 대리인을 모아 '대시장(大市集)'에 올림으로써, 도구 공유와 장기적인 상호 지원을 하나의 제도적 실험에 투입한 것이다.
2019년 컴퓨터 교실에서 균일 교육 플랫폼을 사용하는 윈린현(雲林縣) 포중국(褒忠國中) 학생들. 이 사진은 생성형 AI 물결보다 앞선 시점이지만, 디지털 도구가 타이완 교실에 들어선 일상적 기점을 남겼다. Photo: 포중국 클라우드 웹사이트, CC BY 2.0.
다자(大佳國小)의 세 시간, 그리고 그 다음은?
쉬타이핑은 타이베이 시 다자(大佳國小)의 정보 교실에 서 있었다. 그것은 방학 전 마지막 보충 수업일이었다. 교사 연수에 신청자가 가득 차서 교장까지 컴퓨터 앞에 앉아 있었다. 교사들은 그룹을 지어 Gemini에게 프롬프트를 입력했고, 아이들이 '동주공제(同舟共濟)'를 알아챌 수 있는 이미지를 만들고 식별력 있는 문제를 설계하려고 했다. 세 시간 동안 아무도 모델 구조부터 배우려 하지 않았다. 모든 키보드 입력은 "학생이 대체 어디서 막히는가"로부터 거슬러 올라갔다.1
쉬타이핑은 타이베이 시 일신국(日新國小)에서 20년간 교사로 재직했으며, 스크래치(Scratch), 로봇 팔, 자체 교육 센터를 거쳐 생성형 AI에 이르렀다. 그는 연수에 참여한 모든 그룹에게 학교로 가져갈 수 있는 교육용 AI 대리인을 만들도록 요구했고, 인기 도구 목록은 뒷순위로 밀려났다. 다자 정보반장인 쑤즈청(蘇至誠)은 수업 후 매우 단도직선으로 평가했다. "AI 도구를 조작하는 기술 자체가 예상만큼 어렵지는 않다. 중요한 것은 학생의 수요로부터 교육 전략을 역추적하여, 아이들이 어떻게 더 잘, 더 탄탄하게 배울 수 있을지 고민하는 것이다."1
어려움은 수업이 끝난 후에 발생했다. 중앙 과학 분야 지도단(中央科技領域輔導團)에는 8명의 구성원이 전 타이완을 돌아다녀야 했고, 이들은 연수를 외곽 지역까지 가져가기 위해 산행증(入山證) 발급과 2일간의 숙박이 일상이었다. 한 번의 워크숍으로 오후 시간을 밝힐 수는 있었지만, 다음 주 수업 준비 시 프롬프트가 무효화되거나, 학생이 답을 베끼는 문제, 계정 권한 또는 학부모의 의구심에 대해 대답하기란 어려웠다. 쉬타이핑은 이 단절점을 완벽하게 설명했다.
"대부분의 교사가 겪는 문제는, 당장 배우기는 했지만 교사 전문 커뮤니티와 역량 강화가 지속적이지 않다는 것이다. 이는 교사를 순간적인 감동과 불꽃에 머물게 하지만, 돌아가면 고립되게 만든다."1
이 말은 타이완 AI 교육의 초점을 바꾸었다. 그것은 더 이상 "교사가 AI를 사용할 줄 아는가"의 문제가 아니라, "교사가 처음 사용하고 난 후에 주변에 누가 있는가"의 문제였다.
두 가지 90%가 의미하는 두 가지 일
2025년 말, 친자천하(親子天下)와 Google for Education이 협력하여 수거한 유아원부터 고등학교 교사까지의 설문조사에는 4,765건의 유효 샘플이 포함되었으며, 이 중 39%는 AI를 자주 사용한다고 답했고 53%는 가끔 사용한다고 답해, 총 92%가 AI를 접한 경험이 있었다. 응답자의 63%는 교육에 AI를 적용하는 것에 대해 매우 긍정적이었고, 단 8%만이 들어봤지만 사용해보지 않았다고 답했다. 이는 전체 타이완 교사를 무작위로 추출한 것이 아니며 기업 협력 배경을 가지고 있으므로, 참여 조사자의 사용 경향을 보는 데 적합할 뿐 전국적인 보급률로 직접 외삽(extrapolate)할 수는 없다.2
또 다른 황쿤휘(黃昆輝) 교수 교육 재단(教育基金會)의 설문조사에서는 2025년 8월 27일부터 10월 10일까지 온라인으로 3,328건의 초·중·고 교사를 대상으로 한 유효 샘플을 수집했다. 결과는 95.6%가 AI 지능 학습 수요가 있다고 답했으며, 커리큘럼 설계, 평가 설계, 학습 어려 진단 및 차별화 교육 네 가지 영역 모두 90%를 넘었다. 81.7%는 현/시 정부가 학교 간 교사 AI 학습 커뮤니티를 설립하기를 희망했고, 92.8%는 외곽 지역이나 정보 기술 분야에 전문성이 없는 교사에게 전문 인력을 제공하는 것에 찬성했다.3
출처: 교육자 플랫폼, 황쿤휘 교수 교육 재단; 두 설문의 샘플과 방법이 달라 직접적인 비율 비교는 불가
두 가지 90%라는 수치는 모두 높지만, 측정하는 바가 다르다. 전자는 "경험해 봤는지"를 묻고, 후자는 "아직 배우고 싶은지"를 묻는다. 이 둘을 나란히 놓음으로써 AI 사용이 더 많은 불안감을 초래한다고 단정할 수는 없지만, 흔한 오해 하나는 깨뜨릴 수 있다: 도구를 접하는 것이 곧바로 수업에 투입할 수 있음을 의미하지 않는다는 것이다. 교사들은 모델에게 공지사항을 다시 작성하게 하거나 강의 자료를 정리할 수는 있지만, 여전히 평가 설계를 어떻게 할지, 학습 어려움을 진단하는 방법을 모를 수도 있고, 학생들에게 개인 정보(개인화된 데이터)를 대화창에 넣는 것이 안 된다는 사실을 설명하지 못할 수도 있다.
같은 친자천하 조사에서는 응답자의 47%가 디지털 수업 준비 시간이 늘었다고 답했고, 60%는 하드웨어 또는 네트워크 불안정으로 어려움을 겪었으며, 43%는 즉시 적용 가능한 교재가 부족하다고 답했다. 새로운 도구가 교사에게 강의 설계자, 계정 관리자, 일선 수리공, 보안 감시자의 역할을 동시에 맡기려 한다면, "디지털화"는 부담을 줄이기 전에 오히려 업무량을 늘릴 수도 있다.2
📝 기획자 메모: AI 교육에서 가장 구하기 힘든 자원은 교사가 동료와 함께 실수할 수 있는 한 오후 시간이다. 계정은 1년에 한 번 비용을 지불하지만, 교육적 판단은 매번 학생의 반응 속에서 다시 해야 한다. 만약 정책이 개최한 연수 횟수나 발급된 계정 수만 계산한다면, 가장 주목받아야 할 그 노동은 통계 밖에 남겨지게 된다.
이는 타이완 교육 제도가 가진 오랜 모순을 이어간다. 제도는 커리큘럼 혁신을 요구하지만, 교사가 매일 마주하는 수업 시간표, 행정 업무 및 진학의 속도는 함께 완화되지 않는다. AI가 그림 한 장을 그리는 시간을 단축시켰다고 해서, 반드시 교사에게 아이들을 관찰할 시간을 벌어주는 것은 아니다. 아낀 분은 또 다른 플랫폼, 다른 비밀번호, 또 다른 성과 보고서에 의해 소모될 가능성이 크다.
300개의 대리인, 세 가지 종류의 제품이 아니다
쉬타이핑과 중앙 과학 분야 지도단원들은 나중에 Notion을 이용해 'AI 대리 대시장'을 만들었다. 약 80명의 교사가 자신이 설계한 300개의 교육용 대리인을 올렸는데, 주제는 "어떤 교육 현장의 어려움을 누군가 먼저 겪었는가"에 초점을 맞췄다. 어떤 사람은 이미지 프롬프트를 만들었고, 어떤 사람은 차별화된 문제를 설계했으며, 어떤 사람은 대리인이 연습 대상 역할을 하도록 했다. 플랫폼은 완성품을 저장했고, 한 교사가 어떻게 학생의 수요를 프롬프트와 제약으로 번역했는지 기록했다.1
출처: 《천하 잡지》2026년 쉬타이핑 인터뷰
'대시장(大市集)'이라는 이름은 도구 다운로드를 연상시키기 쉽지만, 가장 가치 있는 부분은 교환에 있다. 범용 챗봇은 몇 초 만에 강의 계획서를 내놓을 수 있지만, 특정 반 학생의 읽기 수준 차이를 알지 못하며, 교사가 왜 '동주공제'를 그림 먼저 보고 글자를 익히는 것으로 바꿨는지도 모른다. 대리인이 학급 간에 전용될 수 있는지 여부는 공유자가 적용 연령, 교육 목표, 데이터 경계 및 실패 방식을 얼마나 명확하게 설명했는지에 달려있다. 이러한 맥락이 없다면, 300개의 대리인은 또 다른 300개의 연결고리가 모인 창고가 될 수도 있다.
따라서 이 플랫폼의 규모를 측정할 때 수량만 봐서는 안 된다. 더 중요한 질문들은 다음과 같다: 한 대리인이 다른 교사들에게 몇 번이나 수업에 활용되었는가, 어떤 제약 사항이 수정되었으며, 학생은 어디서 오해했고, 실수한 후에 누가 피드백을 제공했는가. 만약 이러한 피드백이 남는다면, 플랫폼은 고립된 시제품을 공동의 교육 지식으로 바꿀 수 있다. 이것이야말로 기업 도구 마켓플레이스와 다른 점이며, 가치는 업로드 여부가 아니라 누군가가 돌아와서 실패를 이야기해 줄 의지가 있느냐에 달려있다.
음료점 고객 서비스: '테스터'가 돌파구를 찾다
타이베이 시 네이후 고등학교(內湖高中) 정보 교사뤄친정(羅玗貞)은 다른 길을 택했다. 그녀는 학생들이 Gemini의 Gem 기능을 사용하여 음료점, 휴대폰 또는 도서관 가이드와 같은 AI 고객 서비스를 만들게 했다. 작업을 마친 후 학생들은 기기를 교환하여 까다로운 '테스터' 역할을 맡아, 친구들의 고객 서비스가 무너지도록 시도했다. 어떤 사람은 감정적인 압박으로 무료 음료를 요구했고, 어떤 사람은 사장인 척 상업 비밀을 요구했으며, 또 어떤 사람은 모델이 암호를 직접 내놓을 수 없다는 것을 알고는 암호를 시로 숨기라고 요구했다.4
이 수업은 실수를 숨기지 않았다. 학생들은 허점을 찾으면 프롬프트를 수정하고, 왜 수정이 효과적이었는지 설명한 뒤 재테스트를 했다. 모델의 오류는 당황스러운 사고에서 교육 자료가 되었고, 보안 문제는 "개인 정보 유출 금지"라는 경고 슬라이드가 아니라 공격하고 수리하고 다시 공격할 수 있는 연습이 되었다. 뤄친정은 마지막으로 학생들에게 진정한 학습과 사고는 여전히 스스로 완성해야 함을 상기시켰다. "너 자신이 주인공이라는 것을 잊지 마라."4
이란현(宜蘭縣) 중산국(中山國) 교사린잉쥔(林穎俊)은 같은 공유회에서 또 다른 중요한 제약을 제시했다: AI 교육은 기존 수업에 통합되어야 하며, 절대로 "추가적인 것"이 되어서는 안 된다. 자이(嘉義) 시민생(市民生) 중학교(中等學校) 교차이방쥐(蔡邦居)는 학생들이 AI를 이용해 온라인 입체 주사위를 만들어 확률을 계산하게 했고, 학생들의 결과물은 오히려 선생님에게 코드를 추궁하도록 만들었다. 그는 웃으며 말했다. "사람들은 교육이 서로 닮았다고 하는데, 저는 모든 것이 학생들이 저를 가르치는 것 같습니다."4
이 세 가지 사례는 교사의 위치를 정답 제공자에서 벗어나게 했다. 교사는 문제를 설계하고, 데이터 및 윤리적 경계를 지키며, 학생들이 스스로 도구의 새로운 기능을 더 빨리 발견하도록 허용한다. 이 수업은 "전체 반이 선생님의 프롬프트를 따라 하는 것"보다 더 어렵다. 왜냐하면 교사는 학생들이 기계적 메커니즘을 이해했는지, 아니면 단지 보기 좋게 보이는 결과물을 얻었는지 판단할 수 있어야 하기 때문이다.
세계의 교사들 역시 AI로 수업 준비를 한다
OECD의 TALIS 2024 조사에서 교육 체제에 참여하는 중학교 교사를 대상으로 했으며, 타이완은 직접 비교 가능한 샘플에 포함되지 않았다. 평균적으로 세 명의 교사 중 한 명이 전년도에 AI를 사용한 경험이 있으며, 싱가포르와 아랍에미리트(UAE)는 약 75%로 보고했고 프랑스와 일본은 20% 미만이었다. 이 데이터는 국제적 좌표를 제공할 뿐, 타이완을 세계 순위에 놓기에는 부적합하다.5
더 흥미로운 것은 사용 용도의 분포이다. AI를 사용한 교사 중 68%는 주제 학습이나 요약에 사용했고, 64%는 강의 계획서 생성에 사용했다. 학생 참여나 성과 데이터 검토에 사용한 경우는 25%, 평가나 과제 채점에 사용한 경우는 26%에 불과하다. 개인적으로 완료하기 쉽고 위험 부담이 적은 준비 업무가 선행되고, 학생 데이터, 평가 공정성 및 전문적 책임이 걸린 용도는 뒤로 밀려난다.5
출처: OECD 《TALIS 2024 결과》; 타이완은 비교 가능한 샘플에 포함되지 않음
이 순서는 현장의 모습과 충돌하지 않는다. 그림을 만들고, 자료를 정리하고, 문제를 생성하는 것은 쉬운 시작점이다. 평가 단계에 이르면, 누가 오류 점수에 책임을 질 것인가, 학생 작품을 업로드할 수 있는지, 시스템이 언어적 및 문화적 편향성을 확대하지 않는지를 답해야 한다. 기능표에는 버튼 하나가 빠져 있지만, 전문적 책임은 한 층위 전체가 부족한 것이다.
UNESCO의 2024년 교사 AI 역량 프레임워크 역시 "프롬프트 작성 능력"을 최종 지점으로 보지 않는다. 이 프레임워크는 능력을 인간 사고(Human Thought), AI 윤리, 기초 및 응용, AI 교수법, AI를 통한 전문성 개발이라는 다섯 가지 측면으로 분해하며, AI가 교사를 대체하는 것이 아니라 보완해야 함을 명확히 주장한다. 또한 AI가 교사 부족이나 네트워크 및 기반 시설 문제에 대한 장기적 투자를 대신할 수 없다고 경고한다.6
이름을 먼저 지우고 자동 평가를 논하다
AI가 수업 준비에서 평가로 넘어갈 때, 위험은 갑자기 구체적으로 변한다. 교사가 모델에게 연습문제 10개를 요청하면, 하나 틀려도 배포하기 전에 수정할 기회가 있다. 하지만 전체 반의 응답 기록을 그대로 붙여 넣는다면, 거기에는 이름, 점수, 학습 어려움, 가정 배경이 동시에 담길 수 있다. 결과물은 여전히 텍스트 조각처럼 보이지만, 입력값은 이미 교재에서 아이의 데이터로 변모한 것이다. 이는 OECD 조사에서 주제 정리 및 강의 계획서 생성 사용률이 60%를 넘는 반면, 성과 분석 및 과제 채점은 약 4분의 1에 불과했던 이유를 설명한다.5
뤄친정은 학생들이 시(詩)의 형태로 AI 고객 서비스의 숨겨진 암호를 찾아내게 했는데, 이는 축소판 경고를 제공했다: 프롬프트 안에 적힌 비밀이 사용자가 설정 페이지를 볼 수 없다고 해서 자동으로 안전해지는 것은 아니다. 학생들은 의도적으로 제한을 우회할 수 있으며, 실제 외부 서비스 역시 대화 내용을 보존하거나 약관을 변경하거나 잘못 설정될 수 있다. 이 수업을 교사의 업무 흐름으로 되돌리면, 첫 번째 질문은 "이 데이터가 모델에게 넘겨줄 필요가 있는가"여야 하며, 그 다음에야 "모델이 채점할 수 있는가"를 물어야 한다.4
만약 UNESCO의 인간 중심 및 윤리 원칙을 학교 내에서 실행 가능한 최소 기준으로 바꾼다면 세 가지 조치를 취할 수 있다. 제출하기 전에 학생 식별 정보, 좌석 번호 및 불필요한 배경 정보를 제거한다. AI를 평가에 사용할 때 교사가 최종 판단을 유지하고 모델의 근거를 검토하게 한다. 학생과 학부모는 어느 과정에서 AI가 사용되었는지 알아야 하며, 오류 발생 시 도움을 요청할 곳이 있어야 한다. 이러한 조치들은 완벽한 국가적 규범을 기다릴 필요 없이 시작될 수 있지만, 학교 차원의 공동 표준을 제공해야 하며 모든 책임을 교사 개개인에게 맡겨서는 안 된다.6
공정성 문제도 계정 뒤에 숨어있다. 재단 조사에서 응답자의 94.1%는 교육부가 유료 AI 소프트웨어를 제공하기를 기대했고, 60.2%는 학교가 안정적인 네트워크와 자원을 우선적으로 제공해야 한다고 보았으며, 46.7%는 전문 지원 인력을 지적했다. 이 수치들이 공짜 계정이 답이라는 것을 보장하지는 않지만, 정책이 세 가지 문턱에 직면해 있음을 상기시킨다: 감당할 수 있는지, 연결할 수 있는지, 문제가 생겼을 때 도움을 요청할 곳이 있는가. 첫 번째 문제만 해결한다면, 학교 간 격차는 여전히 네트워크 품질과 지원 능력에 따라 확대될 것이다.3
따라서 평가는 AI 교육의 스트레스 테스트이다. 이는 제도에 데이터 거버넌스(Data Governance), 전문적 책임, 학부모 소통 및 학생 이의 제기를 한 번에 답하도록 강요하는 것이지, 또 다른 기능 시연을 하는 것이 아니다. 이러한 경계가 명확해질 때 비로소 교사는 AI를 적절한 곳에 사용하는 것에 안심할 수 있고, 부적절한 곳에서는 끄는 데 더 큰 확신을 가질 수 있다.
인재 방주 출항, 강변에는 누군가 받아야 한다
교육부는 2026년 6월 'AI 인재 방주 계획(AI 人才方舟計畫)'을 발표했는데, 세 가지 방향은 AI 학습 환경 및 차세대 학습 시스템 구축, 분야를 넘나드는 교사 양성 및 디지털 역량과 실무 기술 확보, 그리고 교육 빅데이터를 통한 교수 결정 지원이었다. 정책의 문구는 "도구 제공"에서 "인재 양성"과 "실무 중심(手把手機制)"으로 나아가고 있으며, 단발적인 구매만으로는 수업 변화를 가져올 수 없음을 보여준다.7
교육부가 2026년부터 2029년까지의 계획을 세 가지 방향으로 압축했다: 학습 환경, 분야 간 교사 및 데이터 결정. 본 기사는 두 번째 항목인 "실무 중심"이 정책 도표를 벗어나 교사의 일주일에 어떻게 들어갈지에 초점을 맞춘다. Image: 교육부, 2026년, 공식 정책도 편집 인용.
'실무 중심(手把手機制)'이 진정으로 학교의 한 주에 자리 잡는 것이 가장 어려운 단계이다. 재단 조사에서 교사들이 가장 기대하는 것은 실습 워크숍과 온라인 강좌였다. 같은 응답자들 중 81.7%는 학교 간 학습 커뮤니티 설립을 희망했다. 이 두 가지 요구사항은 서로 대체될 수 없다. 워크숍은 첫 번째 조작 장벽을 넘게 하지만, 커뮤니티는 두 번째 실패를 받고 세 번째 조정이 필요할 때, 즉 학생이 실제로 눈앞에 있을 때 발생하는 문제들을 받아낸다.3
📝 기획자 메모: "훈련 완료"와 "교육 변화" 사이에는 구매 양식에 넣기 어려운 한 칸이 빠져 있다: 교사가 학교로 돌아온 후 누가 그를 응답해 줄 것인가. 쉬타이핑의 300개 대리인은 뒤에 80명의 찾을 수 있는 사람이 있었기에 주목할 만하다. 만약 인재 방주가 도구만 실어 나르고 관계를 태우지 않는다면, 그것이 각 학교에 도착했을 때 교사들은 여전히 각자 배에서 내릴 수도 있다.
지속적인 지원 체계는 최소 세 가지 층위를 가져야 한다. 첫 번째 층위는 적용 연령, 데이터 위험 및 실패 기록이 첨부된 수정 가능한 교육 사례이다. 두 번째 층위는 학교 내부 또는 학교 간 동료 시간으로, 정보 기술 분야에 전문성이 없는 교사가 버전 관리를 혼자서 할 필요가 없게 한다. 세 번째 층위야말로 중앙과 지방의 전문 인력이며, 모델 개정, 보안 사고 또는 평가 논란이 학교 역량을 초과할 때 나선다. 이 세 가지 층위는 외곽 지역의 네트워크 및 장비까지 포괄해야 하며, 그렇지 않으면 가장 도움이 필요한 교사들은 여전히 연수 시간에 로그인 및 업데이트에 시간을 낭비하게 될 것이다.
학생 측면도 도구 훈련에만 머물러서는 안 된다. 뤄친정의 '테스터' 수업은 위험을 관찰 가능한 행동으로 만들었다. 학생들은 AI가 틀릴 수 있다는 사실뿐 아니라, 그것이 어떻게 조종될 수 있고, 정보를 유출할 수 있는지 직접 찾아낸다. 이는 사용 수칙을 암송하는 것보다 UNESCO가 말하는 인간 중심 및 윤리 역량에 더 가깝고, 교사의 전문적 역할을 더욱 명확하게 한다: 학생이 모델을 의심할 수 있는 환경을 설계함으로써, 스스로 모델의 대변인으로 전락하는 것을 피해야 한다.46
이 길은 타이완 인공지능 발전 및 미래 전략의 산업적 관점과 상호 보완한다. 타이완은 AI 서버를 제조하고 엔지니어링 인재를 훈련시킬 수 있지만, 하드웨어 우위가 자연스럽게 모든 교실로 흘러 들어갈 것이라고 가정할 수는 없다. 타이완 인공지능 학교는 민간의 힘으로 산업 인재를 양성했다. 중소학교 교사들은 다른 척도로 성과를 측정한다: 한 아이가 단어 하나를 바꿈으로써 비로소 이해하게 되었는지 여부이다.
마지막 질문, 다음 도구가 아니다
다자(大佳國小)의 세 시간으로 돌아가면, 교사들이 가져갈 수 있는 무언가를 실제로 만들었다는 것은 사실이다. 이것은 매우 중요하다. 첫 번째 성공이 없다면, 뒤따르는 커뮤니티도 생기지 않는다. 그러나 그 대리인이 학교로 돌아간 후에도 학생들은 엉뚱한 질문을 던지고, 데이터가 구식이 되거나, 모델이 개정되거나, 학부모들이 걱정할 것이다. 교육 혁신은 게시 버튼을 누른다고 해서 고정된 제품이 아니라, 동료 교사들이 함께 유지보수해야 할 교재와 같다.
타이완 교사들은 제도보다 더 빨리 도구를 사용하고 있다고 해서, 제도가 단지 도구의 이름만 쫓아야 한다는 의미는 아니다. 두 가지 90% 설문조사, 300개의 대리인, 그리고 학생들이 AI 고객 서비스를 공격하게 만든 한 교실은 다음 단계를 구체적으로 제시한다: 교사에게 수정 가능한 사례를 제공하고, 함께 실수할 시간을 주고, 도움을 요청할 수 있는 커뮤니티를 제공하며, 개인 정보, 평가 및 편향성의 경계를 명확히 말해주는 것이다.
쉬타이핑은 연수 당시 감동과 불꽃이 있었지만, 돌아가면 고립되어 있다고 말했다. 진정으로 계산할 가치가 있는 AI 교육 성과는 아마도 다음 학기에 같은 교사를 만났을 때, 그의 곁에 수업을 함께 개선해 줄 사람이 한 명 더 생겼는지 여부일 것이다.
참고 자료
- 타이완 교육 제도 — 대학수학능(聯考)부터 12년제 교육까지, 교사 혁신이 존재하는 제도적 환경
- 타이완 인공지능 발전 및 미래 전략 — 산업과 정책을 통해 타이완 AI의 전반적인 배치를 이해하기
- 타이완 인공지능 학교 — 민간 훈련이 어떻게 타이완 최초의 산업 AI 인재를 양성하는가
이미지 출처
| 파일 | 설명 | 출처 | 라이선스 |
|---|---|---|---|
taiwan-students-digital-learning-2019.webp (hero) |
윈린현 포중국 학생들이 균일 교육 플랫폼을 사용하는 모습, 2019년 | 포중국 클라우드 웹사이트, via Wikimedia Commons | CC BY 2.0 |
taiwan-moe-ai-talent-ark-2026.webp |
교육부 AI 인재 방주 계획 세 가지 방향 정책도, 2026년 | 교육부 AI 인재 방주 계획 | 공식 정책도 편집 인용 |
참고 문헌
- 「교사 훈련 후 고립된」그는 AI 대리인 대시장을 구축했다 — 《천하 잡지》2026년 쉬타이핑 인터뷰, 다자(大佳國小) 연수, 중앙 과학 분야 지도단 및 약 300개 대리인 공유 플랫폼 기록.↩
- 업무 부담이 줄지 않고 늘어나는가? 캠퍼스 디지털 전환의 도전 과제에 대한 대규모 조사 — 친자천하(親子天下)와 Google for Education 협력 설문, 4,765건 교사 샘플의 디지털 교육 및 AI 사용 결과 공개.↩
- 「교사의 AI 적용에 대한 수요와 기대」조사 결과 — 황쿤휘 교수 교육 재단, 3,328건 교사 온라인 설문 조사 방법론, 학습 수요, 자원 및 학교 간 커뮤니티 기대치 공개.↩
- 네이후 고등학교 정보 수업으로 AI 고객 서비스를 만들고, 학생들은 '테스터'가 되어 허점을 찾다 — 중앙사(中央社) 2026년 7월 보도, 뤄친정, 린잉쥔, 차이방쥐가 AI, 보안 및 기존 수업을 결합한 현장 사례.↩
- 오늘날을 위한 교육: TALIS 2024 결과 — OECD 공식 영어 보고서, 교육 체제 참여 중학교 교사의 AI 사용 비율, 용도 및 국가 간 차이 제공.↩
- UNESCO의 새로운 AI 역량 프레임워크에 대해 알아야 할 것들 — UNESCO 공식 영어 설명, 교사 AI 역량 다섯 가지 측면 및 인간 중심, 윤리 및 장기 교육 투자 원칙 제시.↩
- AI 인재 방주 계획 (115–118년) — 교육부 2026년 6월 발표, 학습 환경, 분야 간 교사 및 교육 데이터 결정을 포괄하는 세 가지 정책 방향.↩