기계 학습이 교육에 미치는 영향

애틀랜타 공립학교의 교육 기술 전문가인 Krynica Drake는 교육 분야에서 기계 학습의 잠재력을 믿지만 때때로 그것이 불안할 수 있다는 점을 인정합니다. 

“약간 무서운 것 같아요. 왜 내 뇌 속에 있는 이 기계는 내가 필요할 때 다음에 무슨 일이 일어날지 알고 있는 걸까요?”라고 Drake는 말합니다.

머신러닝은 스스로 학습하고 적응할 수 있는 컴퓨터 시스템을 포함하는 AI(인공지능)의 한 분야입니다. 기술의 나쁜 공상과학 영화 잠재력에 대해 농담을 하는 것은 재미있지만 교육자와 학생에게는 진지한 방법으로 도움이 될 수 있습니다. 

Amazon Web Services의 미국 공공 부문 교육, 주 및 지방 정부 부사장인 Kim Majerus는 이메일에서 "교육자들은 기계 학습을 사용하여 지원이 필요한 학생을 조기에 식별하고 성공과 유지를 향상하기 위해 조치를 취하고 있습니다."라고 썼습니다. "머신러닝은 현지화, 전사, 텍스트 음성 변환, 개인화를 통해 온라인 학습 콘텐츠의 범위와 영향력을 확장하고 있습니다." 

기계 학습을 통해 수집된 데이터는 운영 효율성, 학생 유지 및 졸업, 비용 절감과 관련된 교육 결정에도 영향을 미칩니다. 

다른 기술과 마찬가지로 교육용 기계 학습 애플리케이션은 교사와 학생의 연결을 대체하는 것이 아니라 교사와 학생의 시간을 절약하도록 설계되었습니다. Majerus는 "교육자를 보완하고 지원하며 그들이 가장 잘하는 일, 즉 학생들과 상호 작용하는 데 더 많은 시간을 할애하고 덜 중요한 다른 반복 작업에 소요되는 시간을 줄이도록 돕는 데 가장 적합합니다"라고 말합니다. 

뉴 호라이즌스 - 그리고 파트너십 

교육 분야의 기계 학습은 최근 Discovery Education이 Amazon Personalize를 통해 Amazon Web Services(AWS) 기계 학습 기능으로 K-12 학습 플랫폼을 강화했다고 발표하면서 힘을 얻었습니다. 이를 통해 AWS 고객은 기계 학습을 사용하는 앱을 구축할 수 있습니다. 

기계 학습은 사용 가능한 리소스를 선별하고, 가르친 학년 수준, 주제, 사용자가 이전에 관심을 보인 리소스를 기반으로 콘텐츠에 대한 맞춤형 추천을 제공함으로써 Discovery의 교육 플랫폼을 사용하는 교육자를 돕습니다. 프로그램이 각 개인의 고유한 행동과 요구 사항에 적응함에 따라 시간이 지남에 따라 권장 사항이 향상될 것입니다. 

“Discovery Education은 사용자 클릭을 추적하는 데이터를 사용했습니다. 특정 사용자가 클릭할 때 기록을 표시합니다.

보기 등의 이벤트 유형과 함께 특정 콘텐츠와 상호작용합니다.

다운로드하거나 공유할 수 있습니다.”라고 Majerus는 말합니다. "이를 통해 Discovery Education의 플랫폼은 각 참가자가 리소스를 탐색하고 리소스와 상호 작용하는 방식에 대한 대규모 데이터를 분석하여 행동 패턴을 식별할 수 있습니다." 

Discovery는 항상 교육자에게 콘텐츠 추천을 제공했지만 그들이 사용했던 알고리즘은 더 프로그래밍 방식인 경향이 있었습니다.

Discovery Education의 최고 제품 책임자인 Pete Weir는 "우리는 귀하가 과학 교사라는 것을 알고 있으므로 '여기 과학 콘텐츠가 있습니다'라고 말합니다."라고 말합니다. “기계는 과학 교사도 차별화에 관심이 있을 수 있다고 추론할 수 있습니다. 따라서 기계는 이러한 종류의 부수적인 주제를 표면화하는 데 점점 더 좋아질 것입니다.” 

그는 "우리가 하려는 것은 교사가 콘텐츠를 찾는 시간을 줄이고 학생들과 더 많은 시간을 보낼 수 있도록 하는 것입니다."라고 덧붙였습니다. 

교육 분야 머신러닝의 미래  

기계 학습은 교육용 앱에서 널리 사용되지만 기술과 용도는 여전히 지속적으로 개선되고 있습니다. 

Weir는 "우리는 기계 학습을 사용하는 초기 단계에 있는 것 같습니다."라고 말합니다. “결국 우리의 목표는 기계 학습을 사용하여 교육자에 대해 알고 있는 정보, 학생에 대해 알고 있는 정보, 플랫폼이 사용되는 방식을 더 잘 일치시키고 더 나은 맞춤형 추천을 제공하는 것입니다. ” 

Discovery의 플랫폼 외에도 Drake는 Microsoft Education의 Immersive Reader와 같은 기계 학습 앱을 권장합니다. 읽기 진행는 학생들이 자신이 구절을 읽는 것을 기록하고 그 구절을 얼마나 잘 읽었는지 또는 어떤 단어가 어려움을 겪었는지 평가할 수 있는 Microsoft Teams 내의 도구입니다. 

궁극적으로 이러한 모든 도구는 학생들이 스스로 사용하도록 설계되지 않았습니다. Drake는 “아직도 선생님이 되어야 합니다.”라고 말합니다. 

출처: https://www.techlearning.com/news/how-machine-learning-is-having-an-impact-on-education