AI가 학습 증거를 흐리면서 바뀌는 Richard Borcherds의 과제 채점
보도에 따르면 Richard Borcherds는 AI로 인해 학생의 독립적인 작업을 식별하기 어려워지자 과제의 정답 여부를 채점하지 않기로 했다. Richard Borcherds의 과제 채점 변경은 연습 과제는 유지하되, 이해도를 입증하는 근거를 감독하에 치르는 시험으로 옮긴다. 이 구분은 중요하다. 보도된 변화는 학생들이 수학을 연습해야 하는지 여부가 아니라, 과제 점수가 무엇을 입증할 수 있는지에 관한 것이다.
Tom’s Hardware의 10월 27일 보도에 따르면, 이 UC Berkeley 교수는 이제 전자기기 없이 대면으로 치르는 시험을 통해 주로 학생을 평가한다. 다른 보도에서는 과제 제출 완료 여부에 따라 학점을 부여한다고 설명한다. 이를 종합하면, 해당 보도는 기술을 연습하는 일과 학생 본인이 그 기술을 보유했음을 입증하는 일을 분리하는 방식을 묘사한다.
이처럼 상반된 접근법은 이미 Berkeley 내부에 존재한다. 2026년 가을 통계 컴퓨팅 강의계획서는 AI 지원을 허용하는 한편, 과제와 대면 이해도 확인을 병행한다. 따라서 Borcherds의 보도된 결정은 교육자와 AI 사용자에게 구체적인 질문을 제기한다. 소프트웨어가 답을 만들어낼 수 있다면, 누군가가 그것을 이해한다는 증거로 무엇을 인정해야 할까?
Richard Borcherds의 과제 채점 변경이 실제로 의미하는 것
보도된 변경은 과제 학점의 기준에서 정답 여부를 제외한 것이며, Borcherds가 과제를 폐지했다는 뜻은 아니다.
Tom’s Hardware는 완성도 높은 제출물이 더는 독립 작업과 AI 지원을 신뢰성 있게 구분하지 못한다는 Borcherds의 우려를 이 결정의 배경으로 전한다. 그의 과제 평가 변경에 관한 이 보도는 감독 시험을 선호한다는 내용도 담고 있다. 그는 어떤 학생이 AI를 사용했는지 식별할 수 없는 상황에서 온라인 점수가 높아졌다고 보는 것으로 전해진다.
완료 학점에 관한 세부 내용은 New York Post로 연결된 요약을 포함한 다른 보도에도 등장한다. 해당 보도는 완료 기반 과제 학점을 설명하며, 채점 과제를 끝낸다는 제목의 기사에서 독자가 무엇을 받아들여야 하는지를 좁혀 준다. 정답에 따라 차등 점수를 주지 않더라도 제출 자체는 여전히 중요할 수 있다.
Borcherds의 위상은 이 사안이 주목받는 이유를 설명한다. Berkeley의 기록 보관소는 그의 1998년 Fields Medal을 문서화하고 있으며, 이는 Monstrous Moonshine conjecture의 증명을 포함한 수학 연구로 수여됐다. 이 수상 경력은 그의 연구 자격을 뒷받침한다. 그러나 그의 평가 정책을 독립적으로 정당화하거나 수업 내 부정행위를 측정하는 것은 아니다.
몇 가지 경계는 여전히 중요하다. 여기서 검토한 보도는 채점 과제를 전면 폐지하는 대학 차원의 조치를 입증하지 않는다. 또한 검증된 시행일, 완전한 채점 공식, 혹은 그의 학생들에 대한 측정된 부정행위 비율도 제시하지 않는다.
따라서 당장의 전개는 답안을 검토하는 방식으로는 더 이상 해결할 수 없다고 그가 말하는 문제에 대한 한 교수의 보도된 대응이다. 이를 Berkeley 전반의 정책으로 해석하는 것은 증거를 과장하는 일이다. 모든 뛰어난 제출물이 부정행위와 관련됐다는 증거로 보는 것은 더욱 과장된 해석이다.
이 구분은 정책 논의도 바꾼다. 연습 과제를 없애면 학습 기회가 사라진다. 정답 기반 학점을 없애는 것은 그 기회에 연결된 유인을 바꾸는 일이며, 학생들이 유용한 피드백을 어떻게 받을지는 여전히 열어 둔다.
학생의 관점에서 차이를 생각해 보자. 정답 채점 아래에서는 해결하지 못한 문제가 과제 점수를 위협한다. 완료 학점 아래에서는 강의가 여전히 충분한 피드백을 제공한다는 전제하에, 같은 미해결 문제가 시험 전에 다뤄야 할 내용을 드러낼 수 있다.
이는 Borcherds의 수업에서 확인된 결과가 아니라 잠재적 이점이다. 학생들은 설명할 수 없는 완벽한 답안을 제출해야 한다는 압박을 덜 느낄 수 있다. 반면 완료만으로 충분하다고 느낀다면 연습에 들이는 노력이 줄어들 수도 있다.
결국 Richard Borcherds의 과제 채점 이야기는 상충하는 결과를 낳는 평가 문제에 달려 있다. 강의는 과제를 외부에 맡길 매력을 낮추는 동시에, 신중하게 수행할 때의 즉각적인 보상도 약화시킬 수 있다. 이 균형이 학습을 개선하는지 판단하려면 발표 자체를 넘어선 증거가 필요하다.
정답은 증거로서의 가치를 잃고 있다
정확한 제출물은 제출된 작업에 관해서는 무언가를 입증하지만, 학생의 독립적 역량은 갈수록 불확실하게 남긴다.
과제에는 여러 역할이 있을 수 있다. 학생에게 연습 기회를 제공하고, 교사가 혼란을 파악하도록 돕고, 마감 기한을 만들며, 강의 성적의 근거가 된다. 이러한 목적은 겹치지만, 항상 같은 평가 방식을 요구하지는 않는다.
AI는 이 분리를 외면하기 어렵게 만든다. 학생은 정확한 해답을 갖고 있으면서도 그 방법을 선택하지 않았을 수 있고, 그 가정을 이해하지 못했을 수 있으며, 어디에서 실패할 수 있는지 알아차리지 못했을 수도 있다. 최종 답안만으로는 이런 차이를 해소할 수 없다.
그렇다고 모든 지원 도구 사용이 학습을 저해한다는 뜻은 아니다. 힌트는 누군가가 생산적인 작업을 다시 시작하도록 도울 수 있다. 설명은 오해를 드러낼 수 있다. 완성된 해답은 과제가 길러야 했던 추론을 대체할 수도 있다.
완성된 제출물만 보면 이러한 경로는 비슷해 보일 수 있다. 이는 관찰하지 못한 상태에서 수행된 작업을 바탕으로 개인별 학점을 부여해야 하는 교사에게 부담을 준다. 또한 제한을 지키는 학생들이 다른 이들은 금지된 지원을 통해 학점을 받는다고 믿을 때 압박을 준다.
Borcherds의 보도된 대응은 이러한 유인을 직접 겨냥한다. 정답 여부가 과제 점수에 덜 영향을 미친다면, 소프트웨어로 완벽한 답을 얻는 일은 그 특정 점수에는 덜 유용해진다. 그러나 완료 학점은 여전히 무언가를 제출하는 행위에 보상하므로, 그 유인이 완전히 사라지는 것은 아니다.
더 깊은 변화는 연습과 인증의 관계에 관한 것이다. 연습에는 도움, 실패한 시도, 토론, 수정이 포함될 수 있다. 인증에는 특정 조건에서 개인이 무엇을 할 수 있는지 말할 수 있는 타당한 근거가 필요하다.
가상의 수학 과제는 이 차이를 보여준다. 한 학생이 유효한 증명을 제출했지만 그 핵심 가정이 왜 필요한지는 설명하지 못한다. 증명은 여전히 유효하지만, 해당 제출물은 학생이 그 논리를 이해한다는 약한 증거만 제공한다.
그 가정을 바꾸는 시험관은 다른 질문을 할 수 있다. 학생은 무엇이 무너지는지 인식하는가? 이와 같은 대화는 원래 문서를 다시 검토하는 것보다 이해도를 더 직접적으로 살핀다. 다만 시간도 필요하고 적절한 질문도 요구된다.
이 구분은 대학 밖에서도 중요하다. 생성된 프로그램이 성공적으로 실행되더라도 사용자가 오류를 진단하지 못할 수 있다. 세련된 분석이 설득력 있게 들리더라도 작성자가 그 권고의 근거가 되는 증거를 방어하지 못할 수 있다.
이는 Borcherds의 학생들에 관한 조사 결과가 아니라 실질적인 함의다. 지식 노동자가 이 평가 논쟁에 관심을 가져야 하는 이유를 설명한다. 생산 속도가 빨라질수록 어떤 인간의 판단이 여전히 검증을 필요로 하는지 결정하는 일이 더욱 중요해진다.
교육자에게 까다로운 선택은 각 과제가 무엇을 입증해야 하는지에 관한 것이다. 주된 목적이 연습이라면 지원은 학습 목표에 부합할 수 있다. 독립적 역량을 인증하는 것이 목적이라면, 지원 도구에 대한 접근은 그 결과 점수가 의미하는 바를 바꾼다.
따라서 문제는 제출 후 부정행위를 적발하는 일을 넘어선다. 아무도 규칙을 위반하지 않았더라도 평가는 정보력이 떨어질 수 있으며, 특히 규칙이 상당한 지원을 허용하는 경우 그렇다. 명확한 허용이 곧 점수를 개인의 이해도를 타당하게 측정하는 지표로 만들어 주는 것은 아니다.
감독 시험은 관찰을 복원하지만 한계가 있다
감독 시험은 누가 작업을 수행했는지에 대한 증거를 강화하지만, 학생이 역량을 보여 주는 조건은 좁힌다.
전자기기 없이 치르는 대면 시험은 특정한 불확실성을 해결한다. 교사는 시험 규칙이 배제한 도구에 접근하지 않은 채 학생이 문제를 푸는 모습을 관찰할 수 있다. 따라서 감독되지 않은 제출물보다 저작 주체를 쉽게 확인할 수 있다.
그렇다고 강의가 중요하게 여기는 모든 것을 자동으로 입증하는 것은 아니다. 시간 제한 시험은 특정 제약 아래에서의 수행을 측정한다. 장기간의 탐구, 수정, 협업, 참고 자료의 효과적 활용에는 다른 기회가 필요할 수 있다.
연구는 감독되지 않은 평가에 대한 우려를 이해하는 데 유용한 역사적 참고점을 제공한다. University of Reading의 실험은 2024년 6월 공개됐으며, AI가 생성한 답안을 학부 심리학 평가에 삽입했다. 이 블라인드 평가 시험은 94%가 탐지되지 않았고 AI 제출물의 평균 점수가 더 높았다고 밝혔다.
이 결과는 제한된 결론을 뒷받침한다. 경험 많은 채점자도 기존 평가 체계 안에서 생성된 작업을 알아보기 어려울 수 있다는 것이다. 이는 Berkeley의 부정행위를 측정하지 않으며, 수학 분야에 특화된 탐지율을 확립하지도 않고, 감독 시험이 더 나은 학습을 만든다는 점을 증명하지도 않는다.
이 경계가 중요한 이유는 탐지와 교육이 서로 다른 결과이기 때문이다. 평가는 학생에게 효과적인 준비를 제공하지 않으면서도 무단 지원을 어렵게 만들 수 있다. 또 다른 평가는 학습을 뒷받침하면서도 독립적 수행 능력을 자신 있게 인증할 수 없는 점수를 낼 수 있다.
Borcherds의 보도된 선호는 학습 문제보다 관찰 문제를 더 직접적으로 해결한다. 교사가 증거를 수집하는 장소를 바꾸는 것이다. 학생들이 더 나은 수학자가 되는지는 그 평가 전후에 무엇이 일어나는지에 달려 있다.
정기적인 감독 확인을 도입하는 것과 대부분의 학점을 최종 시험에 집중하는 것 사이에도 차이가 있다. 전자는 학생들이 대응할 시간이 남아 있을 때 혼란을 드러낼 수 있다. 후자는 결과가 중대한 시점에야 오해를 드러나게 할 수 있다.
어느 방식도 “대면 시험”이라는 표현만으로 자동으로 따라오는 것은 아니다. 강의 설계를 평가하려면 실제 평가 일정, 반영 비율, 피드백 과정, 편의 제공 방식을 확인해야 한다. 보도는 Borcherds에 관해 이 모든 세부 사항을 제공하지 않는다.
감독 시험도 잘못된 것을 물을 수 있다. 익숙한 절차를 암기한 데 보상한다면, 그 절차가 언제 적용되는지를 학생이 이해하는지 시험하지 않은 채 보조 도구 없는 기억 회상만 입증할 수 있다. 물리적 동석은 의미 있는 질문을 보장하는 것이 아니라, 귀속을 강화한다.
따라서 더 유의미한 대비는 관찰 가능한 이해와 검증되지 않은 결과물 사이에 있다. 종이는 그러한 관찰을 만드는 한 가지 방법이다. 구두 설명, 감독하의 디버깅 실습, 후속 문제도 비슷한 목표를 추구할 수 있다.
이러한 대안에는 일관성과 인력 배치를 포함한 자체 부담이 따른다. 또한 감독 시험만이 유일한 해법이라고 선언하는 일이 가용한 증거를 넘어선다는 점도 보여 준다. 방어 가능한 주장은 더 좁다. 통제된 평가는 외부 지원에 관한 불확실성을 직접 해결한다.
리처드 보처즈의 과제 채점 논쟁에서는 이것이 중대한 구분이다. 보도된 정책은 신뢰하기 어려운 증거에 대응하기 위한 것이다. 모든 과목을 어떻게 가르쳐야 하는지에 관한 보편적 판결이 아니라, 비용이 따르는 평가 방식의 선택으로 평가해야 한다.
AI 탐지가 또 다른 판단 문제를 남긴다
탐지 소프트웨어는 의심과 증거를 구분하는 공정한 절차의 필요성을 없앨 수 없다.
AI 탐지기는 소프트웨어가 텍스트를 생성했거나 작성에 관여했는지를 분류하려 한다. 거짓 양성은 사람이 작성한 작업물을 잘못 탐지 대상으로 표시하는 경우다. 거짓 음성은 생성된 작업물이 표시되지 않고 통과하는 경우다.
교육에서는 두 오류 모두 중요하다. 허가되지 않은 지원을 놓치면 평가의 공정성이 훼손될 수 있다. 학생을 잘못 고발하면 신뢰가 무너지고 규칙을 지킨 사람에게 불이익을 줄 수 있다.
Berkeley가 공개한 AI 탐지 지침에 따르면, 이 대학은 시범 운영과 외부 연구 검토를 거친 뒤 Turnitin의 AI 글쓰기 탐지기를 사용하지 않기로 결정했다. 이 지침은 다국어 필자와 인간의 글쓰기와 AI 지원을 결합한 작업에서 발생하는 분류 문제도 다룬다.
이러한 기관의 입장은 다른 평가 방식을 찾는 맥락을 제공한다. 그렇다고 모든 탐지기가 언제나 실패한다는 뜻은 아니다. Berkeley가 일반적인 교내 사용을 위해 그 특정 탐지 기능을 도입하지 않을 만큼 충분한 우려를 확인했다는 의미다.
지원 여부를 식별하는 일과 부정행위를 입증하는 일의 차이도 또 다른 복잡성을 더한다. 한 과목에서는 문법 교정을 허용하면서 생성된 추론은 금지할 수 있다. 분류 점수만으로는 학생이 그 과목별 경계를 넘었는지 판단할 수 없다.
점수가 반드시 학생의 작업 과정을 설명하는 것도 아니다. 답변에 관한 대화는 혼란을 드러낼 수 있지만, 혼란만으로 부정행위가 입증되지는 않는다. 학생은 잊을 수도, 불안해질 수도, 자신이 독립적으로 작성한 작업물을 제대로 이해하지 못할 수도 있다.
이런 한계 때문에 가장 강력한 대응은 절차적 접근이다. 교수자는 명확한 기대 기준과 우려 사항을 평가할 수 있는 타당한 방식을 갖춰야 한다. 그렇지 않으면 저작 주체에 관한 불확실성이 고발의 정당성에 관한 불확실성으로 번질 수 있다.
보도된 리처드 보처즈의 과제 채점 변경은 논란이 있는 결과물에 대한 의존을 줄임으로써 그러한 갈등의 일부를 피한다. 과제 답안이 어떤 방식으로 만들어졌는지 입증하려 하기보다, 교수자는 통제된 조건에서 별도의 증거를 수집한다.
이 접근법에는 분명한 매력이 있다. 의심스러운 모든 과제에서 부정행위를 입증해야 하는 부담을 줄일 수 있다. 동시에 정답 기반 점수를 더 이상 받지 못하는 작업에 대해 자세한 피드백이 필요한 학생은 어떻게 되는가라는 미해결 질문도 남긴다.
점수를 없앤다고 피드백까지 없애야 하는 것은 아니지만, 피드백에도 여전히 관심과 노력이 필요하다. 학생은 증명이 불완전한지, 가정에 근거가 부족한지, 또는 방법이 더 제한적인 조건에서만 적용되는지를 알아야 한다.
채점되지 않는 해설지는 도움이 될 수 있지만, 비교하려면 의미 있는 차이를 식별할 수 있을 만큼의 이해가 필요하다. 어려움을 겪는 학생은 자신의 답이 다르다는 점은 알아차리면서도 그 이유는 이해하지 못할 수 있다. 이 지점에서 교육 지원은 여전히 중요하다.
따라서 완료 여부만을 채점하는 방식에 대한 회의적 견해는 주목할 가치가 있다. 이 정책은 평가가 무엇을 알고 있는지에 대해 더 정직해질 수 있게 하지만, 학생에게 자신이 무엇을 오해했는지에 관한 안내는 줄어들 수 있다. 그 가치는 과목이 그 공백을 어떻게 메우느냐에 부분적으로 달려 있다.
여기에는 보처즈의 접근법이 학습을 향상시키거나 부정행위를 줄이거나 부담을 공정하게 배분한다는 점을 입증하는 공개된 결과 증거가 없다. 이는 여전히 평가가 필요한 질문들이다. 그가 제기한 것으로 보도된 우려는 결정을 설명하지만, 그 효과를 확정하지는 않는다.
Berkeley는 이미 대조적인 접근법을 제시한다
AI를 허용하는 연습과 감독하의 확인은 공존할 수 있으며, 제한 없는 재택 과제 채점과 전면 금지 모두에 대한 대안을 만든다.
구체적인 비교 사례는 Chris Paciorek이 가르치는 Berkeley의 2026년 가을학기 Statistics 243 강의계획서에 있다. 이 강의의 통계 컴퓨팅 평가는 AI 지원을 허용하는 한편, 학생들의 문제 세트 이해도를 확인하기 위해 대면 퀴즈를 활용한다.
공개된 채점 구조는 문제 세트 완료에 20%, 관련 퀴즈에 35%, 미니 시험에 35%, 참여에 10%를 배정한다. 강의계획서는 구두 재응시 절차도 설명하며, AI 지원을 통해 얻은 아이디어의 출처 표기를 요구한다.
이 사례가 더 나은 결과를 입증하는 것은 아니다. 다만 지원을 받는 준비와 개인의 이해 입증을 분리하는 기존 강의 설계를 보여 준다. 추상적인 제안이 아니라 같은 대학에서 나온 사례라는 점에서 비교는 특히 유용하다.
이 정책은 허용의 의미도 바꾼다. 연습 중 도구를 허용한다고 해서 그 출력물이 이후 평가의 기준을 충족한다는 보장은 아니다. 학생은 자신이 제출한 내용을 설명하고 적용할 수 있을 만큼 충분히 이해해야 한다.
이는 “AI 허용”과 “AI 금지”보다 더 정밀한 구분을 만든다. 허용 여부는 활동에 따라 달라진다. 학생은 문제를 풀 때 지원을 이용할 수 있지만, 이후 확인 과정에서는 그 지원 없이 이해를 입증할 수 있다.
컴퓨팅 분야에서 이런 방식에는 실용적인 근거가 있다. 프로그램은 사용자가 설명할 수 없는 선택을 포함한 채로도 기대한 결과를 낼 수 있다. 후속 질문은 학생이 코드와 그 동작의 관계를 이해하는지 확인할 수 있다.
이는 강의에서 보도된 사건이 아니라 평가 구조를 설명하기 위한 예시적 적용이다. 그 중요성은 과제와 검증의 연결에 있다. 이후 평가는 지원을 사용한 뒤에도 학습이 남아 있는지 묻는다.
이 비교는 모든 AI 사용을 하나의 행동으로 취급하는 방식의 약점도 드러낸다. 문법이나 구문에 관한 알림을 요청하는 일은 전체 해답을 요청하는 일과 다르다. 둘 다 소프트웨어 지원을 포함하지만, 학생에게 남기는 책임과 이해는 크게 다를 수 있다.
AI 제품 개발자에게 이는 설계 문제를 시사한다. 완성된 답변을 우선시하는 도구는 즉각적인 작업 완료를 지원할 수 있다. 교육 환경에서는 학습자가 추론, 검토, 설명에 대한 책임을 계속 지킬 수 있는 방법도 필요하다.
따라서 학습 효과에 관한 주장은 생성된 출력물의 품질을 넘어선 증거를 요구한다. 설득력 있는 답변은 시스템의 성능을 보여 준다. 그것이 사용자가 추론을 재현하거나 다른 상황에 적용하거나 그럴듯한 오류를 식별할 수 있음을 입증하지는 않는다.
학생들은 학습 자료를 정리할 때도 비슷한 구분에 직면한다. 정답을 검색할 수 있는 모음은 찾아보는 시간을 줄여 줄 수 있지만, 이해도를 검증하지는 않는다. 개인 지식 관리에 관한 자료는 정리를 다루지만, 검색만으로 숙달을 인증할 수는 없다.
두 평가 모델에서 핵심 질문은 지원 이후에 무엇이 일어나는가다. 학생은 결과를 옹호하고, 바뀐 문제에 적용하며, 그 한계를 인식할 수 있는가? 보처즈의 보도된 접근법과 통계학 강의계획서는 모두 이 질문으로 시선을 돌린다.
이들의 공존은 Berkeley에 관한 포괄적 결론에도 한계를 둔다. 이 대학에는 서로 다른 교육 요구에 대응하는 다양한 강의 설계가 있다. 이 이야기는 AI에 대한 단일한 기관 차원의 답변이 아니라 그러한 다양성 안에서 이루어진 한 교수자의 결정에 관한 것이다.
채점 변경 이후 주목할 점
다음으로 유용한 증거는 또 한 번의 완벽한 AI 답변이 아니라 평가 규칙, 학생의 이해, 교육 지원에 관한 것이다.
앞으로 몇 달간 첫 번째 신호는 더 많은 교수자가 유사한 채점 변경을 공개하는지 여부다. 중요한 문서에는 과제가 무엇을 인정받는지, 이해도를 어떻게 확인하는지, 어떤 지원 사용이 계속 허용되는지가 명시될 것이다.
더 많은 과목이 완료 학점과 감독하의 이해 입증을 명확히 분리한다면, 더 광범위한 평가 변화가 진행되고 있다는 주장은 힘을 얻는다. 정책이 고립된 상태로 남거나 다른 접근법으로 향한다면, 과제 채점에서 일률적으로 후퇴하고 있다는 주장은 약해진다.
표현은 발표만큼 중요하다. “과제는 채점되지 않는다”는 말은 선택적 연습, 필수 제출, 또는 최종 점수에는 반영되지 않지만 피드백을 받는 작업을 뜻할 수 있다. 이 방식들은 서로 다른 유인을 만들며 같은 것으로 집계해서는 안 된다.
더 강력한 후속 보도는 시점도 확인해야 한다. 10월 보도는 이 결정이 언제 뉴스가 되었는지는 알려 주지만, 각 교실의 관행이 언제 바뀌었는지는 반드시 알려 주지 않는다. 이 구분이 없으면 오래된 조정도 최근 모델 출시 직후의 대응처럼 보일 수 있다.
두 번째 신호는 독립적으로 입증된 이해에 관한 증거다. 관련 비교는 명확히 설명된 조건에서 학생이 무엇을 설명하거나 해결할 수 있는지 살펴봐야 한다. 재택 과제 점수만 높아지는 것으로는 정책을 촉발한 우려가 해소되지 않는다.
학생들이 연습 중 AI를 사용하면서도 감독하의 수행을 유지하거나 향상한다면, 지원과 인증을 분리해야 한다는 주장은 힘을 얻는다. 수행이 저하된다면 교육자는 학생들이 연습, 유용한 피드백, 또는 둘 다를 잃었는지 살펴봐야 한다.
이러한 결과도 신중하게 해석해야 한다. 서로 다른 문제, 학생 집단, 수업 방식, 평가 조건은 점수에 영향을 줄 수 있다. 과제와 시험 수행 간 격차는 부정행위의 독립적인 측정치가 아니라 조사해야 할 이유다.
세 번째 신호는 정답 기반 채점이 바뀐 뒤 교육 지원에 어떤 일이 일어나는지다. 과목은 유지되는 피드백, 학생이 실수를 해결할 기회, 감독하의 평가에 대한 접근성을 기준으로 검토해야 한다.
학생들이 유용한 설명과 진전을 입증할 반복적인 기회를 받는다면, 완료 학점은 더 넓은 설계의 일부로서 더 신뢰할 만해 보인다. 채점은 사라지고 혼란에는 답이 없다면, 회의적 견해는 더 강해진다.
이 신호들은 비슷한 변화를 검토하는 고용주와 직업 교육 담당자에게도 중요하다. 지원자가 완성한 과제와 그에 대한 설명은 연관되어 있지만 서로 다른 질문에 답한다. 검증은 조직이 실제로 평가해야 하는 역량과 맞아야 한다.
리처드 보처즈의 과제 채점 이야기는 결국 성적에 붙는 증거에 관한 것이다. 보도에 따르면, 그는 감독받지 않는 과제의 정답 여부가 이전과 같은 의미를 지닌다고 더는 신뢰하지 않는다. 과제가 쓸모없어졌다고 가정하거나 시험이 모든 어려움을 해결한다고 가정하지 않은 채, 그 판단을 검토할 필요가 있다.
이 이야기를 지켜보는 학생과 교육자라면 실제 과목 규정과 그것이 만들어 내도록 설계된 증거부터 살펴보라. 연습이 여전히 유용한지, 피드백이 어려움을 겪는 학습자에게 닿는지, 평가가 과목이 약속한 역량을 측정하는지 물어야 한다. 교육 밖에서 AI를 사용하는 사람도 자신의 작업에 같은 기준을 적용하라. 완성된 답변은 해결되지 않은 이해의 공백을 감출 수 있다. 결정의 근거가 되는 출처와 설명을 남긴 뒤, 문제가 바뀌었을 때도 그 결정을 옹호할 수 있는지 시험해 보라. 보처즈의 접근법에 관한 추가 세부 사항이 나오면, 학생이 독립적으로 무엇을 설명하고 적용할 수 있는지에 따라 판단하라. 채점이 바뀐 뒤 학습이 향상됐다고 믿게 만들 증거는 무엇인가?
