정책
- Education 3.0 프로그램 도입으로 학생중심 교수학습법 운영 -
- 온라인에선 자율 및 맞춤 학습, 강의실에선 상호 토론학습 -
우리 대학이 올 봄학기 부터 신입생 일부를 대상으로 에듀케이션 3.0 프로그램을 도입해 강의실 수업환경을 학생중심, 그룹중심, 토론중심으로 바꾼다.
에듀케이션 3.0은 전통적인 교수-학생의 단방향 강의전달 학습법을 혁신해 교수 및 학습의 질과 효율성을 높이기 위한 교수학습법 개선 프로그램이다.
학생들은 최신 정보통신기술을 활용해(IT-based) 시공간의 제약을 받지 않고 학습할 수 있으며 수준별 맞춤학습 제공으로 자기주도적(Independent)학습이 가능하다. 또한 선진대학과 강의 및 컨텐츠를 공유해 협력학습(Internationalized)을 할 수 있으며 교수-학생 간 또는 동료학생 간의 토론학습으로 상호 통합적 학습(Integrated)이 가능하다.
KAIST는 올 봄학기 신입생을 대상으로 미적분학, 일반화학, 신입생 설계과목 등 3개 시범과목을 운영하며 교과목 공모를 통해 단계적으로 확대할 방침이다.
올 해 신입생을 대상으로 지원자를 모집한 결과 미적분학에 201명, 일반화학에 163명이 지원해 신입생들이 새로운 학습방법에 큰 관심을 보였으며 과목당 48명을 선발했다
수업은 온라인 수업과 강의실 수업을 병행하여 진행한다.
학생들은 우선 온라인 학습 플랫폼인 KLMS(KAIST Learning Management System)에 접속해 교수가 사전에 준비한 강의비디오, 강의 슬라이드, 멀티미디어, 온라인 랩, 외부 동영상 등 디지털 자료를 반복해 학습하고 개인별 진도에 맞춘 학습을 한다. 궁금한 사항은 온라인에서 질문하고 과제도 온라인으로 제출한다.
강의실 수업은 최소 주 1회 실시하며 학생들은 온라인에서 학습한 내용을 학생과 교수, 학생과 학생들이 중심이 돼 질문하고 토론하며 그룹을 만들어 스스로 문제를 해결한다. 이 때 교수와 조교 2~4명은 교과목에 적합한 교수학습법으로 학생들과 상호작용한다.
이번 Education 3.0 프로그램을 위해 KAIST는 창의학습관에 강의시스템, 영상추적 시스템, A/V시스템, 원탁 책상, 글래스보드 등 최첨단 시설을 갖춘 전용강의실 1실을 구축했으며 학생들의 온라인 강의를 위한 학습플랫폼인 KLMS(KAIST Learning Mamagement System)도 개발 완료했다.
이와 같이 KAIST가 교육혁신을 향후 핵심 과제로 꼽은 데는 현재의 대량교육을 위한 ‘단방향 강의’ 방식으로는 미래사회와 기업이 요구하는 인재를 육성할 수 없다는 판단 때문이다.
이태억 KAIST Education 3.0 추진단장은 “대량교육을 위한 기존의 강의방식으로는 미래사회와 기업이 원하는 인재를 배출할 수 없다”며 “이공계 교육과 학습 방법이 문제해결능력과 창의성을 갖춘 인재를 배출 할 수 있도록 교수학습 패러다임이 변화돼야 한다”라고 말했다.
이 단장은 이어 “KAIST Education 3.0 프로그램은 최신 정보통신 기술을 활용해 교육 수요자인 학생중심의 학습법이며 대학 강의실 모습을 토론중심으로 바꾸는 미래지향적 학습법이다”라고 강조했다.
한편, 전 세계 일류대학들도 혁신적 교육개혁을 지속하고 있는 가운데 최근 매사추세츠공대(MIT)는 온라인에서 강의를 무상으로 공개하고 소정의 수업을 이수하고 시험에 통과하면 수료증까지 주는 MITX 프로그램 운영계획을 발표했다.
이를 통해 전 세계 모든 사람들은 세계 최고 수준의 고등교육 기회를 아무런 차별 없이 받을 수 있게 돼 MIT가 고등교육 혁명의 선두에 있다는 평가를 받고 있다.
-
연구 '뇌를 닮은 AI’ 개발.. 예측이 틀려도 한번 더 생각한다
인공지능은 이제 바둑을 두고, 그림을 그리고, 사람처럼 대화까지 한다. 하지만 결정적인 차이가 있다. AI는 인간의 뇌보다 훨씬 많은 전기를 써야 작동한다는 점이다. 과학자들이 오랫동안 던져온 질문은 이것이다. “뇌는 어떻게 이렇게 적은 에너지로도 똑똑하게 학습할 수 있을까?”우리 대학 연구진이 그 답에 한 걸음 다가섰다. 우리 대학은 뇌인지과학과 이상완 교수 연구팀이 인간 뇌의 학습 원리를 딥러닝에 적용해, 깊은 인공지능 모델도 안정적으로 학습시키는 새로운 기술을 개발했다고 1일 밝혔다. 우리 뇌는 세상을 수동적으로 받아들이지 않는다. 현재 벌어지는 일을 단순히 인식하는데서 그치지 않고‘다음에 무슨 일이 일어날까?’를 먼저 예측하고, 실제 결과가 다르면 그 차이(오차)를 줄이는 방향으로 스스로를 수정한다. 바둑에서 상대의 다음 수를 예상했다가 빗나가면 전략을 바꾸는 것과 비슷하다. 이 같은 정보처리 방식을 ‘예측 부호화(
2026-03-03 -
연구 AI에 가정교사 생겼다...사람의 선호를 더 정확히 배운다
아무리 많은 데이터를 학습해도, 인공지능(AI)은 왜 사람의 의도를 자주 빗나갈까? 사람의 선호를 이해시키기 위한 비교 학습은 오히려 AI를 혼란스럽게 만드는 경우도 적지 않았다. KAIST 연구진은 AI에게 ‘가정교사’를 붙이는 방식으로, 적은 데이터에서도 사람의 선호를 정확히 배우는 새로운 학습 해법을 제시했다. 우리 대학 전기및전자공학부 김준모 교수 연구팀이 인간의 선호를 효과적으로 반영하면서도 데이터 효율성과 학습 안정성을 크게 향상시킨 강화학습 프레임워크 ‘TVKD(Teacher Value-based Knowledge Distillation)’를 개발했다고 17일 밝혔다. 기존 인공지능 학습 방식은 “A가 B보다 낫다”는 식의 단순 비교(preference comparison) 데이터를 대량으로 수집해 학습하는 구조였다. 이 방식은 많은 데이터가 필요하고, 판단이 애매한 상황에서는 AI가 혼란에 빠지기
2025-12-17 -
연구 ‘뇌처럼 배우는 AI’ 가능성 열렸다...인간 전두엽의 학습 비밀 규명
사람은 갑작스러운 변화가 닥쳐도 금세 계획을 새로 세우고 목표를 조정하는 안정성과 유연성을 동시에 갖추고 있다. 그러나 이세돌 기사와 대국을 펼친 알파고를 비롯해 로봇 분야에 널리 사용되는 모델 프리 AI는 이러한 두 능력을 함께 구현하지 못한다. 우리 대 연구팀은 그 이유가 전두엽의 독특한 정보 처리 방식에 있으며, 이 원리가 ‘뇌처럼 유연하고 안정적인 AI’를 만들 핵심 열쇠가 될 수 있음을 규명했다. 우리 대학은 뇌인지과학과 이상완 교수 연구팀이 IBM AI 연구소와 함께 인간의 뇌가 목표 변화와 불확실한 상황을 처리하는 방식을 규명하고, 차세대 AI 강화학습이 나아가야 할 방향을 제시했다고 14일 밝혔다. 연구팀은 기존 강화학습 모델들이 목표가 바뀌는 상황에서는 안정성이 떨어지고, 환경이 불확실하면 유연성이 부족해지는 한계가 있지만 인간은 두 요소를 동시에 달성한다는 점을 집중했다. 연구팀은 이 차이가 전두엽이 정보를 표현하는 방식 자체에서 비롯된
2025-12-15 -
연구 개인정보 공유 없이 병원·은행에서도 통하는 연합학습 AI 개발
환자 진료기록이나 금융 데이터처럼 개인정보를 한곳에 모으기 어려운 문제를 해결하기 위해 ‘연합학습(Federated Learning)’이 고안됐다. 하지만 공동으로 학습한 AI를 각 기관이 자신의 환경에 맞게 최적화하는 과정에서, AI가 특정 기관 데이터에만 과도하게 적응해 새로운 데이터에는 취약해지는 한계가 있었다. 우리 대학 연구진은 이를 해결할 방법을 제시했으며, 병원·은행 같은 보안 분야는 물론, 소셜미디어·온라인 쇼핑처럼 변화가 잦은 환경에서도 안정적인 성능을 확인했다. 우리 대학은 산업및시스템공학과 박찬영 교수 연구팀이 연합학습의 고질적인 성능 저하 문제를 해결하고, AI 모델의 일반화(Generalization) 성능을 크게 향상시키는 새로운 학습 방법을 개발했다고 15일 밝혔다. 연합학습은 여러 기관이 데이터를 직접 주고받지 않고도 공동으로 AI를 학습할 수 있는 방식이다. 그러나 이렇게 완성된 공동 AI 모델을 각
2025-10-15 -
연구 로봇도 이제 사람처럼 고무줄을 풀고 전선 끼운다
로봇이 전선, 의류, 고무줄처럼 형태가 자유롭게 변형되는 물체를 다루는 기술은 제조·서비스 산업 자동화의 핵심 과제로 꼽혀왔다. 그러나 이러한 변형 물체는 모양이 일정하지 않고 움직임을 예측하기 어려워, 로봇이 이를 정확히 인식하고 조작하는 데 큰 어려움이 있었다. KAIST 연구진이 불완전한 시각 정보만으로도 변형 물체의 상태를 정밀하게 파악하고 능숙하게 다룰 수 있는 로봇 기술을 개발했다. 이번 성과는 케이블 및 전선 조립, 부드러운 부품을 다루는 제조업, 의류 정리와 포장 등 다양한 산업 및 서비스 분야의 지능형 자동화에 기여할 것으로 기대된다. 우리대학 전산학부 박대형 교수 연구팀이 탄성 밴드처럼 형태가 연속적으로 변하고, 시각적으로 형태를 구별하기 어려운 물체도 로봇이 능숙하게 다룰 수 있게 하는 인공지능 기술인‘INR-DOM(아이엔알-돔, Implicit Neural-Representation for Deformable Object Manipu
2025-08-21