- 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.
우리 대학은 지난 9일 개교 50주년을 기념하여‘KAIST 50주년 기념 창의학습관 증축공사 기공식’을 개최하고 본격적인 건립에 착수했다고 10일 밝혔다. 이날 기공식에는 이광형 총장을 비롯한 주요 보직자와 신성철 전 총장, 이윤태 총동문회장, 학부모, 교직원 등 주요 기부자가 참석해 자리를 빛냈다. 창의학습관은 KAIST 학부생과 대학원생들이 주로 강의를 듣는 공간으로, 다양한 수업과 강연이 열리는 교육의 중심지이다. 동시에 학생처를 비롯한 학생 지원 부서가 입주해 교육·상담·복지 기능을 아우르는 학생 중심 복합 공간으로 자리매김해왔다. 이번 증축은 단순한 교육시설 확장을 넘어, KAIST의 정체성과 미래 비전을 담은 ‘기부 랜드마크’로 조성된다. 창의융합 교육에 중점을 두어 설계된 이번 프로젝트는 교육, 교류, 복지 기능을 유기적으로 결합한 새로운 교육 허브 공간을 지향한다. 이번 캠페인에는 장병규 크
2025-07-10최근 텍스트 기반 이미지 생성 모델은 자연어로 제공된 설명만으로도 고해상도·고품질 이미지를 자동 생성할 수 있다. 하지만, 대표적인 예인 스테이블 디퓨전(Stable Diffusion) 모델에서 ‘창의적인’이라는 텍스트를 입력했을 경우, 창의적인 이미지 생성은 아직은 제한적인 수준이다. KAIST 연구진이 스테이블 디퓨전(Stable Diffusion) 등 텍스트 기반 이미지 생성 모델에 별도 학습 없이 창의성을 강화할 수 있는 기술을 개발해, 예컨대 뻔하지 않은 창의적인 의자 디자인도 인공지능이 스스로 그려낼 수 있게 됐다. 우리 대학 김재철AI대학원 최재식 교수 연구팀이 네이버(NAVER) AI Lab과 공동 연구를 통해, 추가적 학습 없이 인공지능(AI) 생성 모델의 창의적 생성을 강화하는 기술을 개발했다. 최 교수 연구팀은 텍스트 기반 이미지 생성 모델의 내부 특징 맵을 증폭해 창의적 생성을 강화하는 기술을 개발했다. 또한, 모
2025-06-19‘제2의 반도체’로 불리는 리튬이온 전지(LIB)는 가장 높은 시장 점유율로 에너지 저장 장치 시장을 주도하고 있지만, 화재에 취약하는 약점을 가지고 있다. 한국 연구진이 화재로부터 안전하고 값이 저렴한 아연 금속과 공기중의 산소로 구동되는 고에너지 밀도를 가진 고출력 차세대 전지를 개발했다. 우리 대학 신소재공학과 강정구 교수 연구팀이 연세대 한병찬 교수 연구팀, 경북대 최상일 교수 연구팀 및 성균관대 정형모 교수 연구팀과의 공동연구를 통해, 인공지능 기반 이종기능* 전기화학 촉매를 개발 및 촉매 활성 메커니즘을 규명하고, 고효율 아연-공기 전지를 개발했다고 4일 밝혔다. *이종기능: 충전(Charging) 동안에서의 산소 발생(OER) 기능과 방전(Discharging) 동안의 산소 환원 (ORR) 기능 최근 활발하게 연구가 진행되고 있는 아연-공기 전지 배터리의 음극에 사용되는 아연 금속과 공기극*에 필요한 공기는 자연에 풍부하다는 특성 때문에
2025-03-04우리 연구진이 인간의 인지 방식을 모방해 이미지 변화를 이해하고, 시각적 일반화와 특정성을 동시에 확보하는 인공지능 기술을 개발했다. 이 기술은 의료 영상 분석, 자율주행, 로보틱스 등 다양한 분야에서 이미지를 이해하여 객체를 분류, 탐지하는 데 활용될 전망이다. 우리 대학 전기및전자공학부 김준모 교수 연구팀이 변환 레이블(transformational labels) 없이도 스스로 변환 민감 특징(transformation-sensitive features)을 학습할 수 있는 새로운 시각 인공지능 모델 STL(Self-supervised Transformation Learning)을 개발했다고 13일 밝혔다. 연구팀이 개발한 시각 인공지능 모델 STL은 스스로 이미지의 변환을 학습하여, 이미지 변환의 종류를 인간이 직접 알려주면서 학습하는 기존 방법들보다 높은 시각 정보 이해 능력을 보였다. 특히, 기존 방법론들을 통해 학습한 모델이 이해할 수 없는 세부적인 특징까지도
2024-12-15새로운 물질을 설계하거나 물질의 물성을 예측하는 데 인공지능을 활용하기도 한다. 한미 공동 연구진이 기본 인공지능 모델보다 발전되어 화학 개념 학습을 하고 소재 예측, 새로운 물질 설계, 물질의 물성 예측에 더 높은 정확도를 제공하는 인공지능을 개발하는 데 성공했다. 우리 대학 화학과 이억균 명예교수와 김형준 교수 공동 연구팀이 창원대학교 생물학화학융합학부 김원준 교수, 미국 UC 머세드(Merced) 응용수학과의 김창호 교수 연구팀과 공동연구를 통해, 새로운 인공지능(AI) 기술인 ‘프로핏-넷(이하 PROFiT-Net)’을 개발하는 데 성공했다고 9일 밝혔다. 연구팀이 개발한 인공지능은 유전율, 밴드갭, 형성 에너지 등의 주요한 소재 물성 예측 정확도에 있어서 이번 기술은 기존 딥러닝 모델의 오차를 최소 10%, 최대 40% 줄일 수 있는 것으로 보여 주목받고 있다. PROFiT-Net의 가장 큰 특징은 화학의 기본 개념을 학습해 예측 성능을
2024-10-10