이것은 게이츠의 최근 인터뷰에 관한 Luminis의 노트에, 독립적인 연구의 인용을 하나씩 덧붙인 글이다. 영상의 해당 구간 보기 →. 덧붙여: 이 글은 어제 공개한 《인지 부채와 학습된 무력감》과 나란히 읽어 주면 좋겠다. 두 글은 짝이다. 저쪽은 AI가 학습에 지우는 비용에 관한 글, 이쪽은 교육에서 실제로 효과가 있다고 알려진 방법에 관한 글이다.
## 1. 「높은 기대가 이기고 있다」
에즈라 클라인의 방송에서 게이츠는 영국을 이름으로 지목했다. 기초로 돌아가 읽기를 엄격하게 가르친 결과, 영국은 PIRLS 국제 읽기 평가에서 2016년 세계 8위에서 2021년 세계 4위로 올라섰다. 그의 원문은 이렇다. "High expectations is winning out over free form creativity."
이것은 구호가 아니다. 독립적인 증거의 사슬이 단단하다. KIPP 차터 스쿨 네트워크는 80퍼센트가 저소득층, 95퍼센트가 흑인 혹은 라틴계 학생을 가르친다. 엘리트 집단이 아니다. Mathematica의 다년 평가는 미국 교육부 What Works Clearinghouse에서 최상위 근거로 분류되는데, KIPP 8학년 학생들이 같은 속성의 대조군과 비교해 수학에서 약 0.9년, 읽기에서 약 0.67년을 더 배웠다는 것을 보여 주었다. KIPP의 중학교와 고등학교를 모두 다닌 학생들은 대학 졸업률이 약 19퍼센트 포인트 상승했다. IES Evidence Snapshot · Mathematica 대학 추적 연구에 관한 Chalkbeat 기사.
한 겹 더 깊이. 학습된 무력감의 반대는 학습된 자기 효능감이다. 마틴 셀리그먼의 후반생, 긍정 심리학의 핵심 발견은, "내가 움직였고, 결과가 따라왔다"는 체험을 반복하는 것이, "나는 안 된다"는 기본 결론을 다시 쓸 수 있다는 것이다. 받침이 있는 높은 기대의 학교는, 학교 규모에서 이런 체험을 양산하는 장치이다.
## 2. 좋은 교사의 크기
게이츠는 게이츠 재단 1기 교육 목표에서 미달한 부분이 교사 질에 관한 쪽이었다고 인정한다 (반면 글로벌 보건 목표는 초과 달성). 학습이 왜 떨어지고 있는지에 대해서는 그는 여지를 남겼다. 그러나 교사 질 자체의 숫자는 여지가 없다.
스탠퍼드의 에릭 하누셰크가 수십 년에 걸쳐 정량화한 결론은 안정적이다. 교사 질이 1 표준편차 높으면, 학생의 연간 학습량은 0.2에서 0.3 표준편차 높아진다. 바꿔 말하면, 25퍼센타일 교사를 75퍼센타일 교사로 바꾸면, 중앙값의 학생은 약 59퍼센타일로 밀려 올라간다. 경제적 추정: 좋은 교사는 약한 교사에 비해, 20명 학급 1년에 학생의 미래 소득을 약 40만 달러 더 창출한다. NBER Working Paper 16606.
존 하티가 800편이 넘는 메타 분석을 종합한 작업(5만 편의 연구, 8천만 명의 학생)은 시야를 더 넓힌다. 교사 명료성(학습 목표를 평이하게 말하기)의 효과 크기는 약 0.75, 피드백은 약 0.70, 직접 교수는 약 0.60. 이 지표 자체에 대한 간단한 설명은 appendix: effect size에 있다.
## 3. 고강도 튜터링
게이츠는 뉴욕시의 AI 보조 수업 소규모 시범을 언급했다. 학생이 십 분 이내에 몇 문제에 답하면, 교사는 그 자리에서 반 전체가 어느 개념에서 막혔는지 볼 수 있다는 이야기였다. 그는 교육의 만성적 문제도 지적한다. 작은 규모에서 빛나던 것이, 규모가 커지면 사라진다.
그러나 AI가 아닌, 사람의 고강도 튜터링은 메타 분석에서 거듭 확인되었다. 2024년 10월의 EdWorkingPaper는 약 백 건의 무작위 비교 시험을 종합했다. 주 3회 이상, 소그룹이나 1대1, 훈련된 튜터에 의한 고강도 튜터링은 수학과 읽기에서 약 0.3에서 0.4의 효과 크기를 낳는다. 이는 현대 교육 개입의 상위권에 든다. EdWorkingPaper, October 2024.
AI 버전이 같은 효과 크기에 도달할지는 아직 열린 질문이다. 그러나 학생에게 특정 주제로 매일 15분, 질 높은 1대1 지도를 더해 주는, 사람 버전은 이미 풀린 문제다.
## 4. 학습 후퇴는 추측이 아니다
게이츠의 한 문장, "미국을 포함한 대부분의 부유한 나라에서, 아이들은 십 년 전, 이십 년 전보다 덜 배우고 있다"는 미국의 NAEP 2024에서 확인되었다. 4학년과 8학년의 수학 점수는 2000년대 초의 수준으로 돌아갔다. 읽기는 역사적 최저에 이르렀다. NAEP Nation's Report Card.
이것은 팬데믹만으로 설명되지 않는다. 게이츠 본인도 그렇게 말했다. 정직한 답은 코로나 너머로 가야 한다. 휴대폰, 주의 경제, 가정의 독서 시간 붕괴, 교사 이탈, 모두 같은 식탁에 올라 있다.
## 5. 「소셜 미디어는 언제나 아이들에게 행해진 실험처럼 느껴진다」
게이츠는 아이에 대한 AI 규제를 어른에 대한 규제보다 더 엄격하게 하자고 주장한다. 원문은 이렇다. "Social media always feels like an experiment we ran on kids." 그의 방식은 전면 금지가 아니다. 감시와, 보호자의 가시성, 그리고 나이에 따른 조정이다. 어린 아이에게는 보호자가 대화를 볼 수 있다. 청소년에게는 사적 영역이 넓어지지만, 가드레일은 남는다.
Luminis의 게이츠 삼부작에서는 중국의 미성년 가상 동반자 금지, 영국과 호주의 최근 보호를 이미 다뤘다. 이번에 게이츠는 미국 맥락에서 방향을 더 분명히 했다. 필요한 것은 보호자용 감시 도구와 아이 전용 규칙이지, 만능 스위치 끔이 아니다.
## 맺음 · 우리는 안다
높은 기대, 좋은 교사, 고강도 튜터링, 학습 손실에 대한 정직한 대면, 아이 우선 규칙, 이것들을 한 줄로 꿰면, 무엇이 효과가 있는지, 우리는 이미 데이터를 가지고 있다는 결론이 된다. 이것은 "어느 이론을 믿을 것인가"의 논쟁이 아니다. "이번 한 주, 어느 한 수부터 움직일 것인가"의 질문이다.
부모라면, 다음 주 아이의 숙제에서 AI 단축키를 하나 치우고, 처음부터 끝까지 함께 초안을 보라. 그리고 어떻게 생각했는지 물어보라. 교사라면, 오늘 한 개념을 "분명히 말하기" 위해 2분을 더 쓰라. 하티의 0.75 효과 크기는 바로 그 동작을 기다리고 있다. 학교와 정책을 이끄는 사람이라면, 아이를 보호할 창은 국가 통일 규제보다 작고, 더 빨리 열린다.
모든 걸음마다, 데이터가 있다.