배움은 종종 하나의 이미지에서 시작됩니다. 도해나 지도, 풀이 과정을 보여 주는 예시처럼 말입니다. 이 2024년 연구에서는 AI가 이런 이미지를 만들고 사용하는 방식을 어떻게 바꿀 수 있을지 묻습니다. 가능성은 더 많은 수업에 그림을 넣는 데 그치지 않습니다. 학습자가 스스로 이해하기 위해 생각할 여지를 남기면서, 질문에 반응하는 시각적 설명을 만드는 데 있습니다.

학습자가 막히는 지점에서 도해가 단순해지거나, 다른 층을 드러내거나, 새로운 예시를 보여 줄 수 있습니다. AI 학습 도우미가 특정 어려움에 맞는 연습 문제를 만들 수도 있겠지요. 이때 필요한 것은 학생을 고정된 학습 유형으로 분류하는 일이 아니라, 사전 지식과 속도, 접근성을 살피는 일입니다. 더 매력적인 이미지가 반드시 더 나은 설명은 아닙니다. 중요한 것은 학습자가 그 개념을 독립적으로 활용할 수 있는가입니다.

교사는 AI로 자료를 준비하고 예시를 조정하며 일부 반복적인 행정 업무를 줄일 수 있습니다. 아낀 시간을 토론과 개별 피드백에 쓸 수 있겠지만, 생성된 내용을 확인하는 데도 일이 필요합니다. 학습 데이터는 어려움을 찾는 데 도움이 될 수 있으나 클릭 수나 화면을 본 시간을 이해도와 혼동해서는 안 됩니다. 예측은 교사가 더 알아보도록 돕는 단서여야지, 학생의 미래를 프로필에 고정하는 수단이어서는 안 됩니다.

VR과 AR, 상호작용형 모형을 통해 구조를 탐색하고 실험 조건을 바꾸거나 역사적 재구성을 살펴볼 수 있을 것입니다. 언어 수업에서는 단어를 장면과 문화적 맥락에 연결할 수도 있겠지요. 이때 근거와 해석, 창작의 경계를 분명히 해야 합니다. 몰입감 있는 장면은 정확하지 않아도 기억에 남을 수 있으며, 하나의 문화를 알아보기 쉬운 이미지 모음으로 축소할 수는 없습니다.

도서관과 시각 자료 아카이브에서는 언어와 분야를 넘나드는 검색이 쉬워질 수 있습니다. 학생은 서로 다른 공동체가 같은 개념을 어떻게 표현하는지 비교하며 과학과 역사, 예술을 연결할 수 있을 것입니다. 번역과 생성된 예시는 참여를 넓히는 동시에 지배적인 관습을 반복할 수도 있습니다. 출처와 지역의 시각, 다른 해석이 획일적인 시각 어휘 속에 녹아 사라지지 않도록 드러내야 합니다.

시각 작업에 대한 피드백도 한 가지 가능성입니다. 시스템이 읽기 어려운 글자를 지적하거나 구성을 다시 생각해 보도록 제안할 수 있습니다. 그러나 창의성을 최종 판정하는 심판이 되어서는 안 됩니다. 유사도 점수 역시 표절의 증거로 간주할 수 없습니다. 스케치와 출처, 선택의 이유를 이야기하면 학생이 자신의 과정을 설명하고 도구의 도움과 창작의 주체를 구분하는 데 도움이 될 것입니다.

자막과 음성 해설, 조절 가능한 배치, 대체 조작 방식은 평생학습을 포함해 접근 기회를 넓힐 수 있습니다. 게임 형식의 연습도 단순히 계속 사용하도록 보상하기보다 학습 내용을 뒷받침한다면 도움이 될 것입니다. 이런 선택은 다양한 학습자와 검증해야 합니다. 기기 비용과 교사에게 도움받을 기회, 학습 데이터의 사생활 보호도 디자인의 과제로 남습니다.

저는 이미지를 만드는 것만큼 이미지에 질문하는 법을 가르치는 데 가장 큰 가능성이 있다고 봅니다. 누가 이 표현을 만들었고, 무엇을 빠뜨렸으며, 어떻게 다르게 보여 줄 수 있을까요? AI는 이어받은 시각 문화의 언어를 여러 분야에서 더 쉽게 쓰도록 도울 수 있습니다. 교육에는 여전히 그 언어를 선택하고 해석하고 비판하는 판단력을 기를 책임이 있습니다.