AI가 수학 교실에 들어왔다: 구글 딥마인드의 시에라리온 교육 실험

교육 현장에서 AI의 가능성은 무궁무진하지만, 실제 교실에서 그 효과를 입증할 엄격한 증거는 부족한 실정이었습니다. 2026년 6월, 구글 딥마인드(Google DeepMind)와 교육 비영리 단체 팹 AI(Fab AI)는 시에라리온에서 진행한 첫 무작위 대조 시험(RCT) 결과를 공개하며, AI 학습 도구가 교사와 협력할 수 있는 가능성을 생생하게 보여줬습니다 .

이번 연구에서 제미나이(Gemini)의 '가이디드 러닝(Guided Learning, 안내형 학습)' 모드를 수학 수업에 접목한 결과, 학생들의 시험 점수가 눈에 띄게 향상되었습니다. 하지만 동시에 중요한 뉘앙스도 드러났는데, 이미 수학을 잘하던 학생들이 가장 큰 혜택을 보았고, 교사들의 역할에도 변화가 필요했으며, 정교하게 설계된 개입은 AI 도구만의 효과로 단정 짓기 어렵다는 점입니다.

실험 설계 방식

이번 시험은 시에라리온 교육부와 협력하여 사전 등록된 두 집단 군집 무작위 대조 시험(preregistered, two-arm cluster-randomized controlled trial)으로 진행되었습니다. 2025년 10월 6일부터 12월 5일까지 8주 동안 포트로코(Port Loko) 지역의 정부 지원을 받는 중학교 12곳을 대상으로 했습니다 .

7, 8학년(만 13세 이상) 학생 1,763명이 48개 수학 교실에서 연구에 참여했습니다 . 각 학교와 학년 내에서, 수업 반은 제미나이 가이디드 러닝을 사용하는 실험군으로, 다른 반은 기존 수업을 유지하는 대조군으로 무작위 배정되었습니다. AI 도구의 효과가 교사의 질에 가려지지 않도록, 모든 교사가 동일하게 5~6시간의 교육을 받았습니다 .

목표 사용량은 8주 동안 주당 4회 수학 수업 중 2회에 AI 도구를 사용하여, 총 12시간의 가이디드 러닝을 실시하는 것이었습니다 .

네 단계로 짜인 특별한 수업 구조

이 실험은 단순히 학생들에게 챗봇을 쥐여준 게 아니었습니다. AI가 협력적 학습 과정의 파트너가 되도록 설계된 엄격한 교육적 틀을 따랐습니다.

1. 교사 주도 도입: 교사가 학습 목표를 설정하고 학생들의 사전 지식을 확인합니다.
2. 주요 짝 활동: 학생들은 하나의 기기로 두 명이 짝을 이루어 작업했습니다(학생 : 기기 비율 2:1). 여기서 핵심은 역할 분담이었습니다. '드라이버(운전자)' 는 질문을 입력하고, '내비게이터(항해사)' 는 필기를 하며 질문 방향을 이끌었습니다. 균형 있는 참여를 위해 매 수업마다 역할을 바꿨습니다.
3. 학급 토론: 배운 내용을 정리하는 시간을 가졌습니다.
4. 마무리 요약: 교사가 핵심 내용을 최종 정리해 주었습니다 .

교사들은 사전 준비로 학습 목표를 세우고, 시작 프롬프트를 작성했으며, 학생들이 제미나이와 상호작용할 발판이 되어줄 질문 틀을 칠판에 적어 두었습니다 .

결과: 눈에 띄는 향상, 그러나 모두에게 공평하진 않았다

실험은 통계적으로 유의미한 향상을 이끌어냈지만, 그 효과의 크기는 도구 사용 시간과 학생의 출발점에 따라 크게 달랐습니다.

지표	결과
ITT(의도-대-치료 분석)	가이디드 러닝을 사용한 학생들은 평균적으로 +0.258 표준편차(SD) 향상을 보였습니다. 이는 학생의 성적을 50 백분위에서 60 백분위로 끌어올리는 것과 같습니다 .
사용량-반응 관계	목표 사용량인 12시간 이상을 완료한 69%의 학생들은 +0.380 SD라는 더 큰 효과를 보였습니다. 사용 시간이 한 시간 늘어날 때마다 +0.016 SD의 추가 점수 향상이 있었습니다 .
기초 수학 능력	가장 주목할 점은, 수학 기초가 탄탄한 학생들이 훨씬 더 큰 혜택을 봤다는 것입니다. 기초 수학 능력이 1 표준편차 높을 때마다 AI의 학습 효과가 0.195 SD씩 증가했습니다 .
하위 그룹 분석	읽기 능력, 성별, 나이에 따른 차이는 유의미하게 나타나지 않았습니다 .

학생들은 실제로 어떻게 AI와 소통했나

이번 연구에서 가장 흥미로운 부분 중 하나는 11만 3천 건이 넘는 학생-제미나이 상호작용을 분석한 결과입니다. 이 분석은 AI가 '정답 기계'가 아닌 하나의 '튜터' 역할을 하고 있었음을 보여줍니다.

대부분의 대화, 즉 91.4% 는 수학적 이해에 집중되어 있었습니다 . 제미나이 자체 행동도 가이디드 러닝 기능에 의해 조정되었는데, 응답의 76.4%에서 발판 질문을 던져 스스로 생각하게 했고, 곧바로 정답을 알려준 경우는 2.1% 에 불과했습니다 .

학업 격차, 더 벌어질 위험

기초 성적이 좋은 학생들에게 효과가 집중된다는 발견은 연구진에게 큰 우려를 낳았습니다. 하위권 학생들을 위한 의도적인 전략 없이는, 이 기술이 기존의 교육 격차를 좁히기는커녕 오히려 더 확대할 수 있다는 것입니다 .

교사들이 경험한 변화

교사 대상 그룹 인터뷰의 정성적 피드백은 결과에 또 다른 맥락을 더해줍니다. 교사들은 학생들의 참여도가 눈에 띄게 높아지고 수업 토론이 활발해졌다고 보고했습니다 . 많은 교사가 제미나이를 수업 준비에 활용하며, 분수처럼 설명하기 까다로운 개념을 가르칠 새로운 방법을 찾기도 했습니다 .

무엇보다 교사들은 자신의 역할이 '강의자'에서 '퍼실리테이터(촉진자)'로 바뀌고 있음을 느꼈습니다. 교실을 돌아다니며 짝 활동을 하는 학생들을 지원하는 역할로 정체성이 변화한 것입니다 .

긍정적인 피드백만 있었던 것은 아닙니다. 일부 교사는 AI가 뜬금없는 주제를 꺼내거나, 계획된 진도를 나가는 속도를 늦추는 문제를 겪기도 했습니다 .

연구가 가진 중요한 한계

결과가 긍정적이긴 하지만, 연구진은 해석에 주의를 기울여야 할 몇 가지 한계를 명확히 짚었습니다.

• 묶음형 개입: 이번 실험은 가이디드 러닝에다 교사 교육, 새로운 수업 구조, 기기 보급, 교실 내 모니터링까지 함께 제공했습니다. 이 설계로는 AI 도구만의 단독 효과를 분리해낼 수 없습니다 .
• 일반화 가능성: 표본은 시에라리온의 한 지역구에서만 추출되어 국가 전체를 대표할 수 없습니다. 결과는 태블릿, 안정적인 인터넷, 교사의 준비도 등 유사한 인프라를 갖춘 학교에 가장 적용하기 적합합니다 .

글로벌 연구를 위한 청사진

시에라리온 실험은 시작에 불과합니다. 이는 구글 딥마인드와 팹 AI가 여러 교육 시스템에서 가이디드 러닝을 연구하기 위해 계획한 국제적 시리즈의 첫 번째 사전 등록 시험입니다 . 투명성과 확장성을 위한 움직임으로, 파트너사들은 이번 결과와 함께 교사 교육 자료와 신속 RCT 플레이북을 공개하여 다른 연구자와 교육 시스템이 활용할 수 있는 청사진을 제공했습니다 .