새로운 문화예술교육 프레임워크를 향한 국제사회의 움직임

2023 유네스코 다자회담 리뷰

문화예술교육에 대한 유네스코와 국제사회 관계자들의 굵직한 논의는 2006년으로 거슬러 간다. 제1회 유네스코 세계예술교육대회가 포르투갈 리스본에서 열렸고 ‘예술교육 로드맵’이 결과물로 도출되었다. 이후 2010년에 서울에서 제2회 대회가 개최되었고 우리에게 어느 정도 익숙한 「서울어젠다: 예술교육 발전목표」가 그 결과물이었다. 이후 비교적 잠잠했던 문화예술교육의 중요성과 가치에 대한 국제적 논의가 다시금 급부상하고 있다. 현재 기준으로 2023년 12월, 아랍에미리트(UAE)에서 제3차 세계문화예술교육대회가 개최될 예정이다. 동시대 사회문화 등 변화에 발맞춰 그간의 어젠다를 ‘문화예술교육 프레임워크’로 개정하기 위해 여러 전문가와 관계자들이 다양한 층위의 논의를 이어가고 있다. 유네스코 문화섹터와 교육섹터가 협력하는 유례없는 움직임인 만큼 어젠다 세팅 과정과 방식, 향방에 귀추가 주목된다.

프레임워크 개정과 한국의 적극적 기여

서울어젠다가 제36차 유네스코 총회에서 만장일치로 채택된 것을 기념하며 매년 5월 넷째 주를 세계문화예술교육 주간으로 선포 후 국제적으로 혹은 국가별로 다양한 방식으로 이를 옹호하고 축하하고 있다. 한국도 그간 11회의 주간을 기념하며 문화예술교육 정책사업의 성과를 국내외로 알리는 다양한 행사를 시행해 왔다. 올해 주간행사 기간에 한국은 문화예술교육 프레임워크 개정 작업 과정의 일환으로 프랑스 파리 유네스코 본부에서 열린 ‘유네스코 다자회담’에 참여했다. 유네스코가 공개한 제3차 세계대회와 프레임워크 완성까지의 여정은 다음과 같다.

한국은 2022년 주간행사 기간 서울에서 프레임워크 개정 초기 단계인 국제 전문가 회의를 지원했고, 올해 초 지역별 전문가 회의 중 아시아 태평양 그룹에 참여했다. 지난 5월에는 다자회담에 참석하여, 문화체육관광부의 개막식 환영사를 시작으로 이틀간 회담 내 핵심 주제 세션 발제, 한국 세션 및 한국 주도 리셉션, 문화예술교육 정책사업의 성과를 알리는 홍보부스 운영 등 각 주요 요소별로 적극적으로 의견을 개진하며 기여하였다. 「제2차 문화예술교육 종합계획」과 한국문화예술교육진흥원의 중장기 비전·전략, ‘미래 문화예술교육 포럼’이 프레임워크 주요 흐름과 결이 다르지 않고, 2000년대 초반부터 문화예술교육 선도국으로서 입지를 다져왔기 때문에 국제사회가 공동의 어젠다 세팅을 위한 한국의 주도적 참여에 거는 기대가 크다.

프레임워크 10대 핵심 주제

문화예술교육 프레임워크는 변화하는 사회문화적 환경을 고려하여 10개 주제를 아우르며 논의되고 있다. 이번 다자회담에서는 다음과 같이 핵심 주제를 추려 동시다발 세션으로 분야별 전문가의 견해를 들었고 과제와 성찰 지점을 정리해 프레임워크 초안이 마련될 예정이다: ▲접근과 포용 ▲맥락적 학습 ▲창의성과 창조경제 ▲회복과 웰빙 ▲평생학습 ▲교사와 교육자 ▲디지털 기술과 AI ▲파트너십 ▲정책과 시스템 ▲옹호, 지식공유, 연구.

한국은 포괄적으로 펼쳐진 10개의 주제 중에서 ‘디지털 기술과 AI’ 세션을 중심으로 발언을 이어갔고, <미래세대를 위한 창의적 행동: 디지털 AI, 혁신>이라는 주제로 별도의 세션을 마련해 다양한 사례와 도전과제를 논의했다. 용어의 정의나 개념별 범주를 해석하는 데는 국가나 지역별 차이가 존재했지만, 다자회담에 참석한 200여 명의 문화예술교육 이해관계자들은 제시된 10개 주제는 상호 연계하여 논의하지 않을 수 없고, 중요도나 우선순위 없이 문화예술교육을 논하는 데 필수적인 요소임은 틀림없다는 점에 동의했다.

한국도 예외는 아니다. 「문화예술교육 지원법」 제정 이후 18여 년간 창의성, 치유와 웰빙, 회복과 돌봄, 디지털과 융합 등을 주제로 학교-사회-지역을 연결하고 ‘모든 국민이 전 생애에 걸쳐 누리는’ 문화예술교육을 위해 다양한 거버넌스와 기반을 구축하며 노력해 왔다. 정부-시민사회-민간과의 다차원적인 거버넌스 구축은 무엇보다 중요한 요소로 고려되었다. 문화예술교육자의 양성, 지식공유와 연구, 그리고 국내외 옹호 활동 등 기반 구축을 위한 다양한 활동도 개진해 왔다.

앞으로 미래 문화예술교육의 방향과 국제사회의 새로운 어젠다에 조응하며 한국에서 열리게 될 다양한 주제별 논의의 결과가 주목된다. 한국의 성과와 과제, 경험과 통찰들이 국제사회로 공유될 기회이기 때문이다. 문화예술교육 현장에 직접 적용될 수 있는 실질적인 행동을 촉구하는 국제사회의 요구에 한국이 그간의 성과와 과제들을 공유할 수 있는 또 하나의 기회가 될 것이다.

새로운 국제사회의 움직임, 문화예술교육의 역할

문화예술교육 프레임워크 개정과 더불어 UN의 지속가능발전목표(SDGs) 내 ‘문화’를 포함하기 위한 각고의 노력 또한 동시다발적으로 일어나고 있다. (SDGs는 2015년 UN에서 2030년까지 달성하기로 설정한 인류 공동의 목표 17개다. 교육은 목표 4번에 있으나 현재 문화는 부재하다. 2025년을 기점으로 2030년 이후 SDGs 개정 버전에 문화를 삽입하기 위해 유네스코를 포함한 주요 관계자들이 힘쓰고 있다.)

지금 세계는 코로나19나 러시아-우크라이나 전쟁, 기후변화와 같이 위기에 대응하는 창의적 행동을 위해 지혜를 모으고, 미래세대를 위한 새로운 교육이 필요하다. 그 중추적 역할을 문화예술교육에서 찾고자 하는 국제사회의 행보에 어느 때보다도 문화예술교육의 근본적 가치와 영향력을 공감하는 연대와 협력을 강조하는 목소리가 모아지고 있다. 프레임워크를 기점으로 다시 한번 새롭게 펼쳐질 문화예술교육 전문가들의 활약과 문화예술교육의 실질적인 행동에서 펼쳐지는 사회적 가치 발현을 기대해 본다.

AI 사고를 위한 인공지능 교육  / 한선관 외

006.3 한53ㅇ   자연과학열람실(4층)

책소개

미래 교육의 핵, 인공지능 교육의 청사진을 제시한다!
인공지능 교육의 논리적 모델을 제시, 과학적·체계적으로 AI 교육에 접근!

AI 사고를 위한 인공지능 교육

미래 교육의 핵심 코드는 단연 인공지능이다. 교육부가 올해 상반기 중 미래 교육 추진단을 신설하기 위해 분주한 것은 물론 최근 유은혜 교육부 장관이 발표한 미래 교육을 이끄는 데 필요한 다섯 가지 정책 중 AI 교육 활성화도 포함된 바 있다. 이와 같이 시급하고 중차대한 인공지능 교육을 위해 각급 학교, 교사, 교육대학원에서 제대로 된 역량을 갖춘 교사를 양성하기 위해 마련된 인공지능 교육에 새로운 표준을 마련하기 위해 집필된 교재가 바로 이 책이다.

인공지능 교육의 권위자로 인공지능 교육 프레임워크를 개발하고 인천시 교육청과 인공지능 교육 발전 협약을 맺는 등 활발하게 활동 중인 한국인공지능교육학회의 한선관 학회장(경인교대 컴퓨터교육과 교수) 주도로 미래인재연구소의 교사들과 인공지능교육연구소의 멤버들이 참여해 완성된 이 책은 인공지능 교육의 가이드라인을 제시할 뿐 아니라 인공지능 교육의 논리적 모델과 인공지능 교육의 표준화를 위한 기초 자료를 제시하는 포괄적인 내용을 담고 있다. 또, 인공지능의 기초 학문과 컴퓨터 과학에 대한 내용을 바탕으로 인공지능의 주요 개념과 기술을 안내하며 다양한 인공지능의 교육 접근 방법으로서 이해 교육, 활용 교육, 가치 교육을 제시한다. 특히 실제 인공지능을 현장 교육에 적용하기 위한 교육 방법과 수업 사례를 제시한다.

이 책은 인공지능 교육을 다양하게 준비하고 있는 교육자나 연구자, 관심 있는 학생들에게도 새로운 이정표가 될 것으로 보인다.

목차

추천의 글
추천사
저자 약력
머리말
인공지능 교육의 가이드라인

1부 인공지능 사회
1. 인공지능의 시대
2. 생활 속 인공지능
2.1 인간에게 도전장을 내미는 인공지능
2.2 인공지능 심사위원
2.3 창의성을 발휘하는 인공지능
3. 세상을 바꾸는 인공지능
3.1 인공지능으로 바뀌는 사회의 통계적 접근
3.2 인공지능과 직업
4. 인공지능의 영향
4.1 AI 시대를 대비하는 인류
4.2 인공지능의 미래
4.3 직업과 인공지능의 일자리 대체

2부 교육과 인공지능
1. 국가 경쟁력, 인공지능
2. 사활을 건 인공지능 인재 양성
3. 국외의 인공지능 교육 사례
4. 국내의 인공지능 교육 정책
5. 인공지능 교육의 필요성
6. 인공지능 교육 도입의 근거
7. 인공지능 교육의 접근
8. 인공지능 교육을 바라보는 다양한 관점
9. 인공지능 교육의 유형
10. 인공지능 통합 교육 모형
11. 인공지능 교육이 추구하는 사고력
12. 인공지능 사고의 필요성
13. 컴퓨팅 사고력과 인공지능 사고력
14. 인공지능 사고력의 정의
15. 인공지능 사고력의 확장
16. 강(초)인공지능 시대를 대비하는 교육
17. 모두를 위한 인공지능 교육

3부 인공지능의 지식 체계
1. 인공지능의 기초
1.1 인공지능의 역사
1.2 인공지능과 인간 지능
1.3 에이전트 모형
1.4 인공지능과 소프트웨어
1.5 인공지능의 기초 지식
1.6 인공지능 알고리즘과 활용 분야
1.7 인공지능의 영역
1.7.1 내적 기능
1.7.2 외적 기능
1.7.3 상호작용
1.8 인공지능과 학문적 체계의 구성도
2. 기계 탐색: 문제와 탐색
2.1 문제와 해답, 상태
2.2 무작위적 탐색 방법
2.2.1 너비우선 탐색
2.2.2 깊이우선 탐색
2.2.3 깊이제한 탐색
2.2.4 양방향 탐색
2.3 정보를 사용하는 탐색 전략들
2.3.1 그리디 알고리즘
2.3.2 에이스타(A*) 알고리즘
2.4 최적화 탐색 전략
2.4.1 언덕 오르기 탐색
2.4.2 유전 알고리즘
2.5 게임 탐색
2.5.1 최소-최대 알고리즘
2.5.2 몬테카를로 알고리즘
2.6 제약 조건 만족 문제(백트래킹 탐색)
2.7 그 외의 탐색과 탐색 문제
3. 기계 추론: 지식과 추론
3.1 지식 기반 인공지능의 구성 요소
3.2 프레임
3.3 논리
3.3.1 명제 논리
3.4 의미망
3.5 계획 수립
3.5.1 계획 수립의 알고리즘
3.5.2 계획 수립 문제의 형태
3.5.3 계획 수립 그래프
3.5.4 그 밖의 언어들
3.6 불확실성
3.6.1 불확실성의 기본적인 확률
3.6.2 베이즈 정리
3.7 확률적 추론
3.8 의사결정
4. 기계학습: 자료와 학습
4.1 기계학습 개요
4.2 지도학습
4.2.1 회귀
4.2.2 선형회귀
4.2.3 로지스틱 회귀
4.2.4 결정 트리
4.2.5 SVM
4.2.6 랜덤 포레스트
4.2.7 나이브 베이즈
4.3 비지도학습
4.3.1 K-Means
4.3.2 가우시안 혼합 모델
4.3.3 주성분 분석
4.3.4 인공 신경망
4.3.5 딥러닝
4.3.6 합성곱 신경망
4.4 강화학습
4.4.1 MDP와 MRP
4.4.2 A3C
4.5 빅데이터
5. 데이터 과학: 자료와 과학
5.1 데이터 과학의 학문 분야
5.2 데이터 과학의 절차
5.3 데이터 과학 분야의 전문가 유형
5.4 데이터 과학의 도구
5.5 데이터 과학과 BI(비즈니스 인텔리전스)의 차이점
5.5.1 데이터 과학의 응용 분야
5.6 데이터 과학과 머신러닝의 주요 차이점
6. 기계 인식: 감각과 인식
6.1 패턴 인식
6.2 영상 형성
6.2.1 기본 영상 감지
6.3 영상 처리
6.3.1 모서리 검출
6.3.2 텍스처
6.3.3 광학 흐름
6.3.4 영상 분할
6.4 물체 인식
6.4.1 HOG
6.4.2 R-CNN
6.4.3 YOLO & SSD
6.5 3차원 세계
6.6 음성 인식
7. 자연어 처리: 언어와 소통
7.1 언어 분석의 확률적 접근
7.2 NLP의 주요 아이디어 - 텍스트 분류
7.3 자연어의 특징과 자연어 처리 구성 요소
7.3.1 형태학적 분석 및 어휘 분석
7.3.2 구문 분석
7.3.3 의미 분석
7.3.4 담화 통합과 실용적 분석
7.4 딥러닝 기반 자연어 처리
7.5 화자 인식
8. 로보틱스: 행동과 작용
8.1 로봇의 하드웨어
8.1.1 로봇의 센서
8.1.2 로봇의 구동기
8.2 로봇의 지각
8.2.1 위치 결정
8.2.2 지도 작성
8.3 로봇 계획 수립
8.4 로봇 소프트웨어
9. 인공지능 이슈: 인공지능과 인간, 사회적
영향
9.1 약인공지능과 강인공지능
9.2 의식과 감각질
9.3 인공지능의 윤리적 문제
9.3.1 책임성: 첵임의 주체
9.3.2 투명성: 설명 가능 인공지능, 활용의
투명성
9.3.3 공정성: 데이터 편향성, 활용 공정성
9.3.4 기타 윤리적 문제

4부 인공지능을 이해하는 교육
1. AI 이해 교육의 개요
2. 소프트웨어 교육과 AI 이해 교육과의 관계
2.1 AI 이해 교육에서 요구하는 인재상과 학습자 역량
2.2 AI 이해 교육에서 추구하는 역량
2.3 AI 이해 교육의 목표
3. AI 이해 교육과정의 설계 유형
4. AI 이해 교육의 내용 체계
4.1 AI 이해 교육의 세 가지 대영역
4.1.1 ‘지능 발현’ 영역
4.1.2 ‘상호작용’ 영역
4.1.3 ‘사회 영향’ 영역
4.2 3영역의 학습을 위한 일곱 가지 대주제
4.3 AI 이해 교육을 위한 표준 프레임워크
5. AI 이해 교육 과정의 설계 방안
6. AI 이해 교육의 방법
6.1 지식 신장을 위한 교수·학습 모형
6.2 기능 신장을 위한 교수·학습 모형
6.3 태도를 위한 교수·학습 모형
7. AI 이해 교육 계층별 교수·학습 전략
8. AI 이해 교육의 평가

5부 인공지능을 활용하는 교육
1. AI 활용 교육의 개요
2. AI 활용 교육을 통한 역량 신장
3. 교육 주체와 AI 활용 교육
4. AI 활용 교육을 위한 도구
5. AI 활용 교육의 유형
5.1 AI 교과 활용 교육
5.2 AI 융합 교육(STEAM 교육)
5.3 AI 기반 교육
5.4 교육 정책 업무의 AI 활용
6. AI 교과 활용 교육
6.1 음악 교과 AI 활용 교육 예시
6.1.1 음악 교과의 성격
6.1.2 음악 교육의 목표
6.2 각 교과별 AI 활용 교육 사례
6.2.1 도덕(윤리) 교과 AI 활용 교육
6.2.2 국어 교과 AI 활용 교육
6.2.3 수학 교과 AI 활용 교육
6.2.4 사회 교과 AI 활용 교육
6.2.5 과학 교과 AI 활용 교육
6.2.6 체육 교과 AI 활용 교육
6.2.7 미술 교과 AI 활용 교육
6.2.8 실과(기술·가정) 교과 AI 활용 교육
6.2.9 영어 교과 AI 활용 교육
7. AI 융합 교육
7.1 AI 서비스를 활용한 산업 융합 프로젝트의 절차
7.2 산업 융합 문제해결 수업 사례: 자동차 운전 지원
8. AI 기반 교육(온라인 교육 시스템, 에듀테크)
8.1 AI와 에듀테크의 만남
8.2 교육에서의 AI 활용 영역
8.2.1 대학교의 활용 사례
9. 교육 정책 업무의 AI 활용
9.1 교육 정책에서 AI를 활용하기 위한 다양한 변수와 요인
9.2 교육 정책에서 AI 활용 사례
10. AI 활용 교육을 위한 통합 플랫폼

6부 인공지능을 바라보는 교육
1. AI 가치 교육의 개요
2. AI 윤리에 대한 초창기 연구
3. 산업 분야별 AI 윤리 이슈
3.1 제조 분야: 자율주행자동차
3.2 금융 분야: 로보어드바이저
3.3 의료 분야: 건강 의료
3.4 군사 분야: 자율 무기 체계
4. AI 윤리의 국내외 사례
5. AI 가치 교육의 접근
5.1 국내외의 AI 윤리 교육 현황
6. AI 가치 교육의 주제 구성
6.1 AI 가치 교육의 다양한 주제 구성
7. AI 가치 교육의 모델
8. 인간 중심, 선한 AI
8.1 건강을 위한 AI 프로젝트
8.2 지구 환경을 위한 AI 프로젝트
8.3 장애인을 위한 AI 프로젝트
8.4 문화 유산을 위한 AI 프로젝트
8.5 인도주의를 위한 AI
9. 책임성, 책임 있는 AI
10. 투명성, 설명 가능한 AI
10.1 설명 기법의 네 가지 모드
10.2 설명 가능한 AI 모드의 개발 방법
11. 개인정보보호 vs. 데이터 3법
11.1 정보통신망법 개정안
11.2 신용정보법 개정안
12. 공정성과 비차별성
12.1 알고리즘 도덕성
13. 안정성과 신뢰성

7부 인공지능 수업의 실제
◈ AI 수업의 유형과 접근 방법
1. AI 지식 중심의 수업
1.1 지식 중심 수업 1: AI 인지 모델링 수업
1.1.1 AI 인지 모델링 수업 전략 - 커넥티드 전략
1.1.2 AI 인지 모델링 수업 단계
1.2 지식 중심 수업 2: AI 개념 형성 수업
1.3 지식 중심 수업 3: AI 발견 탐구 수업
1.4 지식 중심 수업 4: AIT 사고 기반 수업(SW·AI 연계 수업)
2. AI 기능 중심 수업
2.1 AI 기능 중심 수업 1: AI 교육 플랫폼을
활용한 프로그래밍 수업
2.2 AI 기능 중심 수업 2: 데이터 분석 프로그래밍 수업
2.3 AI 기능 중심 수업 3: AI 프레임워크를 활용한 프로그래밍 수업
2.4 AI 텐저블 컴퓨팅 수업 1: AI 엣지 컴퓨팅
2.5 AI 텐저블 컴퓨팅 수업 2: AI 메이커 활동
2.6 AI 텐저블 컴퓨팅 수업 3: AI 로봇 활용
3. AI 태도 중심 수업
3.1 AI 태도 중심 수업 1; 기술 중심 수업
3.2 AI 태도 중심 수업 2; 사회 중심 수업
3.3 AI 태도 중심 수업 3: 윤리 중심 수업

8부 인공지능 교육 실습을 위한 지원
1. AI 교육을 위한 실습 자원의 유형
2. 범용적인 AI 상용 플랫폼
2.1 구글 AutoML
2.2 슈퍼어노테이트
2.3 애플 CreateML
2.4 프릿츠 AI
2.5 런웨이ML
2.6 Obviously AI
2.7 MakeML
2.8 페이스북
2.9 아마존
2.10 마이크로소프트
2.11 IBM
2.12 네이버
3. AI 챗봇 플랫폼
3.1 AI 챗봇 플랫폼의 종류
3.1.1 다이얼로그플로우
3.1.2 매니챗
3.1.3 챗봇닷컴
3.1.4 챗퓨얼
3.1.5 모바일멍키
3.1.6 프레시챗
4. AI 교육을 위한 특화 플랫폼
4.1 플랫폼의 종류
4.1.1 ML4Kids
4.1.2 티처블 머신
4.1.3 코그니메이트
4.2 AI 체험형
4.2.1 플레이그라운드 텐서플로
4.2.2 위드 구글 AI 실험실
4.2.3 오토드로우
4.2.4 퀵드로우
4.2.5 마젠타
4.2.6 컴퓨터 비전
4.2.7 이미지 자동 편집
4.2.8 단어 인식 게임
4.3 교육용 프로그래밍 언어 도구
4.3.1 EPL
4.3.2 스크래치
4.3.3 엔트리
4.3.4 엠블록
4.3.5 딥 아이(Deep AI)
5. AI 개발을 위한 프로그래밍 언어
5.1 프로그래밍 언어의 종류
5.1.1 Python
5.1.2 R
5.1.3 LISP
5.1.4 Prolog
5.1.5 C/C++
5.1.6 Java
5.1.7 Javascipt
5.1.8 Julia
5.1.9 기타 프로그래밍 언어
5.2 대표적인 AI 프레임워크 라이브러리
5.2.1 Theano
5.2.2 Tensorflow
5.2.3 Keras
5.2.4 Lasagne
5.2.5 Caffe
5.2.6 Deep Learning 4j
5.2.7 MxNet
5.2.8 Torch
5.2.9 CNTK
5.3 파이썬 핵심 라이브러리와 도구들
5.3.1 Numpy
5.3.2 Scipy
5.3.3 matapololib
5.3.4 pandas
5.3.5 주피터 노트북
5.4 AI 프로그래밍 개발 학습
5.4.1 코드닷오알지
5.4.2 생활 코딩
5.4.3 프롤로그 교육
5.5 AI 학습형
5.5.1 Al4School
5.5.2 Al4TEACHER
5.5.3 테크노베이션
5.5.4 Element of AI
5.5.5 edX
5.5.6 SW-AI 교육 포털
5.5.7 창의 컴퓨팅
5.5.8 구글의 AI A-Z
5.5.9 AI 크래시 코스
5.5.10 마이크로소프트의 AI 학습 사이트
5.5.11 오픈 AI

참고 문헌

< 출처 :" 교보문고 >