설계·제작에 근거와 판단을 담아 봅니다
- 대상·깊이
- 중학교 시작 · 고등학교 심화 중 선택
- 남길 결과물
- 설계·제작 · 규칙 설계지 / 시험 사례표 / 원인 비교표
- 시작 전
- 가상의 책 카드 여섯 장과 점수 규칙을 적을 종이
- 준비물
- 규칙 설계지 · 시험 사례표 · 원인 비교표 · 아래 PDF 또는 Word 활동지
- 초안 활동 시간 · 편집팀 제안
- 45분 · 자료 조사와 최종 완성에 걸리는 시간은 별도입니다.
이 탐구에서 알아볼 것
이미 공개된 추천 알고리즘 탐구에 자료 편향 점검을 덧붙입니다. 실제 학생의 대출·성적·민감 정보를 쓰지 않고 가상 책 카드 여섯 장과 이용자 카드를 만듭니다. 추천 규칙의 목표, 자료 구성, 동점 처리, 빠진 이용자를 분리해 기록합니다.
나에게 맞는 깊이로 시작하기
중학교 · 시작
가상의 책 카드 여섯 장과 선호 조건으로 추천 순서를 직접 정합니다. 책 제목·주제·분량 등 가상 입력 자료와 추천 목표를 정합니다. 실제 서비스의 내부 규칙으로 소개하지 않습니다. 규칙을 자연어와 순서도로 적고, 모든 카드에 같은 규칙을 적용합니다. 가상의 책 여섯 장 중 과학 주제 네 장, 역사 주제 두 장이라면 과학 책이 자주 보이는 이유가 책 구성인지 점수 규칙인지 따로 시험합니다.
고등학교 · 심화 방법 펼치기
가중치·동점 처리·새 항목의 불리함을 비교하고 추천 규칙의 한계를 설명합니다. 조건 하나를 바꿔 결과가 어떻게 달라지는지 기록하고 특정 자료가 계속 제외되는 이유를 찾습니다. 작성한 결과물은 다음 질문으로 점검합니다. 결과의 차이를 정확도 하나로만 평가하지 않았나요? 처음 결과를 적은 뒤 책 카드 구성만 바꾼 안과 점수 규칙만 바꾼 안을 각각 비교합니다. 추천 비율 하나가 같아졌다고 공정성이 입증되지는 않으므로 누구의 접근 기회와 어떤 오류를 확인했는지 밝힙니다.
준비 순서
- 책 제목·주제·분량 등 가상 입력 자료와 추천 목표를 정합니다. 실제 서비스의 내부 규칙으로 소개하지 않습니다.
- 규칙을 자연어와 순서도로 적고, 모든 카드에 같은 규칙을 적용합니다.
- 조건 하나를 바꿔 결과가 어떻게 달라지는지 기록하고 특정 자료가 계속 제외되는 이유를 찾습니다.
- 자료 구성만 바꾸는 실험과 점수 규칙만 바꾸는 실험을 구분해, 추천 결과와 빠진 주제를 비교합니다.
자료에서 결론까지
- 주어진 자료
- 가상 책 여섯 장은 과학 네 장과 역사 두 장이고 가상 이용자 카드 여덟 장 중 여섯 장이 과학에 관심이 있다.
- 살펴보는 과정
- 처음 카드와 점수 규칙을 모두에게 적용한 뒤 책 구성만 바꾼 안과 점수 가중치만 바꾼 안을 따로 계산한다.
- 도출한 결과
- 어느 변경에서 역사 책의 노출이 달라졌는지 기록해 자료와 규칙의 영향을 구분한다.
- 여기까지 알 수 있어요
- 작은 가상 자료의 결과로 실제 서비스의 차별 여부나 모든 이용자의 선호를 판단하지 않는다.
완성도를 높이는 기준
학교의 공식 채점표가 아닌, 이 탐구를 스스로 점검하는 기준입니다.
| 살펴볼 기준 | 충분히 드러난 모습 | 더 보완할 모습 |
|---|---|---|
| 규칙의 재현성 | 카드·점수·동점 처리를 공개해 다른 사람이 같은 결과를 계산한다. | 추천 결과만 적고 계산 조건을 남기지 않는다. |
| 원인과 한계 | 자료 구성과 규칙을 한 번에 하나씩 바꾸고 남는 이용자·주제의 누락을 밝힌다. | 여러 조건을 동시에 바꾼 뒤 원인을 하나로 단정한다. |
표를 좌우로 밀어 나머지 내용을 확인하세요.
함께 쓸 보조 자료
- 규칙 설계지: 입력 / 점수 규칙 / 동점 처리 / 출력
- 시험 사례표: 조건 / 예상 결과 / 실제 결과 / 수정
- 원인 비교표: 원래 카드·규칙 / 카드만 수정 / 규칙만 수정 / 결과 / 남는 한계
아래 활동지에는 주제별 기록표와 설계·제작의 기본 구성 칸을 함께 담았습니다.
활동지 펼쳐 보기 ↗이 순서로 읽으면 도움이 됩니다
- 1. 추천 기준이 바뀌면 같은 입력도 다른 결과가 나올까?
절차와 입력·출력의 관계 이해
- 2. AI를 교실에 들이기 전에 정해야 할 네 가지
도구의 결과를 검토하는 기준
자료를 더 찾을 곳
- 국가교육과정정보센터 ↗
학교급·개정 연도·과목을 고른 뒤 수업의 내용과 대조하세요. 활동별 직접 성취기준 매핑은 아직 검수 전입니다.
- NIST · Artificial Intelligence Risk Management Framework 1.0 ↗
p. 18: systemic, computational/statistical and human-cognitive bias; representativeness
- NIST · AI RMF Playbook, Measure ↗
Fairness and harmful bias measurements: context, affected groups and proxies
위 링크는 자료를 탐색하는 출발점입니다. 제출물에는 실제로 읽은 개별 자료의 제목·작성자·발행일·주소·확인한 위치를 적어 주세요.
질문을 한 걸음 더 넓히면
실제 추천 시스템을 평가한다면 영향받는 사람, 사용 맥락, 오류 비용과 관련 보호 규칙을 먼저 확인해야 합니다.
제출 전에 스스로 점검하기
- □ 규칙을 다른 사람이 같은 결과로 실행할 수 있나요?
- □ 결과의 차이를 정확도 하나로만 평가하지 않았나요?
- □ 실제 개인 기록을 수집하지 않았고, 추천 비율만으로 공정하다고 단정하지 않았나요?
- □ 학교의 안내문에 나온 분량·형식·평가 기준·AI 사용 조건을 확인했나요?
- □ 도움을 받은 부분과 내가 조사·해석·수정한 과정을 구별했나요?
독자용 주제 분류입니다. 공식 과목명·개정 연도·성취기준은 별도 대조하며, 아래 활동은 성취기준 인증 자료가 아닙니다.