교육 인공지능 분야에서 학생의 실력을 진단하는 방식은 크게 두 가지 학파로 나뉩니다. 먼저 구조주의 관점에서는 지식을 하나의 거대한 지식 그래프로 시각화합니다. 이 그래프의 각 점은 '두 자릿수 덧셈'과 같은 개별적인 지식 개념을 의미하며, 점들을 잇는 선은 먼저 배워야 할 선수 지식의 관계를 나타냅니다. 예를 들어 올림이 없는 덧셈을 익혀야 올림이 있는 덧셈을 배울 수 있다는 논리입니다. 인공지능은 이러한 지식 개념들을 학생이 얼마나 이해하고 있는지 측정하여 숫자로 표현하며, 이를 통해 학습자의 현재 위치를 정교하게 파악합니다.

반면 구성주의 관점은 학생마다 지식을 머릿속에 구성하는 방식이 다르다는 점에 주목합니다. 같은 피타고라스의 정리를 배워도 누군가는 수식을, 누군가는 증명 과정을 떠올리는 것처럼 지식의 형태는 획일적이지 않습니다. 따라서 구성주의 모델은 학생에게 다양한 과제를 부여하고 그 수행 결과를 종합하여 실력을 대변합니다. 단순히 정답을 맞히는 것을 넘어 사진 찍기나 달리기와 같은 다채로운 과제에 대한 반응을 측정함으로써, 학생이 가진 고유한 역량과 지식의 농도를 입체적으로 분석하는 것이 이 모델의 핵심적인 특징입니다.

스무고개에서 첫 질문으로 성별을 묻는 것처럼, 인공지능은 학생의 실력을 가장 빠르게 파악하기 위해 후보군을 절반으로 줄일 수 있는 최적의 문항을 선택합니다.

최근의 교육 인공지능은 적은 수의 문항만으로도 전체적인 실력을 예측하는 모델을 활용합니다. 수만 개의 문항을 모두 풀게 하는 대신, 약 30개의 핵심 문항을 통해 나머지 문항들의 정답 확률을 계산하는 방식입니다. 이를 시각화한 것이 바로 '열지도'로, 학습자가 취약한 부분과 향후 어려워할 개념을 한눈에 보여줍니다. 인공지능은 매 순간 데이터의 효율성을 극대화하는 방식으로 학습자에게 필요한 자극을 제공합니다. 이러한 과정을 통해 학생의 학습 데이터를 정밀하게 수집하고 미래의 성취도까지 정확하게 예측할 수 있게 됩니다.