AI 계정 다음에 필요한 교육 운영

한눈에 보기

  • 아이슬란드 교육아동부와의 시범사업
  • 계정과 자료·연수·지원망 묶기
  • 학원 도입도 지원 구조부터 설계하기

AI 계정은 연수·자료·질문할 지원망과 함께 운영 구조로 설계해야 합니다. Anthropic과 아이슬란드 교육아동부가 2025년 11월 4일 발표한 국가 단위 시범사업도 전국 수백 명의 교사에게 Claude와 교육 자료, 연수 자료, 전담 지원 네트워크를 함께 제공하는 방식이었습니다. 국내 학원에 그대로 적용할 사업은 아니지만, 계정 이후 지원 구조를 설계할 때 참고할 수 있습니다.

아이슬란드 시범사업은 무엇을 묶었나

사업의 목적은 AI가 학교와 교사의 수업 준비, 수업 지도, 학생 학습에 어떻게 도움이 되는지 탐색하는 것입니다. 특정 성적 향상을 약속하기보다 교사의 필요를 길잡이로 삼겠다는 방향을 내세웠고, 교육아동부 장관도 교사의 필요를 중심에 두겠다는 취지로 말했습니다.

언어와 문화의 조건도 발표에 들어 있습니다. Anthropic 측은 아이슬란드어 보호를 함께 언급했고, 아이슬란드어를 인식하는 환경을 고려했습니다. 계정만 나눠 주는 방식이 아니라 교사가 쓸 자료와 연수, 막힐 때 물어볼 지원망을 한 번에 준비한 점이 이 사업의 설계입니다.

검색 사례와 학원 도입의 간격

같은 발표에는 유럽의회 기록보관 부서가 210만 건 이상의 문서를 다루며 검색 시간을 80% 단축했다는 사례도 나옵니다. 이 수치는 아이슬란드 시범사업의 성과가 아니라 별도의 활용 사례입니다. 서로 다른 사례를 한 사업의 결과처럼 합치지 않아야 합니다.

학원에서 참고할 대목은 계정 발급 이후의 운영입니다. 수업 준비에서 반복되는 업무를 고르고, 연수에서 직접 자료를 만들어 보고, 잘 된 양식을 공유하고, 막히면 도움을 요청할 담당자를 정하는 순서입니다. 실제 학생 정보와 수업 자료를 다룰 때는 접근 권한과 보관 방식도 함께 정해야 합니다.

AI 도입 뒤에 붙일 지원 구조

  • 계정 발급과 함께 첫 실습에서 만들 결과물을 정합니다.
  • 강사들이 공유할 수업 자료와 프롬프트의 위치를 정합니다.
  • AI가 읽을 자료의 범위와 개인정보 처리 기준을 적습니다.
  • 사용 중 막혔을 때 질문할 담당자와 답변 방식을 정합니다.
  • 한 달 뒤 실제로 쓰인 업무와 남은 불편을 검토합니다.

자주 묻는 질문

아이슬란드 사업을 한국 학원에 그대로 적용할 수 있나요?

그 사업은 아이슬란드 교육아동부와의 국가 시범사업입니다. 국내 학원은 국가 제도나 제공 조건을 복사하기보다 계정, 연수, 자료, 지원을 자신의 규모에 맞게 설계해야 합니다.

아이슬란드어 보호가 학원에 어떤 의미가 있나요?

AI를 쓸 때도 수업의 언어와 지역 맥락을 지키는 조건을 먼저 정하라는 뜻으로 읽을 수 있습니다. 한국 학원이라면 학생에게 맞는 표현과 교사의 수업 의도를 검토 기준에 넣을 수 있습니다.

지원 담당자가 꼭 필요한가요?

도입 초기에는 질문이 어디로 가는지 정해 두는 편이 좋습니다. 담당자는 모든 문제를 대신 해결하기보다 자료와 권한, 재현 절차를 함께 정리하는 역할을 맡으면 됩니다.

출처

이 글은 anthropic.com 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

AI가 푼 숙제에서 배움을 확인하는 법

한눈에 보기

  • 전 세계 대학 이메일 계정의 익명 대화 분석
  • 네 가지 사용 패턴과 블룸 분류
  • 한국 초중등에 일반화하지 않기

AI가 푼 숙제에서 배움을 확인하려면 결과물만 보지 말고 근거·풀이·설명 과정을 함께 받으세요. Anthropic이 2025년 4월 8일 발표한 Education Report는 전 세계 대학 이메일 계정의 익명 대화 약 100만 건 가운데 학업 관련 574,740건을 분석한 자료로, 한국 초중등 교실의 부정행위를 직접 판정하는 조사는 아닙니다.

대화는 네 가지 사용법으로 나뉘었다

보고서는 학생과 AI의 상호작용을 직접 문제 해결, 직접 결과물 생성, 협력 문제 해결, 협력 결과물 생성으로 나눕니다. 각 패턴은 대략 23~29% 범위였고, 직접 문제 해결과 직접 결과물 생성을 합친 직접형은 약 47%였습니다. 협력형이라고 해서 항상 학습이 일어난다고 단정할 수도 없습니다.

Claude의 응답이 어떤 사고 수준을 대신했는지도 블룸 분류로 살폈습니다. 만들기가 39.8%, 분석하기가 30.2%, 적용이 10.9%, 이해가 10.0%, 기억이 1.8%로 제시됩니다. 숫자가 보여주는 것은 학생이 AI를 어려운 과제에도 사용한다는 점이지, 그 결과가 곧 학습이나 부정행위라는 뜻은 아닙니다.

숫자를 평가 규칙으로 바꾸지 않기

대화 기록만으로는 집에서 치르는 시험 답을 구한 것인지, 연습문제를 점검한 것인지 알 수 없습니다. 협력형 대화도 확률·통계 숙제를 여러 차례 주고받으며 결국 사고를 AI에 넘기는 경우가 있을 수 있다고 보고서는 지적합니다. 맥락과 과제 규칙을 함께 보지 않으면 분류가 판정으로 바뀝니다.

학원에서는 결과물만 제출받는 과제에 근거 설명을 붙일 수 있습니다. 독해라면 답의 근거 문장을 찾게 하고, 영작이라면 고친 이유를 말하게 하며, 필요하면 짧은 구두 확인을 둡니다. 이 방법은 AI 사용을 자동으로 적발한다는 약속이 아니라, 학생이 무엇을 이해했는지 확인하는 평가 설계입니다.

과정 중심 평가를 설계할 때

  • 결과물과 함께 핵심 근거 또는 풀이 과정을 제출하게 합니다.
  • AI 사용 허용 범위와 학생이 직접 해야 할 부분을 미리 씁니다.
  • 구두 설명, 초안 비교, 근거 표시 중 과목에 맞는 방법을 고릅니다.
  • 대화 분류 수치를 한국 초중등 전체의 비율처럼 사용하지 않습니다.
  • 평가 후 학생이 막힌 개념을 다음 수업 자료에 반영합니다.

자주 묻는 질문

이 보고서로 AI 부정행위를 판정할 수 있나요?

판정할 수 없습니다. 익명 대화의 목적과 과제 상황을 모두 알 수 없으므로, 개별 학생의 행동을 추정하는 근거로 쓰면 안 됩니다.

협력형 사용은 학습에 더 좋은가요?

협력형이라는 이름만으로 학습 효과를 보장하지 않습니다. 학생이 근거를 설명하고 자신의 판단을 남겼는지까지 확인해야 합니다.

한국 학원도 보고서 비율을 적용할 수 있나요?

보고서는 전 세계 대학 이메일 계정과 대학생 대화를 대상으로 했습니다. 학원은 같은 비율을 적용하기보다 자신의 과제와 학생 수준에 맞는 과정 확인 방법을 설계해야 합니다.

출처

이 글은 anthropic.com 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

교사가 직접 만드는 AI 학습 도구

한눈에 보기

  • 교사를 공동 설계자로 부르기
  • 세계 교육 프로그램의 세 가지 활동
  • 학원에서는 학생의 어려움부터 출발하기

교사는 학생이 반복해서 막히는 지점을 바탕으로 작은 AI 학습 도구를 직접 설계해 볼 수 있습니다. Anthropic과 Teach For All이 2026년 1월 21일 발표한 글로벌 교육자 프로그램 사례를 학원에 그대로 적용하는 것이 아니라, 교사가 목표와 결과물을 검토하는 절차로 한정해 참고하세요.

교사를 공동 설계자로 부른 구조

이 프로그램의 AI Literacy & Creator Collective에는 63개국의 교사와 동문 10만 명 이상이 참여하고, 이들이 가르치는 학생은 150만 명 이상이라고 안내합니다. 교사를 단순한 사용자보다 공동 설계자(co-architects)로 부르는 것이 특징입니다. 교실을 아는 사람이 도구의 문제 정의에 들어와야 한다는 전제입니다.

활동은 세 갈래로 소개됩니다. AI Fluency Learning Series는 라이브 6회 학습 시리즈로, 2025년 11월 첫 시리즈에는 530명 이상이 참여했습니다. Claude Connect는 60개국 이상의 교사가 매일 사례를 나누는 공간이고, Claude Lab은 더 나아가고 싶은 교사에게 Claude Pro를 제공해 실험하게 하고 월별 오피스아워를 엽니다. 발표 나흘 만에 200건 이상 지원이 들어왔다는 수치도 프로그램의 초기 반응으로 제시됩니다.

사례가 학원에 주는 힌트

라이베리아의 한 교사는 AI를 처음 접한 뒤 몇 주 만에 기후 교육용 인터랙티브 교과과정을 만들었습니다. 방글라데시에서는 6·7학년 학생의 절반 이상이 기초 연산을 어려워한다는 교사의 관찰을 바탕으로 보스전, 리더보드, 경험치가 있는 게임형 수학 앱을 설계했습니다. 아르헨티나에서는 교육과정과 연결된 디지털 워크스페이스를 만드는 사례가 소개됩니다.

이 사례가 한국 학원에 보장하는 도구나 성과가 있는 것은 아닙니다. 다만 교사가 학생의 오답과 막히는 지점을 먼저 알고, 그 정보를 작은 활동으로 바꾸는 순서는 참고할 수 있습니다. 학원에서도 완성된 플랫폼부터 찾기보다 특정 수업의 복습 활동 하나를 정하고, 교사가 직접 시안을 검토하는 방식으로 시작할 수 있습니다.

교사가 만들 학습 활동을 고르는 순서

  • 학생이 반복해서 막히는 개념을 수업 기록에서 찾습니다.
  • 활동의 목표와 대상 학년을 한 문장으로 적습니다.
  • AI에게 만들게 할 부분과 교사가 판단할 부분을 나눕니다.
  • 작은 퀴즈나 인터랙티브 자료로 먼저 시험합니다.
  • 학생 반응을 보고 다음 자료에 반영할 기준을 남깁니다.

자주 묻는 질문

교사가 프로그램에 참여하지 않아도 같은 결과를 낼 수 있나요?

원문 사례는 특정 국제 프로그램 안에서 나온 결과입니다. 국내 학원이 같은 결과를 기대하기보다, 교사가 학생의 어려움을 정의하고 작은 자료를 시험하는 절차부터 가져오는 편이 안전합니다.

게임형 학습 도구가 모든 수업에 맞나요?

그렇지 않습니다. 게임 형식은 기초 연산처럼 반복 연습이 필요한 내용에서 검토할 수 있지만, 학습 목표와 학생의 나이에 맞아야 합니다.

무엇부터 AI에게 맡기면 좋을까요?

학생이 자주 틀리는 개념을 짧은 연습 활동으로 바꾸는 일부터 시작할 수 있습니다. 교사는 목표와 난이도를 정하고, AI가 만든 자료는 수업 전에 직접 확인해야 합니다.

출처

이 글은 anthropic.com 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

답 대신 질문하는 AI를 수업에 쓰는 법

한눈에 보기

  • 대학용 Learning mode의 질문 중심 응답
  • 답보다 근거와 개념 묻기
  • 학원에서는 질문을 만드는 수업 설계로 옮기기

수업에서 AI가 답을 대신 쓰지 않게 하려면 ‘답해줘’ 대신 학생에게 접근과 근거를 묻도록 지시하세요. Anthropic이 2025년 4월 2일 발표한 대학용 Claude for Education의 Learning mode 사례를, 국내 학원에서 바로 쓸 수 있는 기능이 아니라 질문 중심 수업 설계의 참고로 한정해 보세요.

Learning mode가 바꾸는 응답

학습 모드는 Projects 안에서 작동하며, “이 문제에 어떻게 접근하겠어?” 또는 “네 결론을 뒷받침하는 근거는 뭐야?”처럼 되묻는 응답을 지향합니다. 원문이 설명하는 방식은 네 가지입니다. 바로 답하는 대신 접근법을 묻고, 근거를 확인하고, 핵심 개념을 짚고, 보고서·학습 가이드·개요의 틀을 제공하는 것입니다.

이 기능은 Northeastern, LSE, Champlain College 같은 대학과의 전교 이용 계약 맥락에서 소개됐습니다. 따라서 대학용 제품과 국내 학원용 이용 조건을 혼동하지 않아야 합니다. 여기서 가져올 만한 점은 기능 이름보다 학생이 답을 만들기 전에 어떤 질문을 받아야 하는지 정하는 방식입니다.

학원 지시문을 질문형으로 바꾸기

강사에게 AI가 수업 자료를 바로 쓰게 하기보다 빈틈을 질문으로 찾게 하라고 지시할 수 있습니다. 학생의 독해 요약에는 “요약해 줘” 대신 “본문에서 근거가 되는 문장을 찾도록 질문해 줘”라고 요청합니다. 영작 첨삭도 완성 문장을 먼저 주기보다, 틀린 이유를 학생이 설명하게 하는 질문을 차례로 만들 수 있습니다.

이것은 특정 기능을 그대로 복제하는 작업이 아닙니다. 답변 속도보다 학생이 판단한 흔적을 남기는 것이 중요한 수업에서 쓸 수 있는 지시 방식입니다. 학년과 과목에 따라 질문의 난이도와 교사가 개입할 시점을 정하고, AI의 질문이 학습 목표에서 벗어나지 않는지 확인해야 합니다.

답 대신 질문을 설계할 수업

  • 학생이 먼저 시도할 문제와 AI가 질문할 범위를 정합니다.
  • 정답 대신 요구할 근거와 설명의 형태를 고릅니다.
  • 핵심 개념을 짚는 질문과 보고서 틀을 구분합니다.
  • 질문이 너무 어렵거나 넓을 때 교사가 개입할 시점을 둡니다.
  • 결과물보다 학생의 판단 과정을 볼 기록 방식을 정합니다.

자주 묻는 질문

Learning mode는 학원에서도 바로 쓸 수 있나요?

원문은 대학용 Claude for Education 기능으로 설명합니다. 국내 학원에서의 제공 여부나 조건은 별도로 확인해야 하며, 이 글은 질문 중심 수업 설계를 참고하자는 뜻입니다.

질문만 하면 학생이 반드시 스스로 풀게 되나요?

그렇지는 않습니다. 질문의 범위와 난이도가 적절한지, 학생이 실제 근거를 사용했는지 교사가 확인해야 합니다.

강사 업무에도 이 방식을 적용할 수 있나요?

가능합니다. 수업 자료를 만들어 달라고만 하기보다 빠진 개념이나 확인할 근거를 질문으로 찾게 하면 검토 단계에 활용할 수 있습니다.

출처

이 글은 anthropic.com 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

우리 자료를 모르는 AI는 학원도 모른다

한눈에 보기

  • 대학 교육 도구 연결 사례
  • Canvas는 LTI, Wiley·Panopto는 MCP
  • 학원 자료의 구조화와 승인 절차

학원 자료를 AI에 연결하려면 먼저 자료의 목적·접근 권한·연결 방식을 나누어 정리하세요. Anthropic이 2025년 7월 9일 발표한 대학 교육 사례를 바탕으로 하되, Canvas의 LTI와 Wiley·Panopto의 MCP 사례를 국내 학원에 그대로 적용하지 않고 연결 원칙으로만 참고하세요.

대학 자료를 연결하는 방식은 도구마다 다르다

Panopto와 Wiley는 미리 만든 MCP 서버로 연결해 강의 녹화 자막과 동료 심사를 거친 학술 자료를 다루는 방식으로 소개됩니다. 반면 Canvas는 MCP가 아니라 LTI로 Canvas 강좌 안에서 Claude를 쓰도록 연결합니다. 연결 규격을 하나로 뭉뚱그리지 않고 자료의 위치와 제품의 권한에 맞춰 나눈 점이 중요합니다.

학생이 지난주 강의에서 어떤 내용이 나왔는지 묻고 자막에서 근거를 찾는 상황은 예시입니다. AI가 알고 있는 일반 지식이 아니라 기관이 가진 자료에서 답을 찾게 하려는 설계입니다. 학원에서도 수업 기록과 교재 진도, 복습 자료가 일정한 형식으로 쌓여 있어야 비슷한 질문을 검토할 수 있습니다.

개인정보와 승인 절차를 먼저 둔다

원문은 대화를 기본적으로 비공개로 두고 학습에서 제외한다고 설명합니다. 기관 자료를 요청하는 일에는 공식 승인이 필요하고, 사용자가 자료를 스스로 내보내는 기능도 기본 제한이 있다고 안내합니다. 이런 설정은 연결 기능보다 먼저 검토할 운영 조건입니다.

국내 학원에서는 출결, 상담, 성적 자료를 모두 연결하기보다 목적과 범위를 나누는 편이 낫습니다. 기록 양식을 통일하고, 누가 읽을 수 있는지 정한 뒤, 필요한 자료만 검색 대상으로 둡니다. 대학 발표 당시의 연결 방식이 한국 학원 프로그램에서도 작동한다고 단정하지 말고, 현재 사용하는 시스템의 연동 방법을 따로 확인해야 합니다.

학원 자료를 연결하기 전 정리할 것

  • 수업 기록과 교재 자료를 목적별 폴더와 양식으로 나눕니다.
  • Canvas식 LTI와 MCP를 같은 연결 방식으로 부르지 않습니다.
  • 학생 자료의 접근자와 공식 승인 절차를 정합니다.
  • AI가 답할 때 근거로 보여줄 원본 위치를 남깁니다.
  • 연결 전후에 자료가 학습이나 외부 공유에 쓰이는 조건을 확인합니다.

자주 묻는 질문

학원 자료도 MCP로 연결하면 되나요?

원문은 도구에 따라 연결 방식이 다르다고 설명합니다. Canvas는 LTI, Wiley와 Panopto는 미리 만든 MCP 서버 사례이므로 현재 학원 시스템에 맞는 방법을 별도로 확인해야 합니다.

학생 자료를 연결하면 개인정보 우려가 사라지나요?

그렇지 않습니다. 비공개와 학습 제외 설정이 있어도 누가 어떤 자료를 읽는지, 기관 승인이 필요한지 운영 규칙을 정해야 합니다.

자료를 먼저 정리해야 하는 이유는 무엇인가요?

AI가 답할 근거를 찾으려면 기록의 위치와 형식이 일정해야 합니다. 흩어진 메시지와 파일을 먼저 목적별로 정리하면 연결 범위를 좁히고 검토하기도 쉬워집니다.

출처

이 글은 anthropic.com 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

AI에게 일을 맡길 때 먼저 정할 것

한눈에 보기

  • 완료 기준과 중단 조건을 먼저 정하기
  • 불필요한 생각 지시 줄이기
  • 체크리스트와 확인하지 못한 항목으로 긴 작업 관리

AI에게 긴 일을 맡길 때는 무엇이 끝인지, 언제 멈춰 사람에게 물을지를 먼저 정해야 합니다. Opus 5.5 가이드는 전체 일을 한 번에 맡기고 완료 기준을 말한 뒤, 결과를 확인하는 절차를 따로 두라고 권합니다.

학원에서도 “이거 좀 해줘”보다 “어디까지 끝나면 되는지”를 알려주는 편이 낫습니다. 숙제 피드백, 학부모 안내문, 워크북 검수처럼 중간 과정이 긴 업무일수록 시작 전에 끝을 정해야 합니다.

가이드의 팁 가운데 골라 볼 여섯 가지

비개발자에게 쓸모 있는 것만 추리면 이렇습니다. 첫째, 일을 통째로 맡기되 완료 기준과 멈춰 물을 조건을 함께 말합니다. 둘째, “신중히 생각해”, “단계별로 생각해” 같은 문구를 습관처럼 덧붙이지 않습니다. Opus 5.5는 답변 전에 생각하므로, Anthropic이 채팅 제품에서 해 본 테스트에서는 이 문구를 지웠을 때 답변이 더 빨리 시작됐고 품질 저하는 뚜렷하지 않았습니다.

셋째, 디자인을 요청할 때는 싫은 스타일을 구체적으로 적습니다. 원문 예시처럼 크림색·오프화이트 배경, 제목 속 이탤릭 강조 단어, 01/02/03 번호 라벨, 모노스페이스 라벨, 알약 모양 버튼을 원하지 않는다면 처음부터 목록으로 씁니다. 넷째, 긴 작업은 TASKS.md 같은 파일에 체크리스트를 적고 진행하면서 갱신합니다.

다섯째, 찾지 못했거나 직접 확인하지 못한 항목을 따로 보고하게 합니다. 여섯째, 차트·다이어그램·스크린샷은 숫자와 모양을 다시 옮겨 적지 말고 파일로 첨부합니다. Opus 5.5 자체 소개는 devlog 글에 정리했습니다.

AI에게 일을 맡길 때 무엇부터 정할까요?

첫 메시지에 전체 업무, 완료선, 질문할 조건을 넣어보세요. 예를 들어 “숙제 피드백 초안을 작성하고, 학생별 누락 여부를 표로 정리해. 모든 항목을 확인하면 끝내고, 자료가 없거나 판단이 필요한 경우에만 질문해”처럼 쓸 수 있습니다. 파괴적인 작업이나 사람의 승인이 필요한 단계는 계속 진행하지 말고 멈추도록 따로 적습니다.

AI가 잘못 이해해서 엉뚱한 방향으로 갈 때도 있지만, 완료 기준이 없어서 서로 다른 결과를 내놓는 경우도 있습니다. 기준을 먼저 주면 결과를 읽을 때도 무엇을 확인해야 하는지 분명해집니다.

긴 업무의 완료 기준을 정하는 순서

  • 숙제 피드백 지시문에 대상, 제출물 형식, 완료 조건, 질문할 조건을 한 문장씩 적습니다.
  • 학부모 안내문에는 “초안을 만들고, 사실·날짜·대상 학생을 점검한 뒤, 판단이 필요한 문장만 질문해”처럼 끝나는 순서를 씁니다.
  • 워크북 검수에는 오탈자·페이지 넘침·문항 연결처럼 검사할 항목과, 직접 확인하지 못한 항목의 보고 형식을 함께 넣습니다.
  • 디자인 요청에는 원하지 않는 배경, 제목 강조, 번호 라벨, 글꼴 라벨, 버튼 모양을 구체적으로 적습니다.
  • 오래 걸리는 교재 제작이나 리포트 작성은 TASKS.md에 할 일을 적고, 새로 생긴 항목도 같은 파일에 추가합니다.
  • 차트나 학습 자료의 스크린샷은 다시 타이핑하지 말고 원본 파일을 첨부한 뒤, 확인할 질문을 한 문장으로 씁니다.

자주 묻는 질문

“단계별로 생각해”를 지워도 되나요?

Opus 5.5는 답변 전에 생각하므로 같은 지시를 반복할 필요가 없다는 것이 가이드의 설명입니다. Anthropic이 채팅 제품에서 해 본 테스트에서는 해당 문구를 지웠을 때 답변이 더 빨리 시작됐고 품질 저하는 뚜렷하지 않았습니다.

완료 기준은 어떻게 쓰나요?

“무엇을 만들고, 어떤 상태면 끝내며, 어떤 경우에만 질문할지”를 한 문장에 넣으면 됩니다. 예를 들면 “초안을 만들고 날짜와 대상만 점검한 뒤, 자료가 없는 항목만 따로 물어봐”처럼 업무의 끝과 중단 조건을 함께 씁니다.

AI가 확인하지 못한 것을 왜 따로 적게 하나요?

사람이 마지막으로 판단해야 할 위치를 바로 찾을 수 있기 때문입니다. 가이드도 찾지 못한 내용과 살펴본 범위를 보고하게 하면 결과를 검토하기 쉬워진다고 설명합니다.

긴 작업은 어디에 적어두나요?

Claude Code를 쓴다면 원문 예시처럼 TASKS.md에 체크리스트를 두고 진행하면서 갱신할 수 있습니다. 화면의 긴 대화 기록보다 파일을 보면 끝난 일과 남은 일을 빠르게 확인할 수 있습니다.

출처

이 글은 claude.dev 원문을 학원 운영 관점에서 요약·해설한 글이며 번역이 아닙니다.

제미나이 4 아르곤 정리: 외부 리더보드 성적과 아직 열리지 않은 것들

제미나이 4 아르곤은 구글이 한국 시간 2026년 10월 1일 오전 5시에 공개한 제미나이 4 첫 프런티어 모델로, 지금은 구글 내부와 페어윈드(Fairwind) 참여 기관만 쓸 수 있고 API·한국 일정은 발표되지 않았다.

미국 시간으로는 9월 30일 발표입니다. 발표 글은 구글 딥마인드의 코라이 카바쿨루(Koray Kavukcuoglu)가 썼습니다. 국내 보도자료에는 화려한 표현이 많이 붙었지만, 공식 글을 직접 읽어 보면 확인된 내용과 아직 정해지지 않은 내용이 꽤 분명하게 갈립니다. 이 글은 그 둘을 나눠서 정리합니다.

한눈에 보기

  • 구글 공식 표현은 ‘새 프런티어 모델(new frontier model)’입니다. 소프트웨어 엔지니어링, 법률·금융 같은 기업 지식 업무, 사이버 보안 방어를 주요 용도로 꼽았습니다.
  • 외부 리더보드에서 단독 1위가 확인된 지표는 Vals Index(68.90%)입니다. DeepSWE 77.9%는 구글이 직접 낸 수치이고, CWE-bench 68%는 세 모델이 공동 1위입니다.
  • 지금은 구글 내부와 페어윈드 프로그램에 선정된 기관만 쓸 수 있습니다. API, 제미나이 앱, 한국 출시 일정은 아직 발표되지 않았습니다.
  • 발표된 가격은 100만 토큰당 입력 2달러·출력 10달러(출시 기간)이고, 그 뒤에는 4달러·20달러입니다.

제미나이 4 아르곤은 어떤 모델인가

아르곤은 제미나이 4 세대의 첫 모델이고, 지금까지는 유일한 제미나이 4 모델입니다. 그동안 구글 최상위 모델에 붙던 ‘Pro’라는 이름 대신 새 이름 체계를 쓴 점이 눈에 띕니다. 로이터에 따르면 구글 대변인은 아르곤이 기존 ‘Pro’ 계열보다 크기가 큰 모델이라고 설명했습니다. 9to5Google은 이번 발표가 제미나이 3.5 Pro 계획이 취소된 뒤에 나왔다고 전했습니다. 공개 전 ‘Gemini 4 Pro’라는 이름으로 돌던 Argon 유출·Arena 논란은 이전 글에 정리해 두었습니다. 당시 유출 스펙(출력 25만 6천 토큰)은 공식 발표(출력 100만 토큰)와 다릅니다.

구글은 공식 글에서 아르곤이 실제 소프트웨어 개발, 법률·금융 같은 기업 지식 업무, 사이버 보안 방어처럼 단계가 많은 작업에서 최상위 수준의 성능을 낸다고 설명합니다. 한 번에 내보낼 수 있는 출력 토큰 한도는 이전 6만 4천 개에서 100만 개로 늘었습니다.

표현 하나는 짚고 넘어가겠습니다. 국내 보도자료에는 ‘역대 가장 지능적인 모델’이라는 문구가 있지만, 구글의 영문·한국어 공식 글에는 이런 표현이 없습니다. 공식 글은 ‘새로운 프론티어 모델(new frontier model)’이라고만 부르고, 로이터가 인용한 대변인 발언은 ‘지금까지 가장 성능이 좋은 모델(most performant model yet)’입니다. 어느 쪽이든 회사가 스스로 내린 평가라는 점은 같습니다.

벤치마크 수치, 누가 측정했나

모델 발표에서 가장 많이 인용되는 것이 벤치마크 점수입니다. 다만 같은 ‘1위’라도 회사가 직접 잰 수치인지, 외부 평가 기관이 공개한 수치인지에 따라 무게가 다릅니다. 아래 표는 그 구분을 기준으로 정리한 것입니다.

벤치마크 아르곤 비교 검증 상태
Vals Index 68.90% (1위) Claude Sonnet 5.5 67.04%, Claude Opus 5.5 66.97% 외부 리더보드 게재 (vals.ai, 사이트 표기 9/30 갱신)
CWE-bench v1 68% (공동 1위) Grok 4.7 68%, GPT-6 Astra 68%, Opus 5.5 67% 외부 리더보드 게재 (cwe-bench.com), 3개 모델 동률
DeepSWE v1.1 77.9% Opus 5.5 74.2, GPT-6 Astra 74.1 (구글 표 기준) 구글 자체 수치, 공식 리더보드 미등재
LVBench / AutomationBench 91.7% / 51.3% 구글은 각각 최고 기록·1위라고 발표 구글 발표 기준

Vals Index 1위: 외부 리더보드에 오른 수치

Vals Index는 금융, 코딩, 법률, 세무 과제를 미국 GDP 비중에 따라 가중해 점수를 매기는 지표입니다(사이트 표기 날짜 기준 9월 25일 세무 항목이 추가된 v2.1). vals.ai 공식 페이지에서 아르곤은 68.90%로 41개 모델 중 1위, Claude Sonnet 5.5가 67.04%로 2위, Claude Opus 5.5가 66.97%로 3위입니다. 참고로 vals.ai는 아르곤을 출시 기간 이후 가격인 100만 토큰당 4달러·20달러 기준으로 표시했습니다. vals.ai의 별도 지표 Vals RSI Index에서는 23개 중 4위(30.55%)입니다. 일부 해외 매체가 말한 ‘4위’는 이 지표 기준입니다.

CWE-bench 68%: 단독 1위가 아니라 3개 모델 동률

보안 취약점 관련 과제를 평가하는 CWE-bench v1(Collinear AI가 Artificial Analysis와 함께 공개)에서 아르곤은 자동 채점 기준(programmatic pass@1) 68%를 받았습니다. 그런데 같은 68%에 Grok 4.7과 GPT-6 Astra도 있어 세 모델이 공동 1위입니다. 심사단 채점 기준(judge-panel pass@1)으로 보면 아르곤은 62%로, GPT-6 Astra(66%), Opus 5.5(67%), Grok 4.7(64%)보다 낮습니다. 구글이 공개한 비교표에는 Grok 4.7이 빠져 있다는 점도 함께 알아 두면 좋습니다.

DeepSWE 77.9%: 구글이 직접 측정한 수치

구글은 실전형 소프트웨어 엔지니어링 벤치마크 DeepSWE v1.1에서 77.9%로 최고 기록을 세웠다고 밝혔습니다. 다만 9월 22일(사이트 표기 날짜)에 마지막으로 갱신된 DeepSWE 공식 리더보드에는 아직 아르곤이 올라 있지 않습니다. 지금 시점에서는 구글이 자체 측정해 발표한 수치이고, 외부에서 다시 확인된 기록은 아닙니다. 구글의 평가 방법 문서에도 아르곤의 DeepSWE v1.1 점수는 ‘자체 계산(self computed)’이라고 적혀 있습니다. 같은 문서에 따르면 비교 대상 중 GPT-6 Astra 점수는 공식 공개 리더보드에서, Fable 5.1과 Opus 5.5 점수는 각 회사의 시스템 카드에서 가져왔습니다.

구글 표에서 아르곤이 뒤지는 항목

구글 딥마인드가 공개한 비교표에도 아르곤이 경쟁 모델보다 낮은 항목이 있습니다. FrontierSWE v2에서는 55.0으로 GPT-6 Astra(65.5)보다 낮고, Terminal-Bench 4.0에서는 57.4로 Opus 5.5(66.4)보다 낮습니다. Terminal-Bench Science, PostTrainBench, OSWorld-2.0에서도 다른 모델이 앞섭니다. 여러 지표를 종합하는 Artificial Analysis Intelligence Index에서는 53점으로 Fable 5.1, GPT-6 Astra와 함께 공동 3위라고 연합뉴스가 보도했습니다. 모든 분야에서 앞서는 모델이라기보다, 강점과 약점이 함께 있는 모델로 보는 편이 정확합니다.

구글 안에서는 어떻게 쓰였나

구글은 이미 수천 명의 직원이 업무에 아르곤을 쓰고 있다고 밝혔습니다. 대표 사례는 C/C++ 코드를 Rust로 옮기는 작업입니다. 정규식 라이브러리 re2, 동영상 디코더 libgav1처럼 수만 줄 규모의 코드부터, 80만 줄이 넘는 Fuchsia 운영체제의 Zircon 커널까지 전환을 시도했습니다. 이 결과물은 실제 서비스에 넣기 전에 감사를 받는 중입니다.

메모리 절감 효과도 소개했는데, 수치를 읽을 때 주의가 필요합니다. 구글은 전면 적용되면 300TiB가 넘는 메모리를 확보하고, 전체적으로는 500TiB에서 1PiB를 아낄 것으로 추정합니다. 이미 달성한 성과가 아니라 예상치입니다. 이 밖에 양자 컴퓨팅 최적화 과제에서 기준 대비 40% 개선된 결과를 냈다고 밝혔습니다.

지금 누가, 언제 쓸 수 있나

아르곤은 한 번에 모두에게 열리지 않고 단계적으로 공개됩니다. 지금 쓸 수 있는 곳은 구글 내부 팀과 페어윈드 프로그램 참여 기관, 그리고 일부 신뢰 테스터뿐입니다. 페어윈드는 사이버 보안 방어를 맡은 조직을 위한 프로그램으로, 개인이 아니라 기관 단위로 심사를 거쳐 참여합니다. 대상은 정부·국가 사이버 당국, 핵심 기반시설 운영 기관(의료·통신·에너지·금융 등), 핵심 기술 플랫폼이며, 구글이 신청 기관의 이력을 심사합니다. 구글은 이 신뢰받는 방어 조직과 내부 팀에는 사이버 관련 안전장치를 뺀 버전을 제공한다고 밝혔습니다. 또 미국 정부의 자발적 사전 모델 접근 절차에도 참여하고 있다고 했습니다. 글 맨 위 도식은 2026년 10월 1일(한국시간) 기준 공개 단계를 정리한 것입니다. 3·4단계 구분은 구글 발표 문장을 바탕으로 정리한 것이며, 날짜는 발표되지 않았습니다(출처: 구글 공식 블로그, 구글 딥마인드 페어윈드 프로그램 페이지).

구글이 밝힌 다음 순서는 유료 API 고객과 Google AI Ultra 구독자입니다. 구글은 개발자, 기업, 일반 사용자에게 ‘가능한 한 빨리’ 제공하겠다고 했지만 날짜는 밝히지 않았습니다. 10월 1일(한국시간) 확인 기준으로 아르곤은 Gemini API 문서의 모델 목록과 가격 페이지, Vertex AI 모델 목록에 없고, 제미나이 앱에도 들어 있지 않습니다. 영문·한국어 공식 글 어디에도 한국 출시 일정에 관한 언급은 없습니다.

구글은 광범위하게 공개하기 전에 네 가지 안전장치를 점검한다고 밝혔습니다. 사이버 공격이나 화학·생물·방사능·핵(CBRN) 분야 오용 방지, 프롬프트 인젝션 대응, 모델이 의도에서 벗어나는지 감시하는 정렬 모니터링, 샌드박스 강화입니다.

가격은 얼마로 발표됐나

구글이 발표한 API 가격은 출시 기간 동안 100만 토큰당 입력 2달러, 출력 10달러입니다. 캐시된 입력은 입력 가격에서 95% 할인됩니다. 영문 공식 글의 각주에 따르면 출시 기간이 끝나면 입력 4달러, 출력 20달러로 오릅니다. 출시 기간이 얼마나 이어지는지는 나와 있지 않습니다. 한국어 공식 글에는 출시 가격만 보이고, 이후 가격 각주는 확인되지 않았습니다. 아직 API가 열리지 않았기 때문에 이 가격은 실제 청구 가격이 아니라 발표된 가격입니다.

지금 한국 사용자가 할 수 있는 것

  • 공개 여부는 공식 페이지에서 확인하기. 구글 AI 개발자 문서(ai.google.dev)의 모델 목록과 가격 페이지, 제미나이 앱에 아르곤이 올라오는지 확인하는 것이 가장 확실합니다. ‘국내 출시’ 같은 표현은 공식 발표가 나온 뒤에 믿어도 늦지 않습니다.
  • 보안 조직이라면 페어윈드 페이지 읽어 보기. 기관 단위로 심사하는 프로그램이므로 개인 개발자가 신청하는 경로는 아닙니다. 참여 조건은 구글 딥마인드 페어윈드 프로그램 페이지에서 확인할 수 있습니다.
  • 비용은 4달러·20달러 기준으로 잡아 두기. 출시 가격이 언제까지인지 정해지지 않았으니, 도입을 검토한다면 이후 가격을 기준으로 예산을 짜는 편이 안전합니다.
  • 벤치마크는 외부 리더보드에 올라오는지 지켜보기. DeepSWE 공식 리더보드에 아르곤이 등재되는지, 구글 표에서 약했던 터미널 작업·에이전트 항목이 어떻게 평가되는지 보면 실제 성능을 가늠하는 데 도움이 됩니다.
  • 평가용 과제를 미리 만들어 두기. 내 업무에서 자주 하는 코드 전환, 문서 검토 같은 작업을 몇 가지 정해 두면, 아르곤이 열렸을 때 지금 쓰는 모델과 바로 비교해 볼 수 있습니다.

자주 묻는 질문

Q. 한국에서 지금 제미나이 4 아르곤을 쓸 수 있나요?

A. 10월 1일(한국시간) 기준 쓸 수 없습니다. 지금은 구글 내부 팀과 심사를 거친 페어윈드 프로그램 참여 기관만 쓸 수 있습니다. API와 제미나이 앱에는 아직 없고, 한국 출시 일정도 발표되지 않았습니다.

Q. ‘역대 가장 지능적인 모델’이라는 말이 맞나요?

A. 이 표현은 국내 보도자료의 문구입니다. 구글 공식 글은 아르곤을 ‘새로운 프론티어 모델’이라고 부를 뿐, ‘가장 지능적인’이라는 표현은 쓰지 않았습니다. 외부 리더보드에서 단독 1위가 확인된 지표는 Vals Index이고, CWE-bench는 공동 1위입니다. 구글 표에서도 FrontierSWE v2, Terminal-Bench 4.0 등에서는 다른 모델이 앞섭니다.

Q. 제미나이 4 아르곤이 ‘Gemini 4 Pro’인가요?

A. 아닙니다. 구글 공식 글에 나온 정식 모델명은 ‘제미나이 4 아르곤(Gemini 4 Argon)’이고, 아르곤은 코드네임이 아니라 공식 모델 이름입니다. 구글은 최상위 모델에 ‘Pro’ 대신 이 이름을 붙였습니다. 로이터에 따르면 구글 대변인은 아르곤이 기존 ‘Pro’ 계열보다 큰 모델이라고 설명했습니다.

Q. 가격은 얼마인가요?

A. 발표 기준으로 출시 기간에는 100만 토큰당 입력 2달러·출력 10달러, 이후에는 4달러·20달러입니다. 캐시된 입력은 95% 할인됩니다. 출시 기간이 얼마나 되는지는 공개되지 않았습니다.

Q. DeepSWE 77.9%는 믿을 만한 수치인가요?

A. 구글이 직접 측정해 발표한 수치이고, 구글 평가 방법 문서에도 ‘자체 계산(self computed)’으로 적혀 있습니다. 10월 1일(한국시간) 기준 DeepSWE 공식 리더보드(사이트 표기 9월 22일 갱신)에는 아르곤이 아직 없어, 외부에서 다시 확인된 기록은 아닙니다.

이 글은 구글 공식 블로그(영문·한국어), 구글 딥마인드 모델 페이지, 구글 평가 방법 문서, 그리고 외부 벤치마크 사이트(vals.ai, CWE-bench, DeepSWE 리더보드)를 2026년 10월 1일(한국시간) 기준으로 직접 확인해 정리했습니다. 수치마다 누가 측정했는지 함께 적었고, 출처 링크는 본문과 글 끝에 모아 두었습니다.

출처

지구 브리핑 2026년 9월 29일: 117세 장수인의 노화 역설부터 메탄을 분해한 화산 구름까지

이 글은 2026년 9월 둘째 주부터 넷째 주 사이에 나온 대학·연구기관 보도자료(ScienceDaily 게재본)와 The Guardian 기사를 직접 읽고 정리한 것입니다. 항목마다 원문 링크를 붙였습니다. 관찰 연구나 초기 연구는 본문에 그렇다고 적었습니다.

9월 마지막 주 화요일 지구 브리핑입니다(2026년 9월 29일 한국시간 발행 · 원문 게재일 9월 11~27일). 117세까지 산 사람의 몸에서 나온 노화 신호, 부러진 갈비뼈를 안고 살았던 티라노사우루스, 메탄을 분해한 화산 구름까지 골랐습니다. 뒤쪽에는 자연·환경 소식 다섯 가지와 해외에서 화제가 된 트렌드 세 가지를 붙였습니다.

9월 중순~하순 과학 이색 뉴스 10

1. 117세 장수인의 몸에는 ‘극단적 노화’와 ‘보호 장치’가 함께 있었다

1907년 미국 샌프란시스코에서 태어나 스페인 카탈루냐에서 살았고, 2024년 8월 117세로 세상을 떠난 마리아 브라냐스(Maria Branyas Morera)의 시료를 조셉 카레라스 백혈병 연구소 마넬 에스텔레르 박사 연구팀이 분석했습니다. 유전체, 단백질체, 후성유전체, 대사체, 장내 미생물을 한꺼번에 들여다본 다중 오믹스 분석이고, 결과는 Cell Reports Medicine에 실렸습니다.

몸의 일부는 나이만큼 늙어 있었습니다. 텔로미어가 매우 짧았고, 면역계는 염증 쪽으로 기울어 있었으며, B 림프구 집단도 노화한 상태였습니다. 반면 신경·심장 보호와 연관된 유전적 특징이 있었고, 실제 염증 수치는 낮았으며, 장내 미생물은 유익균인 비피도박테리아가 우세했습니다. 후성유전학적으로 추정한 생물학적 나이는 실제 나이보다 젊었습니다. 큰 질병 없이 지냈기 때문에 연구팀은 노화 자체를 질병과 분리해서 볼 수 있었다고 설명합니다. 연구팀은 특정 생활 습관과 곧바로 연결하기는 아직 이르다고 밝히면서, 건강한 식단, 다양한 사회적 관계, 해로운 습관이 없었던 점을 참고할 만한 요인으로만 들었습니다. (ScienceDaily / Josep Carreras Leukaemia Research Institute · 생애 정보: Reuters)

2. 가장 큰 티라노사우루스 ‘스코티’의 부러진 갈비뼈 속 혈관 흔적

현재 알려진 가장 큰 티라노사우루스 골격인 ‘스코티(Scotty)’의 부러진 갈비뼈 안에서, 뼈가 아물던 중에 새로 생긴 혈관망이 광물화된 채 남아 있었습니다. 캐나다 리자이나 대학교 연구팀은 캐나다 광원(Canadian Light Source)의 X선·방사광 분석에 이어, 2026년 4월 미국 오크리지 국립연구소의 중성자 영상 장비로 시료를 손상 없이 3D로 들여다봤습니다.

보도자료에 따르면 스코티는 골절이 완전히 아물기 전에 죽었고, 염분이 있는 습지에 묻히면서 분해가 늦어져 연한 조직의 흔적이 보존된 것으로 보입니다. 뼈가 ‘회복 중’이던 순간이 6,600만 년 된 화석에 찍혀 있는 셈입니다. (ScienceDaily / Oak Ridge National Laboratory)

3. 고양이 소변 속 ‘화학 신분증’, 지방산 13종

일본 이와테 대학교가 이끈 일본·독일·스페인 공동 연구팀이 고양이 소변에서 가지사슬 지방산(BFA) 13종을 찾아냈습니다. 이 지방산들의 조합과 비율은 고양이마다 달랐고, 같은 고양이에게서는 날짜를 바꿔 채취해도 비교적 일정했습니다. 혈연관계인 고양이끼리는 패턴이 더 비슷했지만 각자 구별되는 프로필을 유지했습니다.

빨리 날아가는 다른 냄새 분자와 달리 이 지방산들은 천천히 증발해, 25°C에서 적어도 24시간 동안 개체별 프로필이 유지됐습니다. 다른 성분은 그대로 두고 이 지방산 분획만 바꾸자 고양이들이 다시 냄새를 오래 맡았습니다. 연구팀은 고양이 신장에 유난히 많은 지방 방울이 이 지방산의 저장고 역할을 할 가능성도 제기했습니다. 논문은 Current Biology에 실릴 예정입니다. (ScienceDaily / Iwate University)

4. 미국이 몰아냈던 ‘살 파먹는’ 나선구더기파리가 돌아왔다

신세계 나선구더기파리(New World screwworm)가 미국 텍사스와 뉴멕시코까지 올라왔습니다. 대부분의 구더기는 죽은 조직을 먹지만, 이 파리의 유충은 살아 있는 조직을 파먹습니다. 암컷이 상처나 몸의 구멍에 알을 낳고, 부화한 유충이 조직을 파고듭니다. 가축과 야생동물에게 치명적일 수 있고, 드물게 사람도 감염되지만 사람 사이에 전파되지는 않습니다.

미국은 1950년대에 방사선으로 불임화한 수컷을 대량 방사하는 ‘불임 곤충 기법’으로 이 파리를 몰아낸 적이 있습니다. 지금은 미국 농무부(USDA)가 불임 곤충 방사, 살충제, 동물 이동 제한을 묶어 다시 박멸 작전을 벌이고 있습니다. UC 샌디에이고와 샌디에이고 카운티 보건 당국은 확인된 검출 사례, 환경 조건, 언론 보도를 합쳐 카운티별 위험도를 추정하는 대시보드를 만들었고, 지금은 보건 당국과 협력 기관만 쓸 수 있습니다. (ScienceDaily / UC San Diego)

5. 쥐가 본 영상을 뇌 활동만으로 다시 그려냈다

영국 UCL 세인즈버리 웰컴 센터 연구팀이 쥐의 시각 피질 신경세포 활동만으로 쥐가 본 영상을 재구성했습니다(eLife). 칼슘 이미징으로 개별 신경세포의 활동을 기록했고, 2023년 Sensorium 대회에서 나온 신경 반응 예측 모델을 다듬어 썼습니다. 빈 화면에서 시작해 예측 활동과 실제 활동의 차이를 줄이는 방향으로 픽셀을 조금씩 바꾸는 방식입니다.

학습에 쓰지 않은 새 영상을 보여줬을 때도 10초 길이의 영상을 재구성해 냈고, 신경세포 데이터가 많을수록 정확도가 올라갔습니다. 다만 연구팀은 해상도와 재구성 가능한 시야 범위는 아직 개선할 여지가 크다고 밝혔습니다. 연구팀이 관심을 두는 건 뇌가 실제 장면을 어떻게 걸러내고 바꿔서 표현하는지입니다. (ScienceDaily / University College London)

6. 크론병·궤양성 대장염 환자에게는 시금치·아몬드 속 옥살산이 장 염증을 키울 수 있다(초기 연구)

미국 노스캐롤라이나 대학교 채플힐 연구팀은 시금치, 아몬드, 고구마 같은 식물성 식품에 든 옥살산(oxalate)이 크론병·궤양성 대장염 환자의 장 염증을 키울 수 있다는 결과를 Cellular and Molecular Gastroenterology and Hepatology에 발표했습니다(논문 게재 2026년 8월 13일). 환자의 장 조직에서는 옥살산을 장 밖으로 옮기는 수송 단백질 두 가지(SLC26A2, SLC26A3)가 줄어 있었고, 흡수되지 못한 옥살산이 장 안에 더 많이 남았습니다.

크론병 환자는 건강한 사람과 비슷한 양의 식물성 식품을 먹었는데도 대변 속 옥살산이 훨씬 많았습니다. 먹는 양보다 장이 옥살산을 처리하는 방식이 다르다는 뜻입니다. 연구팀은 이 결과만으로 환자의 옥살산 섭취 권고를 바꾸기는 이르다고 밝혔고, 옥살산을 분해하는 장내 세균을 활용한 치료 가능성도 언급했습니다. 결과의 상당 부분은 쥐와 배양 세포 실험에서 나왔습니다. 대장염을 유도한 쥐에게 옥살산을 더 먹이자 생존 가능성이 60% 낮아졌습니다. (ScienceDaily / UNC Chapel Hill)

연구팀은 IBD 환자에게 식물성 식품을 끊으라는 뜻이 아니라고 밝혔습니다. 식단을 바꾸려면 먼저 담당 의사나 임상영양사와 상의하세요.

7. 관절 보충제 글루코사민, 치매 진행과 ‘연관’

미국 플로리다 대학교 연구팀이 2012~2024년 UF Health 진료 기록을 분석했더니, 글루코사민 복용은 경도인지장애(MCI) 환자에서 나이·성별 등 인구학적 요인을 보정한 뒤에도 치매로 진행할 가능성이 25% 높은 것과 연관돼 있었습니다. 이미 치매가 있는 환자에서는 사망 위험도 25% 높게 나타났지만, 경도인지장애 환자에서는 이런 사망 위험 연관이 보이지 않았습니다. 두 집단 모두 환자의 약 8%가 글루코사민을 복용했다고 기록돼 있었고, 치매 환자 1,896명, 경도인지장애 환자 2,750명이었습니다(Nature Metabolism).

연구팀은 인간 뇌 조직과 치매 모델 쥐 실험에서 단백질에 당 구조를 붙이는 대사 과정이 알츠하이머 뇌에서 과하게 활성화돼 있고, 글루코사민이 이를 더 부추길 수 있다는 단서도 찾았습니다. 다만 이것은 관찰 연구에서 나온 연관성이며 인과관계를 증명한 것은 아닙니다. 연구팀도 임상시험으로 확인해야 한다고 강조했습니다.

복용 중인 보충제를 끊거나 바꾸려면 먼저 담당 의사와 상의하세요. 이 연구는 예비 결과입니다.

(ScienceDaily / UF Health)

8. 호주 암석 속 미세 화석 1만 2천여 점, 가장 오래된 진핵생물(17억 5천만 년 전)은 “산소가 있는 곳에만 있었다”

호주 노던 준주 지질조사소가 보관하던 시추 코어(이암)에서 연구팀이 1만 2천 점이 넘는 미세 화석을 찾아냈고, 그중 일부가 진핵생물이었습니다. 이 지역에서 나온 가장 오래된 진핵생물 화석은 약 17억 5천만 년 전 것으로, 현재 알려진 진핵생물 화석 중 가장 오래됐습니다.

핵심은 서식 환경입니다. 진핵생물 화석은 해안 갯벌부터 먼바다까지 다양한 곳에서 나왔지만, 산소가 있던 환경의 퇴적물에서만 발견됐습니다. 산소가 없던 곳에서는 단순한 원핵생물만 나왔습니다. 연구팀은 17억~14억 년 전의 초기 진핵생물도 산소에 의존했을 가능성이 크다고 봅니다(Nature). 복잡한 생명의 출현에 산소가 중요했다는 가설을 뒷받침하는 결과입니다. (ScienceDaily / The Conversation)

9. 길어지기만 하던 북극 해빙 융해 시즌, 2010년 무렵부터 제자리

NASA 주도 연구팀이 1979~2023년 위성 관측을 분석한 결과, 북극 해빙이 녹는 기간은 1979년보다 약 40일 길어졌지만 그 증가분 대부분은 2010년 이전에 일어났습니다. 그 뒤로는 해마다 편차는 크지만 평균 길이가 비교적 일정했습니다. 기간이 늘어난 주된 원인은 봄에 일찍 녹는 것보다 가을에 늦게 어는 쪽이었습니다(Communications Earth & Environment).

연구팀은 2010년 이후 구름 분포가 바뀌어 일부 해역에 닿는 햇빛이 줄어든 점, 남은 얼음이 얇아져 구름·폭풍·바람 같은 단기 대기 조건에 더 민감해진 점을 이유로 꼽았습니다. 기후변화가 멈췄다는 뜻은 아닙니다. 북극은 여전히 전 지구 평균보다 4배 가까이 빠르게 따뜻해지고 있고, 남아 있는 두꺼운 얼음마저 얇아지면 다시 빠른 감소기로 들어갈 수 있다고 연구팀은 경고했습니다. (ScienceDaily / NASA Earth Observatory)

10. 바늘처럼 가는 뇌 임플란트 하나로 기록·약물 전달·빛 자극까지

덴마크 공과대학교(DTU), 코펜하겐 대학교, UCL 등의 연구팀이 미세 유체 채널을 넣은 가느다란 뇌 전극 ‘mAxialtrode’를 개발했습니다(Advanced Science). 전극 길이를 따라 여러 지점에서 신경 활동을 기록하고 원하는 위치에 약물을 전달할 수 있습니다. 딱딱한 실리콘 대신 부드러운 플라스틱 계열 광섬유로 만들고 끝을 비스듬히 깎아, 삽입할 때 뇌 조직 손상을 줄이도록 설계했습니다. 연구팀은 살아 있는 쥐의 뇌에 이 전극을 넣어 대뇌피질과 해마의 신호를 기록했습니다.

지금은 뇌전증, 기억, 의사결정 과정에서 신호가 뇌의 여러 층을 어떻게 오가는지 연구하는 도구입니다. 개발자는 환자 치료에 쓰려면 광범위한 시험과 규제 승인이 필요하다고 밝혔습니다. (ScienceDaily / Technical University of Denmark)

화요일 특집: 자연·환경 이색 뉴스 5

1. 통가 해저 화산 구름이 메탄을 분해하고 있었다

2022년 훙가 통가-훙가 하아파이 화산 분화로 생긴 거대한 구름을 위성으로 관측한 연구팀이 기록적으로 높은 농도의 포름알데히드를 발견했습니다. 포름알데히드는 메탄이 분해될 때 잠깐 생겼다가 몇 시간 안에 사라지는 물질이라, 연구팀은 이 구름이 남미에 닿을 때까지 10일 동안 추적하면서 메탄 분해가 일주일 넘게 이어졌다고 판단했습니다(Nature Communications).

연구팀은 해저 분화로 솟구친 바닷물 속 염분과 화산재가 햇빛을 받아 반응성 높은 염소 원자를 만들고, 이 염소가 메탄을 분해했다고 봅니다. 계산상 분화로 약 300기가그램(Gg)의 메탄이 나왔고(소 200만여 마리의 1년 배출량), 구름은 하루 약 900메가그램(Mg)의 메탄을 제거했습니다. 소 200만 마리의 하루 배출량에 맞먹는 양입니다. 제1저자는 메탄 제거 기술 기업(Acacia Impact Innovation) 소속이고, 연구는 Spark Climate Solutions의 지원을 받았습니다. 연구팀은 이 현상을 인위적으로 재현하려면 안전성과 효과를 먼저 입증해야 한다고 강조했습니다. (ScienceDaily / University of Copenhagen)

2. 60년 동안 ‘죽은 줄 알았던’ 베냉 앞바다 산호초가 살아 있었다

1960년대 어장 조사에서 수심 50m 아래에 있는 ‘아마도 죽은’ 산호초로 기록됐던 서아프리카 베냉 앞바다를 연구팀이 다시 찾았습니다. 음파 탐지기로 해저 11.5km를 훑고, 수중 드론과 내셔널지오그래픽의 심해 카메라 시스템으로 확인해 보니 건강해 보이는 중광층(mesophotic) 산호 군집이 있었습니다. 산호 8종류와 이곳에서 쉬고 먹이를 찾는 어류 8종이 관찰됐습니다(Frontiers in Marine Science). 다만 아직 산호 표본을 채취하지 않아 종 판별은 영상 기준이며, 1960년대에 정말 죽었다가 회복된 것인지 당시 조사가 잘못 판단한 것인지는 알 수 없다고 연구팀은 밝혔습니다. (ScienceDaily / Frontiers)

3. 아마존 침수림에서 찾은 신종 개구리 ‘Adenomera varcena’

브라질 서부 아크리주 상류 주루아강 일대를 조사한 연구팀이 신종 개구리 Adenomera varcena를 기재했습니다. 거품 둥지를 짓는 땅 개구리 무리로, 이 속은 보통 물에 잠기지 않는 숲에 사는데 이번 종은 계절마다 물에 잠기는 범람원 숲(바르제아)에서 발견됐습니다. 겉모습은 가까운 종과 거의 같지만 DNA, 느린 리듬의 짧은 울음소리, 앞다리 아랫면에 어두운 점이 없다는 특징으로 구별됐습니다(Ichthyology & Herpetology). (ScienceDaily / FAPESP)

4. 귀소 본능으로 유명한 바다악어, 사육 악어는 돌아가지 않았다

방글라데시 순다르반스 맹그로브 숲에서 다 자란 바다악어 5마리에 위성 추적기를 달았습니다. 8~22년 동안 사육된 암컷 3마리는 방사 후 사육 시설로 돌아가려는 움직임 없이 좁은 구역에 자리를 잡았고, 현지 야생 악어와 비슷하게 움직였습니다. 반면 원래 서식지에서 약 132km 떨어진 곳으로 옮겨진 야생 악어 ‘종라(Jongra)’는 하루 30km 넘게 이동하며 뚜렷하게 집 방향으로 향했습니다.

이 지역 바다악어는 1973년부터 법적 보호를 받았지만 개체 수가 회복되지 않았고, 최근 조사에서 성체는 약 140마리로 추정됩니다. 연구팀은 사육한 준성체·성체 악어 방사가 야생 개체군 보강에 쓸 만한 방법일 수 있다고 봅니다(Wildlife Research). (ScienceDaily / Murdoch University)

5. 올여름 영국에서 말벌이 유난히 드물다는 관찰, 이유는 폭염일까

영국의 한 말벌 생물학자가 The Conversation에 쓴 글입니다. 실험용 말벌을 구하기 어렵고, 해충 방제업체에도 둥지 제거 요청이 거의 없다고 합니다. 다만 필자 스스로 이것은 데이터가 아니라 일화이며, 전국 말벌 조사(Big Wasp Survey)는 아직 올해 채집을 시작하지 않았다고 밝혔습니다.

필자가 제시한 가설은 이렇습니다. 봄철 이례적인 고온과 춥고 습한 날이 번갈아 와서 여왕벌이 둥지를 버리거나 죽었을 수 있고, 이어진 폭염으로 지표 온도가 50°C를 넘기면서 말벌의 열 한계(약 45°C)를 넘었을 수 있습니다. 눈에 띄는 말벌이 유난히 작은 것도 먹이 부족이나 고온에서 빨리 자란 영향일 수 있다고 봤습니다. (ScienceDaily / The Conversation)

9월 해외 트렌드 3

수면 보상금 (Sleep payments)

미국 피츠버그 대학교 학부생(평균 19세)에게 7시간 넘게 잔 날마다 약 5달러를 준 연구가 화제가 됐습니다. 보상을 받은 학생들은 수업이 있는 날 밤 평균 19분 더 잤고, 7시간 목표를 달성한 날이 26% 늘었으며, 학점(GPA)은 평균 0.08점 올랐습니다. 4점 만점 기준으로 보면 작은 변화입니다. 보상이 끝난 뒤 몇 주 동안에도 평균 8분 더 잤고, 성적 향상은 다음 학기까지 이어졌습니다. (The Guardian)

신부 들러리 프러포즈 (Bridesmaid proposals)

들러리가 되어 달라고 부탁하는 일 자체를 이벤트로 만드는 문화입니다. 틱톡 팔로워 230만 명인 한 크리에이터가 들러리 후보마다 이름을 새긴 선물 꾸러미와 손편지를 준비한 게시물이 화제가 됐습니다(댓글 추정 세트당 약 1,700달러). 가디언은 들러리를 서는 데 드는 비용 부담을 함께 짚으면서, 더 소박하게 부탁하는 방법도 소개했습니다. (The Guardian)

듄스데이 (Dunesday)

2023년 ‘바벤하이머'(바비+오펜하이머 동시 개봉)에 이어, 12월 18일 같은 날 개봉하는 듄: 파트 3와 어벤져스: 둠스데이를 묶어 부르는 말입니다. 듄이 개봉일 전 세계 아이맥스 상영관을 확보하자 디즈니가 대형 스크린 인증 제도 ‘InfinityVision’을 내놓았다는 뒷이야기도 전해집니다. 바벤하이머처럼 관객 사이에서 자연스럽게 생긴 유행이라기보다 스튜디오가 만든 마케팅에 가깝다는 시선도 있습니다. (The Guardian)

출처

틱톡 미국 통제권 이전 8개월, 부모가 확인할 아동 보호 변화와 설정 (2026년 9월 기준)

기준일: 2026년 9월 29일(한국시간)

이 글의 내용은 기준일까지 공개된 공식 발표와 주요 언론 보도를 바탕으로 합니다. 이후 바뀐 내용이 있을 수 있습니다.

2026년 9월 29일 기준, 한국 틱톡 이용자에게 적용되는 새 변화는 발표되지 않았습니다. 미국에서는 2026년 1월 23일(한국시간)부터 새 합작법인이 틱톡을 운영하고 있습니다. 이후 부모가 알아둘 변화는 세 가지입니다. 아동 개인정보(COPPA) 소송 4억 달러 합의와 그 일부에 대한 법원의 제동, 아동 착취 대응 프로그램 랜턴 가입, 보호자 가이드 공개입니다. 청소년 기본 보호 기능과 부모 연동 기능은 한국 앱에도 있지만 세부 내용이 다르므로 아래에서 비교합니다. (틱톡 공식 발표)

배경: 누가 소유하고, 어떤 법 때문에 바뀌었나 (펼쳐 보기)

새 회사 이름은 TikTok USDS Joint Venture LLC이고, 지분은 오라클·실버레이크·MGX가 각 15%, 바이트댄스가 19.9%, 나머지 투자자가 35.1%입니다. 35.1%는 발표된 지분에서 계산한 값이며, CNBC가 인용한 쇼우 츄 CEO 메모에 따르면 그중 약 30%는 기존 바이트댄스 투자자의 계열사 몫입니다(공식 발표, CNBC). 미국 이용자 데이터와 추천 알고리즘은 오라클의 미국 클라우드에 보관되고 합작법인이 알고리즘을 미국 데이터로 재학습하며, 알고리즘은 바이트댄스로부터 라이선스를 받는 방식으로 보도됐습니다(공식 발표, 테크크런치).

근거가 된 2024년 법(Public Law 118-50 H편)은 외국 적대국 주체가 20% 이상 지분을 가진 회사를 “외국 적대세력 통제” 대상으로 정의합니다(§2(g)(1)(B)). 트럼프 대통령은 행정명령 14166호로 집행을 2025년 4월 5일까지 미뤘고 14258·14310·14350호로 2025년 12월 16일까지 연장한 뒤, 14352호로 합작법인 구조를 승인하고 법무부가 120일간 법을 집행하지 않도록 했습니다(연방관보). 거래 금액은 공개되지 않았고, JD 밴스 부통령은 2025년 9월 기업가치를 약 140억 달러로 언급했습니다(CNBC). 합작법인은 역할을 데이터 보호, 알고리즘 보안, 소프트웨어 보증, 신뢰·안전 네 가지로 설명합니다(공식 발표).

타임라인 (2026년)

  • 1월 23일(한국시간) 합작법인 출범 (로이터)
  • 4월 18일(미국 현지시간) 정보보안 국제표준 ISO/IEC 27001:2022 인증 발표 (합작법인 뉴스룸)
  • 5월 29일(미국 현지시간) 에드 마키 상원의원이 합작법인과 오라클에 알고리즘 재학습 범위와 라이선스 계약 내용을 묻는 서한 발송 (마키 의원실)
  • 7월 30일(미국 현지시간) 첫 플랫폼 보안 보고서와 커뮤니티 가이드라인 보고서 공개 (합작법인 뉴스룸)
  • 8월 21일(미국 현지시간) 미국 법무부와 아동 개인정보(COPPA) 소송 4억 달러 합의 발표 (법무부)
  • 9월 21일(미국 현지시간) 법원, 2019년 동의명령 해제 신청 기각(재신청 가능) (Tech Policy Law)
  • 9월 22~23일(미국 현지시간) 아동 보호 협력 프로그램 랜턴(Lantern) 가입, NCMEC에 200만 달러 지원 약속 (테크크런치, 합작법인 발표)

부모가 알아둘 변화 ① 아동 개인정보 소송 합의와 법원의 제동

미국 법무부는 틱톡·바이트댄스와 아동 온라인 개인정보 보호법(COPPA) 관련 소송을 4억 달러에 합의했다고 발표했습니다. 3억 달러는 즉시, 나머지 1억 달러는 전신 앱 뮤지컬리(Musical.ly)에 내려진 2019년 동의명령이 해제되면 내는 조건입니다(법무부 보도자료). 소송의 핵심 주장은 13세 미만 아동의 정보를 부모 동의 없이 수집했다는 것이었습니다(로이터).

캘리포니아 중부 연방지법의 조지 우 판사는 9월 18일(미국 현지시간) 잠정 판단을 내고, 9월 21일 이를 확정해 2019년 동의명령 해제 신청을 기각했습니다. 재신청이 가능한 기각이라 정부는 보완해 다시 신청할 수 있습니다. 따라서 나머지 1억 달러의 지급 조건은 기준일 현재 충족되지 않았습니다. (블룸버그, MLex, Tech Policy Law, 사건번호 2:19-cv-01439) 동의명령이 유지되면 틱톡은 이 명령에 따른 기존 미국 내 감독 의무를 계속 지게 됩니다(블룸버그).

부모가 알아둘 변화 ② 아동 착취 대응 협력

합작법인은 여러 플랫폼이 아동 성착취 관련 신호를 공유하는 테크 코얼리션의 랜턴 프로그램에 가입했고, 미국 실종·착취아동센터(NCMEC)의 신고 시스템(CyberTipline) 현대화에 200만 달러를 지원하기로 했습니다(합작법인 발표). 이 현대화 사업은 3년, 총 1천만 달러 규모이며 AWS·마이크로소프트·팔란티어 등도 참여합니다(테크크런치). 랜턴 측은 합작법인이 앞으로 신호 공유를 시작할 준비 중이라고 밝혔습니다(같은 발표).

부모가 알아둘 변화 ③ 합작법인 사이트의 ‘For Families’

합작법인 사이트(usdsjv.tiktok.com)의 For Families 메뉴는 보호자 가이드(Guardian’s Guide)로 연결됩니다. 틱톡 작동 방식, 가입 연령, 청소년 기본 보호 기능, 가족 연결(Family Pairing), 10대들이 부모에게 바라는 점, 자주 묻는 질문을 한곳에 모았고, 가족 대화용 자료는 가족온라인안전연구소(FOSI)와 함께 만들었다고 안내합니다(보호자 가이드).

미국과 한국 앱 설정 비교

아래 표는 미국 보호자 가이드와 한국 앱 기준을 비교한 것입니다(2026년 9월 29일 기준). 앱 업데이트에 따라 메뉴 이름과 세부 내용이 바뀔 수 있습니다.

항목 미국(보호자 가이드) 한국 앱
가입 연령 13세 이상(미국 대부분 지역) 만 14세 이상
기본 비공개 18세 미만은 비공개로 시작, 부모가 변경 가능 18세 미만 기본 비공개. 16세 미만이 스스로 해제할 수 있는지는 확인 필요
부모 연동 Family Pairing 세이프티 페어링
사용 시간 13~17세 기본 하루 60분, 요일별 제한 가능 13~17세 기본 1시간, 요일·시간대별 ‘쉬어가기 예약’ 가능
메시지 16세 미만 다이렉트 메시지 불가 16세 미만 다이렉트 메시지 불가
밤 시간 13~15세 밤 9시, 16~17세 밤 10시부터 푸시 알림 꺼짐 푸시 알림 음소거 기본 켜짐: 13~15세 오후 9시~오전 8시, 16~17세 오후 10시~오전 8시
라이브 진행 18세 이상 18세 이상

연령 구간은 틱톡 고객센터 표기 그대로이며, 한국 가입은 만 14세부터입니다.

한국 앱 열 출처: 틱톡 서비스 약관(한국어), 한국어 고객센터의 세이프티 페어링·18세 미만 개인정보·안전 설정·연령 이의 제기 안내, 디지털데일리(2026.2.5), 전자신문(2025.3.12). 16세 미만 비공개 해제에 대해 디지털데일리는 해제할 수 없다고 보도했지만, 한국어 고객센터는 설정을 언제든 조정할 수 있다고 안내하고 있어 확인이 필요합니다.

한국 이용자는? 2026년 9월 29일 기준, 이번 미국 구조 개편과 법무부 합의에 따라 한국 이용자에게 적용되는 변화는 발표되지 않았습니다. 청소년 기본 보호 기능과 세이프티 페어링은 한국 앱에도 원래 있습니다(위 표 참고).

아직 공개되지 않은 것

마키 상원의원은 재학습이 핵심 추천 시스템 전체인지 일부인지, 어떤 데이터를 쓰는지, 일정은 어떤지, 그리고 바이트댄스와의 라이선스 계약 조건이 무엇인지 물었습니다(마키 의원 서한). 기준일까지 합작법인이 이 질문들에 공개적으로 답했다는 자료는 찾지 못했습니다. 합작법인은 출범 때 투명성 보고와 제3자 인증으로 책임을 지겠다고 밝혔고, 7월 30일 첫 보고서를 냈습니다. (공식 발표, 합작법인 뉴스룸)

자주 묻는 질문

Q. 한국에 사는 우리 아이 틱톡도 바뀌나요?
2026년 9월 29일 기준으로 한국 이용자 대상 변화는 발표되지 않았습니다. 이번 구조 개편과 법무부 합의는 미국 서비스에 관한 것입니다(공식 발표, 법무부).

Q. 4억 달러 합의는 틱톡이 잘못을 인정했다는 뜻인가요?
법무부는 이번 합의로 해결된 청구가 ‘주장’일 뿐이고 위법 여부에 대한 판단은 없었다고 밝혔습니다. (법무부)

Q. 부모가 오늘 할 수 있는 일은 무엇인가요?
자녀 앱의 생년월일, 계정 공개 범위, 사용 시간 제한을 함께 확인해 보세요. 한국 앱에서는 ‘세이프티 페어링'(미국 명칭 Family Pairing)으로 부모 계정과 연결할 수 있습니다. 메뉴 위치는 앱 버전에 따라 다를 수 있습니다. (틱톡 고객센터)

출처

아이가 영어에 한국어를 섞어 말할 때, 고치기 전에 해 볼 3칸 관찰 노트

짧은 답

아이가 영어에 한국어를 섞어 말해도 그 자리에서 바로 고치기보다, 한 장면을 골라 Wow(해낸 것)·Wonder(궁금한 점)·What if(다음 시도 하나) 세 칸에 적어 두고 일주일쯤 모아 본 뒤 판단해 보세요. 미국 이중언어 교육 리더용 ‘평가하지 않는 관찰법’을 집에서 쓰도록 옮긴 moonlang의 제안입니다.

아이가 영어로 말하거나 쓰는 걸 보면 틀린 곳이 먼저 눈에 들어옵니다. 관사가 빠졌고, 시제가 흔들리고, 한국어 단어가 섞여 있지요. 이번 글은 미국 이중언어 교육 현장에서 쓰는 관찰 방법 하나를 소개하고, 집에서 쓸 수 있는 형태로 바꿔 본 기록입니다. 아래에 인쇄해서 쓰는 3칸 관찰지(PDF)를 붙였습니다.

한 장면 고치지 말고 듣기 Wow 두 언어로 해낸 것 Wonder 판단 전 궁금한 점 What if 다음 시도 딱 하나 며칠 뒤 다시 관찰 집에서 하는 이중언어 관찰 노트의 흐름 관찰 노트의 흐름 한 장면 고치지 말고 듣기 Wow 두 언어로 해낸 것 Wonder 판단 전 궁금한 점 What if 다음 시도 딱 하나 며칠 뒤 다시 관찰 (점선)
도표: moonlang 제작. 세 칸의 가정용 해석은 moonlang의 정리입니다.

moonlang 해설·활용

moonlang 해설·활용

이 부분은 원문이 아니라 moonlang의 해석과 제안입니다. 원문은 학교 리더를 위한 방법이고, 가정에 옮기는 방식은 우리가 정리한 것입니다. 원문 내용은 아래 「원문 요약」에 따로 모았습니다.

세 칸을 집에서 읽는 법

칸원문에서의 뜻집에서 바꿔 읽기 (moonlang 해석)
Wow이어가면 좋을 실천아이가 두 언어로 해낸 것 한 가지
Wonder관찰 중 생긴 질문판단하기 전에 궁금한 점 (왜 그랬을까?)
What if제안 행동다음에 해 볼 작은 시도 딱 하나

원문에서 가장 쓸모 있다고 본 건 평가하지 않는 관찰이라는 태도입니다. 부모는 아이의 영어를 채점하는 사람이 되기 쉽습니다. 세 칸으로 나눠 적으면 “잘했다/틀렸다” 대신 “무엇을 해냈나, 무엇이 궁금한가, 다음엔 무엇을 해 볼까”를 보게 됩니다.

한국어와 영어를 섞어 말할 때 바로 고쳐야 하나요?

예시 1 — 집: 두 언어를 섞어 말할 때

저녁을 먹다가 아이가 말합니다. “엄마, 오늘 recess 때 친구랑 tag 했는데 내가 계속 it이었어.”

  • Wow: 문장 뼈대는 한국어로 세우고, 필요한 자리에 아는 영어 단어를 넣어 끝까지 이야기했다.
  • Wonder: ‘쉬는 시간’, ‘술래’라는 한국어 표현을 알고도 영어를 고른 걸까, 몰라서 쓴 걸까?
  • What if: 고쳐 말하게 하지 않고, 부모가 “아, 쉬는 시간에 술래잡기(tag)에서 계속 술래(it)였구나” 하고 두 표현을 이어 붙여 되돌려 준다.

두 언어를 섞어 쓰는 모습(코드 스위칭)을 보면 바로 바로잡고 싶어집니다. 이 노트에서는 먼저 적어 두고, 여러 번 모아 본 다음에 판단하기를 권합니다.

영어 그림책을 읽을 때는 무엇을 보면 되나요?

예시 2 — 집: 영어 그림책 소리 내어 읽기
  • Wow: 모르는 단어 앞에서 멈추고 그림을 보며 뜻을 짐작했다.
  • Wonder: 짐작한 뜻을 한국어로 말해 보라고 하면 설명할 수 있을까?
  • What if: 다음 책에서는 그림을 가리고 한 장면만 짐작해 보게 한다.

선생님이라면: 예시 3 — 교실 짝 활동

영어 수업의 짝 활동에서, 학생 둘이 과제 지시문을 한국어로 서로 확인한 뒤 영어로 발표했습니다.

  • Wow: 모국어로 과제를 정확히 이해하고, 발표는 목표 언어로 해냈다.
  • Wonder: 한국어 확인이 없었다면 과제를 잘못 이해했을까?
  • What if: 다음 시간에는 확인용 핵심 표현 두세 개를 영어로 칠판에 먼저 적어 둔다.

하루에 얼마나, 어떻게 적나요?

집에서 쓰는 순서입니다(moonlang 제안).

  1. 하루 한 장면만 고릅니다. 식사, 책 읽기, 영상 보고 이야기하기 등.
  2. 그 자리에서는 고치지 말고 듣습니다.
  3. 나중에 관찰지에 세 칸을 채웁니다. What if는 하나만 적습니다.
  4. 일주일쯤 모이면 Wow 칸만 다시 읽어 봅니다. 아이가 어떤 방식으로 두 언어를 쓰는지 흐름이 보일 수 있습니다.

원문의 180분은 학교 리더 연수 기준입니다. 집에서는 짧게, 자주가 맞다고 봅니다(우리 제안이며 연구 수치는 아닙니다).

쓰지 말아야 할 방식

  • 점수표로 쓰지 않습니다. Wonder 칸은 비판이 아니라 질문입니다.
  • 형제·친구와 비교하는 데 쓰지 않습니다.
  • 아이가 원하면 같이 적어도 좋습니다. Wow 칸을 아이가 직접 골라 보게 하는 것도 방법입니다.

인쇄용 관찰지

A4 흰 종이에 인쇄해 쓰는 3칸 관찰지입니다. 1쪽은 예시, 2쪽은 빈 기록지입니다.

이중언어 관찰 노트 인쇄하기 (PDF)

원문 요약

원문 요약

이 부분은 원문 내용을 우리 말로 줄인 것입니다. 원문: 「The Anatomy of a Biliteracy Learning Walk」, José Medina · Elena Izquierdo · Vanessa Espitia Mendoza, Language Magazine, 2026년 9월 21일.

누구를 위한 글인가

원문은 부모용이 아닙니다. 미국에서 이중언어 프로그램(DLBE, 두 언어로 교과를 가르치는 수업)을 맡은 교장·교감·수업 코치·교육청 담당자를 위한 글입니다. 필자들은 이런 리더들이 충분한 준비 없이 이중언어 프로그램을 이끌게 되는 경우가 많다고 지적합니다.

문제: 보통의 수업 관찰로는 안 보이는 것

일반적인 수업 참관에서는 학생 참여, 학급 운영, 수업 구성이 눈에 들어옵니다. 필자들은 그 방식으로는 두 언어를 계획대로 나눠 쓰고 있는지, 교사가 두 언어 사이의 연결을 일부러 활용하는지는 놓치기 쉽다고 봅니다.

제안: 이중문해 학습 관찰(Biliteracy Learning Walk)

“A biliteracy learning walk is a collaborative, nonevaluative instructional observation process specifically designed to examine the conditions that support bilingualism and biliteracy development within a DLBE context.”

(이중문해 학습 관찰은 이중언어 수업 안에서 두 언어 발달을 돕는 조건을 살피기 위해 만든, 협력적이고 평가하지 않는 수업 관찰 과정이다.)

관찰한 내용은 세 갈래로 적습니다.

  • Wow: 다른 교실에서도 이어가면 좋을 실천
  • Wonder: 관찰하면서 생긴 질문
  • What if: 다음에 해 볼 만한 제안

원문은 이 과정을 관찰 전 준비, 교실 관찰, 돌아보기, 그 뒤의 코칭과 실행 계획으로 이어지는 여러 단계로 설명합니다. 필자들은 리더 연수로 진행할 때 최소 180분을 권하고, 한 번 하고 끝나는 행사가 아니라 계속 이어지는 학습 과정의 일부여야 한다고 강조합니다.

필자들은 이중언어 교실을 ‘다른 언어로 번역한 단일 언어 교실’이 아니라 전문적인 수업 역량이 필요한 이중문해 학습 공간으로 봐야 한다고 말합니다.

“not as monolingual classrooms translated into another language”

(다른 언어로 번역한 단일 언어 교실로서가 아니라)

자주 묻는 질문

영어와 한국어를 섞어 말하면 바로 고쳐 줘야 하나요?

이 노트는 먼저 적어 두고 여러 번 모아 본 뒤 판단하기를 권합니다. 고쳐 말하게 하는 대신 두 표현을 이어 붙여 되돌려 주는 방법이 있습니다. 연구 결과가 아니라 moonlang의 제안입니다.

하루에 얼마나 적어야 하나요?

하루 한 장면, What if는 하나만 적습니다. 원문의 180분은 학교 리더 연수 기준이며 가정용 수치가 아닙니다.

원문은 부모용 글인가요?

아니요. 미국 이중언어 프로그램을 맡은 학교·교육청 리더를 위한 글이고, 가정용으로 옮긴 부분은 moonlang의 해석입니다.

출처

  • 기사: 「The Anatomy of a Biliteracy Learning Walk」
  • 필자: José Medina, Elena Izquierdo, Vanessa Espitia Mendoza
  • 매체·날짜: Language Magazine, 2026년 9월 21일
  • 사이트: www.languagemagazine.com

원문 요약과 짧은 인용(영어 원문 + 우리말 번역)만 실었습니다. 가정·교실 적용 예시와 관찰지는 moonlang이 만든 것이며 원문 필자·매체와는 관계가 없습니다. 도표는 moonlang이 직접 만들었습니다.