온라인 과제 자동 생성 및 평가: 수학·통계 입문 강의 사례

본 논문은 텍스트북 출판사의 폐쇄형 과제 플랫폼에 대한 대안으로, 대학 내부에서 자체적으로 온라인 과제 풀을 구축하고 자동화하는 방법을 상세히 기술한다. 연구 배경으로는 출판사 기반 LMS가 브랜드 충성도를 강화하기 위한 수단에 불과하다는 비판과, 오픈소스 WeBWorK와 같은 시스템이 행정·IT 부서의 승인을 받아야 하는 현실적 제약이 있다. 이에 저자들은 Connecticut State University(CTSU)에서 사용 중인 Blackboard Learn과 연동 가능한 자동화 파이프라인을 설계하였다. 핵심 도구는 Mathematica이다. Mathematica를 이용해 (1) 지정된 확률분포에서 데이터셋 생성, (2) 특정 형태로 인수분해되는 무작위 다항식 생성, (3) 히스토그램·산점도·기하학적 도형 등 시각 자료를 이미지 파일(PNG)로 출력, (4) 정답 및 오답(디스트랙터) 자동 산출을 수행한다. 각 질문 유형은 하나의 Mathematica 함수에 대응시켜, 함수 호출만으로 새로운 문제와 정답을 즉시 얻을 수 있다. 답안 형식은 다지선다형(MC)와 빈칸 채우기형(FITB) 두 가지를 채택하였다. MC는 저수준 인지 영역(지식·이해) 평가에 적합하며, 디스트랙터를 버그 규칙에 기반해 자동 생성함으로써 학생들의 흔한 오개념을 탐지한다. 예를 들어, 상관계수 추정 문제에서는 실제 상관값을 구하고, 부호를 반전한 값과 1, 0, -1에 근접한 값들을 오답으로 제공한다. FITB는 학생이 정답을 다양한 표기로 입력할 경우를 고려해, 소수점 자리수 제한, 분수 형태, 부호 표기 등 여러 허용 형태를 사전 정의한다. 이를 통해 정답 인식 오류를 최소화한다. 문제와 이미지, 수식은 HTML 코드 형태로 변환되고, Microsoft Word가 HTML을 읽어들일 수 있기 때문에 Word 문서로 저장한다. 이후 Respondus라는 중간 소프트웨어가 Word 파일을 읽어 Blackboard Learn에 일괄 업로드한다. Blackboard 자체는 질문 템플릿 기능이 없으나, Respondus가 이를 보완해 대량 질문을 손쉽게 삽입할 수 있게 한다. 프로젝트는 초등 대수, 중등 대수, 행동과학 통계 I 세 과목에 적용되었으며, 5개 학기에 걸쳐 5개의 강좌에서 학생 성적 데이터를 수집했다. 분석 결과, 온라인 과제를 제공받은 학생들은 전통적인 종이 과제에 비해 평균 점수가 유의미하게 상승했으며, 특히 기본 연산·통계 개념(예: z‑점수, 회귀선 기울기, 상관계수 판단)에서 빠른 오류 탐지가 가능했다. 설문 조사에서도 학생들은 즉각적인 피드백과 언제든 접근 가능한 과제 환경을 긍정적으로 평가했다. 프로젝트 진행 중 얻은 교훈은 다음과 같다. 첫째, 질문 템플릿 설계 시 학습 목표와 난이도를 명확히 구분해야 한다. 둘째, 자동 생성된 그래프와 수식 이미지의 해상도와 가독성을 관리해야 한다. 셋째, FITB 형식에서는 허용 가능한 답변 형태를 충분히 정의하고, 가능한 경우 정규표현식 기반 채점을 지원하는 LMS를 선택하는 것이 바람직하다. 넷째, 자동화 파이프라인은 Blackboard뿐 아니라 Moodle, Canvas 등 다른 LMS에도 적용 가능하므로, 오픈소스 과제 시스템 도입이 어려운 환경에서도 비용 효율적인 온라인 과제 구축이 가능함을 보여준다. 결론적으로, Mathematica와 Respondus를 활용한 자동화된 온라인 과제 생성·업로드 시스템은 교원에게 질문 풀을 신속히 확장·수정할 수 있는 유연성을 제공하고, 학생에게는 즉각적인 피드백과 자율 학습 기회를 제공한다. 향후 연구에서는 적응형 학습 알고리즘과 연계해 개별 학습자 맞춤형 문제 제공 및 학습 경로 최적화를 모색할 필요가 있다.