Editrail: AI 활용을 시각화해 교수자가 학생 코딩 과정을 투명하게 파악한다

초록

Editrail은 학생들의 코드 편집 기록에 AI가 기여한 부분을 ‘트레일’ 형태로 시각화해, 교수자가 AI 사용 패턴을 실시간으로 파악하고, 교육 목표에 맞는 맞춤형 개입을 할 수 있게 돕는 인터랙티브 도구이다.

상세 분석

본 논문은 프로그래밍 교육 현장에서 교사가 학생들의 AI 활용을 눈으로 확인하기 어려운 문제를 해결하고자 Editrail이라는 시스템을 설계·평가하였다. 핵심 아이디어는 코드 편집 히스토리와 AI‑학생 대화 로그를 하나의 시각적 흐름으로 결합해, AI가 삽입·수정한 코드 조각을 색상·선형 트레일로 표시함으로써 ‘AI 기여도’를 직관적으로 드러내는 것이다. UI는 타임라인 기반 뷰와 상세 편집 뷰, 그리고 AI 대화 요약 패널로 구성돼 교사가 특정 시점의 학생 행동을 빠르게 파악하고, 필요 시 즉시 퀴즈나 힌트를 삽입할 수 있다.

연구 방법으로는 2개의 파이썬 과제에 대해 20명의 학생이 만든 188‑319줄 코드와 2,610번 이상의 편집, 42번의 AI 채팅 데이터를 수집하고, 12명의 교수자를 대상으로 within‑subject 실험을 진행하였다. 비교 대상은 코드와 채팅 로그만을 보여주는 기존 시스템이며, Editrail을 사용한 경우 교수자는 AI 사용을 더 정확하고 신속하게 식별했으며, 개입 시점도 보다 적절하게 선택했다는 결과가 도출되었다.

기술적 기여는 (1) 교사의 요구를 반영한 설계 목표를 도출한 대규모 설문 조사, (2) 학생‑AI 상호작용을 정량·정성적으로 기록한 데이터셋, (3) AI 기여 트레일 시각화와 실시간 개입 기능을 통합한 인터랙티브 툴, (4) 실제 교육 현장에서 가시성 향상 효과를 입증한 사용자 연구이다.

한계점으로는 데이터가 파이썬 과제와 소규모 집단에 국한돼 일반화에 제약이 있으며, AI 모델 종류와 프롬프트 전략에 따라 트레일 표시 방식이 달라질 수 있다는 점을 지적한다. 또한, 교사의 개입이 과도하게 자동화될 경우 학생의 자율적 메타인지 발달을 저해할 위험도 논의한다. 향후 연구에서는 다양한 프로그래밍 언어와 대규모 강의 환경에 적용하고, AI‑학생 대화 내용까지 정교히 분석해 ‘생산적’ vs ‘비생산적’ 사용을 자동 분류하는 기능을 추가할 계획이다.