Inha University Workshop
INTERACT 모델 기반으로 프롬프트, 멀티모달 자료, 앱 프로토타입, 피드백 루프를 하나의 수업 설계 흐름으로 묶는 실습형 워크샵
Poster / Program Copy
AI Studio는 단순한 콘텐츠 생성 도구를 넘어 수업 설계의 매개가 됩니다. 본 워크숍에서는 INTERACT 모델을 기준으로 프롬프트, 멀티모달 자료, 앱 프로토타입을 하나의 수업 설계 흐름으로 묶는 절차를 실습형으로 다룹니다. 참가자는 본인의 교과 주제에 곧바로 적용 가능한 설계안과 산출물 초안을 가지고 돌아갈 수 있습니다.
Imagegen2 Visual Anchor
수업 목표, 학습자, 상호작용, 피드백 조건을 먼저 씁니다.
이미지, 표, 음성, 화면 흐름을 같은 학습목표에 맞춥니다.
Build Mode에서 검수 가능한 앱 초안을 만듭니다.
사실성, 접근성, 개인정보, 저작권, 수업 적합성을 통과시킵니다.
Imagegen2 Algorithm Visual
목표와 자료를 먼저 고정한 뒤, 역할·조건·출력형식·검수기준을 프롬프트로 씁니다.
이미지, 표, 화면, 음성은 따로 만들지 않고 같은 목표 아래에서 서로 검증하게 합니다.
앱이 돌아가는지만 보지 않고 학생 행동, 피드백, 데이터 저장, 공유 위험을 함께 봅니다.
120분 안에는 하나의 산출물을 완성하고, 나머지는 같은 알고리즘으로 후속 과제로 확장합니다.
Framing
설명문, 이미지, 퀴즈, 활동지 초안을 빠르게 생성합니다.
학습자가 예측하고 조작하고 비교하는 화면 흐름을 설계합니다.
오개념을 드러내고 다음 행동을 안내하는 정보를 제공합니다.
정답만 보지 않고 상호작용 전체에서 관찰 증거를 남깁니다.
2025-2026 Research Update
고등교육 프롬프트 엔지니어링 리뷰는 프롬프트를 학습 산출물의 품질을 조절하는 교육과정 요소로 봅니다.
Lee & Palmer, 2025최근 체계적 문헌고찰은 생성형 AI 활용을 콘텐츠 제작, 피드백, 튜터링, 평가 지원 등 수업 활동 단위로 분류합니다.
Qian, 2025수업 적용 리뷰는 생성형 AI가 여러 전공에 확산됐지만 실제 교실 전략은 도구 유형, 과목, 활동 구조에 따라 다르게 설계해야 한다고 봅니다.
Wang et al., 20252026년 교원 연구 종합은 태도와 실천이 빠르게 변하지만 정책, 윤리, 수업 설계 지원이 함께 필요하다고 정리합니다.
Baggia et al., 2026Learning Outcomes
학습목표, 대상 학습자, 예상 오개념, 매체 조건을 하나의 brief로 정리한다.
Prompt box, AI Chips, Gallery, Annotation, Code tab, Share/Deploy 버튼의 용도를 설명한다.
텍스트, 이미지, 음성, 표, 화면 흐름을 같은 학습목표에 맞춰 생성한다.
JSON/표/루브릭을 통해 AI 결과를 재사용 가능한 수업 데이터로 바꾼다.
앱 링크, GitHub repo, ZIP, JSON, 이미지/음성 자료를 LMS와 수업활동으로 연결한다.
AI Studio 시제품을 Antigravity에서 개선·검증·배포 가능한 수업도구로 발전시킨다.
Workshop Flow
Before We Start
Chrome 또는 Edge에서 Google AI Studio 접속을 확인합니다. 학교 Google Workspace 계정이 막히면 개인 Google 계정으로 대체합니다.
실제 강의에서 쓰고 싶은 개념, 활동, 오개념, 평가 기준을 하나 가져옵니다. 빈 화면에서 시작하지 않습니다.
학생 이름, 학번, 얼굴, 음성, 성적, 상담 기록, 비공개 자료는 넣지 않습니다. 필요하면 P01/P02처럼 익명화합니다.
Antigravity나 외부 개발 흐름까지 해볼 사람은 GitHub 계정을 준비합니다. 수업 적용만 볼 사람은 선택 사항입니다.
Cloud Run, Firebase, 외부 API 연결은 고급 경로입니다. 비용과 권한이 생길 수 있으므로 워크샵에서는 시연 또는 선택 실습으로 둡니다.
배포가 안 되면 screenshot, 짧은 시연 영상, prompt brief, JSON/표 산출물만으로도 LMS 적용 계획을 만들 수 있습니다.
Actual Screen · Access Tiers
무료 한도 안에서 모든 실습이 가능합니다. 한도 초과 시 “요청 건당 지불”을 그대로 두고 진행해도 큰 비용은 발생하지 않습니다.
제미니 API는 사용량 기반, 구글 AI는 월간 구독입니다. 학과/기관 결제 가능 여부를 워크샵 전에 확인하세요.
개인 결제로 시작했다가 학교 결제로 바꾸는 일이 흔합니다. API 키와 결제 계정을 같이 정리합니다.
2026 Snapshot
교육적으로 중요한 변화는 “코드를 얼마나 아는가”보다, 수업 목표·상호작용·데이터·보안 기준을 얼마나 정확히 말하고 검수하는가입니다.
Capability Map
프론트엔드 화면뿐 아니라 server-side logic, secure API calls, npm package를 포함한 앱 초안을 자연어로 만듭니다.
외부 API 키와 자격증명을 Settings에서 보관하고, 수업용 앱 코드에 직접 노출하지 않도록 설계합니다.
Firestore 같은 지속 저장소와 Google 로그인 흐름을 붙여 출석, 제출, 개인화 피드백의 가능성을 시연합니다.
AI Studio 안에서는 다중 파일 맥락을 유지하며 수정하고, 외부 Antigravity에서는 repo 단위 검증과 브라우저 테스트로 확장합니다.
이미지, 음성, Live API, TTS를 수업 장면·발표 코칭·스토리보드·접근성 자료로 연결합니다.
JSON schema로 산출물 형태를 고정해 활동지, 루브릭, LMS 데이터, 앱 상태값으로 재사용합니다.
Actual Screen
이미지, 지도, 검색, 챗봇처럼 필요한 기능을 고른 뒤 수업 목표를 붙입니다.
학습자, 목표, 상호작용, 피드백, 검수 기준을 한 문단에 넣습니다.
처음 결과는 완성품이 아니라 live preview에서 검수할 초안입니다.
Interface Anatomy
학습자, 목표, 오개념, 피드백 규칙을 자연어로 지정
Button Map · Start
무엇을 만들지 자연어로 쓰는 곳입니다. 수업에서는 “앱을 만들어줘”가 아니라 학습목표, 학습자, 상호작용, 피드백 조건을 함께 씁니다.
시작점이미지 생성, 지도/검색, 특정 도구처럼 필요한 기능을 프롬프트에 붙이는 빠른 선택지입니다. 교육적으로는 “어떤 매체·데이터가 필요한가”를 고르는 단계입니다.
기능 추가아이디어가 없을 때 Gemini가 앱 아이디어 프롬프트를 제안합니다. 워크샵에서는 영감용으로만 쓰고, 반드시 내 수업목표에 맞게 다시 씁니다.
아이디어 생성타이핑 대신 말로 앱 아이디어를 입력합니다. 교사는 수업 장면을 말로 설명한 뒤, 생성된 문장을 설계 brief로 정리할 수 있습니다.
음성 입력이미 만들어진 예시 앱을 열어 보고 Copy App으로 복제합니다. 처음부터 만드는 것보다 “리믹스하며 배우기”에 적합합니다.
예시 리믹스프레임워크, 모델, 앱 설정, Secrets Manager(비밀키 보관함), Firebase 연결 등을 조정합니다. 실습 전에는 무료 기능과 계정 권한을 먼저 확인합니다.
환경 설정Actual Screen · App Gallery
완전히 새 앱을 만들기보다, 가까운 예시를 고르고 학습목표·언어·피드백 기준만 바꿉니다.
“예시를 베끼는 것”이 아니라 “구조를 읽고 내 수업 설계로 바꾸는 것”이라고 설명합니다.
Button Map · Iterate
“힌트를 단계형으로 바꿔줘”, “교사용 요약 화면을 추가해줘”처럼 기능 단위로 요청합니다.
Actual Screen · Annotation Mode
CSS나 컴포넌트 이름을 몰라도, 눈에 보이는 부분을 선택해 수정 요청을 만들 수 있습니다.
“버튼을 크게”, “힌트를 단계형으로”, “색 대비를 높여”처럼 학습자 경험 중심으로 말하게 합니다.
Live Screen Motion · Google AI Studio
Button Map · Share / Export
| 버튼/기능 | 무엇을 하나? | 교육 현장 활용 | 주의 |
|---|---|---|---|
| Share app 공유 링크 | 앱을 다른 사람에게 보여주거나 협업·시연 | 워크샵 산출물 공유, 동료 피드백 | 공유받은 사용자가 코드와 구조를 볼 수 있음 |
| Deploy to Cloud Run 웹앱 배포 | 공개 URL로 배포 | 수업에서 실제 사용 가능한 웹앱 | 비용, API 키 사용량, 개인정보 처리 확인 |
| Push to GitHub 저장소로 보내기 | 저장소로 내보내고 버전관리 | 학생/교수자 포트폴리오, 코드 리뷰, Antigravity 연동 | 공개 저장소에 키·학생정보 금지 |
| Download ZIP 압축파일 받기 | 로컬 개발환경으로 가져가기 | Antigravity, VS Code, Cursor 등에서 후속 개발 | 클라이언트 코드에 실제 API 키를 넣으면 노출됨 |
| Secrets Manager 비밀키 보관함 | API 키와 외부 서비스 자격증명 저장 | Maps, DB, 외부 API 연결 | 서버측에서만 사용하도록 설계 |
Easy Explainer
참가자에게는 이 네 공간만 먼저 이해시키면 됩니다. 모든 버튼은 결국 “시작, 수정, 검수, 공유” 중 하나입니다.
First Branch · 설계 분기점
| 설계 차원 | Teacher tool | Student tool |
|---|---|---|
| 목적 | 수업 준비, 평가 보조, 자료·문항·루브릭 생성 | 학습, 연습, 탐색, 형성평가, 자기주도 학습 |
| 입력 데이터 | 교수자 자료(공개/내부 노트) — 본인 책임 | 학생 응답·진행·식별 위험 ⚠ — PIPA·교내 정책 적용 |
| 평가 기준 | 시간 절약, 정확성, 재사용성 | 학습 성과, 참여, 접근성, 공정성, 발달적합성 |
| UX 우선순위 | 빠른 입력 → 빠른 출력, 키보드 단축 | 단계별 안내 · 즉시 피드백 · 안전망 · 모바일 대응 |
| 출력 형식 | JSON, CSV, 표, 슬라이드 초안 | 인터랙티브 UI, 점진적 피드백, 누적 점수 |
| 프롬프트 톤 | 명령형, 압축적 (“X를 표로 뽑아줘”) | 존댓말, 친절, 격려, 한자 병기 옵션 |
| 배포 경로 | 본인 PC, 비공개 Share 링크 | LMS 임베드, 공개 URL, 모바일 필수 |
| 검수 강도 | 사실성 · 재사용성 | 사실성 + 발달적합성 + 접근성 + 편향 + 안전성 |
Core Claim
Theory Lens
AI Studio는 이 요소들을 프롬프트 변수와 산출물 조건으로 바꿔주는 실행 환경으로 사용할 수 있습니다.
Imagegen2 · Domagk et al. Framework
기기, 매체, 과제 맥락, 시간 제약을 먼저 정합니다.
학생이 클릭, 조작, 말하기, 선택 중 무엇을 실제로 하는지 정합니다.
예측, 설명, 점검, 수정처럼 머릿속 활동을 밖으로 끌어냅니다.
안전한 실패, 재시도, 학습 증거를 결과물에 남깁니다.
Translation Table
| 이론 요소 | 프롬프트 질문 | 교육미디어 산출물 |
|---|---|---|
| 학습환경 | 어떤 기기, 수업맥락, 시간 제약인가? | 웹앱, 활동지, 교사용 안내 |
| 행동 활동 | 학습자가 무엇을 조작하거나 말하는가? | 슬라이더, 선택지, 말하기/녹음, 시뮬레이션 |
| 인지·메타인지 | 예측과 결과를 비교하고 수정하는가? | 예측-확인-수정 질문, reflection prompt |
| 동기·정서 | 실패해도 안전하고 다시 시도할 수 있는가? | 힌트, 난이도 조절, 격려 문장 |
| 학습 결과 | 무엇을 증거로 남길 것인가? | 로그, 루브릭, 요약 대시보드, 교사용 메모 |
Prompt Engineering View
학습자, 수업 시간, 기기, 자료 범위, 금지 데이터, 접근성 조건을 먼저 고정합니다.
learner, setting, constraints
학습자가 반드시 해야 할 행동과 AI가 그 행동 뒤에만 할 수 있는 반응을 정의합니다.
predict → manipulate → compare → explain
텍스트가 아니라 화면, JSON, 루브릭, 교사용 메모, 로그 필드까지 산출물 구조를 지정합니다.
schema, screens, evidence
오개념, 저선행지식, 접근성, 개인정보, 출처 환각 테스트를 통과해야 사용합니다.
test cases, acceptance criteria
Copy-Ready Engineering Template
Schema-First Design
| 필드 | 타입 | INTERACT 의미 | 수업/앱 활용 |
|---|---|---|---|
| learner_profile | object | 학습자와 선행지식 | 난이도, 힌트, 예시 수준 결정 |
| interaction_steps | array | 행동 활동 순서 | 화면 단계, 버튼, 입력 UI로 변환 |
| misconception_rules | array | 인지·메타인지 점검 | 오답 피드백, 재시도 질문, 튜터 반응 |
| affective_support | object | 동기·정서 지원 | 격려 문장, 실패 후 다음 행동, 난이도 조절 |
| evidence_log | array | 학습 결과 증거 | 교사용 요약, LMS 제출, 형성평가 루브릭 |
| quality_gates | array | 검수 기준 | 사실성, 접근성, 개인정보, 저작권, 안전성 |
Prompt QA
| 테스트 | AI Studio에 넣는 검사 질문 | 통과 기준 |
|---|---|---|
| Happy path | 평균 수준 학습자가 예상대로 예측-조작-설명을 완료하는가? | 단계 누락 없음, 피드백이 목표와 연결됨 |
| 오개념 | 대표 오개념 2개를 넣었을 때 바로 정답을 말하지 않는가? | 힌트 ladder, 재시도 질문, 비교 활동 제공 |
| 저선행지식 | 초보 학습자에게 용어를 과하게 쓰지 않는가? | 쉬운 언어, 예시, 선택 가능한 도움 |
| 접근성 | 이미지·음성·색상 정보에 대체 경로가 있는가? | alt text, 자막/전사, 키보드, 색 대비 포함 |
| 개인정보 | 학생 식별정보나 민감자료 입력을 요구하지 않는가? | 최소 데이터, 로컬 저장, 익명화 안내 |
| 출처 환각 | 자료 근거가 없는 사실을 만들어내지 않는가? | 모르면 “확인 필요” 표시, URL/인용 직접 검증 |
Copy-Ready Template
Motion Demo · Prompt Assembly
System Instructions
역할, 대상, 피드백 기준, 금지된 도움, 출력 형식, 검증 절차를 분리해서 씁니다.
예: 정답을 바로 주지 말고 먼저 학습자의 예측을 요구한다.
“잘 설명해줘”, “재미있게 만들어줘”처럼 평가 기준 없는 지시문은 결과 품질을 검토하기 어렵습니다.
문제: 재미있지만 목표와 맞지 않는 자료.
Pattern 1
1. 최근 7일 이내 테크/교육 관련 게시물 캡처
2. AI Studio로 주장과 신뢰도 분류
3. 고신뢰 주장 1개와 저신뢰 주장 1개를 원출처로 직접 검증
4. AI가 맞힌 것, 놓친 것, 과장한 것을 100자로 기록
Motion Demo · Multimodal Critique
Pattern 2
Pattern 3
90초 발표 도입부 음성 파일
MP3/WAV속도, filler words, thesis clarity, timestamp별 개선점
audio input같은 내용을 다시 녹음하고 한 가지 개선만 추적
before/after핵심은 “잘했는지” 평가가 아니라, 같은 내용을 다시 수행하며 변화를 확인하는 것입니다.
Pattern 4
| 프레임 | AI Studio 산출물 | 교수설계 검토 |
|---|---|---|
| Frame 1 | 학습 상황 이미지, 20초 내레이션, alt text | coherence: 불필요한 장식 제거 |
| Frame 2 | 과정 설명 이미지, 신호어가 있는 스크립트 | signaling: 무엇에 주목해야 하는지 분명한가 |
| Frame 3 | 형성평가 장면, 피드백 문장 | accessibility: 시각 자료 없이도 이해 가능한가 |
Structured Output
슬라이드 구조와 학생 워크시트로 변환
Build Mode, React 컴포넌트, 퀴즈 배열 입력
교사용 평가 기준과 피드백 문장으로 재사용
Build Mode
Build Mode의 장점은 “완성 앱”이 아니라, 교수자가 상호작용 아이디어를 빠르게 테스트할 수 있다는 점입니다.
Advanced Settings · 고급 설정
상단 오른쪽 톱니바퀴 → 고급 설정에서 한 번 설정해 두면 같은 프로젝트 안에서 일관된 출력이 나옵니다.
워크샵 권장: 기본값 Gemini 3 Flash Preview 유지. 빠른 반복, 무료 한도 안에서 실습 가능.
다른 선택지:
주의: 모델을 바꾸면 출력 톤·길이·구조가 달라집니다. 프롬프트 평가 중에는 한 모델로 고정하세요.
워크샵 권장: 학습자, 학년/언어, 톤, 안전 경계, 출력 형식을 4-6문장으로.
템플릿:
너는 한국 고등학생 대상 고전문학 튜터다.
존댓말, 짧은 문장, 한자 병기.
오답 시 정답을 바로 말하지 말고
관련 작품 정보로 힌트를 준다.
민감정보·실명은 받지 않는다.
출력은 항상 JSON {question, options, hint}.
주의: 시스템 지침은 사용자 프롬프트보다 강합니다. 학습목표와 충돌하지 않게 한 번에 확정하세요.
워크샵 권장: 기본값 React (Vite). 단일 페이지, 상태관리, 컴포넌트 분리에 충분.
다른 선택지:
주의: 프레임워크를 중간에 바꾸면 코드가 갈아엎어집니다. 시작 전에 “어디서 실행할 것인가(브라우저 단독 / 학교 서버 / LMS 임베드)”를 먼저 정하세요.
Actual Screen · Build Mode
“언어 자동 감지, 음성 입력, 모바일 반응형, 오류 처리 포함” 같은 조건이 그대로 UI 동작이 됩니다.
“Apply the Geometric Balance theme”처럼 한 줄로 스타일을 바꿉니다. 수업자료 톤·접근성 검수도 같은 방식으로 요청합니다.
변경 단위마다 checkpoint가 생기므로 “여기서 다시 시작” 또는 “이전 버전 비교”가 가능합니다.
Motion Demo · Build Mode Loop
Copy-Ready Prompt
Prototype Example
문항 1개씩 제시, 선택 즉시 피드백, 설명, 다음 문항, 누적 점수, 최종 점수, 재시작.
문항 세트를 코드 상단의 명확한 배열/object로 배치해 교사가 직접 고칠 수 있게 합니다.
외부 라이브러리 없이 단일 HTML 파일로 로컬 브라우저에서 실행.
정답 표시보다 왜 맞고 틀렸는지 짧은 설명을 함께 제공합니다.
Actual Screen · 고전문학 퀴즈 앱
“시대별 난이도 조정, 오답 시 작품 정보, 맞춤형 학습 경로” 같은 학습설계 조건이 그대로 UI가 됩니다.
먼저 학습 흐름을 통과시키고, design preview 단계에서 톤·접근성·가독성을 고릅니다.
해설의 사실성, 보기 표현의 모호함, 정답률 통계가 학생 평가에 그대로 노출되는지 확인합니다.
Actual Screen · 학습자 데이터 영속화
“성취도 분석, 최근 학습 기록 리스트”처럼 학습자 데이터 활용을 명시하면 시스템이 적절한 저장소를 제안합니다.
워크샵 실습은 Free tier · 단일 region(us-west1) 기본값을 그대로 사용합니다. 결제·쿼터는 사후 확인.
실명·학번·민감 답변은 절대 넣지 않습니다. P01/P02 식 익명 ID + 학습이벤트만 저장하도록 프롬프트에 못 박습니다.
Firebase 활성화 후 Secrets Manager에서 키를 보관하고, 학생 화면에서는 서버 함수만 호출하도록 구조를 잡습니다.
Prototype Review
Lighthouse 또는 WAVE 접근성 결과를 업로드하거나 스크린샷으로 제공.
각 이슈가 학습자에게 왜 문제가 되는지, HTML/CSS 수준의 쉬운 수정 제안으로 번역.
두 가지 이슈를 실제로 고치고 점수 또는 경고 수 변화로 확인.
After AI Studio
| 산출물 | 바로 쓰는 법 | 다음 단계 |
|---|---|---|
| Lesson text | 슬라이드, 활동지, LMS 안내문 초안으로 사용 | 교사가 사실성·난이도·톤을 수정 |
| JSON / table | 문항 배열, 루브릭, 피드백 규칙, 앱 데이터로 사용 | Build Mode 또는 Antigravity에서 컴포넌트 데이터로 연결 |
| Image / storyboard | 도입 장면, 개념도, 상황카드, alt text와 함께 사용 | 저작권·편향·접근성 검토 후 배포 |
| Audio / script | 내레이션 초안, 발표 코칭, 듣기 자료로 사용 | 교사 목소리/AI 음성 여부를 disclosure |
| Prototype app | 워크샵 데모, 학생 연습앱, 교수자 피드백용 시제품 | GitHub/ZIP/Cloud Run/Antigravity로 이어 개발 |
Sidecar Guide · Keep This Next to AI Studio
왼쪽에는 Google AI Studio, 오른쪽에는 이 덱을 둡니다. 슬라이드 1장당 하나의 테스트만 합니다.
Left: aistudio.google.com · Right: this guide
“신기한 결과”보다 입력, 프롬프트, 출력, 검수 기록을 남기는 것이 목표입니다.
input → prompt → output → review
학생 이름, 학번, 얼굴, 성적, 상담 기록, 비공개 파일, 실제 API 키는 넣지 않습니다.
각 테스트마다 “수업에 쓸 수 있는가?”가 아니라 “무엇을 고쳐야 하는가?”를 1개 이상 적습니다.
Sidecar Guide · 4 Test Cards
수업 이미지, 도표, 실험 장면, 포스터를 업로드하고 핵심 주장·오개념·alt text를 뽑습니다.
5 min웹페이지나 앱 화면을 캡처해 UI 문제, 학습자 행동, 접근성 개선점을 찾습니다.
7 min작은 데이터 표를 넣고 패턴, 이상치, 학생 질문, 차트 아이디어를 생성합니다.
8 min가능한 계정에서만 짧은 발표 음성이나 동영상을 넣고 피드백 기준을 테스트합니다.
optionalSidecar Guide · Copy-Ready Prompts
Sidecar Guide · Review Before Use
AI Studio → Antigravity
Motion Demo · AI Studio to Antigravity
Actual Screen · Antigravity
AI가 “고쳤다”고 말한 것보다, 어떤 계획·diff·screenshot·test report를 남겼는지가 중요합니다.
AI 사용 결과물을 제출할 때도 artifact를 함께 내게 하면 과정 평가가 가능합니다.
Optional Follow-Up Tool
https://antigravity.google/download
Windows, macOS, Linux용 public preview 다운로드 경로입니다.
설치는 생략하고, AI Studio 결과물을 GitHub/ZIP으로 넘긴 뒤 무엇을 검증할지 흐름만 보여줍니다.
API 키 노출, 접근성, 모바일 레이아웃, 브라우저 테스트, screenshot/test artifact를 점검합니다.
Agentic Workflow
AI Studio 안에서 빠르게 만든 뒤, 외부 Antigravity에서는 “수정했는가”보다 “검증 증거를 남겼는가”를 중심으로 봅니다.
Copy-Ready Agent Brief
Verification Artifacts
agent가 무엇을 하려 했는지 확인합니다.
어떤 파일과 줄이 바뀌었는지 봅니다.
실제 UI가 의도대로 보이는지 확인합니다.
빌드, lint, 브라우저 흐름이 통과했는지 봅니다.
Classroom Deployment
앱을 직접 쓰게 하기 어렵다면 시연 영상이나 캡처를 LMS 자료로 배포합니다.
AI Studio share 또는 Cloud Run URL을 활동지에 연결합니다.
정적 앱이면 GitHub Pages로 공개하고 README에 AI 사용과 수정 내역을 남깁니다.
HTML/ZIP을 LMS 파일로 올려 오프라인/로컬 실행 대안을 제공합니다.
Hands-On Scenario Bank
추상 개념을 조작 가능한 앱으로 바꿉니다. 통계, 과학, 방법론, 경제학 수업에 적합합니다.
Build Mode이미지·스크린샷·기사 링크를 읽고 주장, 근거, 검증 행동을 분리합니다. 미디어 리터러시와 연구방법 수업에 적합합니다.
Multimodal학습자가 응답을 선택하고 즉시 피드백을 받는 분기형 연습 앱을 만듭니다. 언어, 상담, 윤리, 토론 수업에 적합합니다.
Role-playScenario A · Build Mode
학생이 표본, 변동성, 분포 같은 개념을 공식으로만 외우고 실제 의미를 설명하지 못합니다.
“학습자가 먼저 예측하고, 슬라이더를 조작하고, 결과 그래프를 비교한 뒤 한 문장으로 설명하는 미니 앱을 만들어줘.”
예측 입력이 있는가, 조작이 결과를 바꾸는가, 피드백이 정답보다 이유를 묻는가.
Scenario B · Multimodal
학생이 온라인 자료의 주장과 증거를 구분하지 않고, AI 요약을 최종 판단처럼 받아들입니다.
“이 이미지와 링크에서 핵심 주장, 필요한 원출처, 검증 질문, 불확실한 부분을 표로 분리해줘.”
AI가 만든 분류를 학생이 원출처로 다시 확인하고, 틀린 판단을 수정했는가.
Scenario C · Branching App
학생이 원칙은 알고 있지만 실제 대화, 상담, 윤리 판단 상황에서 어떤 응답을 골라야 하는지 연습이 부족합니다.
“3개의 상황 카드와 3개의 응답 선택지를 가진 역할극 앱을 만들어줘. 선택 뒤에는 장점, 위험, 다음 질문을 보여줘.”
피드백이 낙인찍지 않는가, 대안 행동을 제시하는가, 학생 reflection을 남기게 하는가.
Participant Worksheet
Hands-On Lab A
기본 설정으로 학생 질문에 답하게 합니다.
시스템 지시문을 추가합니다: “정답 전, 학생의 예측을 먼저 요청하라.”
출력 형식을 표 또는 JSON으로 고정합니다.
Hands-On Lab B
참가자는 자신의 교과 주제로 같은 변환을 수행하고, 어떤 설계 판단을 추가했는지 공유합니다.
Hands-On Lab C
플래시카드, 퀴즈, 시뮬레이션 앱 초안
스토리보드 이미지와 alt text
90초 발표 또는 내레이션 피드백
차트 해석, CSV 요약, 그래프 생성
Hands-On Lab D
Quality Gate
Motion Demo · Quality Gate
Feedback Loop
Participant Worksheet
Classroom Integration
자료 생성, 교사 검토, 활동지 준비, 예상 오개념 분류.
교수자 중심예측, 조작, 토론, 실시간 피드백, 동료 비교.
학습자 중심증거 해석, 보충자료, 다음 수업 개선, AI 사용 disclosure.
개선 중심Troubleshooting
| 문제 | 증상 | 구제 프롬프트 |
|---|---|---|
| 너무 일반적 | “좋은 설명”만 있고 활동이 없음 | 학습자가 클릭/예측/비교할 행동을 3개 제안하라. |
| 근거 없음 | 그럴듯하지만 출처 불명 | 주장별 근거 유형과 확인 필요 여부를 표로 분리하라. |
| 과도한 장식 | 이미지가 예쁘지만 학습목표와 무관 | coherence principle 기준으로 제거할 요소를 표시하라. |
| 학생에게 정답 제공 | 사고 과정 없이 답만 줌 | 정답 전 예측 질문과 힌트 2단계를 먼저 제시하라. |
| 앱이 불안정 | 버튼/저장/점수 오류 | 한 기능씩 테스트하고 view diff로 수정 범위를 설명하라. |
Workshop Artifact
수업 도입과 설명 자료
예측, 비교, reflection 기록
Build Mode 또는 단일 HTML 프로토타입
운영 절차, 예상 오개념, 수정 힌트
목표 정렬과 피드백 기준
prompt, 수용/수정/폐기 결정, 검증 기록
References 1 · Official Product Sources
Build Mode, full-stack runtimes, server-side logic, secure secrets management, npm support, Firebase, export/deploy limitations.
https://ai.google.dev/gemini-api/docs/aistudio-build-modePrompt-to-app workflow, App Gallery, Annotation Mode, and screenshots/GIF used in the deck.
https://blog.google/innovation-and-ai/technology/developers-tools/introducing-vibe-coding-in-google-ai-studio/Antigravity coding agent, Firebase integrations, real apps, secure API key storage, multiplayer and modern web tooling.
https://blog.google/innovation-and-ai/technology/developers-tools/full-stack-vibe-coding-google-ai-studio/Editor View, Manager Surface, agent planning/execution/verification, and artifacts such as plans, screenshots, walkthroughs, and browser recordings.
https://developers.googleblog.com/en/build-with-google-antigravity-our-new-agentic-development-platform/References 2 · Gemini API Capabilities
| 덱에서 쓰인 기능 | 정확한 참고문헌 | URL |
|---|---|---|
| Structured output | Google AI for Developers. (2026, April 28). Structured outputs. | https://ai.google.dev/gemini-api/docs/structured-output |
| Function calling | Google AI for Developers. (2026, April 28). Function calling with the Gemini API. | https://ai.google.dev/gemini-api/docs/function-calling |
| Code execution | Google AI for Developers. (2026, April 28). Code execution. | https://ai.google.dev/gemini-api/docs/code-execution |
| Grounding / URL | Google AI for Developers. (2026, April 28). Grounding with Google Search; URL context. | https://ai.google.dev/gemini-api/docs/google-search https://ai.google.dev/gemini-api/docs/url-context |
| Image / audio / video | Google AI for Developers. (2026, April 28). Nano Banana image generation; Text-to-speech generation (TTS); Generate videos with Veo 3.1 in Gemini API. | https://ai.google.dev/gemini-api/docs/image-generation https://ai.google.dev/gemini-api/docs/speech-generation https://ai.google.dev/gemini-api/docs/video |
| Live interaction | Google AI for Developers. (2026, April 28). Gemini Live API overview. | https://ai.google.dev/gemini-api/docs/live-api |
| 최신성 확인 | Google AI for Developers. (2026, April 30). Release notes. | https://ai.google.dev/gemini-api/docs/changelog |
References 3 · Recent GenAI Pedagogy
Prompt engineering을 고등교육 커리큘럼과 학습성과 개선을 위한 설계 역량으로 정리합니다.
https://link.springer.com/article/10.1186/s41239-025-00503-7생성형 AI의 교수학습 활용을 수업 맥락과 활동 유형으로 분류한 최근 리뷰입니다.
https://doi.org/10.1007/s11528-025-01100-1고등교육 교실 수업 안에서 생성형 AI가 어떤 전공, 도구 유형, 수업전략, SAMR 통합 수준으로 적용되는지 정리합니다.
https://doi.org/10.1016/j.iheduc.2025.100996교수·학습·연구·행정에서 AI 사용 가이드라인이 다루는 개인정보, 진실성, 책임성 쟁점을 정리합니다.
https://link.springer.com/article/10.1186/s41239-025-00507-3대학 교원의 생성형 AI 인식, 태도, 실천을 종합해 교수자 지원과 정책 설계의 필요성을 보여줍니다.
https://link.springer.com/article/10.1007/s11135-026-02717-xReferences 3 · Learning Design Sources
Computers in Human Behavior, 26(5), 1024-1033. 이 덱의 INTERACT 기반 prompt/design schema의 핵심 이론 근거입니다.
https://doi.org/10.1016/j.chb.2010.03.003스토리보드, 이미지·내레이션·대체텍스트 검토, 불필요한 인지부하 감소 설명의 배경 문헌입니다.
https://doi.org/10.1017/9781316941355UTK_PD_Faculty_Worksheet_v2, CAT100/AIL606/CAT531 Summer 2026 AI Studio activity plans, and the April 28 Google AI Studio educational-media deck. Unpublished instructional materials.
Local instructional source packet, checked 2026-05-02Google 문서는 도구 기능과 제약을, 교육학 문헌은 상호작용·멀티미디어 설계 원리를 뒷받침합니다.
Slides updated with source audit on 2026-05-02Closing
AI Studio를 잘 쓰는 능력은 더 그럴듯한 문장을 만드는 능력이 아니라, 학습자의 행동, 인지, 피드백, 평가를 구조화하는 능력입니다.