MAXIMIZE POTENTIALITY

데이터와 전문가가 완성하는개별 맞춤 학습의새로운 기준

한 번의 점수보다, 학생이 이해하고 흔들리고다시 성장하는 과정을 봅니다.학습 데이터의 흐름과 선생님의 전문적인판단을 연결해 다음 학습을 설계합니다.

최근 글

아직 올라온 글이 없습니다.

공지

등록된 공지가 없습니다.

ABOUT MAXPOTEN

결과만이 아니라,그 결과가 만들어진 과정도 함께 봅니다.

맥스포텐은 맞고 틀린 결과만 보지 않습니다.수업과 평가에서 드러나는 이해와 풀이 과정, 학습 반응과 이후의 변화를하나의 흐름으로 연결해 살펴봅니다.

OUR PHILOSOPHY
MAXPOTENMAXIMIZE POTENTIALITY
바다 같은 사고의 밀도를 바탕으로,높은 인격이 자신감으로 피어나며,깊은 잠재력으로 하늘 높이 뻗어나가는무한 성장의 순환.
철학 자세히 보기

판단을 돕는 수학, 정답을 찾는 수학

MAXPOTEN COLUMN 판단을 돕는 수학, 정답을 찾는 수학 맥스포텐 수학학원 칼럼 검진 결과가 양성이면, 실제로 병이 있을 가능성은 얼마나 될까요? CONTENTS 01 기준을 바꾸면 판단이 달라집니다 02 다정한 AI의 문장, 계산에서 나오다 03 얼마나 믿을지 판단하게 하는 확률·함수·통계 04 답을 모르는 문제 앞에서 무엇을 물을 것인가 01 기준을 바꾸면 판단이 달라집니다 1995년 발표된 한 연구에는 이런 가상의 문제가 나옵니다. 40세 여성 중 유방암이 있는 사람은 1%, 암이 있으면 검사에서 양성이 나올 확률은 80%, 암이 없어도 양성이 나올 확률은 9.6%입니다. 얼핏 보면 80%라는 숫자가 먼저 눈에 들어옵니다. 그런데 사람 수로 바꿔 보면 이야기가 달라집니다. 1,000명 가운데 암이 있으면서 양성인 사람은 8명, 암이 없지만 양성인 사람은 약 95명입니다. 양성인 103명 가운데 실제 암이 있는 사람은 8명, 약 7.8% 입니다. 이 예에서 눈여겨볼 것은 정답보다 질문을 바라보는 방식입니다. ‘암이 있으면 양성일 가능성’과 ‘양성이면 암이 있을 가능성’은 다릅니다. 같은 숫자를 가지고도 무엇을 기준으로 보느냐에 따라 판단이 크게 달라집니다. 80% ‘암이 있으면 양성일 가능성’ 7.8% ‘양성이면 암이 있을 가능성’ 우리는 평소에도 이런 판단을 합니다. 비가 올 것 같은 하늘을 보고 우산을 챙기고, 시간이 빠듯할 것 같으면 출발을 서두릅니다. 수학을 배우지 않아도 누구나 어림하고 비교하고 예상합니다. 다만 그 감각은 때로 중요한 조건 하나를 놓칩니다. 수학은 이미 가지고 있는 감각을 없애는 것이 아니라, 그 감각이 어디까지 맞는지 확인할 방법 을 더해 줍니다. 02 다정한 AI의 문장, 계산에서 나오다 저는 이 지점에서 AI를 떠올립니다. AI에게 힘든 일을 털어놓으면 때로는 사람보다 다정한 답이 돌아옵니다. 맥락을 짚고, 마음을 헤아리는 듯한 표현을 골라 자연스럽게 대화를 이어 갑니다. 읽는 사람은 그 말에서 위로를 느낄 수도 있습니다. 그런데 그 문장을 만들어 내는 언어 모델의 기반에는 수많은 수치와 수학적 계산이 있습니다. 언어 모델은 방대한 글 속에서 단어들이 함께 쓰인 패턴을 토대로 다음에 올 표현의 확률을 계산하고 문장을 만들어 냅니다. 수학적 계산에서 출발한 결과가 사람의 마음에서 나온 말처럼 읽히는 것입니다. 그렇다고 계산 과정을 안다는 것만으로 그 답의 의미를 모두 안다고 할 수는 없습니다. AI가 그럴듯한 말을 만들었다는 사실과 그 말이 내 상황에도 적절하다는 판단은 다릅니다. 수학은 복잡한 현실에 언제나 딱 맞는 답 하나를 주지는 못합니다. 대신 조건을 정해 결과를 추정하고, 근삿값을 구하고, 불확실성을 확률로 표현할 수 있게 합니다. 결과뿐 아니라 그 결과가 성립하는 조건을 보게 하는 것 입니다. 03 얼마나 믿을지 판단하게 하는 확률·함수·통계 이것은 AI를 무조건 믿거나 무조건 경계하는 태도와도 다릅니다. 연구 20개국 1,921명 · 가상 상황 실험 2025년 발표된 한 연구에서는 20개국 1,921명에게 알고리즘을 활용하는 가상의 상황을 제시했습니다. 통계 이해도가 높은 사람일수록 채용이나 의료처럼 결과가 중대한 상황에서는 알고리즘을 덜 믿었으며, 친숙하고 가벼운 상황에서는 더 믿었습니다. 실제 행동을 관찰한 연구는 아니므로 이 결과만으로 수학 공부의 효과를 단정할 수는 없습니다. 다만 이 연구는 얼마나 믿을지 판단하는 일에도 수학적 이해가 관계될 수 있음을 보여 줍니다. 아이들이 배우는 확률, 함수, 통계도 그런 눈을 만드는 도구입니다. 확률 확률에서는 ‘몇 명 중 몇 명인가’를, 함수 함수에서는 한 값이 바뀔 때 다른 값이 어떻게 달라지는지를, 통계 통계에서는 일부 자료로 전체를 말할 때 무엇을 조심해야 하는지를 배웁니다. 시험에서는 답을 구하는 데 쓰지만, 삶에서는 어떤 설명을 어디까지 받아들일지 판단하는 데 쓰일 수 있습니다. 04 답을 모르는 문제 앞에서 무엇을 물을 것인가 한 가지는 아직 열어 두고 싶습니다. AI가 사람처럼 감정을 느낄 수 있는가 하는 문제입니다. 다정한 응답이 나온다는 것만으로 있다고 말할 수도, 계산으로 만들어졌다는 이유만으로 없다고 결론 내릴 수도 없습니다. 무엇을 감정이라 부를지 정하고, 무엇을 관찰하고 어떻게 검증할지부터 따져야 합니다. 현실을 수학으로 다룰 때도 먼저 관찰하고 수치화하여 현상을 설명한 뒤, 그 설명이 타당한지 살핍니다. 우리가 아직 답을 모르는 문제 앞에서도, 무엇을 더 알아야 판단할 수 있을지는 물을 수 있습니다. 저는 아이들이 수학을 배우며 바로 그 질문을 할 수 있게 되기를 바랍니다. 참고한 자료 Gigerenzer & Hoffrage (1995), How to Improve Bayesian Reasoning Without Instruction: Frequency Formats, Psychological Review Marmolejo-Ramos 외 (2025), Factors influencing trust in algorithmic decision-making: an indirect scenario-based experiment, Frontiers in Artificial Intelligence 게시판에서 다른 글 보기 맥 스 포 텐 수 학 학 원 M A X I M I Z E P O T E N T I A L I T Y