대학 레포트 AI 검사, 어떻게 이뤄지나 — 제출 시스템부터 교수 판단까지

대학이 AI 검사를 들여온 흐름

생성형 AI가 수업에 들어온 초기에는 전면 금지로 시작한 강의가 많았습니다. 그러나 금지만으로는 관리가 어렵다는 점이 드러나면서, 지금은 많은 대학이 과목별 교수 재량과 조건부 허용으로 방향을 잡고 있습니다. 공개된 대학 가이드라인에서 자주 보이는 원칙은 세 가지입니다. 허용 범위는 과목마다 교수가 정한다, AI를 썼다면 사실과 범위를 밝힌다, 제출물의 최종 책임은 학생에게 있다.

검사 도구도 비슷한 시기에 퍼졌습니다. 과제 제출 시스템(LMS)에 유사도 검사가 연동돼 있던 학교에서는 그 서비스에 AI 지표가 추가되면서, 리포트를 올리면 유사도와 AI 지표가 함께 표시되는 환경이 생겼습니다. 학교가 따로 AI 검사를 결정했다기보다 쓰던 도구에 기능이 붙어 결과가 보이게 된 경우가 적지 않습니다.

검사 도구가 실제로 보는 것

AI 검사 도구는 글쓴이를 알지 못합니다. 보는 것은 문체의 통계적 특징입니다. 문장 길이가 얼마나 고른지, 다음 단어가 얼마나 예측 가능한지, 연결어가 어떤 간격으로 반복되는지, 어휘가 무난한 선택으로만 채워져 있는지. 이런 특징이 언어 모델이 만든 글과 가까우면 지표가 올라갑니다.

학술적 글쓰기는 원래 이 특징을 꽤 갖고 있습니다. 종결어미를 하나로 통일하고, 서론·본론·결론 구조를 따르고, 감정 표현 대신 정제된 어휘를 씁니다. 그래서 도구를 만드는 쪽도 AI 지표를 단독 근거로 쓰지 말라는 단서를 붙이는 경우가 많습니다. 사람이 쓴 글이 높게 나오는 이유는 직접 쓴 레포트가 AI로 의심받을 때에 따로 정리했습니다.

교수가 실제로 보는 것

책임 있는 절차에서는 AI 지표를 대화의 출발점으로 다루고, 판단은 교수가 글을 읽고 내립니다. 그때 보는 것은 도구와 다릅니다.

• 평소 과제와 문체가 갑자기 달라졌는가
• 수업에서 다룬 자료와 개념이 글에 들어 있는가
• 주장마다 근거가 있고, 그 근거가 실제로 존재하는가
• 물었을 때 글의 내용을 자기 말로 설명할 수 있는가

마지막 항목이 특히 중요합니다. 직접 쓴 학생은 자료를 찾던 과정, 고친 순서, 버린 문단을 이야기할 수 있습니다. 도구가 하지 못하는 판별을 사람이 이렇게 합니다.

제출 전에 할 수 있는 것

첫째, 수업 규정을 확인합니다. 강의계획서의 AI 조항이 금지인지, 밝히면 허용인지에 따라 할 일이 달라집니다. 애매하면 조교나 교수에게 묻는 것이 가장 빠릅니다. 둘째, 작성 과정을 남깁니다. 초안, 문서 버전 기록, 참고자료 메모는 어떤 점수보다 분명한 근거입니다.

셋째, 제출 전에 내 글이 어떻게 읽히는지 봅니다. 기계적으로 읽히는 구간에 내 자료와 해석을 더 넣으면 점수와 상관없이 글이 좋아집니다. 목표는 숫자를 낮추는 것이 아니라 명료한 문장과 분명한 근거입니다. 문장 단위로 손보는 방법은 레포트 문장 다듬는 법에 있습니다.