AI 교육AI 비전 드론 탐색 프로젝트반드론이 촬영한 이미지와 AI 이미지 인식 개념을 연결해, 학생들이 직접 데이터를 분류하고 탐색 프로젝트를 설계하는 학교방문형 드론·AI 융합교육입니다. 학생들은 드론을 데이터 수집 장비로 이해하고, 이미지 라벨링·분류·탐색 미션을 통해 AI 비전 개념·데이터 이해력·문제해결력을 함께 기릅니다.
AI 비전 드론 탐색 프로젝트반은 단순 조종 체험이 아니라, 학생들이 드론 이미지를 데이터로 바라보고 “이미지 수집 → 데이터 라벨링 → AI 분류 체험 → 탐색 미션 설계 → 프로젝트 발표”의 흐름을 경험하는 프로젝트형 수업입니다. AI는 복잡한 개발 기술이 아니라, 이미지 속 대상과 특징을 구분하고 필요한 정보를 분류하는 탐색·판단 기술의 개념으로 설명합니다. 2회차부터 단계별 선택 수업이 가능하며, 2·4·6·8·10·12회차 구성에 따라 기초 체험형부터 프로젝트 포트폴리오형까지 학교 여건에 맞게 운영할 수 있습니다.
AI가 이미지에서 사물, 색상, 표지, 장애물, 목표물을 구분하는 원리를 쉽게 이해합니다.
드론을 활용해 목표 구역을 확인하고, 공중에서 정보를 수집하는 역할을 체험합니다.
드론 촬영 이미지 또는 제공 이미지를 활용해 학습용 데이터를 분류하고 라벨을 붙입니다.
수집된 정보를 바탕으로 위험도, 우선순위, 이동 경로를 판단하는 AI 활용 흐름을 배웁니다.
| 구분 | 내용 |
|---|---|
| 교육 대상 | 중학생, 고등학생, 영재교육원, 과학동아리, 자유학기제, 진로체험, AI·드론 융합 프로젝트 참여 학생 |
| 교육 목표 |
드론이 수집한 이미지 데이터를 이해하고, AI 이미지 인식·라벨링·탐색 미션을 통해 데이터 기반 문제해결 역량을 기릅니다. AI의 핵심 활용은 학생 수준에 맞춰 이미지 데이터를 보고 대상을 분류하고 탐색 정보를 판단하는 기술로 설명합니다. |
| 수업 결과물 | AI 비전 개념 활동지, 이미지 라벨링 자료, AI 분류 모델 체험 기록, 팀별 탐색 프로젝트 발표자료 |
학교 실내 수업 기준에 맞춰 안전성이 높은 소형 드론, 태블릿 또는 웹캠, 이미지 카드, AI 이미지 분류 도구, 탐색 미션맵을 활용합니다. 실제 AI 개발보다 데이터 수집·분류·탐색 개념을 체험하는 방식으로 운영합니다.
아래 수업제안서는 화면에서 바로 확인할 수 있으며, 2회차부터 단계별 선택 수업이 가능하도록 1~12회차 6단계 구조로 구성했습니다. 제목 오른쪽의 빨간 버튼을 누르면 한글 폰트가 포함된 PDF 파일로 저장됩니다.
| 주관기관명 | KDEC 한국드론교육센터 | 운영기관명 | KDEC 한국드론교육센터 |
|---|---|---|---|
| 프로그램명 | AI 비전 드론 탐색 프로젝트반 | 운영 시간 | 1~12회차 × 3교시 = 총 36교시 / 2·4·6·8·10·12회차 단계 선택 가능 |
| 운영 형태 | AI 비전 이해 + 드론 이미지 수집 + 데이터 라벨링 + 탐색 프로젝트 | 권장 대상 | 초등 고학년~중학생 / 늘봄학교·방과후학교·자유학기제·진로체험 |
| 핵심 목표 | 드론 이미지를 데이터로 수집·분류하고, AI 이미지 인식 개념을 활용해 탐색·분류 프로젝트를 수행한다. | ||
| 회차 | 교시 | 수업 주제 | 세부 활동 | 결과물 |
|---|---|---|---|---|
| 1회차 | 1교시 | AI 비전과 드론 탐색 과정 이해 | AI가 이미지 속 대상과 특징을 구분하는 기본 원리를 살펴보고, 드론이 사진과 영상을 통해 현장 정보를 수집하는 장비라는 점을 이해합니다. 탐색, 정찰, 시설점검, 재난안전 분야의 활용 사례를 학생 눈높이에 맞춰 학습합니다. | AI 비전 개념 활동지 |
| 1회차 | 2교시 | 드론 안전 운용과 촬영 윤리 | 실내 드론 운용 시 안전거리, 비행 가능 구역, 관찰자 배치, 배터리 점검 절차를 익힙니다. 이미지 수집 활동에서 필요한 개인정보 보호, 초상권, 촬영 동의와 같은 기본 윤리도 함께 정리합니다. | 드론 안전·촬영 윤리 체크리스트 |
| 1회차 | 3교시 | 탐색 프로젝트 팀 구성 | 팀별로 조종자, 안전관찰자, 데이터 기록자, 발표자 역할을 나누고 탐색 프로젝트의 기본 목표를 정합니다. 목표물, 장애물, 안전구역, 착륙지점 등 AI 비전이 구분해야 할 대상을 예시로 분류합니다. | 팀 역할 분담표 |
| 2회차 | 1교시 | 드론 이미지 수집 방법 | 소형 드론, 태블릿 또는 웹캠을 활용해 학습용 이미지를 수집하는 방법을 익힙니다. 실제 비행이 어려운 환경에서는 제공 이미지와 이미지 카드를 활용해 드론 촬영 상황을 시뮬레이션합니다. | 이미지 수집 계획표 |
| 2회차 | 2교시 | 탐색 대상 이미지 촬영 체험 | 목표물, 표지판, 장애물, 착륙지점 등 탐색 대상 이미지를 다양한 각도와 거리에서 촬영하거나 선택합니다. 밝기, 배경, 흔들림, 거리 차이가 이미지 인식 결과에 영향을 줄 수 있음을 관찰합니다. | 학습용 이미지 데이터 묶음 |
| 2회차 | 3교시 | 1단계 결과 정리와 선택 운영 안내 | 2회차 과정만 운영하는 경우에도 AI 비전 개념, 드론 안전, 이미지 수집 체험, 데이터 정리의 핵심을 경험할 수 있도록 결과물을 정리합니다. 이후 4·6·8·10·12회차 심화 과정으로 확장 가능한 학습 흐름을 안내합니다. | 1단계 결과 정리표 |
| 3회차 | 1교시 | 이미지 데이터 정리와 품질 확인 | 수집한 이미지를 사용 가능, 보완 필요, 제외 대상으로 구분하고 파일명과 분류 기준을 정리합니다. 좋은 데이터와 부족한 데이터를 비교하며 AI 학습에서 데이터 품질이 중요한 이유를 이해합니다. | 이미지 데이터 품질 점검표 |
| 3회차 | 2교시 | 데이터 라벨링 개념 이해 | AI가 이미지를 학습할 수 있도록 사람, 장애물, 목표물, 안전구역 등으로 라벨을 붙이는 원리를 학습합니다. 같은 이미지라도 기준이 모호하면 결과가 달라질 수 있음을 사례로 확인합니다. | 라벨링 기준표 |
| 3회차 | 3교시 | 이미지 라벨링 실습 | 팀별 이미지 묶음을 확인하고 정해진 기준에 따라 라벨을 붙입니다. 잘못 분류된 이미지, 중복 이미지, 기준이 애매한 이미지를 찾아 수정하며 데이터 정제 과정을 체험합니다. | 이미지 라벨링 활동지 |
| 4회차 | 1교시 | 라벨링 결과 검토와 개선 | 팀별 라벨링 결과를 비교하고 인식 오류가 생길 수 있는 원인을 찾습니다. 이미지 수량, 각도, 배경, 조명, 대상의 크기 차이를 기준으로 보완이 필요한 데이터를 정리합니다. | 라벨링 개선 기록지 |
| 4회차 | 2교시 | AI 이미지 분류 모델 기초 체험 | Teachable Machine 또는 교사용 시연 도구를 활용해 이미지 분류 모델의 작동 방식을 체험합니다. 학습 데이터가 입력되고 AI가 새 이미지를 보고 어떤 범주에 가까운지 판단하는 과정을 확인합니다. | AI 분류 모델 체험 기록 |
| 4회차 | 3교시 | 2단계 결과 정리와 분류 기준 확정 | 4회차 과정까지 운영하는 경우 이미지 수집, 라벨링, AI 분류 체험까지 진행할 수 있습니다. 팀별 라벨링 기준과 분류 기준을 확정하고 다음 탐색 미션 설계 단계로 연결합니다. | 2단계 분류 기준 확정안 |
| 5회차 | 1교시 | 인식 결과 비교와 오류 분석 | 같은 물체라도 각도, 밝기, 배경, 거리, 흔들림이 달라지면 AI 인식 결과가 달라질 수 있음을 확인합니다. 오인식 사례를 찾아 데이터 보완 방법을 팀별로 토의합니다. | 인식 오류 분석표 |
| 5회차 | 2교시 | 분류 기준 고도화 | 팀별로 탐색 대상의 특징을 더 명확하게 정의하고 분류 기준을 보완합니다. 목표물과 장애물, 안전구역과 위험구역처럼 헷갈릴 수 있는 대상을 구분하는 규칙을 정리합니다. | 분류 기준 개선안 |
| 5회차 | 3교시 | AI 드론 탐색 미션맵 이해 | 탐색 미션맵에서 출발지, 목표물, 장애물, 안전구역, 위험구역을 확인합니다. 드론이 어떤 순서로 정보를 수집하고 AI가 어떤 기준으로 판단해야 하는지 미션 흐름을 이해합니다. | 탐색 미션맵 분석지 |
| 6회차 | 1교시 | 팀별 탐색 시나리오 설계 | 재난안전, 시설점검, 농업, 환경감시 중 하나의 상황을 선택해 드론 탐색 시나리오를 설계합니다. 어떤 이미지를 수집하고 무엇을 분류할지, 탐색 결과를 어떻게 활용할지 구체화합니다. | 팀별 탐색 시나리오 |
| 6회차 | 2교시 | 탐색 경로와 역할 설계 | 미션맵 안에서 드론 이동 경로, 이미지 수집 지점, 안전관찰자 위치, 기록 순서를 정합니다. 팀별로 실제 수업 환경에서 수행 가능한 탐색 경로와 역할 운영 방식을 작성합니다. | 탐색 경로·역할 설계표 |
| 6회차 | 3교시 | 3단계 결과 정리와 미션 수행 준비 | 6회차 과정까지 운영하는 경우 AI 분류 오류 분석과 탐색 미션 설계까지 완성합니다. 팀별로 다음 수행 단계에 필요한 장비, 이미지 자료, 발표 역할, 안전 기준을 점검합니다. | 3단계 미션 수행 준비표 |
| 7회차 | 1교시 | 드론 탐색 리허설 | 안전 루틴을 적용해 탐색 미션을 리허설합니다. 실제 드론 운용이 가능한 경우에는 짧은 이동과 촬영 위치 확인을 진행하고, 제한 환경에서는 미션맵과 이미지 카드를 활용해 탐색 과정을 재현합니다. | 탐색 리허설 기록지 |
| 7회차 | 2교시 | 탐색 데이터 수집과 분류 | 리허설을 통해 확보한 이미지 또는 제공 데이터를 기준에 따라 다시 분류합니다. 목표물 발견 여부, 위험구역 여부, 우선 확인 대상 여부를 팀별로 판단하고 기록합니다. | 탐색 데이터 분류표 |
| 7회차 | 3교시 | 탐색 결과 해석 | 분류된 데이터를 바탕으로 탐색 상황을 해석합니다. 어떤 구역이 안전한지, 어떤 대상이 우선 확인되어야 하는지, 추가 촬영이 필요한 지점을 정리하며 데이터 기반 판단 과정을 체험합니다. | 탐색 결과 해석표 |
| 8회차 | 1교시 | 문제 해결 방향 정리 | 탐색 결과를 바탕으로 위험구역 회피, 목표물 확인, 추가 수집 필요 구간, 우선 조치 사항을 정리합니다. AI 비전 결과가 실제 의사결정에 어떻게 연결되는지 팀별 해결 방향을 도출합니다. | 문제 해결 방향 정리표 |
| 8회차 | 2교시 | 중간 발표와 피드백 | 팀별 중간 발표를 진행하고 탐색 목표의 명확성, 데이터 분류 기준, 결과 해석, 발표 전달력을 기준으로 강사와 동료 피드백을 받습니다. 수정이 필요한 부분을 기록합니다. | 중간 발표 피드백지 |
| 8회차 | 3교시 | 4단계 결과 정리와 프로젝트 보완 계획 | 8회차 과정까지 운영하는 경우 탐색 수행, 데이터 해석, 중간 발표까지 진행할 수 있습니다. 최종 발표형 과정으로 확장할 경우 보완할 데이터, 시각자료, 설명 문장을 정리합니다. | 4단계 프로젝트 보완 계획서 |
| 9회차 | 1교시 | 프로젝트 발표 자료 구성 | 팀별 프로젝트의 주제, 탐색 목표, 수집 데이터, 라벨링 기준, AI 분류 결과, 탐색 해석을 발표 자료 흐름으로 정리합니다. 발표자는 핵심 메시지를 짧고 명확하게 설명하도록 역할을 나눕니다. | 프로젝트 발표 구성안 |
| 9회차 | 2교시 | 시각자료와 결과표 제작 | 이미지 예시, 라벨링 표, 탐색 미션맵, 분류 결과표를 활용해 발표 시각자료를 제작합니다. 데이터가 많아 보이기보다 핵심 판단 과정이 잘 보이도록 화면 구성을 정리합니다. | 발표용 시각자료 |
| 9회차 | 3교시 | AI 판단 기준 고도화 | 팀별 탐색 결과를 바탕으로 AI가 우선 확인해야 할 대상, 위험도 기준, 추가 데이터 수집 기준을 보완합니다. 단순 분류를 넘어 판단 기준을 설명할 수 있도록 정리합니다. | AI 판단 기준 고도화표 |
| 10회차 | 1교시 | 탐색 보고서 작성 | 프로젝트 개요, 데이터 수집 방법, 라벨링 기준, AI 분류 결과, 탐색 해석, 개선점을 포함한 팀별 탐색 보고서를 작성합니다. 학교 제출용 결과물로 활용 가능한 형식으로 정리합니다. | 탐색 프로젝트 보고서 |
| 10회차 | 2교시 | 최종 발표 리허설 | 팀별 발표 순서와 발표자 역할을 정하고 실제 발표처럼 리허설을 진행합니다. 설명이 길거나 불명확한 부분은 줄이고, 데이터와 탐색 결과가 연결되도록 발표 흐름을 다듬습니다. | 최종 발표 리허설 체크표 |
| 10회차 | 3교시 | 5단계 결과 정리와 최종 발표 준비 | 10회차 과정까지 운영하는 경우 발표 자료와 탐색 보고서까지 완성합니다. 12회차 심화 과정으로 확장할 경우 최종 전시, 포트폴리오, 진로 연결 활동을 준비합니다. | 5단계 최종 발표 준비표 |
| 11회차 | 1교시 | 최종 프로젝트 보완 | 리허설 피드백을 반영해 라벨링 기준, 탐색 결과표, 시각자료, 발표 문장을 보완합니다. AI 비전과 드론 탐색이 실제 문제 해결에 어떻게 연결되는지 최종 메시지를 정리합니다. | 최종 발표자료 |
| 11회차 | 2교시 | 결과물 전시 구성 | 이미지 데이터, 라벨링 결과, 미션맵, 탐색 보고서, 발표자료를 전시형 결과물로 구성합니다. 교실 전시, 학교 행사, 결과 공유회에 활용할 수 있도록 팀별 산출물을 정리합니다. | 결과물 전시 구성안 |
| 11회차 | 3교시 | 진로·직무 연결 활동 | AI 데이터 라벨링, 드론 조종, 시설점검, 재난안전, 스마트시티, 환경감시 분야와 수업 내용을 연결합니다. 학생들이 배운 기술이 어떤 직무와 연결되는지 사례 중심으로 정리합니다. | 진로 연결 활동지 |
| 12회차 | 1교시 | AI 비전 드론 프로젝트 최종 발표 | 팀별로 AI 비전 드론 탐색 프로젝트를 발표합니다. 드론이 어떤 이미지를 수집하고, AI가 무엇을 분류하며, 탐색 결과를 어떻게 활용할 수 있는지 과정 중심으로 설명합니다. | AI 비전 드론 탐색 프로젝트 발표자료 |
| 12회차 | 2교시 | 종합 피드백과 결과 개선 | 최종 발표 후 데이터 기준, 탐색 경로, AI 분류 결과, 발표 전달력에 대한 피드백을 정리합니다. 실제 교육 결과물로 활용할 수 있도록 부족한 부분을 보완합니다. | 종합 피드백 기록지 |
| 12회차 | 3교시 | 포트폴리오 정리와 6단계 마무리 | 프로젝트 활동지, 이미지 데이터, 라벨링 결과, 탐색 미션맵, 보고서, 발표자료, 피드백지를 하나의 포트폴리오로 정리합니다. 12회차 전 과정의 배운 점과 활용 가능성을 발표하며 마무리합니다. | AI 비전 드론 프로젝트 포트폴리오 |
| 항목 | 상세 내용 |
|---|---|
| 교육 과정명 | AI 비전 드론 탐색 프로젝트반 |
| 교육 기관 | KDEC 한국드론교육센터 |
| 교육 장소 | 찾아가는교육 / 학교 방문교육 / 강당·교실·컴퓨터실 등 환경별 조정 가능 |
| 실습 장비 | 코딩드론, 소형 촬영드론, 태블릿 또는 웹캠, 노트북 또는 크롬북, Teachable Machine, 이미지 카드, 탐색 미션맵, 안전망, 발표 활동지 |
| 교육 기준 인원 | 20명 내외 권장 / 팀별 드론·태블릿·노트북 구성에 따라 조정 |
| 교육 시간 | 1~12회차 × 3교시 = 총 36교시 구성 / 2·4·6·8·10·12회차 단계 선택 가능 / 1교시 40~45분 기준 |
| 커리큘럼 |
1단계(1~2회차) AI 비전 이해·드론 안전·이미지 수집 기초 2단계(1~4회차) 데이터 정리·라벨링·AI 이미지 분류 모델 기초 3단계(1~6회차) 인식 오류 분석·탐색 미션맵·팀별 탐색 시나리오 설계 4단계(1~8회차) 드론 탐색 리허설·데이터 해석·중간 발표 5단계(1~10회차) 발표자료·탐색 보고서·최종 발표 리허설 6단계(1~12회차) 최종 발표·결과 전시·진로 연결·포트폴리오 정리 |
| 교육 절차 | 상담 → 과정 검토 → 장비·공간 확인 → 이미지·탐색 미션 준비 → 단계별 교육 진행 → 프로젝트 발표 → 교육 완료 |
아래 이미지는 AI 비전 드론 탐색 프로젝트반 전용 이미지 경로입니다. 실제 서버 업로드 시 동일한 파일명으로 이미지를 배치하면 페이지에 자동 반영됩니다.
