핵심 비유
data-class 운영은 '한 편의 탐정 이야기를 반 전체가 같이 푸는 것'이다 — 먼저 용의자(예측)를 지목하게 하고(온보딩), 현장을 조사시키고(근거수집 3방), 서로 다른 추리를 겨루게 한 뒤(토론·투표), 마지막에 증거를 정리해 발표한다(산출물 캔버스). D1이 '왜 이 순서로 조사하나'라면, D2는 '현장에서 실제로 무엇을 누르나' — 세션 시작부터 모의 발표까지 화면 조작 흐름을 따라간다.
핵심 포인트
- 모든 티처메이트 도구와 마찬가지로 수업 만들기 / 수업 참여하기 두 버튼에서 시작한다. 교사는 '수업 만들기'로 케이스를 골라 세션을 열고, 학생은 세션 코드(6자리) + 이름으로 들어온다.
- 학생 이름은 반드시 본명으로 받는다 — 관찰문·산출물을 기록에 그대로 옮길 수 있고, 중간에 나갔다 다시 들어와도 이전 기록이 본명 기준으로 이어진다.
- 오리엔테이션에서 두 개의 문(교사 대시보드 / 학생 QR 입장)과 두 개의 캔버스(생각지도 · 산출물)를 소개한다. 케이스는 8개 중 오늘은 급식 잔반(실제 통계 "38kg / 68억 원", 이해관계자 5명 브리핑).
- 데이터를 보여주기 전에 온보딩 10문항으로 학생의 예측을 먼저 잠근다. 이어서 생각지도 2×2 화면에서 첫 주장을 세우게 한다.
- 근거수집은 데이터 방 → 분석 방 → 인터뷰 방 순서다. 분석 방이 핵심 — 피벗으로 묶으면 관찰문이 자동 생성되고, "근거로 담기" 칩으로 캡처한다. AI NPC 인터뷰는 정량 3 + 정성 3 문항, 45초.
- 근거를 모은 뒤 의견보드(외치기) → 토론배틀(진영) → 동의투표(판정) 순으로 넘어간다. 이 구간은 교사 무대컨트롤 화면에서 진행 속도를 교사가 직접 조율한다. 결론 단계에서 온보딩 예측과 최종 결론을 나란히 회수한다.
- 산출물 캔버스(C챕터)의 분석도구는 3탭 — 추천(위저드 7문항→도구 추천, 예시 데이터) · 피봇(실제 데이터로 dimension×measure×measure2×split 직접 조립) · 원본(가공 전 원자료).
- '온도대'는 실제 기온이 아니라 잔반율 16% 이상을 '고온'으로 라벨링한 파생값이다. "기온 데이터"처럼 소개하지 않는다. 지금 그려지는 차트는 막대·선 두 종류뿐 — 산점도·히스토그램·박스플롯은 아직 앱에 없다.
- 차트를 만든 뒤 해석 50자 이상을 써야 다음 단계(인터뷰→작성→발표)로 넘어간다. 세션 종료 시 결과물 공개 동의를 확인한다.
- 이 교안(D1·D2) 자체가 AI 이론 위키의 PPT 도구로 들어 있어 그대로 띄워 강의할 수 있다 — 펜 필기·타자·글자 크기/색·단축키 지우기가 된다.
교사 팁
'예측 → 검증'의 리듬으로 운영한다. 온보딩 10문항의 답을 칠판이나 화면에 모아 두고, 결론 단계에서 실제 데이터로 나온 결과와 나란히 비교하게 하면 "생각이 얼마나 바뀌었는지"가 학생 눈에 바로 보인다. 시간이 부족하면 근거수집(3방)과 산출물 작성(해석 50자)에 가장 많은 시간을 배정한다 — 이 두 지점이 '예측이 데이터로 깨지는' 핵심 경험이 일어나는 곳이다. 분석 방은 '차트 저장'이 아니라 '관찰문 담기'이고, Y축 0 고정·해석 50자 규칙은 산출물 캔버스에만 적용된다는 점을 미리 짚어 혼선을 줄인다. '온도대'는 실제 기온이 아니라 잔반율 기준 파생값이라는 것도 피벗 탭을 열기 전에 한 번 언급해 둔다. 해석 문장이 막힌 학생에게는 "이 차트가 왜 이렇게 보이는지 짝에게 말로 먼저 설명해봐"라고 시키면 그 말을 그대로 옮겨 적게 할 수 있다.