윤리, 학문적 정직성, 경계 및 엔드투엔드 작업 흐름

이득:

• 수학에서 인공지능을 사용하는 윤리적 원칙을 이해하고 적용하는 능력(학습, 투명성, 인간의 책임, 정의, 기밀성 제공)
• 시험 문제, 학생 데이터, 미발표 연구 등 민감한 콘텐츠에 대해 개인 정보 보호 위험을 평가하고 적절한 예방 조치를 취할 수 있는 능력
• 모듈의 모든 부분(생산 + 검증)을 단일 엔드투엔드 워크플로로 결합하여 검증 단계와 최종 사람 승인을 통해 각 생산 단계를 완료하는 기능

이 마지막 단원에서 우리는 두 가지를 결합합니다. 한편으로는 수학에서 인공 지능 사용의 윤리적, 학문적 완전성 및 기밀성 차원입니다. 반면, 모듈 전체에서 배운 내용을 단일 엔드투엔드 워크플로로 통합합니다. 수학에서의 AI는 강력한 도구이지만 힘뿐만 아니라 책임도 따릅니다. 누구를 위해 사용하는지, 무엇을 위해 사용하는지, 어떻게 사용하는지에 따라 윤리적인 결과가 발생합니다. AI로 숙제를 하는 학생과 AI로 수업 속도를 높이는 교사는 매우 다릅니다. 이 장치는 책임감 있는 사용으로 기술적 능력을 보완합니다.

몇 가지 정의. 학문적 진실성은 누가 작품을 실제로 소유하고 있는지 솔직하게 보여주고 학습을 단축하지 않는 것을 의미합니다. 표절은 다른 사람(또는 매체)의 제품을 마치 자신의 독창적인 제품인 것처럼 제시하는 것입니다. 투명성이란 AI가 어디에 사용되는지 명확하게 밝히는 것을 의미합니다. 이러한 개념은 AI 시대 수학 교육의 핵심이 되었습니다.

윤리적 사용의 기본 원칙

1. 배움을 대신하는 것이 아니라 배움을 제공하는 것입니다. AI는 학생이 개념(설명, 대체 설명)을 학습하도록 지원할 수 있지만 대신 생각하게 해서는 안 됩니다. AI가 숙제를 하게 하면 학습이 약화됩니다.
2. 투명도. 기사, 강좌 자료, 보고서 등 AI가 어디에 사용되었는지 표시합니다. 숨기는 것은 부정직한 일이다.
3. 책임은 인간에게 있습니다. AI 결과물을 게시, 교육 또는 전달하는 사람은 누구나 그 정확성에 대한 책임이 있습니다. “AI가 그렇게 말했다”는 변명은 아니다.
4. 정당성. 평가에 AI를 사용하는 것은 모든 학생에게 동등하고 명확한 규칙에 따라 관리되어야 합니다.
5. 보안. 시험 문제, 학생 데이터, 미발표 연구 등 민감한 정보를 기밀성이 보장되지 않는 AI 도구에 입력하지 마세요.

개인 정보 보호: 수학의 맥락에서 이는 무엇을 의미합니까?

수학에는 "숨겨진 데이터가 없는" 것처럼 보일 수도 있지만 맥락이 중요합니다. 미발표 연구 결과, 기관의 시험 문제 은행, 학생의 개인 성적 데이터 또는 회사의 독점 알고리즘 등 모두 민감합니다. AI 도구에 입력한 모든 내용은 해당 도구 제공업체에서 처리할 수 있으며 경우에 따라 모델 교육에 사용될 수 있습니다. 따라서 민감한 콘텐츠의 경우 로컬/기관의 보안 도구를 사용하거나 콘텐츠를 익명화하세요.

데이터 유형

위험

예방 조치

발표된 정리/문제

낮음

자유롭게 이용 가능

활성 시험 문제

높다

차량에 진입하거나 보안을 유지하지 마세요.

학생 개인/성과 데이터

높다

익명/입력하지 마세요

미발표 연구

높다

보안/로컬 도구

강의개요

낮음-중간

일반적으로 적합

주의: 시험 문제를 확인하기 위해 AI에 들어가기 전에 해당 문제를 비밀로 유지해야 하는지 고려하십시오. 이론적으로 기밀이 보장되지 않는 AI 도구에 입력하면 활성 시험의 문제가 노출될 수 있습니다. 중요한 시험의 경우 문제를 변경하거나 회사에서 승인하고 데이터 개인 정보 보호가 보장되는 도구만 사용하십시오.

엔드투엔드 워크플로: 예제 작업

일주일 이내에 특정 과목에 대한 교재와 시험을 모두 준비해야 한다고 가정해 보겠습니다. 모듈의 모든 부분을 결합하는 흐름은 다음과 같습니다.

1. 기획. 주제, 수준, 목표를 명확히 합니다(단원 7).

2. 자료 초안 작성. AI가 수준에 맞는 강의 + 해결 사례를 제작하도록 합니다(7단원).

3. 샘플 검증. SymPy(4단원)로 해결된 각 예제를 확인하세요.

4. 시각화. Matplotlib 코드로 내러티브를 지원하는 그래픽을 생성 및 렌더링하고 이를 수학과 비교합니다(단원 6).

5. 표기법. LaTeX(Unit 10)를 사용하여 색인을 정리하고 수식을 렌더링 및 확인합니다.

6. 질문 생성. 시험(단원 8)을 위해 객관식 문제와 주의를 끄는 요소를 준비하세요.

7. 일괄 검증. SymPy로 모든 문제를 일괄적으로 풀고 정답을 확인하세요(Unit 8, 9).

8. 윤리 및 투명성 관리. 기밀 유지가 적절한가요? 필요한 경우 자료에 AI를 사용했다고 명시했나요? (이 단위) 최종 책임은 귀하에게 있습니다.

9. 인간의 승인. 마지막으로 모든 것을 검토하고 확인하세요. 확인되지 않은 작품은 방송/테스트되지 않습니다.

팁: 엔드 투 엔드 워크플로에서 가장 효율적인 전략은 AI를 "속도 계층"으로, 결정적 도구(SymPy, 렌더링)를 "정확성 계층"으로, 자신을 "판단 및 책임 계층"으로 배치하는 것입니다. 모든 생산 단계에는 검증 단계가 따라야 합니다. 확인되지 않은 출력은 다음 단계로 이월되어서는 안 됩니다.

세 개의 미니 케이스

사례 1 — 투명성이 신뢰를 구축했습니다. 한 학자는 교과서 장의 초안에서 AI를 사용한 후 모든 수학적 주장을 검증하고 서문에 "원고 제작 과정에서 AI 지원을 얻었으며 모든 내용은 저자가 검증했습니다"라고 명시했습니다. 이러한 투명성은 동료들의 신뢰를 높이고 정직성의 기준을 유지했습니다.

사례 2 - 학습을 저해하는 사용. 한 학생은 AI에게 숙제를 모두 풀어 제출하게 했다. 그는 개념을 배운 적이 없기 때문에 같은 과목의 시험에 실패했습니다. 교사는 “해법을 확인하고 대체 설명을 얻기 위해” AI를 활용하되 먼저 문제를 스스로 해결하라고 제안했다. AI는 학습을 대신하는 것이 아니라 학습 서비스를 제공해야 합니다.

사례 3 - 개인 정보 침해 위험. 한 교사는 아직 실시되지 않은 중앙 시험의 문제를 확인하기 위해 일반 AI 도구를 해킹하는 것을 고려했지만 반대하기로 결정했습니다. 대신에 그는 동료와 함께 SymPy의 문제를 해결했습니다. 활성 시험 문제를 외부 도구에 입력하는 것은 심각한 개인 정보 보호 위험이었습니다. 로컬 인증은 보안 경로를 제공했습니다.

복사 가능한 템플릿 4개

1) 학습지원에 활용(학생용) :

이 문제를 먼저 해결했으며 솔루션이 첨부되었습니다. 나에게 해결책을 제시하지 마십시오. 내가 어디에서 잘못되었는지, 어떤 개념을 잘못 이해했는지 알려주시면 바로잡을 수 있습니다. 내 솔루션: [여기]

2) 투명 노트 생성:

[교과목/보고서]를 준비하고 초안 단계에서 AI를 활용해 모든 수학을 직접 검증했습니다. 이 사실을 솔직하게 기술하는 짧고 전문적인 투명성 메모를 작성하세요.

3) 개인정보 사전 확인:

AI 도구에 입력하기 전에 다음 콘텐츠에 대해 개인정보 보호 자격을 부여하고 싶습니다: [콘텐츠 유형]. 이러한 유형의 콘텐츠는 민감한 것으로 간주됩니까? 어떤 위험이 있으며 어떤 예방 조치(익명화, 로컬 도구)를 취해야 합니까? 짧고 명확하게 말하세요.

4) 엔드 투 엔드 검증 제어 계획:

[주제]에 대한 교재 + 시험을 준비합니다. 샘플 검증, 그래픽 제어, 표기법, 답변 키, 기밀 유지, 사람 승인 등 생산의 각 단계에서 수행해야 할 검증을 관리 계획으로 나열합니다.

약한 프롬프트 / 강한 프롬프트

약함: "이 숙제 문제를 해결하면 제출하겠습니다." (학생)

결과: 학습을 건너뛰고 학문적 정직성이 침해되며 학생이 개념을 배우지 못합니다. 이는 윤리적으로나 교육적으로 반대할 수 있습니다.

Güçlü: "이 숙제 문제를 해결하려고 했으나 막혔습니다. 솔루션이 첨부되어 있습니다. 직접 답변을 제공하지 마세요. 어떤 단계와 왜 잘못했는지 단서와 함께 보여주시고 올바른 개념을 상기시켜 주시면 다시 시도하겠습니다."

결론: AI는 학습 서비스에 사용됩니다. 학생은 계속해서 생각하고 정직성을 유지합니다.

일반적인 실수

• 학습을 건너뛰는 데 사용합니다. AI가 숙제를 하도록 하는 것은 단기적으로는 쉽지만 장기적으로는 학습을 파괴합니다.
• 투명하지 않습니다. AI 사용을 숨기는 것은 학문적 진실성에 위배됩니다. 필요한 경우 지정하십시오.
• AI에 책임을 맡기다. “AI가 그렇게 말했다”는 변명이 아닙니다. 출판사/교사가 책임을 집니다.
• 기밀 콘텐츠를 외부 도구에 입력합니다. 활성 시험, 학생 데이터, 미발표 연구는 민감합니다.
• 유효성 검사는 작업 흐름이 끝날 때까지 둡니다. 검증은 각 생산 단계 후에 이루어져야 합니다. 오류가 누적되어서는 안 됩니다.

요약하면

수학에서 AI를 사용하려면 기술적 능력뿐만 아니라 윤리적 책임도 필요합니다. 학습 서비스에 있어야 하며(대신하는 것이 아님), 투명해야 하고, 궁극적인 책임을 져야 하며, 공정한 규칙을 준수하고, 기밀성을 존중해야 합니다. 엔드투엔드 워크플로에서 AI는 속도 계층이고 SymPy 및 렌더링 도구는 정확성 계층이며 인간은 판단과 책임 계층입니다. 각 생산 단계 뒤에는 검증 단계가 따라야 합니다. 검증되지 않은 결과물은 출판, 강의, 시험에 들어가서는 안 됩니다. 이것이 이 모듈의 핵심입니다. AI를 통해 속도를 높이되 각 단계를 확인하고 책임을 져야 합니다.

응용과제

주제에 대한 짧은 설명 + 차트 1개 + 객관식 질문 3개로 소규모 엔드투엔드 작업을 디자인합니다. 모듈의 흐름을 따르십시오: (1) 계획, (2) AI로 초안, (3) SymPy로 예제 검증, (4) 그래프 렌더링 및 확인, (5) LaTeX로 표기법 정리 및 렌더링, (6) SymPy로 질문 일괄 검증, (7) 개인 정보 보호 및 투명성 확인 수행, (8) 최종 사람 승인 제공. 수행한 확인 내용과 각 단계에서 발견한 내용을 기록하세요. 프로세스가 끝나면 AI가 시간을 절약하는 부분과 판단이 꼭 필요한 부분을 평가하세요.

체크리스트

• [ ] 나는 학습 서비스 대신에 AI를 사용했습니다.
• [ ] 필요한 경우 AI를 활용한다는 점을 투명하게 밝혔습니다.
• [ ] 나는 최고의 정확성에 대한 책임을 맡았습니다.
• [ ] 보안되지 않은 도구를 통해 기밀/민감한 콘텐츠에 액세스하지 않았습니다.
• [ ] 검증 단계를 통해 각 생산 단계를 따랐습니다.
• [ ] 확인되지 않은 출력물을 방송/수업/시험에 반영하지 않았습니다.

모듈 시험

1. 다음 중 수학에서 인공지능의 위치를 가장 정확하게 설명한 것은 무엇입니까?

• A) 인공 지능은 전략, 청사진 및 구성 도구입니다. 결정론적인 수단을 통해 정확한 계산과 결과를 검증하는 것은 사람의 몫입니다 ✔
• B) 인공지능은 계산기와 같으며 그것이 제공하는 모든 수치 결과는 정확합니다.
• 다) 인공지능은 자신있게 제시하는 결론이 결코 틀리지 않으므로 검증이 불필요하다.
• D) 인공 지능은 텍스트 작성에만 유용하며 수학적 작업과는 아무런 관련이 없습니다.

설명: 대규모 언어 모델은 통계적으로 텍스트를 생성하는 도구입니다. 계산기나 증명 검사기가 아닙니다. 대부분의 경우 올바른 수학을 생성하지만 보장하지는 않습니다. 따라서 모든 출력은 결정론적 도구(SymPy, 계산기, 수동 검증)를 사용하여 검증되어야 하며 책임은 사람에게 있어야 합니다.

2. 학생이 인공지능에게 적분을 풀도록 요청하고 그 결과를 얻고 싶어합니다. 결과를 확인하는 가장 신뢰할 수 있는 방법은 무엇입니까?

• A) 결과를 차별화하여 원래의 기능으로 복귀하는지 확인(SymPy 또는 수동) ✔
• 나) 인공지능에게 '이게 사실인가요?'라고 물어보세요. 묻다
• 다) 결과를 유창하고 자신 있게 제시하였기 때문에 있는 그대로 받아들인다.
• D) 다른 질문으로 넘어가서 결과를 전혀 확인하지 않음

설명: 미분-적분 역은 수학에 내장된 검증 도구입니다. 발견된 결과의 미분을 취하고 원래 함수로 돌아가는지 여부를 확인하면 독립적으로 적분의 정확성이 확인됩니다. SymPy에서도 동일한 교차 검사를 수행할 수 있습니다.

3. 인공지능을 활용한 문제 해결에 있어서 '올바른 결과는 올바른 방법이 아니다'라는 원칙은 무엇을 의미하나요?

• A) 올바른 결과는 항상 그 길이 또한 옳다는 것을 증명한다
• 나) 경로는 중요하지 않으며 결과만 채점한다.
• C) 잘못된 중간 단계로 인해 우연히 올바른 결과가 나올 수 있습니다. 그러므로 결과와 각 중간 단계를 모두 점검해야 합니다 ✔
• D) 확실한 길을 찾는 것은 불가능하므로 결과만 본다.

설명: 때로는 잘못된 중간 단계가 우연히 올바른 결과로 이어지는 경우도 있습니다. 결과가 정확하더라도 경로가 유효하지 않을 수 있습니다. 그래서 수학에서는 그냥 '결과가 맞는가?' 오히려 '각 중간 단계가 올바른가?' 질문도 필수적이며 모든 단계를 감독해야 합니다.

4. AI가 증명에서 '보편성을 잃지 않고'라는 문구를 사용할 경우 어떻게 해야 합니까?

• A) 진술이 유창하기 때문에 증명이 타당하다고 받아들이는 것
• B) 일반성이 실제로 깨지지 않았다는 것을 스스로 정당화합니다. ✔무조건 수락하지 않음
• C) 전혀 읽지 않고도 증명이 유효한 것으로 간주
• D) 정리 이름으로 소스에서 이 표현식을 검색합니다.

설명: '일반성을 잃지 않고'라는 진술은 때때로 유효하지만(진정한 대칭이 있는 경우) 때로는 숨겨진 오류입니다. 인공지능은 이 표현을 많이 사용합니다. 일반성이 실제로 위반되지 않았다는 점을 매번 스스로 정당화해야 하며, 그 진술을 의심 없이 받아들여서는 안 됩니다.

5. 인공 지능에 SymPy 코드를 작성했습니다. 결과를 올바르게 얻으려면 어떻게해야합니까?

• A) 인공지능이 코드의 출력을 예측하게 만든다.
• B) 코드를 읽지 않고 코드가 정확하다고 가정
• C) 출력에 대한 AI의 해석을 신뢰합니다.
• D) 실제 Python 환경에서 직접 코드를 실행하고 정확한 출력을 확인하세요 ✔

설명: SymPy의 강력함은 코드가 실제 Python 환경에서 실행될 때만 드러납니다. 인공지능에게 '이 코드는 무엇을 생성하는가?'라고 물어보세요. AI가 코드 출력을 구성할 수도 있기 때문에 묻는 것은 검증이 아닙니다. 코드를 직접 실행해야 합니다.

6. 인공지능이 수동으로 찾아낸 방정식의 해와 SymPy가 제공하는 결과가 다르다면 어느 쪽을 믿어야 하며 그 이유는 무엇입니까?

• A) 결정적이고 정확하기 때문에 SymPy 결과입니다. 그런 다음 인공지능이 실수 위치를 찾도록 하세요 ✔
• 나) 인공지능이 더 유창하게 설명해주기 때문에 나온 결과
• C) 둘 다 똑같이 신뢰할 수 있으므로 무작위로 하나를 선택합니다.
• D) 둘 다 거부하고 문제를 해결할 수 없다고 생각함

설명: SymPy는 결정론적 기호 컴퓨팅 시스템입니다. 동일한 입력에 대해 항상 정확하고 정확한 결과를 제공합니다. 인공지능은 통계적으로 텍스트를 생성하고 환각을 일으킬 수 있습니다. 논쟁에서는 심파이(SymPy)를 기반으로 인공지능이 실수 위치를 찾아내도록 해야 한다.

7. Python 코드에서 '0.1 + 0.2 == 0.3' 조건이 예상대로 작동하지 않는 이유와 이를 해결하는 방법은 무엇입니까?

• A) 파이썬에서는 덧셈이 깨졌습니다. 다른 언어를 사용해야 해요
• B) 부동 소수점 숫자 정밀도로 인해 정확한 동등성이 유지되지 않습니다. 'abs(a-b) < 1e-9'와 같은 공차를 사용해야 합니다 ✔
• C) 0.3 값은 올바르지 않습니다. 0.30000000004를 써야 합니다.
• D) 조건은 항상 올바르게 작동하며 문제가 없습니다.

설명: 컴퓨터는 정밀도가 제한된 부동 소수점 형식으로 십진수를 저장합니다. 0.1 + 0.2는 정확히 0.3이 아닌 매우 작은 편차로 저장됩니다. 따라서 정확한 동등성 '==' 대신 'abs(a-b) < 1e-9'와 같은 허용오차를 사용해야 합니다.

8. 스칼라 근 찾기 코드를 실제 문제에 적용하기 전에 가장 좋은 '상식 테스트'는 무엇입니까?

• A) 코드를 전혀 테스트하지 않고 실제 문제에 직접 적용
• 나) 코드의 길이를 확인하여 길면 정확하게 센다.
• C) 답이 알려진 간단한 입력(예: x²-4=0근 ±2)으로 코드를 테스트하고 예상한 결과를 제공하는지 확인 ✔
• D) 코드가 올바른지 인공지능에게 확인

설명: 이미 답을 알고 있는 간단한 입력(예: 명확한 근이 있는 x²-4=0의 경우 ±2)으로 코드를 테스트하는 것이 가장 저렴하고 효과적인 검증입니다. 코드가 알려진 상황을 올바르게 제공하면, 모르는 문제에 대해 신뢰할 수 있는 확률이 높아집니다.

9. 시각화에서 그래프가 수학을 올바르게 반영하는지 어떻게 확인합니까?

• A) 그래프가 심미적으로 보기에 좋아 보인다면 올바른 것으로 간주됩니다.
• B) 그래프를 함수의 알려진 속성 및 최소 한 점의 참값과 비교 ✔
• C) 축 레이블을 전혀 보지 않음
• D) AI의 그래프 설명에 의존

설명: 보기 좋은 그래픽이 정확할 필요는 없습니다. AI는 잘못된 범위에서 또는 왜곡된 점근선을 사용하여 잘못된 함수를 그릴 수 있습니다. 함수의 알려진 속성(진동 범위, 대칭, 점근선)과 그래프를 비교하고 하나 이상의 점 계산에서 오류를 포착합니다.

10. 인공지능으로 제작된 강의자료에서 가장 중요한 검증 포인트는 무엇이며 그 이유는 무엇입니까?

• 가) 자료의 글꼴 및 색상 구성
• 나) 자료의 길이와 페이지 수
• C) 해결된 예시의 정확성; 학생들이 모델로 삼아 잘못된 예와 잘못된 방법을 가르치기 때문이죠✔
• D) 재료가 얼마나 빨리 생산되는지

설명: 해결된 예는 학생들이 모델로 삼습니다. 잘못 풀린 예는 학생들에게 잘못된 방법을 직접적으로 가르칩니다. 따라서 해결된 각 예제는 SymPy를 사용하거나 수동으로 단계별로 개별적으로 확인해야 합니다. 주제에 대한 설명의 작은 모호함은 보완할 수 있지만, 잘못된 예시는 연쇄 피해를 입힙니다.

11. 인공지능이 생성한 객관식 문제를 검증하는 가장 효율적이고 신뢰할 수 있는 방법은 무엇입니까?

• 가) 질문이 맞는지 다시 한번 인공지능에게 묻는다.
• B) 무작위로 몇 가지 질문만 확인하고 나머지는 신뢰함
• 다) 답안을 하나도 체크하지 않고 그대로 사용
• D) SymPy로 모든 문제를 해결하는 코드를 인쇄하고 실행하여 집합적이고 결정적으로 답안을 확인합니다. ✔

설명: 인공지능은 답안을 잘못 표시하고 정답을 여러 개/0개 생성하는 등의 실수를 가장 자주 저지릅니다. SymPy로 모든 문제를 한번에 해결하는 코드를 작성하고 실행하는 것은 정답을 결정론적으로 일괄적으로 확인할 수 있는 가장 효율적인 방법입니다.

12. 다음 중 인공지능이 수학에서 실수를 하는 주된 이유는 무엇입니까?

• A) 인공지능은 언어 모델이다. 논리적 타당성을 확인하지 않고 통계적으로 텍스트를 생성합니다 ✔
• 나) 인공지능은 수학을 배운 적이 없다
• 다) 인공지능은 의도적으로 오답을 주도록 프로그램되어 있다.
• D) 인공지능은 매우 어려운 문제에서만 실수를 하고, 결코 쉬운 문제에서는 실수를 하지 않습니다.

설명: 인공 지능은 논리 엔진이 아니라 통계 패턴으로 텍스트를 생성하는 언어 모델입니다. 단계의 논리적 유효성을 확인하는 내부 메커니즘이 없습니다. '3자리 곱셈'을 통한 '유효한 증명'은 그에게 동일한 유형의 텍스트를 생성하는 작업이므로 정확성을 보장할 수 없습니다.

13. 확률 문제의 결과가 1.4일 때 자세히 설명하지 않고 오류가 있음을 어떻게 알 수 있습니까?

• A) 결과가 1.4이므로 계산이 맞습니다. 확률이 1을 초과할 수도 있습니다.
• B) 확률의 부호는 중요하지 않으며 값은 관계없이 허용됩니다.
• C) 오류가 있는 것으로 이해되지 않으며 결과는 최종적인 것으로 간주됩니다.
• D) 확률은 0에서 1 사이여야 합니다. ✔ 상식 테스트에서는 1.4가 이 제한을 초과하므로 오류가 있음을 나타냅니다.

설명: 상식 및 규모 테스트는 결과가 합리적인 범위 내에 있는지 몇 초 내에 확인합니다. 확률은 정의에 따라 0과 1 사이여야 합니다. 1.4는 이 한계를 벗어나므로 계산 내용을 자세히 보지 않고도 오류가 있는 것이 분명합니다.

14. LaTeX에서 'e^x^2' 대신 'e^{x^2}'를 쓰는 것이 왜 중요한가요?

• A) 그것들은 완전히 동일합니다. 차이점은 단지 미학적일 뿐입니다.
• B) 중괄호는 지수의 범위를 결정합니다. 이것이 없으면 표현식이 부정확하거나 모호해지기 때문에 다중 문자 지수 {}가 필수적입니다. ✔
• C) LaTeX에서는 중괄호가 쓸모가 없습니다.
• D) 'e^x^2'는 항상 참입니다. '{}'을 사용할 필요는 없습니다.

설명: LaTeX에서 가장 일반적인 오류는 범위 오류입니다. 중괄호 '{}'가 다중 문자 지수, 아래 첨자 또는 분수에 사용되지 않으면 첫 번째 문자만 포함되고 표현식이 올바르지 않거나 모호해집니다. 'e^{x^2}'는 전체 지수가 x²임을 분명히 합니다. 코드는 육안 검사를 통해 렌더링되고 확인되어야 합니다.

15. 인공지능으로 검증된 능동형 중앙시험 문제를 원합니다. 윤리 및 개인 정보 보호 측면에서 가장 좋은 접근 방식은 무엇입니까?

• A) 수학에는 기밀 데이터가 포함되어 있지 않기 때문에 일반적인 AI 도구에 자유롭게 질문을 입력합니다.
• B) 시험에서 문제를 확인하지 않고 사용하는 경우
• C) 보안/기본 도구(예: SymPy)를 사용하여 질문을 검증하거나 개인정보 보호가 보장되는 기업 도구만 사용 ✔
• D) 소셜 미디어에 질문을 공유하고 다른 사람에게 통제를 요청합니다.

설명: 활성 시험 문제는 민감합니다. 이론적으로 기밀성이 보장되지 않는 인공지능 도구를 해킹하면 노출될 수 있다. 올바른 접근 방식은 보안/기본 도구(예: SymPy의 동료와 함께)를 사용하여 질문을 검증하거나 기업에서 인증하고 데이터 개인 정보 보호가 보장되는 도구만 사용하는 것입니다.