分析地域：京畿道及び31の市・郡教育圏域
核心地域： 城南・板橋などAI産業集積地域、京畿北部・東部及び教育接近脆弱地域、職業係高・AI重点学校
Agenda： AI時代学生の未来知能格差と学校・地域・教員能力の構造
的
違い2026年8月28日
Version: Regional AX Golden Time Intelligence v3.1
京畿道学生のAI教育問題を単純に「AIを学ぶ機会があるか」と見ると、実際の格差を逃すことになる。 2026年、京畿道教育庁はAI重点学校200校、AI・デジタル活用先導学校350校、デジタルチューター約600校規模配置、AI融合教育専門支援団約100人、職業係高AI能力強化学校19校などでAI教育を学校単位AI教育が一部の実験学校を越えて拡散段階に入ったことは明らかだ。 （政府電子調達センター）
基盤も弱くない。京畿道教育庁の自己AI教授・学習プラットフォームハイラーニングは、2024年10月にすでに2,581校、学生49万1,607人、教師3万8,613人が利用した。以後、AI論述診断、AI書・論術型評価、カスタマイズされたコンテンツ推薦、学習データ活用機能が高度化し続けている。これはHistorical Official Baselineだが、京畿道がAI教育を拡張できる公共デジタル基盤を相当水準確保したという意味がある。 （政府電子調達センター）
しかし、AI教育の量的拡大と学生の未来知能格差の解消は同じではない。学生がどの学校に通うのか、AI授業を設計できる教師がいるのか、地域に大学・IT企業・研究機関が存在するのか、家庭でAIを活用する環境があるのか、学校がAIを単純学習ツールではなく問題解決・創作・批判的思考の道具として活用するかによって実際の経験は変わる。京畿道教育庁が2025年に延川・麗州・安城の6つの中学校を対象に移動型AI体験教育を別々に運営し、事業目的に「デジタル格差解消」を明示したのも、こうした空間的差異を政策的に認識していることを示している。 （政府電子調達センター）
より重要な問題は、今後のギャップが機器保有ギャップからAI活用の質的ギャップに移動するということだ。すべての生徒に同じAIツールを提供しても、ある生徒は回答をコピーするために使用し、他の生徒は資料を検証し、コードを作成し、データを分析し、新しい問題を解決するために使用できます。この違いは、単純なデジタルリテラシーよりも高いレベルの能力です。
したがって、今回の分析ではこれを未来知能（Future Intelligence）の問題とみなす。未来知能は特定のAIプログラムの使用能力ではなく、質問→探索→検証→分析→AIコラボレーション→問題解決→創作→責任ある判断につながる学生の総合的能力だ。京畿道のGolden Timeは、AI教育事業をさらに多くすることにはない。 今後2～3年以内に学生の居住地域・学校・教師・家庭環境にかかわらず最小未来知能を公教育が保障しながら、地域産業と学生の高級AI能力をつなぐことができるか。
京畿道教育は大韓民国で最も規模の大きい教育体系だ。同時に31の市・郡の産業・人口・所得・道農構造が大きく異なるため、教育環境も一つの平均で説明することが難しい。
城南・水原・龍仁・華城などは板橋ＩＴ・ＡＩ産業、半導体・先端製造企業、大学・研究機関と連結する可能性が相対的に高い。一方、延川・加平・楊平・ヨジュなどでは、同じ形態の民間AI教育と産業体連携機会を確保することは構造的に容易ではない。
京畿道教育庁が2026年AI重点学校を先導型3校、中心型100校、文化拡散型97校で差分設計したのも、学校別のAI教育能力が同じではないという前提に基づいている。特に先導型は初等情報授業68時間、中学校102時間以上を運営し、高校は毎学期AI関連科目を編成するようにした。 （政府電子調達センター）
同時にAI・デジタル活用先導学校350校は、ハイラーニング活用授業、デジタルコンテンツ、学生特性別カスタム教育モデルを開発し、これを学校間ネットワークを通じて拡散させる仕組みだ。 （政府電子調達センター）
したがって、京畿道にはすでに普遍的なプラットフォーム+先導学校+重点学校+地域拠点という多層的AI教育構造が形成されている。
問題はこの構造が実際の学生レベルでどれだけ均等な機会に転換されているかである。
AI重点学校が200校で、AI・デジタル活用先導学校が350校というのは重要なOutputだ。しかし、この数字を学生のAI能力向上と同じに見ることはできない。
- AI重点学校指定≠学生未来知能向上
- ハイランニング接続≠AI活用能力の確保
- デジタルチューターの配置≠教師の授業革新
- AI体験教育≠持続的なAI学習という区分が必要だ。
特にAI教育では教師の役割が決定的だ。同じプラットフォームとAIツールを提供しても、教師がどのような質問をし、学生にどのような検証過程を要求するかによって授業の質が大きく変わることがある。
京畿道教育庁が2026年AI融合教育の修士学位取得教員約100人で専門支援団を構成し、訪れるコンサルティング・実務研修・授業モデル開発を推進したのも、学校現場の教員能力差を減らすためだ。 （政府電子調達センター）
また、別途教育大学院連携AI融合教育専門課程新入生172人を選抜し、学期当たりの登録金の70％、最大200万ウォンを支援する。これはAI教育のボトルネックが機器だけでなく教師の専門性であることを示している。 （政府電子調達センター）
京畿道AI教育の次の評価単位は、したがって学校数ではなく、学生が実際にどのAI能力を獲得したかでなければならない。
AI登場以前のデジタル教育格差は主に機器・インターネット・ソフトウェアアクセスの問題だった。生成型AI以降は格差の性格が変わっている。
最初の変更は検索から質問への移動です。必要な情報を検索する能力よりも、どの質問をAIに投げ、答えをどのように検証するかが重要になっている。
二つ目は知識習得から知識検証への移行です。 AIが迅速に答えを生成するため、学生は情報の出所・論理・エラー・偏向を判断できなければならない。
3つ目は、ツール活用からAIコラボレーションへの移行です。書き込み・コーディング・データ分析・イメージ・設計・実験など、ほぼすべての領域でAIとともに問題を解決する能力が重要になる。
4番目は評価方式の変化です。学生がAIを使用できる環境では、単純な結果物だけで学生の実際の能力を評価することが難しくなる。京畿道教育庁がハイラーニングAI西・論術型評価システムを導入し、論術診断機能を高度化することもこのような変化と繋がる。 （政府電子調達センター）
したがって、AI時代の教育格差は、AIを使用できる学生とない学生の違いよりも、AIを事故の拡張ツールとして使用できる学生と答えを代わりに作るツールとして使用する学生の違いに移動する可能性が高い。
京畿道教育庁の2026年AI教育政策は大きく4層で構成されている。
最初はAI教育拠点の拡大です。 AI重点学校200校とAI・デジタル活用先導学校350校を運営している。重点学校はAI・情報教育自体を強化し、先導学校はハイラーニングとデジタル基盤のカスタマイズ授業を拡散する役割をする。 （政府電子調達センター）
2番目は学校の現場サポートです。デジタルチューター事業には149億ウォンが投入され、約600校の規模の配置を推進した。チューターは授業準備とデジタル機器・プラットフォーム活用などを支援し、教師が教授・学習自体に集中するように設計された。 （政府電子調達センター）
3番目は教員の能力です。 AI融合教育専門支援団約100人、教育大学院AI専門コース172人、ハイラーニング基盤の教員研修などが同時に運営されている。未来科学教育院のHi-Cycleは、教員のAI・デジタル能力を安全・倫理、デジタルリテラシー、エデュテク、データ、コンピューティング思考力、AIなど6つの領域で診断し、授業実践まで連結するように設計された。 2026年にはハイラーニング基盤の授業設計案3,000個の開発・共有を目指している。 （政府電子調達センター）
第四は産業・職業教育とのつながりだ。 2026年職業係高AI能力強化事業には19の学校が選定され、AI基礎から専攻融合、産業現場課題を解決するAIキャプストーンデザインまで運営する。 （政府電子調達センター）
つまり京畿道教育庁のAI教育は、単純コーディング教育から教科授業・評価・教員・職業教育を包括するEducation AXに移動し始めた。
京畿道の最大の強みは、独自のAI教授・学習プラットフォームを広範な学校網と繋げることができるということだ。
ハイラーニングは2024年10月、すでに2,581校と学生49万1,607人、教師3万8,613人が活用した。当時もAI論述型診断、チャットボット、コンテンツ推薦などの機能が高度化していた。 （政府電子調達センター）
このような公共プラットフォームは、地域・学校の財政力に関係なく同じ基盤サービスを提供できるという点で教育格差緩和に重要な意味を持つ。
しかし、プラットフォームの普及率だけで教育競争力を判断できない。 AI時代には教師の授業設計能力、学生の批判的思考とAI倫理、地域産業とのプロジェクト経験まで一緒に必要だ。
京畿道教育庁が２０２５年から学生用・教師用生成型ＡＩ安全活用ガイドラインを別途普及したのも、こうしたリスクを認識した結果だ。ガイドラインは年齢別特性と教師の役割を考慮して、生成型AIの責任ある活用とデジタル市民教育を強調する。 （政府電子調達センター）
したがって、京畿道のAI教育Readinessはプラットフォームと政策基盤ではかなり高い方で評価できるが、 学生の実際の未来知能Outcomeと地域別格差を測定する体系ではまだ発展する余地が大きい。
2026年AI重点学校200校、AI・デジタル活用先導学校350校、デジタルチューター約600校規模、AI融合教育専門支援団約100人、教育大学AI専門課程172人、職業係高AI能力強化学校19校の数を確認できる。 （政府電子調達センター）
しかし、これらの数字はすべて主にInputまたはOutputです。
どのくらいの学生がAIを活用して新しい問題を解決できるようになったのか、地域別の学生AI能力の差が減ったのか、教師のAI活用能力が学生の学業成果・自己主導性・創造性にどのような影響を与えたかは、別途のOutcomeデータが必要だ。
特に、2025年に延川・与州・安城の6つの中学校を対象に訪れるAIステーションを運営したという事実は、逆にAI産業・体験インフラへのアクセス性が地域によって異なる可能性があることを示す政策的Evidenceだ。 （政府電子調達センター）
したがって、京畿道の教育AIの格差を判断するには、今後少なくとも学校→教師→学生→家庭→地域という5階のデータを同時に見なければならない。
最初は学校間AI教育経験GAPである。 200の中点学校と350の先導学校の学生は、比較的多様なAI授業を経験する可能性があるが、一般学校まで同じレベルに広がったかどうかは別途検証が必要だ。
第二は教員能力GAPである。 AIを単純資料作成に使用する教師と学生データ分析・カスタマイズ型授業・プロジェクト学習まで活用する教師との違いは学生経験の違いにつながる。
第三は地元の生態系GAPである。板橋IT企業と大学・研究機関に接近しやすい地域とそうでない地域は、学校外のAIプロジェクトと進路経験の質が変わることがある。
第四は家庭環境GAPである。有料AIサービス、高性能機器、私教育、親のデジタル能力などは、学校外で学生のAI活用経験を拡大することができる。
第五は評価GAPである。京畿道学生のＡＩ・データ・検証・問題解決能力を市・郡と学校別に等しく比較できる公開的な総合指標は現在十分ではない。
最も重要なData GAPもここにあります。AI教育事業は急速に増えるが、学生未来知能の実際のギャップを測定するデータは比較的不足している。
教育AXの最初の基盤は、すべての学校がアクセスできる公共プラットフォームです。ハイラーニングはこの点で京畿道の重要な資産です。
しかし、プラットフォームだけでは十分ではありません。 AIを授業に正しく活用できる教員とデジタルチューター、安定したネットワークと機器、AIコンテンツ、学生学習データ、個人情報保護とAI倫理基準が同時に必要だ。
特に京畿道教育庁未来科学教育院が2026年に導入したHi-Cycleは、教員の能力をデジタル安全・倫理、デジタルリテラシー、エデュテク、データ、コンピューティング思考力、AI など6つの領域と診断する。これは、将来の学生の未来知能指標を設計するための重要な参考構造になる可能性があります。 （政府電子調達センター）
学生にはここにもう一つのステップが必要です。
AIを利用する能力だけでなく、質問を作る能力、AIの回答を検証する能力、データを解釈する能力、人とAIの役割を区別する能力、結果に責任を負う能力まで評価しなければならない。
AI時代の公教育の役割は、学生に最高のAIサービスを購入するのではなく、家庭環境に関係なく、このような基本的な未来知能を確保させることだ。
教育AXが地域社会まで降りるためには、学校内のAI教育と地域産業が連結されなければならない。
京畿道は特にこの条件が良い。板橋のAI・ソフトウェア、龍仁・華城・平沢・利川の半導体、始興・広橋のバイオ、製造業密集地域のロボット・スマートファクトリーなど、学生が実際の産業問題を経験できるリソースが存在する。
職業係高AI教育の変化はこの方向を示している。 2026年19校で推進されるAI能力強化事業は、単純AI理論ではなく、産業現場の問題をAIで解決するプロジェクトと専攻融合、キャプストンデザインを中心とする。 （政府電子調達センター）
問題は、この機会が一部の職業係高と産業集積地域にのみ集中する可能性だ。
AI教育の地域格差を減らすには、板橋企業の専門家と授業・プロジェクトを遠隔で接続したり、移動型AI Labを運営し、地域別産業問題を共有学校プロジェクトに切り替える方法が必要だ。
結局、地域産業が多い所の学生だけが未来産業を経験する仕組みを公教育がどれだけ補正できるかが重要だ。
京畿道教育格差は単純南部と北部の問題だけではない。同じ都市でも学校と家庭環境によって差が生じることがある。
しかし、地域産業生態系とAI教育のつながりという観点からは、空間的な違いが明らかに存在する。城南教育支援庁は2026年まで4年連続AI・デジタル活用先導地区に選定され、「6・5・5 AI-Hub」と板橋IT企業・自治体を連携した「城南デジタル梯子」を運営している。 （政府電子調達センター）
一方、延川・麗州・安城では2025年移動型AI Stationを学校に直接送ってAI体験機会を提供した。同じAI教育を提供する方式自体が地域によって変わっているという意味だ。 （政府電子調達センター）
だからといって、京畿北部のAI教育を単純脆弱地域として規定することも適切ではない。延川教育支援庁は2026年、館内小・中・高教員26人でAIDed授業分担支援団を構成し、ハイラーニングとAI西・論術型評価の拡散を推進している。後発地域も独自の力量蓄積を始めているというEvidenceだ。 （政府電子調達センター）
したがって必要なのは、地域に対する単純配列化ではなく、31の市・群別AI Education Readinessを測定することである。
最初の理由は、AIがすでに学生の日常的な学習ツールになっているからだ。学校がAIの活用方法を教えなくても、学生はAIを使う。したがって、公教育が遅れるほど、AI活用法は家庭環境と私教育によって決定される可能性が大きくなる。
2つ目は京畿道教育庁が2026年AI重点学校・先導学校・デジタルチューター・教員専門課程などを同時に拡大しているためだ。今作られる授業モデルと教員能力体系が今後一般学校AI教育の標準になる可能性が高い。 （政府電子調達センター）
3つ目は評価体系が変化し始めたからだ。 AI西・論術型評価とAIベースの英語授業・評価モデル「CLASS UP」などが導入されている。 CLASS UPは、2026年の先導学校運営後、2027年度内にすべての一般学校に段階的に広がる計画だ。 （政府電子調達センター）
一度評価方式と学習データ構造が定着すれば、再度変更する費用が大きい。
したがって、2026～2028年は、京畿道がAIを教育格差を拡大する私教育ツールとして置くのか、公教育が未来知能の最小限を確保する公共インフラにするかを決めるGolden Timeである。
12-1. Golden Time 基礎地方自治体適用事例 ① — 城南市
城南は京畿道学生がAI産業を最も近くで経験できる地域の一つだ。板橋テクノバレーのAI・ソフトウェア企業集積と学校教育を連結でき、城南教育支援庁は2023年から2026年まで4年連続AI・デジタル活用先導地区に選ばれた。 （政府電子調達センター）
2026年には、小・中・高級別特性を反映した「6・5・5 AI-Hub」 教育モデルを稼働し、自治体と板橋IT企業を連結した「城南デジタル梯子」を通じて教育格差緩和を推進している。これはAI産業集積を教育資源に転換しようとするという点で意味がある。 （政府電子調達センター）
城南のゴールデンタイムは、より多くのAI体験教育を作ることにはありません。板橋の企業・人材・データ・現場問題を学校プロジェクトと結びつけ、その教育モデルをハイラーニングや京畿共有学校などを通じて他の地域の学生も使えるように公共自酸化することが重要だ。
城南の優秀な地域資源が城南学生だけの競争力になると、京畿道教育格差は拡大する。逆に、これを共有可能な授業・プロジェクト・メンタリング資産にすれば、先導地域が後発地域の未来知能を引き上げる仕組みが作れる。
12-2. Golden Time 基礎地方自治体適用事例 ② — 延川郡
延川は城南と正反対条件で重要な事例だ。 AI・IT企業が密集した地域ではないが、そのため公教育の役割をより明確に検証することができる。
京畿道教育庁は2025年、延川・麗州・安城の6つの中学校で訪れるAIステーションを運営した。移動型体験館を学校に送り、AI技術とデジタル市民教育を提供した事業で、教育庁は事業目的の一つとしてデジタル格差解消を明示した。 （政府電子調達センター）
2026年には延川教育支援庁が館内小・中・高教員26人でAIDed授業分担支援団を構成し、ハイラーニングとAI西・論術型評価の学校現場安着を推進している。 （政府電子調達センター）
延川のGolden Timeは、板橋のような教育環境を作ることにはありません。 公共AIプラットフォーム+遠隔専門家+移動型Lab+教員能力+地域問題プロジェクトを結合し、学生の地理的位置がAI教育機会を決定しないようにすることだ。
城南と延川の学生が同じ学校環境を持つ必要はない。しかし、AI時代を生きる最低未来知能の出発船は、共教育が同じにしなければならない。
最初の損失は教育ギャップの新しい固定です。 AIを早くから事故・創作・コーディング・データ分析に活用する学生と単純な回答生成に使用する学生の違いは時間が経つにつれて累積することができる。
2つ目は家庭環境依存です。学校が十分なAI教育を提供できないと、有料AIサービス、私教育、親のデジタル能力が学生の未来知能を決定する割合が大きくなる可能性がある。
三つ目は地域人材格差だ。先端産業地域の学生が企業・大学と多様なプロジェクトを経験し、他の地域の学生は単純体験教育に留まれば、地域産業の格差が再び教育格差に再生される可能性がある。
4番目は教員格差だ。 AIを活用する教師とそうでない教師の違いが大きくなると、同じ学校でも学級別教育経験が変わることがある。
5番目はAI依存です。学生がAIの結果を検証できずに使用する習慣が固着すれば、AIの活用能力が高まっても独立した思考能力はむしろ弱くなることがある。
京畿道は教育AIの格差を減らすことができる条件もかなり整っている。
ハイラーニングという公共プラットフォームがあり、AI重点学校・先導学校があり、教員専門課程とデジタルチューターが存在する。板橋・半導体・バイオ・製造業という世界的水準の産業資源も周辺にある。
したがって、新しい教育プラットフォームを再構築するよりも、既存の資産を学生中心につなぐことが重要です。
学生がどの地域にいてもハイラーニングを通じて基本AI教育を受け、AI重点学校の優秀授業を共有し、板橋企業専門家とオンラインプロジェクトを行い、地域問題をデータで分析して結果物を再共有できるなら、京畿道全体が一つのAI Learning Networkになることができる。
この構造が機能すれば、京畿道はAIをよく教える一部の学校を越えて1,400万都民規模の地域で教育格差をAIに減らす公共モデルを作ることができる。
京畿道教育AXの次の段階は、学校別事業管理から学生別未来知能成長管理に移行することである。
観測する変化 | AXでやるべきこと | 政策決定 | 検証指標 |
| 学生AI能力 | 共通の未来知能診断 | 脆弱な学生のカスタマイズ支援 | 能力の変化 |
| 学校AIギャップ | 学校別の読書分析 | チューター・教員優先配置 | 学校間のギャップ |
| 教員の能力 | AI授業能力診断 | カスタマイズ研修・専門家支援 | 授業適用率 |
| 地域格差 | 31都市・郡比較 | 移動型・遠隔教育拡大 | 参加・達成格差 |
| 家庭環境 | 学校外のAIアプローチ分析 | 公共AIアクセス権を提供 | 利用格差 |
| AI重点学校 | 成果・授業モデル分析 | 一般学校の広がり | 拡散学校の数 |
| 産業連携 | 企業・学校プロジェクトマッチング | 地域産業教育化 | プロジェクト・学生数 |
| 職業通知 | 産業需要と能力の比較 | 専攻AI再設計 | 就職・職務連携 |
| AI倫理 | 使用パターン・エラー分析 | 市民教育の強化 | 検証・出典表示率 |
| 学習 Outcome | AI活用前後比較 | 政策拡大・調整 | 学習・問題解決の向上 |
特に学生の未来知能は、単一のスコアでシーケンシングするよりも少なくとも次の構造に分離して測定する必要がある。
AI Literacy → Questioning → Data Literacy → Verification → Critical Thinking → AI Collaboration → Problem Solving → Creation → Ethics & Responsibility
この指標を学生個人の配列化ではなく、学校と地域の教育格差を発見する政策 Intelligenceとして活用しなければならない。
Opportunity + Structural Risk
京畿道教育庁のAI Education Readinessは低くありません。むしろ、独自のAI教授・学習プラットフォーム、200個のAI重点学校、350個のAI・デジタル先導学校、デジタルチューター、教員専門課程、AI評価体系などを同時に運営しているという点で相当な基盤を確保している。 （政府電子調達センター）
したがって、京畿道の問題は、AI教育を開始しなかったということではありません。
すでに始まったAI教育をすべての学生の未来知能にどれだけ早く切り替えるかが問題だ。
特に先導学校と一般学校、AI産業集積地域と非集積地域、AI活用能力の高い教師とそうでない教師、家庭のAI接近環境との格差が新しい教育格差に固着する可能性がStructural Riskだ。
現在のステップは、明確なOpportunity + Structural Riskと判断します。
今後のランタイム分析では、少なくとも次のEvidenceを継続的に追跡する必要があります。
- 市・郡別AI重点学校分布
- 市・郡別AI・デジタル先導学校分布
- 学校全体に対するAI重点学校の割合
- 学生別AI教育時間
- 学校別AI・情報教科時間
- ハイラーニング学生のアクティブ利用率
- ハイラーニング学校別利用格差
- AIカスタム学習の実際の利用率
- AI西・論術型評価活用率
- 学生AIリテラシーの変化
- 学生質問・検証・データ能力
- 生成型AI出所検証能力
- 学生AI倫理・安全認識
- 教員AI能力診断結果
- 教員別AIの授業適用率
- デジタルチューター配置地域と効果
- 地域別AI体験教育アクセシビリティ
- AI産業連携プロジェクト数
- 地域別企業・大学メンター参加
- 職業係高AI専攻融合参加学生
- AI教育後の進路・就労連携
- 家庭の有料AI・機器接近格差
- 都市・農村生徒AI能力格差
- 先導学校と一般学校のアウトコムの違い
- AI活用が学業・創意性・自己主導性に及ぼす変化
現在最も重要なData GAPは、京畿道学生のAI未来知能を同じ基準で測定し、学校・地域・家庭環境別の格差を持続的に示す公開データが不足していることだ。
ランタイムチェーン
AIアプローチ→教員能力→授業経験→学生AI活用→質問・検証・分析→問題解決・創作→進路・職業能力→地域未来人材
今回の分析で確認される最初のEvidenceは、京畿道教育庁がすでにAI教育の大規模拡散段階に入っているという事実だ。 2026年AI重点学校200校とAI・デジタル活用先導学校350校を運営しており、AI重点学校は先導型・中心型・文化拡散型に機能を細分化した。 （政府電子調達センター）
二つ目は教員と学校支援インフラだ。デジタルチューター事業には149億ウォンが投入され、約600校の規模で支援が進められ、AI融合教育専門支援団約100人と教育大学院AI専門コース172人が運営されている。 （政府電子調達センター）
3つ目は公共AI学習基盤だ。ハイラーニングは2024年10月基準で2,581校、学生49万1,607人、教師3万8,613人が利用した。ただし、これはHistorical Official Baselineであり、2026年現在の利用者数として使用してはならない。現在はAI西・論述型評価とカスタマイズ型学習機能などが追加され、プラットフォームの機能的範囲が拡大している。 （政府電子調達センター）
4番目は、地域別のアクセス格差を減らそうとする試みだ。 2025年に延川・女州・安城の6つの中学校を対象に訪れるAI体験教育が運営され、城南は板橋IT企業と連携したAI・デジタル先導地区モデルを運営している。 2つのケースは、京畿道内でAI教育環境が同じではなく、地域の条件によって異なる補完政策が必要であることを示しています。 （政府電子調達センター）
ただし、現在公開Evidenceだけで京畿道学生のAI能力が実際にどれほど向上したのか、城南や延川など地域間の学生AI能力の違いはどの程度か、AI重点学校の学生と一般学校の学生の間にどのような違いが発生したのかを定量的に判定することは難しい。
したがって、これらの部分はData GAPとして残すのが妥当です。
今回の分析で残る構造的洞察
京畿道学生のAI格差は、今後コンピュータがある学生とない学生の違いのように単純に現れない可能性が高い。
同じAIを使用する学生の間でも違いが発生する。
ある学生はAIに正解を求める。他の学生は問題を定義し、複数の回答を比較し、原料を識別し、データを分析し、AIと一緒に新しい解決策を作成します。
どちらも「AIを使った」と記録されているが、実際の将来の能力は全く異なる。
したがって、京畿道教育庁が今後測定すべきことは、AI使用率よりもAIを通じて学生の思考がどのように拡張されたのか。
この観点から京畿道がすでに保有しているハイラーニングは重要な資産である。学生の学習データを活用してカスタマイズされた教育を提供することができ、優秀な授業モデルを地域に関係なく共有できるからだ。しかし、データが単純なコンテンツ推薦にとどまらず、学生の成長と教育格差を発見するIntelligenceに発展しなければならない。
また、板橋・半導体・バイオなど京畿道の産業資源は、一部地域の学生だけの教育資産として残してはならない。城南の板橋企業、龍仁の半導体企業、始興のバイオ企業が提供できる実際の問題を京畿道全体の学生が共有するProject Libraryにすることができれば、産業格差をむしろ教育資産に転換できる。
結局、AI時代の公教育の役割は、すべての学生をAI開発者にするわけではありません。
AIに何を尋ねるべきかを知り、AIの答えを疑って検証し、人とAIがそれぞれ何をすべきかを判断し、自分が生きていく地域と社会の問題をAIと共に解決できる最小の未来知能をすべての学生に保証することだ。
この最小線が学校と地域によって変わる瞬間、AIは教育格差を減らす技術ではなく、既存の格差を増幅させる技術となる。
Golden Time Thesis - 京畿道教育のAIゴールデンタイムは、AI重点学校とプラットフォームをより多く作成することにはありません。今後2～3年以内に学生の居住地域・学校・教師・家庭環境と関係なく「質問し、検証し、分析し、AIと協業して問題を解決する最小未来知能」を公教育が保障できるかがAI時代京畿道の新しい教育格差を決定する。
Version | 基準日/修正日 | 主な変更内容 |
| v1.0 | 2026.08.28 | 京畿道学生のAI時代未来知能ギャップ初の分析作成。 AI重点学校200校、AI・デジタル活用先導学校350校、デジタルチューター、ハイラーニング、教員AI能力、職業係高AI教育及び城南・延川適用事例を検証し、地域・学校・教員・家庭環境による未来知能格差とEducation AX対応構造を基準にGold |
