# Bett 2026, 에듀테크가 '평가'에 몰려든 이유 — 그리고 AI가 넘지 못하는 선

![Image](https://upload.cafenono.com/image/slashpagePost/20260209/095711_qGRjrQEQ95YHdnJmTI?q=80&s=1280x180&t=outside&f=webp)

---

**핵심 요약**

- 2026년 1월 런던 Bett 전시회에서 평가(Assessment)가 최대 화두로 떠올랐다. AI 채점, AI 피드백, AI 진단 솔루션이 부스마다 넘쳤다.

- 그러나 현장의 결론은 "AI가 평가를 대체한다"가 아니라 **"AI가 교사의 눈과 손을 넓혀준다"**였다.

- Hannah Fry 교수는 AI를 "패스트푸드"에 비유하며, 학생이 스스로 씨름하는 과정을 AI가 빼앗으면 교육 자체가 사라진다고 경고했다.

- Magma Math, RM Compare, Turnitin, Redmenta, Olex.AI 등 주요 기업 모두 **"AI가 점수를 확정"하는 것이 아니라 "교사의 판단을 돕는" 방향**으로 설계했다.

- AI는 수학 채점, 오개념 분류, 피드백 속도 향상에는 탁월하지만, 창의성·맥락·윤리적 판단·소프트스킬 평가에는 구조적 한계가 있다.

- 진짜 질문은 "AI가 평가를 대체할 수 있는가"가 아니라 **"AI가 교사의 어깨에서 무엇을 덜어줄 수 있는가"**이다.

---

## 1. 3만 명이 모인 전시장, 가장 뜨거운 단어는 '평가'

2026년 1월 21일부터 23일까지, 런던 동쪽 ExCeL 전시장에서 세계 최대 에듀테크 박람회 Bett 2026이 열렸습니다. 3만 명이 넘는 교육자, 학교 경영진, 기술 기업 관계자가 전 세계에서 몰려들었고, 수백 개의 부스가 저마다의 기술을 펼쳐놓았습니다.

올해 공식 주제는 "Learning Without Limits(한계 없는 배움)"였습니다. 하지만 전시장을 실제로 돌아다녀 보면 곳곳을 지배한 단어는 따로 있었습니다. 바로

**'평가(Assessment)'**. AI로 채점하고, AI로 피드백을 주고, AI로 학생의 실력을 진단하겠다는 솔루션이 어느 홀을 가든 눈에 들어왔습니다. 하드웨어나 로봇이 아니라 '평가'가 이렇게까지 전면에 나선 해는 드물었습니다. Bett Awards에서도 평가 전용 수상 부문이 새로 만들어졌을 정도입니다.

| 부문 | 수상 | 비고 |
| --- | --- | --- |
| AI for Teaching and Assessment | **Aristotal** | AI 기반 교수·평가 통합 솔루션 |
| Assessment Planning & Progress Monitoring | **Olex.AI** | 손글씨 인식 + 맞춤 피드백 자동 생성 |
| Company of the Year (< £3m) | **Magma Math** | 수학 풀이 과정 시각화·자동 채점 |
| Primary Maths | **Magma Math** | 동시 2관왕 |
| Secondary Digital Learning (최종 후보) | **Redmenta** | AI 루브릭 기반 채점 보조 |

평가가 왜 이토록 뜨거운 주제가 되었을까요? 이유는 단순합니다. 영국 교사의 절반 이상이 채점과 평가 업무의 부담 때문에 퇴직을 고려한 적이 있다는 조사 결과가 나올 만큼, 평가는 교사의 시간과 에너지를 가장 많이 잡아먹는 일이기 때문입니다.

---

## 2. Hannah Fry의 경고: "패스트푸드 AI의 시대는 끝났다"

그런데 기조연설 무대에서 분위기가 반전되었습니다. 수학자 Hannah Fry 교수가 BBC 진행자 Amol Rajan과 함께 무대에 올라, AI를 **"모든 관계의 패스트푸드 버전"**이라 불렀습니다.

쉽고, 즉각적이며, 이쪽에 아무 노력도 요구하지 않는 상호작용. 학생이 챗봇에 "맥베스 에세이 써줘" 하면 문법도 완벽하고 구조도 깔끔한 글이 뚝딱 나오지만, 정작 학생의 머리는 단 한 줄도 직접 쓴 적이 없는 상황. 마치 햄버거 세트가 당장은 배를 채워주지만 영양은 텅 비어 있는 것처럼, AI가 만들어낸 결과물은 그럴듯해 보여도 학생의 두뇌에는 아무것도 남기지 않는다는 뜻입니다.

Fry 교수의 한마디는 전시회 3일 내내 참가자들 사이에서 회자되었습니다.

> **"씨름하는 바로 그 순간이 배움이 일어나는 순간이다. AI가 그 씨름을 없애버리면, 교육도 사라진다."**

같은 날 영국 교육정책연구소(EPI)는 학교 현장의 **'시범 도입 피로(Pilot Fatigue)'**를 경고하는 보고서를 발표했습니다. 열정 넘치는 교사 한 명이 전략적 지원 없이 AI 도구를 혼자 떠맡고, 서로 연동도 안 되는 무료 체험판이 난립하며, 효과가 있었는지 확인할 방법도 없는 악순환이 학교마다 반복되고 있다는 진단이었습니다. 이 두 세션이 던진 공통 메시지는 분명했습니다.

**ChatGPT 같은 만능형 AI로 모든 걸 해결하려던 시대는 끝났고, 교육이라는 구체적인 문제를 깊이 파고드는 전문 특화형 AI('Thoughtful AI')의 시대가 열렸다.**

Excelas의 표현을 빌리면, 뭐든 "그럭저럭 괜찮게" 하는 '제너럴리스트 AI' 대신, 한 가지를 정확하고 책임감 있게 해내는 **'버티컬 AI(Vertical AI)'**가 Bett 2026의 진짜 주인공이었습니다.

---

## 3. "점수를 매기는 AI"에서 "사고를 보여주는 AI"로

Bett 2026에서 평가 솔루션을 내놓은 기업들을 하나씩 뜯어보면, 놀라운 공통점이 있습니다. "AI가 점수를 찍어준다"고 전면에 내세우는 곳이 거의 없다는 것입니다. 2~3년 전만 해도 "AI 자동 채점"이 최대 셀링 포인트였는데, 올해는 분위기가 완전히 달랐습니다. 대신 모두 **"AI가 교사에게 더 풍부한 판단 재료를 건네준다"**는 방향으로 움직이고 있었습니다.

### Magma Math — 풀이 과정을 동영상처럼 재생하다

올해의 기업상과 초등 수학 부문을 동시에 휩쓴 Magma Math는 이번 전시회에서 가장 많은 대화를 만들어낸 제품이었습니다. 스웨덴에서 시작된 이 플랫폼은 K-12 수학에 특화되어 있는데, 단순한 자동 채점기와는 결이 다릅니다.

핵심은 이것입니다. 학생이 태블릿이나 노트북에서 손으로 풀이 과정을 쓰면, 그 모든 필기가 시간 순서대로 기록됩니다. 교사가 나중에 그 풀이를 **마치 동영상을 재생하듯 처음부터 끝까지 따라갈 수** 있습니다. 정답이냐 오답이냐만 확인하는 것이 아니라, 어디서 멈칫했고, 어떤 시행착오를 거쳤고, 어떤 우회로를 돌아서 답에 닿았는지를 시간의 흐름 속에서 추적하는 것입니다. 종이 시험지에는 최종 결과만 남지만, Magma Math에는 **사고의 여정**이 남습니다.

히트맵(Heat Map) 기능은 학급 전체의 이해도를 색깔로 한눈에 보여줍니다. 빨간색이 많은 문제는 학급 전체가 어려워한 문제이고, 초록색 위주인 문제는 대부분 이해한 문제입니다. 한 화면에서 30명 학생의 15,000개 이상 문제에 대한 시도 횟수, 소요 시간, 정오 여부를 확인할 수 있습니다. '공통 오류(Common Error)' 리포트는 학생들이 가장 많이 빠진 함정을 자동으로 꼽아주기 때문에, 교사는 "내일 수업에서 무엇을 다시 가르쳐야 하는지"를 데이터로 판단할 수 있습니다.

여기에 140개 이상의 언어 번역, 텍스트 읽어주기 기능까지 갖추고 있어 다문화 학생이나 특수교육 대상 학생도 같은 플랫폼에서 수학 문제에 접근할 수 있습니다. iPad, Chromebook, PC, MacBook 등 기기를 가리지 않습니다. 핵심을 한 문장으로 줄이면, Magma Math는 **"AI가 학생의 머릿속을 교사에게 열어 보여주는 도구"**입니다. 평가를 '판정'이 아니라 '이해'의 도구로 바꾸어놓은 셈입니다.

### RM Compare — 점수 대신 비교로 판단하다

RM Education의 RM Compare는 Bett Top 25에 선정되었으며, 완전히 다른 접근을 택했습니다. AI가 "이 과제는 몇 점"이라고 숫자를 뽑는 대신, **적응형 비교판단(Adaptive Comparative Judgement, ACJ)**이라는, 교육 평가 연구에서 나온 방법론을 디지털로 구현했습니다.

작동 방식은 이렇습니다. 교사에게 두 학생의 작품이 나란히 보여집니다. **"A 학생 작품과 B 학생 작품 중 어느 쪽이 나은가?"** 교사는 이 단순한 이지선다 비교만 반복합니다. 이 판단들이 수십, 수백 건 쌓이면 뒤에서 알고리즘이 모든 비교를 통계적으로 종합하여 신뢰도 높은 순위를 산출합니다. 독립적인 연구에서 이 방식의 신뢰도가 전통적인 루브릭 채점과 동등하거나 그 이상이라는 결과가 나와 있습니다.

이 방식이 특히 빛을 발하는 곳은 미술, 음악, 체육, 디자인 같은 **창의적 과목**입니다. "이 그림은 85점, 저 그림은 72점"이라고 숫자를 매기기란 본질적으로 어렵습니다. 하지만 "이 그림이 저 그림보다 낫다/못하다"는 판단은 교사라면 직관적으로 내릴 수 있습니다. RM Compare는 이 직관을 모아 통계적 엄밀성을 확보하는 것입니다.

Bett 2026에서 새로 공개된 Companion App으로는 스마트폰으로 학생 작품 사진을 바로 찍어 올리고, 학교법인(MAT) 전체 단위로 비교판단을 확장할 수 있습니다. RM Assessment의 Mark House는 현장에서 이렇게 말했습니다.

> **"우리가 소중히 여기는 것을 측정해야지, 기술이 무엇을 소중히 여길지 정하게 해서는 안 됩니다."**

### Turnitin — "잡아내기"에서 "과정 추적"으로

학술 무결성 분야의 대표 기업 Turnitin은 Bett Top 25에 이름을 올리며, 전략적 방향 전환을 분명히 드러냈습니다. 최고제품책임자 Annie Chechitelli는 Bett 무대에서 핵심 질문을 던졌습니다: **"AI 사용이 어디까지 허용되면, 평가가 더 이상 학습을 측정하지 못하게 되는 건가?"**

주목할 점은 Turnitin이 지금까지의 핵심 사업이었던 "이 글 AI가 썼나?" 탐지 경쟁에서 한 발 빠져나왔다는 것입니다. 물론 탐지 기능은 계속 업데이트하고 있고, 2025년 8월에는 AI가 쓴 글을 사람이 쓴 것처럼 바꿔주는 '우회 도구(AI bypasser)'까지 잡아내는 기능을 추가했습니다. 하지만 Bett 2026에서 강조한 미래 전략은 달랐습니다. **글을 쓰는 과정 자체를 추적하는 방식**으로 이동한 것입니다. 편집 이력, 수정 흔적, 각 단락이 작성된 시간 데이터를 종합하여, 결과물이 아니라 과정으로 진정성을 검증하는 접근입니다.

Chechitelli가 현장에서 공유한 수치는 섬뜩했습니다.

| 조사 항목 | 수치 |
| --- | --- |
| "AI 없이는 과제를 끝낼 수 없다"고 느끼는 학생 | **75% 이상** |
| "AI에 기댈 수 있으니 공부를 덜 한다"는 학생 | **5명 중 4명** |
| AI 도구가 수업의 질을 높였다고 답한 교사 | **69%** |
| AI 덕분에 학생과 대화할 시간이 늘었다는 교사 | **55%** |

이것은 단순한 부정행위 문제가 아니라, **학생 세대 전체가 스스로 생각하려는 의지를 잃어가는 구조적 위기**라는 진단이었습니다. 동시에 교사 입장에서는 AI가 분명한 시간 절약 효과를 가져다주고 있다는 양면적 현실도 함께 보여주었습니다. AI를 쓰지 말자는 것이 아니라, **쓰는 방식을 근본적으로 다시 설계해야 한다**는 메시지였습니다.

### Redmenta — AI가 채점 기준표 초안을 짜주다

헝가리에서 시작된 Redmenta는 Bett Awards 중등 디지털 학습 제품 부문 최종 후보에 올랐으며, AI 기반 학습지 제작과 평가를 하나의 플랫폼으로 묶은 접근으로 주목받았습니다. 교사가 PDF, 이미지, 웹 링크 등 자료를 넣으면 AI가 다양한 유형의 퀴즈와 학습지를 자동 생성합니다. 여기까지는 다른 도구들과 비슷합니다.

Redmenta가 차별화되는 지점은 **AI 채점 기준표(Rubric)** 기능입니다. 교사가 기존에 쓰던 채점 기준을 업로드하거나, "이 과제에 맞는 기준표를 만들어줘"라고 AI에게 요청할 수 있습니다. AI는 이 기준에 따라 학생의 과제를 항목별로 분석하고, **채점 초안과 각 항목에 대한 피드백 문구를 제안**합니다. 예를 들어 에세이 과제라면 "주제 이해도: 우수 / 논리적 근거 제시: 보통 / 창의성: 양호" 같은 식으로 항목별 평가 초안이 나오고, 이 점수들은 자동으로 백분율로 환산되어 기존 성적 체계와 연결됩니다.

에세이뿐 아니라 영상 답변, 마인드맵, 다이어그램 같은 비정형 과제도 분석할 수 있다는 것이 인상적입니다. 하지만 가장 중요한 설계 원칙은, **최종 점수 확정은 언제나 교사가 한다**는 것입니다. AI는 초안을 제안하고 교사가 승인하거나 수정하는 구조입니다.

---

## 4. AI 평가의 경계선: 잘하는 것과 넘지 못하는 것

Bett 2026 현장을 종합하면, AI 평가의 강점과 한계 사이에 꽤 선명한 경계선이 보입니다. 이 경계선을 정확히 이해하는 것이, AI 평가 도구를 도입하려는 학교에게 가장 실용적인 출발점이 됩니다.

|  | AI가 잘하는 영역 | AI가 넘지 못하는 영역 |
| --- | --- | --- |
| **대상** | 정해진 기준이 있는 과제 (수학, 객관식, 단답형) | 열린 결말의 창의적 과제 (미술, 작문, 프로젝트) |
| **역할** | 정오 판별, 초벌 채점, 패턴 분류 | 맥락 해석, 성장 가능성 판단, 윤리적 사고 평가 |
| **속도** | 즉각 피드백으로 재도전 유도 | 깊은 대화를 통한 소크라테스식 탐색 |
| **규모** | 30명 학생의 데이터를 실시간 시각화 | 학생 한 명 한 명의 배경과 맥락을 고려한 판단 |
| **공정성** | 일관된 기준 적용 (규칙 명확할 때) | 편향 위험 (성별·인종·SEND 학생에 불공정 채점 사례) |
| **대표 도구** | Magma Math, Redmenta, ExamGPT | RM Compare(인간 판단 보조), 교사의 관찰·대화 |

### AI가 확실히 잘하는 세 가지

**정해진 기준이 있는 과제의 채점.** 수학 풀이의 정오 판별, 객관식 문항 처리, 기준표에 따른 초벌 채점처럼 규칙이 명확한 영역에서 AI는 이미 높은 정확도에 도달했습니다. Excelas의 ExamGPT은 영국 GCSE 수학·과학 시험에서 85~95%의 채점 일치도를 보여줍니다. 이런 채점은 반복적이고, 기준이 명확하며, 대량으로 처리해야 하기 때문에 AI가 인간보다 빠르고 일관적으로 수행할 수 있습니다.

**많은 학생의 데이터를 한눈에 정리하는 일.** 학급 전체에서 어떤 개념을 가장 많이 틀리는지, 풀이를 몇 번 시도했는지, 진도가 어디까지 나갔는지를 실시간으로 시각화하는 것은 교사 한 명이 30명을 상대로 수작업할 수 있는 일이 아닙니다. 교사가 직감적으로 "이번 단원은 아이들이 어려워하는 것 같다"고 느끼던 것을, 데이터가 구체적인 숫자와 시각 자료로 확인해주는 것입니다. 교사의 직관을 부정하는 것이 아니라, 직관에 근거를 더해주는 것입니다.

**피드백의 속도를 높이는 것.** 교육학에서 피드백의 효과는 속도에 크게 좌우됩니다. 과제를 내고 3주 뒤에 성적표를 받는 기존 구조에서는, 그사이에 학생의 동기가 식어버리거나 같은 실수를 반복합니다. AI가 즉시 피드백 초안을 만들면, 학생은 기억이 생생할 때 바로 다시 도전할 수 있습니다. Excelas는 이것을 **"학생의 씨름을 보존하는 AI"**라고 표현했습니다. AI가 학생 대신 문제를 풀어주는 게 아니라, 학생이 씨름한 결과에 **빠르게 응답**해줌으로써 포기 대신 재도전을 이끌어내는 것입니다.

### AI가 본질적으로 넘지 못하는 세 가지

**창의성과 맥락을 읽는 판단.** 이것은 기술이 아직 부족해서가 아니라, AI의 구조적 특성에서 오는 한계입니다. 연구에 따르면, 생성형 AI는 참신한 아이디어와 뻔한 아이디어를 구별하지 못하며, 인간과 달리 둘 다 "똑같이 창의적"이라고 판정합니다. 더 근본적으로, 창의성 평가는 문화적 맥락, 학생의 나이와 배경, 과제의 의도 같은 수많은 암묵적 정보를 필요로 합니다. 초등학생이 처음으로 은유를 사용한 문장과, 고등학생이 관습적으로 쓴 은유는 글 자체의 완성도가 같더라도 교육적 의미가 전혀 다릅니다. AI는 이 차이를 모릅니다.

**편향과 공정성 문제.** AI가 공정한 채점기일 것이라는 기대와 달리, 현실은 정반대일 수 있습니다. AI 에세이 채점 시스템이 학생의 성별, 인종, 경제적 배경에 따라 불공정한 점수를 매기는 사례가 보고되고 있습니다. 특수교육이 필요한(SEND) 학생의 경우, AI 적응형 학습 플랫폼이 신경다양성 학생의 비선형적 학습 경로를 '오류'로 해석하거나, 과거 데이터에 반영된 체계적 지원 부족을 그대로 되풀이하여 오히려 기회를 줄이는 결과를 낳을 수 있습니다.

**대화를 통한 깊은 탐색, 윤리적 사고, 태도, 성장 가능성.** "이 학생의 노력이 진짜인지", "엉뚱해 보이는 답 속에 번뜩이는 가능성이 있는지", "3개월 전과 비교해 얼마나 성장했는지"를 종합적으로 헤아리는 것은 사람인 교사만의 영역입니다. 학생에게 "왜 그렇게 생각했어?"라고 물어보고, 대답 속에서 오개념과 통찰을 동시에 읽어내며, 그에 맞춰 다음 질문을 즉석에서 만들어내는 소크라테스식 대화 — 이것은 AI가 가장 흉내 내기 어려운 일입니다.

---

## 5. 진짜 질문은 따로 있다

Bett 2026이 보여준 가장 중요한 변화는, 업계가 더 이상 "AI가 교사를 대체할 수 있는가"를 묻지 않는다는 것입니다. 2024년까지만 해도 그 질문이 뜨거웠지만, 2026년 1월의 런던에서 그 질문은 이미 지나간 논쟁이 되어 있었습니다. 대신 모두가 이렇게 묻고 있었습니다.

**"AI가 교사의 어깨에서 무엇을 덜어줄 수 있는가?"**

참관자들이 정리한 올해의 핵심 전환은 명확했습니다.

| 과거 (2023~2024) | 현재 (Bett 2026) |
| --- | --- |
| "여기저기 다 AI" (AI everywhere) | **"실제 교실에서 돌아가는 AI"** (AI that works) |
| 이것저것 실험 (Experimentation) | **하나로 이어지는 생태계** (Integrated ecosystems) |
| AI가 점수를 준다 | **AI가 사고 과정을 보여준다** |
| AI가 판단한다 | **AI가 교사의 판단을 돕는다** |
| 범용 AI로 모든 것을 | **특정 문제에 전문화된 AI로** |
| 답을 빠르게 | **학습 과정을 깊게** |

AI가 수학 채점, 오개념 분류, 채점 기준표 초벌 작업, 글쓰기 과정 추적 같은 반복적이고 시간 잡아먹는 일을 맡아주면, 교사는 그 시간에 학생과 눈을 맞추고, 사고 과정을 들여다보고, 엉뚱하지만 번뜩이는 아이디어를 알아봐 주는 — AI가 절대 할 수 없는 — 평가에 온전히 집중할 수 있습니다.

영국 교육부 장관 Bridget Phillipson이 Bett 2026 마지막 날 무대에서 한 말이, 이 모든 이야기를 한 문장으로 압축합니다.

> **"교사가 가르치는 데 더 많은 시간을 쓸 수 있게 하라."**

AI 평가의 목표는 완벽한 자동 채점 기계를 만드는 것이 아닙니다. 교사가 진짜 중요한 일 — 학생 한 명 한 명을 이해하고, 그 성장을 곁에서 돕는 일 — 에 온전히 쏟을 수 있는 시간과 여유를 만들어주는 것입니다.

---

**출처**

- Excelas AI, "BETT 2026 Review: Why the Era of 'Junk Food' AI is Over" (2026.01.25) — [https://excelas.ai/blog/bett-2026-review-why-the-era-of-junk-food-ai-is-over](https://excelas.ai/blog/bett-2026-review-why-the-era-of-junk-food-ai-is-over)

- TechNexus, "The Top 25: Best of BETT 2026 Ranked" — [https://technexus.media/p/the-top-25-best-of-bett-2026-ranked](https://technexus.media/p/the-top-25-best-of-bett-2026-ranked)

- Bett Awards, "2026 Bett Awards Winners" — [https://bettawards.com/winners-2026/](https://bettawards.com/winners-2026/)

- WhichMIS, "BETT 2026 Review" — [https://www.whichmis.com/bett-2026-review/](https://www.whichmis.com/bett-2026-review/)

- Magma Math, "About the Platform" — [https://www.magmamath.com/product](https://www.magmamath.com/product)

- RM Education, "Bett UK 2026" — [https://www.rm.com/events/bett-uk-2026](https://www.rm.com/events/bett-uk-2026)

- RM Compare, "Tackling Reliability in Adaptive Comparative Judgement" — [https://compare.rm.com/blog/2025/06/tackling-reliability-in-adaptive-comparative-judgement-what-rm-compare-users-need-to-know/](https://compare.rm.com/blog/2025/06/tackling-reliability-in-adaptive-comparative-judgement-what-rm-compare-users-need-to-know/)

- EdTech Innovation Hub, "BETT 2026: Turnitin warns assessment models must evolve" (2026.01.27) — [https://www.edtechinnovationhub.com/news/bett-2026-turnitin-warns-assessment-models-must-evolve-as-ai-use-accelerates](https://www.edtechinnovationhub.com/news/bett-2026-turnitin-warns-assessment-models-must-evolve-as-ai-use-accelerates)

- The EdTech Podcast, "Bett UK 2026: Bringing Joy to Digital Assessment" (2026.01.26) — [https://theedtechpodcast.com/podcast/bett-uk-2026-bringing-joy-to-digital-assessment/](https://theedtechpodcast.com/podcast/bett-uk-2026-bringing-joy-to-digital-assessment/)

- Redmenta, "Rubrics vs. Percentage-Based Evaluation" — [https://redmenta.com/blog/rubrics-vs-percentage-evaluation-in-redmenta](https://redmenta.com/blog/rubrics-vs-percentage-evaluation-in-redmenta)

- Redmenta, "Automated Grading with AI: Faster Assessments" — [https://redmenta.com/blog/automated-grading-with-ai-faster-assessments](https://redmenta.com/blog/automated-grading-with-ai-faster-assessments)

- Bett Awards, "AI for Teaching and Assessment" — [https://bettawards.com/winner/ai-for-teaching-and-assessment/](https://bettawards.com/winner/ai-for-teaching-and-assessment/)

- Desdevises et al., "The paradox of creativity in generative AI" (2025), PMC — [https://pmc.ncbi.nlm.nih.gov/articles/PMC12369561/](https://pmc.ncbi.nlm.nih.gov/articles/PMC12369561/)

- Schaller, "Fairness in Automated Essay Scoring" (2024), ACL Anthology — [https://aclanthology.org/2024.bea-1.18/](https://aclanthology.org/2024.bea-1.18/)

- Schools Week, "AI bias poses serious risks for learners with SEND" (2025.08) — [https://schoolsweek.co.uk/ai-bias-poses-serious-risks-for-learners-with-send/](https://schoolsweek.co.uk/ai-bias-poses-serious-risks-for-learners-with-send/)

- Mark Sparvell, "Bett 2025 to 2026: AI in Education Shifts" (LinkedIn, 2026.01.27)

- Turnitin, "AI writing detection model — release notes" — [https://guides.turnitin.com/hc/en-us/articles/28294949544717-AI-writing-detection-model](https://guides.turnitin.com/hc/en-us/articles/28294949544717-AI-writing-detection-model)

For the site tree, see the [root Markdown](https://blog.learntoday.kr/.md).