---
id: P-REINFORCE-AUTO-ASSM-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.94
tags: [auto-reinforced, assessment, evaluation, feedback, measurement, educational-psychology]
last_reinforced: 2026-04-20
---

# [[Assessment|Assessment]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "성장을 위한 거울: 현재의 도달 수준을 객관적으로 측정하고, 목표와의 간극을 파악하여 더 나은 방향으로 나아가도록 돕는 피드백 시스템의 핵심 단계."

## 📖 구조화된 지식 (Synthesized Content)
평가(Assessment)는 특정 대상의 능력, 가치, 성과 등을 체계적으로 파악하고 등급을 매기거나 피드백을 주는 일련의 과정입니다.

1.  **시점 및 목적에 따른 분류**:
    *   **Formative Assessment (형성 평가)**: 학습 도중에 수시로 실시하여 학습자에게 도움을 줌. (Active Learning과 연결)
    *   **Summative Assessment (총괄 평가)**: 학습이 끝난 후 성취도를 최종 확인.
    *   **Diagnostic Assessment (진단 평가)**: 시작 전 미리 수준을 파악하여 최적의 경로 설정.
2.  **좋은 평가의 조건**:
    *   **Validity (타당도)**: 측정하고자 하는 것을 정확히 측정하는가?
    *   **Reliability (신뢰도)**: 누가 언제 측정해도 일관된 결과가 나오는가?
    *   **Fairness (공정성)**: 평가 대상 모두에게 균등한 기회가 보장되는가? (Algorithmic Fairness와 연결)

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌**: 과거의 평가 정책은 줄 세우기를 통한 '선별'이 목적이었으나, 현대의 교육 및 인사 정책은 부족한 부분을 메워주는 '지속적 성장 지원 정책'으로 패러다임을 전환함(RL Update).
- **정책 변화(RL Update)**: AI 모델 평가 정책에서, 단순히 벤치마크 점수(Accuracy)만 따지기보다 모델의 취약점과 윤리성을 입체적으로 파악하는 'Multi-dimensional Assessment 정책'이 표준이 됨.

## 🔗 지식 연결 (Graph)
- [[Active Learning|Active Learning]], [[Algorithmic Fairness|Algorithmic Fairness]], [[Type 1 vs Type 2 Errors|Type 1 vs Type 2 Errors]], [[Statistics & Data Analysis|Statistics & Data Analysis]], Self-Correction Mechanisms
- **Modern Tech/Tools**: AI-automated evaluation tools, Performance dashboards (KPI/OKR).
---