Daphne Koller: 우리가 온라인 교육으로부터 배울 수 있는 것

여러분 중 대부분처럼 저도 운이 좋은 사람입니다. 저는 학구열이 높은 가정에서 태어났어요. 저는 두 학자의 딸로 태어났고, 집안 삼대째 박사입니다. 어렸을 적엔 아버지의 대학교 연구실에서 놀곤 했죠. 그래서 최고 대학에 다니는 게 무척 당연하게 생각되었어요. 그곳에선 기회의 문이 열렸지요.

불행한 일이지만 세계 대부분의 사람들이 그렇게 운이 좋진 못합니다. 지구상 어떤 곳에서는, 예를 들어 남아프리카에서는 교육을 받는 것은 쉽지 않습니다. 남아프리카의 교육 시스템은 소수의 백인들이 통치하던 아파트르헤이드 (남아프리카공화국의 인종차별정책) 시절에 만들어졌습니다. 결과적으로 오늘날에는 고등교육을 받는 것을 원하고, 또, 받을 자격이 있는 많은 사람들을 위한 자리가 없습니다. 이러한 부족함은 결국 금년 1월 요하네스버그대학에 위기를 초래했습니다. 정규 입학절차 이후에도 몇몇 신입생 자리가 남았고 신입생 등록 바로 전날 밤 수천명의 사람들이 등록하길 바라면서 정문 밖으로 1마일이나 줄을 섰습니다. 정문이 열리자, 사람들이 한꺼번에 우르르 몰렸고 결국 스무명이 다쳤고 한 여성이 죽고 말았습니다. 그녀는 당신의 아들이 좀 더 나은 삶을 살 수 있는 기회와 자신의 목슴을 맞바꾼 한 어머니였던 거죠.

그러나 미국같이 교육을 받을 수 있는 나라에서 조차도 교육은 쉽게 접할 수 없는 것일 수도 있습니다. 지난 몇 년 간 의료혜택 비용 상승에 대한 논쟁이 있어 왔는데요. 아마 사람들은 고등 교육 비용이 같은 기간 동안 거의 두 배 가까운 속도로 올랐다는 것을 그만큼 잘 알고 있지 못한 것 같습니다. 1985년 이래로 총 559%나 올랐는데 말이죠. 이로인해 많은 사람들이 금전적인 이유로 교육을 받기 어려워졌습니다.

결국 고등 교육에 어렵사리 발을 들여놓은 사람들에게조차도 그러한 기회의 문은 열리지 않을 수 있죠. 최근 미국에서 고등교육을 받고 대학을 졸업한 사람들 중 절반을 조금 넘는 정도의 사람들만이 그런 교육을 필요로 하는 곳에서 일하고 있습니다. 이것은 물론 명문 대학을 졸업한 학생들의 경우는 아니지만 많은 학생들은 그들의 시간과 노력에 대한 대가를 받지 못합니다.

톰 프리드맨은 그의 최근 뉴욕 타임즈 기사에서 어느 누구도 하지 못했을 방식으로, 우리의 노력 뒤에 숨어있는 생각을 포착했습니다. 그는 큰 돌파구란 갑자기 가능한 것들이 몹시 필요한 것을 만나는 것이라고 하였습니다. 저는 몹시 필요한 것에 대해 이야기를 해왔습니다. 이제 갑자기 가능한 것들에 대해 이야기해 보도록 하죠.

갑자기 가능한 것들은 십만 명 이상 수강 신청한 스탠포드의 3개의 대형 강의에 의해 입증될 수 있습니다. 이것을 이해하기 위해 그 수업들 중 하나를 보도록 하지요. 제 동료이자 공동 창설자인 Andrew Ng가 강의하는 기계 학습 강의입니다. 앤드류는 대형 강의 중 하나인 기계 학습 강의를 진행하는데 그 강의는 매번 400명의 학생들이 신청을 합니다. 앤드류가 이 강의를 일반 대중에게 가르쳤을 때 십만 명이 수강신청을 했습니다. 그러니까 앤드류가 스탠포드에서 강의하는 학생 수만큼 가르친다면 그는 250년 간 강의해야 할 것이라고 볼 수 있겠군요. 물론, 그는 무척 지루해 하겠지요.

이런 결과를 보면서 앤드류와 저는 최대한 많은 사람들에게 최상의 교육을 제공하기 위해 수강생의 수를 늘리도록 노력해야겠다고 생각했죠. 그래서 우리는 Coursera를 만들었습니다. Coursera의 목표는 최고의 대학에서 최고의 교수들에 의한 최고의 강의들을 모아 세계 모든 사람들에게 무료로 보급하는 것입니다. 우리는 지금 4개 대학에서 온 다양한 분야의 43개 강의가 있습니다. 그 강의들이 어떤 식인지 여러분께 조금 보여드리겠습니다.

Robert Ghrist : 미적분에 오신 걸 환영합니다.

Ezekiel Emanuel : 5천만 명의 사람들이 보험에 들지 않았습니다.

Scott Page : 여러 사례들은 우리가 더 효과적인 제도와 정책들을 만들도록 도와줍니다. 우리는 상상할 수 없는 인종차별을 받습니다.

Scott Klemmer : 그러니까 부시는 미래에 우리가 카메라를 머리 한 가운데 달고 다닐 것이라고 생각했습니다.

Mitchell Duneier : 밀즈는 사회학과 학생들이 마음의 질을 발전시키길 원했습니다.

RG: 늘어져있는 케이블선은 쌍곡 코사인 함수의 모양을 띱니다.

Nick Parlante : 그림의 모든 픽셀에 대해 빨강을 0으로 지정하세요.

Paul Offit : 백신 덕분에 우리는 소아마비 바이러스를 없앨 수 있게 되었습니다.

Dan Jurafsky : 루프트한자(독일 항공회사)가 아침식사와 산 호세를 공급한다고요? 이상하게 들리네요.

Daphne Koller : 그러니까 이건 여러분이 고른 동전이고, 이것이 두 번 던진 것입니다.

Andrew Ng : 그러므로 대규모의 기계학습에서 우리는 컴퓨터의...

(박수)

별로 놀랍지 않게도, 많은 학생들이 최고 대학들의 최고의 수업들을 공짜로 듣는 것을 좋아했습니다. 2월에 웹사이트를 개설하고부터 현재 우리는 190개국에서 온 64만 명의 학생들이 있습니다. 우린 150만 개의 수강신청을 받고 있고 15개의 수업에서 만들어진 퀴즈 중 6백만 개가 제출됐고 1400만 개의 영상이 시청되었습니다.

그러나 이것은 단지 숫자에 대한 것이 아니라 사람들에 대한 것입니다. 인도의 작은 마을에서 와 스탠포드 수준의 강의를 접촉할 기회가 전혀 없고 또 그것을 들을 금전적 여유도 없는 Akash 여도 괜찮습니다. 기술을 연마하고 학교로 돌아가 자신의 석사 학위를 마치고 싶어하는 두 아이의 편모인 Jenny여도 괜찮습니다. 혹은 면역력이 부족한 딸 때문에 집 안에 병균이 들어올까봐 학교에 가지 못하는 Ryan이어도 괜찮습니다. 저는 우리가 최근 Ryan과 연락한 결과 이 이야기가 행복한 결실을 맺었다고 전할 수 있어서 매우 기분이 좋습니다. 그의 아기 Shannon은--여기 왼쪽이 그녀입니다-- 훨씬 더 나아졌고 Ryan은 우리의 강의 일부를 들음으로써 취직하였습니다.

이 강의들이 뭐가 그렇게 다르냐고요? 온라인 강의는 꽤 오랫동안 가능했잖아요. 이 강의들이 다른 점은 이것들이 실제 강의 체험이었다는 점입니다. 강의들은 특정한 날에 시작하고 학생들은 매주 영상을보고 숙제를 했습니다. 그리고 이 숙제들은 실제 점수와 실제 기한이 있는 진짜 숙제들이었습니다. 이 그래프에서 제출 기한과 제출 시간을 볼 수 있습니다. 이 뾰족한 부분들은 미루는 버릇이 세계적 현상이라는 것을 보여주죠.

(웃음)

강의가 끝나고 나면 학생들은 수료증을 받았습니다. 그들은 그 수료증들을 장래의 고용주들에게 제출하여 더 나은 직업을 얻을 수 있었고 우리는 그렇게 한 많은 학생들을 알고 있습니다. 어떤 학생들은 그들의 수료증을 교육기관들에 제출하여 실제 학점으로 기제하였습니다. 그렇게 이 학생들은 그들의 시간과 노력의 투자에 대해서 의미있는 무언가를 실제로 얻어내고 있는 것이지요.

이 강의들에 들어가는 몇 가지 요소들에 대해 조금 이야기해 보도록 하지요. 첫 번째 요소는 실제 교실의 제약성을 없애고 온라인 형식으로 내용을 구성하게 된다면 예를 들어 획일적인 1시간 수업으로부터 벗어나게 된다는 점입니다. 예를 들면, 그 내용을 일관성 있는 내용의 이런 작은 모듈식의 8~12분짜리로 만들 수 있습니다. 학생들은 그들의 배경, 실력이나 흥미에 따라 이 내용을 각자의 방식으로 왔다갔다할 수 있습니다. 그렇게 되면 어떤 학생들은 다른 학생들이 이미 갖고 있는 준비 자료를 통해 이익을 볼 수 있지요. 다른 학생들은 개인적으로 추구하는 어떤 주제에 대해 관심이 있을지도 모르고요. 그렇게 이 형식은 한 가지 형태로 모든 것을 해결하는 획일적 교육 방식에서 벗어나 학생들에게 훨씬 잘 맞는 맞춤형 교육을 할 수 있게 합니다.

물론 우리는 교육자들로써 학생들이 그저 앉아서 수동적으로 영상을 봐서는 배우지 못한다는 것을 알고 있습니다. 어쩌면 이런 노력의 가장 큰 요소는 우리의 수업을 듣는 학생들이 정말 그것을 이해하도록 하기 위해서는 학생들이 연습하도록 해야 한다는 점입니다. 이것의 중요성을 입증하는 여러 연구들도 있었고요. 작년 Science지에 발표된 이 그래프를 보시면 학생들은 자신이 이미 배운 것을 그저 복습하면 되는 간단한 인출연습만 하더라도 여러 형태의 학력평가에서 다른 많은 교육적 도구를 사용한 것보다도 더 향상된 결과를 보여주었습니다.

저희는 인출 연습을 다른 방식들과 마찬가지로 저희의 시스템에 도입하고자 하였습니다. 예를들어 저희의 영상조차 그저 평범한 영상이 아닙니다. 몇 분마다 영상이 멈추고 학생들은 질문을 받게 되지요.

SP : ...이 네 가지입니다. 전망 이론, 과도한 가치 폄하, 현상유지편향, 기저율의 편향. 이것들은 모두 잘 입증되었습니다. 그러니까 이것들은 이성적인 행동에서 벗어난, 충분히 입증된 행동이라고 할 수 있지요.

여기서 영상이 멈추고 학생들은 박스에 답을 칩니다. 그리고 제출하지요. 확실히 집중을 안하고 있었네요.

(웃음)

다시 시도하게 됩니다. 그리고 이번엔 맞히네요. 원하면 설명을 볼 수도 있습니다. 이제 영상은 강의의 다음 부분으로 넘어갑니다. 이것들은 강사로써 저도 수업에서 물어볼만한 간단한 질문들입니다. 그렇지만 이런 질문을 수업에서 한다면 80퍼센트의 학생들은 제가 말한 마지막 말을 아직 필기하고 있을 것이고 15퍼센트의 학생들은 페이스북에 빠져 있을 것이고 첫 번째 줄에 앉아있는 범생이들이 다른 학생들이 생각해보기도 전에 답을 말하겠죠. 그리고 저는 강사로써 어떤 사람이 실제로 답을 알고 있다는 사실에 무척 행복해 할겁니다. 그렇게 강의는 대부분의 학생들이 질문을 받았다는 것조차 모른 채 계속 진행되겠지요. 여기서는 모든 학생들이 수업에 참여해야 합니다.

물론 이런 간단한 질문들이 이야기의 끝은 아니지요. 강사들은 더 중요한 연습 문제들을 만들어야 하고 또 학생들에게 그 질문들에 대해 피드백을 주어야 합니다. 그렇다면 만 명의 조교도 없이 어떻게 십만 명의 학생들의 숙제를 평가하죠? 정답은 강사대신 바로 채점해주는 기술을 사용하는 것입니다. 다행히도 기술은 크게 발전했고 우린 이제 다양하고 흥미로운 숙제들을 평가할 수 있습니다. 객관식 문제들과 여러분이 영상에서 보신 단답형 질문들과 더불어 우리는 수학, 수학적 표현, 그리고 수학적 근원에 대해서도 평가가 가능합니다. 우리는 경영 강의의 재정적 모형이든 과학이나 공학 강의의 물리적 모형이든 다양한 모형도 평가할 수 있고 꽤 복잡한 프로그래밍 숙제도 평가할 수 있습니다.

여러분께 사실 간단하지만 꽤 시각적인 예를 보여드리도록 하겠습니다. 이것은 스탠포드의 컴퓨터 공학개론 수업 숙제입니다. 학생들은 이 흐린 붉은색 그림을 색보정해야 합니다. 인터넷에 프로그램을 입력하고 있네요. 완벽하게 하진 못했네요, 자유의 여신상이 아직도 배멀미 중이군요. 그래서 이 학생은 다시 시도해서 이번엔 성공하고, 성공했다고 알림을 받습니다. 그렇게 다음 과제로 넘어가게 되는 것이지요. 강의에 적극적으로 참여하고 맞았는지 틀렸는지를 알게 되는 것은 학생의 공부에서 매우 중요합니다.

물론, 저희는 아직 모든 강의의 다양한 과제들을 평가할 수는 없습니다. 특히 부족한 점은 인문학, 사회과학, 경영 등에서는 매우 중요한 학습법인 비판적 사고에 대한 평가입니다. 그래서 저희는 우리의 인문학 교수들에게 객관식이 그렇게 나쁜 전략은 아니라고 설득했습니다. 잘 되진 않았지요.

그래서 우리는 다른 해결책을 생각해내야 했습니다. 결국 우리는 동료에 의한 평가를 사용하게 되었습니다. Saddler와 Good에 의한 이 자료처럼 많은 이전 연구들에 의하면 동료에 의한 평가는 재생 가능한 성적을 내는 데 놀라운 효과를 가진 전략이더군요. 작은 강의들에서만 사용되었는데 그 결과, 예를 들어 y축에 있는 학생들의 평가가 x축에 있는 교사들의 평가와 높은 상관관계를 가지고 나왔습니다. 더 놀라운 것은 자신들에게 만점을 주지 못하도록 비판적으로 자신의 과제를 평가하도록 하였더니 교사들의 평가와 더욱 일치했습니다. 즉 이것은 평가하는 데에 효과적인 방법이고 학생들이 실제로 경험에서 배우기 때문에 유용한 학습 방법이기도 하지요. 우리는 이제 수십 만명의 학생들이 서로의 과제를 채점하는 역대 최대의 동료 채점 방식을 도입하였습니다. 그리고 꽤 성공적으로 나타났고요.

그렇지만 이것은 단지 거실에 앉아 문제들을 해결하는 학생들의 이야기가 아닙니다. 우리의 모든 강좌들에는 같은 지적 탐구를 하는 세계적인 학생들의 커뮤니티가 만들어졌습니다. 여기 보시는 것은 프린스턴의 사회학개론 수업을 듣는 학생들이 자신들을 세계 지도에 스스로 표시해 만든 지도입니다. 이러한 노력의 세계적 범위를 잘 볼 수 있지요.

학생들은 수업들에 다양한 방식으로 협력했습니다. 첫 번째로, 학생들이 문제을 내면 다른 학생이 답하는 문답 포럼이 있었습니다. 정말 놀라운 것은 학생들이 수없이 많았기 때문에 한 학생이 질문을 오전 3시에 등록하더라도 세계 어딘가에서 어떤 사람인가 깨어있어 같이 문제를 풀고 있었다는 것입니다. 그래서 많은 강의에서 문답 포럼의 평균 반응 시간은 22분이었습니다. 제가 스탠포드 학생들에게 제공할 수 있는 서비스는 절대 아니지요.

(웃음)

그리고 학생들의 말에 의하면 그들은 이 커다란 온라인 커뮤니티 덕에 실제 교실에서보다 더 다양하고 깊은 방법으로 다른 학생들과 교류할 수 있었습니다. 또 학생들은 스스로 저희의 개입 하나 없이 작은 스터디 모임들을 만들었습니다. 이들의 일부는 지리적 제약을 넘어 매주 만나 함께 문제를 해결하는 실제 스터디 그룹이었습니다. 이것은 샌 프란시스코 스터디 그룹인데 이 외에도 세계 곳곳에 많이 존재합니다. 다른 스터디 그룹들은 온라인 상의 그룹이었는데 일부는 같은 언어나 문화를 공유하였습니다. 여기 왼쪽 아래에는 학생들이 다른 문화에서 온 사람들과 교류하고 싶어한다는 것을 명백히 보여주는 세계적 다문화 스터디 그룹이 있습니다.

이런 체계에서 얻을 수 있는 어마어마한 기회들이 몇 있습니다. 첫 번째는 이것이 우리에게 인간의 학습에 대한 유래없는 모습을 보여준다는 것입니다. 우리가 여기서 모을 수 있는 자료가 독특하기 때문이지요. 여기서는 모든 클릭, 모든 숙제 제출, 수십 만명의 학생들이 올린 포럼들을 모두 볼 수 있어요. 그것을 통해 우리는 인간의 학습에 대한 연구를 가설에서 시작하는 방식에서 생물학에서 혁명을 일으킨 데이터에서 시작하는 방식으로 바꿀 수 있습니다. 이러한 자료들을 통해 우리는 효과적인 학습 전략과 아닌 것을 구분해내는 기본적인 질문들을 이해할 수 있습니다. 그리고 특정 강의들의 내용에선 잘못된 통념들이 무엇인지 그리고 학생들이 어떻게 그것을 고칠 수 있는지를 물을 수 있습니다.

여기 그 예가 있습니다. 앤드류의 기계 학습 강의에서 나온 부분입니다. 이것은 앤드류의 과제들 중 하나에 잘못된 정답의 분포입니다. 답이 숫자의 쌍이기 때문에 이렇게 좌표평면에 표시할 수 있습니다. 각각의 X표는 각기 다른 오답입니다. 왼쪽 위에 있는 큰 X표는 2000명의 학생들이 똑같이 고른 오답입니다. 만약 100명의 학생이 있는 수업에서 2명의 학생이 같은 오답을 썼다면 알아채기 힘들 것입니다. 하지만 2000명의 학생들이 같은 오답을 썼다면 그걸 놓치긴 힘들겠죠. 그래서 앤드류와 그의 학생들은 그 숙제들을 다시 본 뒤 오해의 근본적 이유를 알게 되었고 그들은 같은 오류를 범한 모든 학생들에게 보내는 해설 메시지를 만들었습니다. 이것은 같은 실수를 한 학생들이 이제 어떻게 하면 자신들의 오해를 효과적으로 고칠 수 있는지에 대한 맞춤형 피드백을 받을 수 있다는 것입니다.

이 맞춤화는 많은 학생들이 있음으로써만 가질 수 있는 장점입니다. 맞춤화는 30년 묵은 문제를 풀 수 있게 할 수 있는 가능성을 제시해 주기 때문에 어쩌면 여기의 가장 큰 장점 중 하나입니다. 교육학자 Benjamin Bloom은 1984년에 2-시그마라는 이론을 제시했는데 여기서 그는 3가지 집단을 분석했습니다. 첫 번째는 강의기반 교실에서 공부한 사람들이었습니다. 두 번째는 강의에 의한, 그렇지만 완벽한 이해를 기반으로 하는 강의 방식을 기반으로 공부한 사람들이에요. 그래서 전체 주제에 대해 완벽히 이해하지 못하면 다음 주제로 넘어가지 못했습니다. 그리고 마지막으로 개인 강사를 통해 1:1 수업을 받은 학생들이 있었습니다. 완벽 학습을 한 집단은 강의에 의한 수업을 들은 학생들의 성적보다 표준편차, 즉, 시그마만큼 높고 개인 강사를 통해 학습한 학생들은 2-시그마만큼 성적이 향상되였습니다.

그것의 의미를 알기 위해서 강의기반 수업에서 평균 성적을 기준점으로 골라보도록 하지요. 그러니까 강의기반 수업에서는 절반의 학생들이 위에, 다른 절반이 그 아래 있군요. 개인 지도를 받은 학생들 가운데는 98퍼센트가 그 기준점 위에 있습니다. 우리가 98퍼센트의 학생들이 평균 이상으로 하도록 가르칠 수 있다고 상상해 보세요. 그러므로 2-시그마 이론은

사회에서 모든 학생들에게 개인 교사를 공급할 수 없기 때문에 불가능합니다. 그러나 어쩌면 우리는 모든 학생들에게 컴퓨터나 스마트폰을 공급해줄 수 있습니다. 그러니까 요지는 우리가 어떻게 기술을 사용해 왼쪽의 파란 곡선을 오른쪽의 초록색 곡선으로 옮겨 가도록 할 수 있느냐는 것입니다. 컴퓨터는 같은 영상을 다섯 번 보여주는 데에 지치지 않기 때문에 완전 이해 방식 학습은 컴퓨터를 통해 쉽게 해낼 수 있습니다. 그리고 제가 여러분께 보여드린 많은 예에서 볼 수 있다시피 컴퓨터는 심지어 같은 문제를 여러 번 채점해도 지치지 않습니다. 그리고 심지어 맞춤화도 교과과정의 성취를 개별적으로 추적한다든지, 제가 보여드린 맞춤형 피드백을 통해서든지 이제 우리가 서서히 시작하고 있는 것입니다. 그러니까 우리의 목표는 이 초록색 곡선을 향해 최대한 옮겨보고, 얼마나 갈 수 있는지 보는 것이지요.

이게 그렇게 위대한 일이면 대학교들이 이제 구식이냐고요? 글쎄요, 마크 트웨인은 확실히 그렇게 생각했죠. 그는 "대학이란 교수의 강의 노트가 교수나 학생의 뇌를 거치지 않고 곧장 학생의 필기장으로 옮겨 가는 곳"이라고 했죠.

(웃음)

하지만 저는 그와 다르게 생각해 주시기를 바랍니다. 저는 그가 불평하고 있던 것은 대학이 아니라 많은 대학들이 많은 시간을 투입하고 있는 강의에 의한 수업방식이라고 생각합니다. 더 옛날로 가 "마음은 채워야 하는 그릇이 아니라 불붙여져야 하는 장작이다"라고 한 플루타르크 시대로 가보죠. 어쩌면 우리는 대학에서 학생들의 마음에 강의를 통해 내용을 집어넣는 시간을 줄이고 그들과 직접 대화함으로써 그들의 창의력, 상상력과 문제풀이능력에 불을 붙이는 시간을 늘려야 할 것입니다.

그걸 어떻게 하냐고요? 교실에서 활발중심 학습을 하면 됩니다. 여기 이 자료를 포함해 많은 연구들이 보이는 바로는 학생들과 교실에서 교류하는 활발중심 학습을 사용하면 학생들의 출석률, 참여율, 그리고 시험을 통해 측정되는 학생들의 실력을 포함한 모든 면에서 성취도가 개선된다고 알려져 있습니다. 예를 들어 이 특정한 실험에서 시험 성적이 거의 2배로 증가했다는 것을 볼 수 있습니다. 어쩌면 바로 이것이 우리가 대학에서 해야하는 방법일 지 모릅니다.

요약하면, 우리가 세상의 모든 사람들에게 최상의 교육을 제시할 수 있다면 그것이 무엇이 무엇을 할까요? 세 가지입니다. 첫 번째로 교육을 기본적인 인권의 하나로 만드는 것입니다. 그래서 능력과 동기를 가진 세상 모든 사람들이 자신과 가족, 사회를 위해 더 나은 삶을 얻을 수 있도록 하는 것입니다.

두번째로, 평생교육을 가능하게 할 것입니다. 고등학교나 대학을 마치면서 공부는 멈추것은 많은 사람들에게 수치스러운 일입니다. 이런 대단한 강의에 접근 가능하게 함으로써 우리는 원할 때마다, 뭔가 새로운 것을 배울 수 있을 것입니다. 그것이 그저 마음의 지평을 넓히는 것이든 아니면 우리의 삶을 바꾸는 것이든 말이죠.

그리고 마지막으로, 대단한 재능이 어디서든 발견될 수 있기에 새로운 혁신의 물결이 일어나게 할 것입니다. 어쩌면 다음 아인슈타인이나 다음 스티브 잡스는 아프리카의 되딴 동네에 살고 있을 수 있어요. 그리고 만약 우리가 그런 사람에게 교육을 제공할 수 있다면, 그들은 기발한 생각을 떠올릴 수 있을 것이고 우리 모두를 위해 더 나은 세상을 만들 수 있을 것입니다.

감사합니다.

(박수)