AI 시대 교육, 인식론적 권위를 어떻게 재정립할까?

1. 연구의 목적

(1) 생성형 AI 시스템이 학습을 중개하면서 지식의 권위 있는 출처로 인식됨에 따라 문제가 발생함. 특히 AI가 서구 중심의 편향된 데이터를 바탕으로 지식을 생성하고, 학습자들이 이를 비판 없이 수용하는 경향이 있음. 기존 AI 교육이 AI를 주로 학습 보조 도구로만 여겨 AI 시스템에 인식론적 권위를 부여하고 학습자의 지역적, 생활 기반 지식을 소외시킴.

(2) 이 연구는 AI 학습에서 AI가 지닌 인식론적 권위를 재정립하고 학습자의 생활 기반 지식과 커뮤니티의 관점을 중심에 두는 커뮤니티 기반 AI 학습 프레임워크를 제안함. 이 프레임워크는 AI를 비판적으로 이해하고 활용하는 비판적 AI 리터러시를 지역적 맥락에서 구현하는 것을 목표로 함.

2. 연구의 방법

(1) 이 연구는 생성형 AI가 교육 현장에 미치는 영향과 인식론적 권위 문제를 이론적으로 탐색하는 관점 논문임. 기존의 커뮤니티 기반 학습과 구성주의 이론을 바탕으로 AI 교육의 새로운 방향을 제시함.

(2) AI가 지식을 생성하고 전달하는 방식과 학습자들이 AI를 지식의 권위 있는 출처로 받아들이는 현상을 주요 분석 대상으로 삼음. 이를 커뮤니티 기반 지식 및 학습자의 삶의 경험과 대조하여, AI 중심의 지식 권위가 아닌 인간 중심의 지식 권위를 재설정하는 방법을 모색함.

3. 주요 발견

이 연구는 커뮤니티 기반 AI 학습을 AI를 학습자의 지역적 관심사에 기반하여 다루고, 다양한 전문성 사이에 권위를 재분배하며, 집단적 판단과 행동을 지향하는 접근법으로 정의함. 이 학습은 AI가 ‘어디에서나 온 것처럼’ 보이며 지배적인 문화를 반영하는 특정 인식론적 불의를 교정하는 데 중점을 둠.

커뮤니티 기반 AI 학습: AI 중심의 권위에서 집단적 분별력으로

이 프레임워크는 세 가지 핵심 원칙을 지님.

(1) 인식론적 미세 조정: AI 출력물은 학습자의 삶의 경험, 지역 역사, 커뮤니티 전문성, 그리고 정보를 바탕으로 행동할 때의 결과와 비교하여 해석해야 함. 이 과정은 AI 모델 자체를 개선하는 것이 아니라, AI 출력물을 해석하고 신뢰하는 학습자의 태도를 조정하는 것임. 학습자는 AI 주장을 부분적이고 맥락이 결여된 것으로 간주하고, 지역에 기반한 지식을 바탕으로 AI에 대한 신뢰를 재조정하며 AI의 적절한 사용 범위를 정함.

(2) 권위의 재분배: 커뮤니티 기반 AI 학습은 AI를 궁극적인 권위로 여기지 않음. 대신 학습자들을 그들의 커뮤니티와 AI가 작동하는 조건에 대한 정당한 지식 보유자로 자리매김함. 전문성은 기술적 이해, 경험적 지식, 문화적 해석, 시민적 판단을 포함하는 이질적인 것으로 간주함. AI 출력물은 지역 기반 지식을 가진 사람들과의 대화를 거쳐 평가됨. 이 재분배는 AI를 부정하는 것이 아님. 대신 AI를 탐구하는 커뮤니티 내의 여러 목소리 중 하나로 재구성함.

(3) 상황적 분별력: AI 활용은 집단적인 판단과 행동에 중점을 둠. AI 학습은 단순히 기술 습득이나 추상적인 비판에 그치지 않음. AI 인프라가 사회적 세계와 어떻게 교차하는지 커뮤니티가 검토하고 어떻게 대응할지 결정하는 과정임. 어떤 맥락에서는 AI와 함께 지역 문제를 해결하는 설계를 포함할 수 있음. 다른 맥락에서는 불의를 악화시키는 AI 시스템에 저항하는 구축이 필요할 수 있음. 따라서 비판은 설정에 따라 달라짐. 이는 지리, 인프라, 피해 노출, 기술적 얽힘의 지역 역사에 따라 형성됨.

이 세 가지 약속은 구성주의 학습 이론과도 연결됨. 구성주의는 학습자들이 생각 속에서, 그리고 현실 세계에서 모형을 만들 때 가장 효과적으로 학습한다고 말함. 커뮤니티 기반 AI 학습은 AI를 활용하여 커뮤니티와 관련된 실제 결과물을 만드는 과정을 강조함. 이는 학생들이 지역 문제를 기반으로 AI 시스템을 만들거나, AI를 활용하여 커뮤니티를 위한 결과물을 만들 때 AI에 대한 더 깊은 이해를 얻는다는 의미임.

4. 결론 및 시사점

(1) 이 연구는 AI 시대에 교육이 AI 시스템에 인식론적 권위를 전적으로 부여해서는 안 된다고 주장함. 대신 커뮤니티 기반 AI 학습을 통하여 학습자들이 지역적 지식과 삶의 경험을 바탕으로 AI의 정보를 비판적으로 평가하고, AI의 권위를 재분배하며, 상황에 맞는 분별력을 키워야 함을 강조함.

(2) 교육 현장에서 교사들은 AI 출력물을 지역적 기준(관련성, 잠재적 피해, 유용성)에 따라 평가하는 기회를 제공해야 함. 이는 기술적 엄격함을 포기하는 것이 아니라, AI가 생성한 주장과 커뮤니티 지식, 삶의 경험, 공유된 가치를 비교하여 인식론적 재조정을 하는 실천을 도입하는 것임. 학생들이 지역 커뮤니티 구성원들과 소통하고, 지역 전문가의 조언을 듣고, 자신의 디자인을 지역 조건에 맞춰 평가하도록 장려함. 이를 통해 기술 회의주의적 태도를 길러 AI가 누구의 필요를 충족하는지, AI 존재가 복지나 해악 중 무엇을 더 많이 생산하는지 지속적으로 검토하는 능력을 키움.

(3) 교육과정 설계자와 정책 입안자에게는 AI 리터러시를 AI의 사회정치적 문제에 대한 일반적인 인식을 넘어 특정 커뮤니티에 대한 AI의 결과에 대한 상황적 참여로 전환하도록 시사함. 감시 시스템, 추천 플랫폼, 예측 도구와 같은 AI가 학생들의 사회적 세계에 어떻게 나타나는지 검토해야 함. 데이터 추출, 환경적 부담, 알고리즘적 피해에 불균형적으로 영향을 받는 커뮤니티에서는 비판적 참여가 AI 사용 제한, 거부 또는 전략적 미사용을 포함할 수 있음. 다른 환경에서는 AI가 문화 기반 디자인 및 집단적 문제 해결을 지원할 수 있음.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문에서 가장 주목할 지점은 AI가 지식의 인식론적 권위를 획득하는 과정과 그에 대한 비판적 접근 방식임. 기존의 AI 교육 논의가 AI의 효율성 증대나 기술적 활용에 초점을 맞춤. 이 연구는 AI가 ‘어디에서나 온 것처럼’ 보이지만 실제로는 특정 문화적, 역사적, 지리적 맥락에 기반한 편향된 지식을 보편적인 진리인 양 제시한다는 점을 지적함. 이는 AI 교육의 패러다임을 단순히 기술 습득을 넘어선 사회 정의와 인식론적 정의의 문제로 확장한다는 점에서 중요함. 지역 커뮤니티의 생활 기반 지식을 AI 평가의 최우선 기준으로 삼아야 한다는 주장은, AI가 만들어내는 지식의 본질과 가치를 근본적으로 재고하게 함.

(2) 이 논문이 명시하지 않은 더 넓은 의미는 AI 시대의 인간 주체성과 집단 지성의 회복 가능성임. 인지과학적 관점에서 보면, AI는 인간의 사고 과정을 모방하고 확장하는 도구임. 그러나 AI에게 인식론적 권위를 과도하게 부여하면 인간의 비판적 사고, 경험적 지식 형성, 그리고 집단적 의사결정 능력이 위축될 수 있음. 이 연구는 AI의 지식이 외부적인 ‘참고 자료’가 아닌, 커뮤니티의 삶 속에서 검증되고 재구성되어야 하는 대상으로 간주함을 통해 학습자의 주체성과 커뮤니티의 집단 지성이 AI 시대를 능동적으로 이끌어갈 수 있는 가능성을 제시함. 이는 인간-AI 상호작용(HCI) 설계 시 AI의 ‘지시’보다는 ‘협력’과 ‘토론’의 역할을 강화해야 한다는 시사점을 던짐.

(3) 이 연구를 발전시킬 구체적 아이디어는 지역 커뮤니티 기반 AI 리터러시 프로그램의 개발임. 예를 들어, 학교와 지역 박물관, 도서관, 시민 단체가 협력하여 학생들이 AI를 활용해 지역의 역사, 문화, 사회 문제를 탐구하는 프로젝트를 진행할 수 있음.

• 프로그램 모델: 학생들은 AI 챗봇을 활용하여 지역 역사 자료를 수집하거나, AI 이미지 생성 도구로 지역 명소를 새롭게 디자인함. 이때 지역 주민(원로, 예술가, 활동가 등)을 ‘지식 멘토’로 초빙하여 AI가 생성한 정보나 아이디어를 검토하고, 지역적 맥락에 비춰 그 타당성과 적절성을 평가함.
• 평가 도구 개발: AI가 생성한 결과물을 평가할 때 단순히 ‘정확성’뿐만 아니라 ‘지역적 적합성’, ‘문화적 민감성’, ‘커뮤니티에 대한 기여도’ 등 다면적인 기준을 포함하는 평가 루브릭을 개발함. 이는 학생들이 AI를 비판적으로 활용하고 커뮤니티의 가치를 중심에 두는 사고방식을 내면화하도록 도움.

6. 추가 탐구 질문

(1) 다양한 사회경제적 배경을 가진 커뮤니티에서 커뮤니티 기반 AI 학습을 적용할 때, 지역 지식의 접근성 및 커뮤니티 구성원의 참여 격차는 어떻게 다르게 나타날까?

(2) AI 시스템 자체의 설계 과정에 커뮤니티의 인식론적 권위를 반영한다면, 현재의 AI 개발 방법론은 어떻게 변화해야 할까? 또한, 그러한 AI가 더 많은 신뢰를 얻을 수 있을까?

(3) AI가 제공하는 ‘객관적인’ 데이터와 커뮤니티의 ‘주관적인’ 삶의 경험 사이에서 발생할 수 있는 갈등을 AI 교육 과정에서 어떻게 다루며, 윤리적 판단 기준은 어떻게 형성할까?

출처

• Ojeda-Ramirez, S., Gyles, S., & Peppler, K. (2026). Community-Based AI Learning: Redistributing Artificial Intelligence’s Epistemic Authority in Education. Proceedings of 2026 Conference for Research on Equitable and Sustained Participation in Engineering, Computing, and Technology (RESPECT 2026).