김진관(닷커넥터)

배움, 나눔, 성장을 추구하는 연결주의자

Categories

Tag Cloud

2022개정교육과정 AGI AI AIEd블룸분류법 AILiteracy AI글쓰기 AI기만 AI디지털기반교육혁신 AI리터러시 AI멘티 AI보조학습 AI성숙도모델 AI수업 AI시대 AI유도인지위축 AI윤리 AI음악 AI죄책감 AI지원 AI채점 AI챗봇 AI코딩 AI코딩에이전트 AI튜터 AI편향 AI프레임워크 AI한계 AI협업 Anthropic BrainRot CBCI CCT CHC이론 CSL ChatGPT DOK EFL FeedOMeter Felten GeminiAPI GenAI GenSRL HCI HEAI Hallucination IB Instructor-in-the-Loop K-12교육 LLM LSTM LearnYourWay OECD교수나침반 PLC RIF ResNet RoseFrame SDG4 SDT SRL Suno Taxonomy TriDENT T자형인재 UDL UX디자인 VerbalizedSampling Webb XAI cs교육 gamedev gesture-recognition human-in-the-loop mediapipe pedagogy_in_the_loop 개발자경험 개별화수업 개인화교육 게임 경제학모델 공동창작 공부법 과정중심평가 교과서 교사 교사연수 교사커뮤니티 교사효능감 교수법 교실혁명 교육 교육공학 교육변화 교육설계 교육용LLM 교육적취약성 교육정책 교육철학 교육평가 교육프레임워크 교육혁신 교육형평성 구조적다양성 구조적변화 권위 글로벌교육 금전적유인 기만행위 기술트렌드 기울기소실 내재화 논문리뷰 뇌기반학습 뇌신경과학 누적문화진화 대화설계 데이터믿음비대칭성 듀이 디자인교육 디지털교육 디지털기반아날로그수업 디지털도구 디지털리터러시 디지털스트레스 딥러닝 랑시에르 랜드마크 로즈프레임 리더십 마르자노 맞춤형학습 매슬로우 머신러닝 메타인지 모델불일치 모드붕괴 문화 문화적거리 미래교육 민주주의 바람직한어려움 바이브코딩 벤치마크 보편적학습설계 부스운영 분산된 창의성 블룸 분류법 블룸분류법 블룸분류체계 블룸택소노미 비판적AI리터러시 비판적이론 사고도구 사회적학습 상호작용주의 생성형 AI 생성형AI 선도교사 설명적변화 성찰 세컨드브레인 소크라테스식대화법 쇤 수업철학 숨은노동 스칸디나비아디자인 스캐폴딩 스크린리더 스토리리빙 시행착오 신경망 실용주의 심리적안전감 언어학습 에듀테크 연결주의 영어교육 외삽 웰빙 웹개발 웹앱 위르겐슈미트후버 윕앱 유사자동화 은닉마르코프모델 음악교육 의미론적지식 이미지생성 이중과정이론 이중부호화이론 이중처리이론 이해의환상 인간-AI복합편향 인간-AI상호작용 인간-AI협업 인간AI상호작용 인간중심AI 인공지능 인과성의환상 인과추론 인사이트 인지과학 인지발달 인지복잡성 인지부하 인지부하이론 인지연속체이론 인지이론 인지적정렬 인지증강 인지편향 자기결정성이론 자기조절학습 자기효능감 잔차연결 장기기억 적응형학습 전문가시스템 전문적학습공동체 전인교육 전형성편향 접근성 정책패러독스 정치교육 제미나이 조직문화 즉흥연주 격차 증명사진 지식 지식격차 지식의깊이 지적자율성 질적연구 집단 천재성 참여형AI 창의성 책리뷰 철학 총괄평가 코딩에이전트 타임머신 토이프로젝트 튜터링 파울루프레이리 페르소나 포용적디자인 프로그래밍교육 프로테제효과 프로토타이핑 프롬프트 프롬프트엔지니어링 피드백 피드백리터러시 하이브리드시스템 학교 학교문화 학문적엄격성 학습 학습과학 학습동기 학습문화 학습분석 학습전략 한나아렌트 해방적AI교육학 혁신 협업프로젝트 환각

3 분 소요

hits

AI 챗봇은 자기조절학습(SRL)을 어떻게 지원하는가? 목표 설정, 피드백, 개인화를 중심으로

“AI 챗봇은 적절한 교육적 설계를 통해 학생들의 자기조절학습 능력을 효과적으로 향상시킬 수 있는 강력한 도구이다.”

본 연구는 AI 챗봇을 활용한 교육 설계 시 고려해야 할 핵심적인 교육 원칙들을 제시하고, 이러한 원칙들이 학생들의 자기조절학습(SRL) 능력 향상에 어떻게 기여하는지 탐구합니다. 특히 목표 설정, 피드백, 개인화라는 세 가지 주요 원칙을 중심으로 AI 챗봇이 학습자의 SRL을 효과적으로 지원하기 위한 구체적인 방안을 제안하며, 이는 AI 시대 교육의 혁신적인 방향을 제시합니다.

1. 연구의 목적

본 연구는 ChatGPT와 같은 생성형 AI 기술의 등장으로 인해 교육 현장에서 발생할 수 있는 윤리적 문제 및 학습 과정에서의 소극적인 참여 문제를 해결하고자 합니다. 단순히 AI 도구를 억압하는 대신, AI를 교육의 중요한 흐름으로 받아들이고, 자기조절학습(SRL)을 증진하는 방향으로 활용할 수 있는 교육 설계 원칙을 제시하는 것을 목표로 합니다. 궁극적으로, 교사, 교육 설계자, AI 연구자 및 개발자 간의 협력을 촉진하여 AI 기반 교육의 긍정적인 효과를 극대화하고자 합니다.

2. 연구의 방법

  • 연구 대상: AI 챗봇을 활용한 교육 환경
  • 연구 기간: 2023년 7월 ~ 2023년 8월
  • 연구 방법론: 문헌 연구 (Zimmerman의 SRL 프레임워크 및 학습 판단(JOL) 이론 기반)
  • 분석 관점: AI 챗봇의 교육적 활용 가능성, SRL 지원 메커니즘, 교육 설계 원칙

3. 주요 발견

(1) Zimmerman의 다층적 자기조절학습(SRL) 프레임워크

Zimmerman의 SRL 프레임워크는 관찰(observation), 모방(emulation), 자기 통제(self-control), 자기 조절(self-regulation)의 네 단계로 구성됩니다. 각 단계에서 AI 챗봇은 학생들의 SRL 기술 개발을 촉진할 수 있습니다. 예를 들어, 학생들은 챗봇을 자원으로 활용하여 질문하거나 명령을 입력함으로써 스스로 학습을 조절하는 과정을 경험하게 됩니다.

Zimmerman의 다층적 자기조절학습 프레임워크

(2) 학습 판단(JOL) 메커니즘 기반 피드백 및 자기 평가

학습 판단(JOL)은 학습자가 자신의 학습에 대해 스스로 평가하는 과정을 의미합니다. AI 챗봇은 학습자에게 역방향 프롬프트(reverse prompting)를 제공하여 자기 평가를 유도하고, 학습 과정에서의 인지적, 메타인지적 성장을 지원할 수 있습니다.

AI 챗봇의 역방향 프롬프트 예시

(3) 데이터 기반 개인화 및 적응 학습

AI 챗봇은 학습 관리 시스템(LMS)에서 수집된 학습 데이터를 기반으로 개인화된 피드백과 지침을 제공할 수 있습니다. 이는 학습자의 고유한 학습 목표와 선호도를 지원하고, 전반적인 학습 성과를 향상시키는 데 기여합니다. 예를 들어, 챗봇은 학습자가 특정 과제 페이지를 오랫동안 보지 않았을 경우, 해당 페이지를 다시 확인하도록 안내할 수 있습니다.

개인화된 피드백을 제공하는 AI 챗봇의 예시 학습 분석을 제공하는 AI 챗봇의 예시

4. 결론 및 시사점

(1) 교육 설계 원칙의 중요성

AI 챗봇을 교육에 효과적으로 통합하기 위해서는 목표 설정, 피드백, 개인화와 같은 교육 설계 원칙을 고려해야 합니다. 이러한 원칙은 챗봇이 학습자의 SRL 능력을 지원하고, 긍정적인 학습 경험을 제공하는 데 중요한 역할을 합니다.

(2) 교사의 역할 변화

AI 챗봇의 도입은 교사의 역할을 지식 전달자에서 학습 촉진자 및 SRL 전략 코치로 변화시킵니다. 교사는 학생들이 AI 챗봇을 윤리적으로 사용하고, 학습 여정을 중요하게 생각하도록 지도해야 합니다.

(3) 추가 연구의 필요성

본 연구에서는 AI 챗봇의 효과적인 교육적 활용을 위한 세 가지 차원, 즉 교육 원칙, SRL 프로세스, 사용자 인터페이스에 대한 추가 연구가 필요함을 강조합니다. 특히 AI 챗봇이 제공하는 학습 분석 피드백이 개별 학습자의 자기 조절 전략과 어떻게 조화를 이루는지에 대한 연구가 중요합니다.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) AI 챗봇, 학습 설계의 동반자

AI 챗봇은 교사의 역할을 대체하는 것이 아니라, 학습 설계의 동반자로서 기능할 수 있습니다. 교사는 챗봇을 활용하여 학생들에게 맞춤형 학습 경험을 제공하고, 자기 주도적인 학습 능력을 키울 수 있도록 지원해야 합니다. AI 챗봇 기반 학습 설계는 교사에게 새로운 가능성을 제시하고, 교육 효과를 극대화하는 데 기여할 수 있습니다.

(2) 윤리적 고려와 AI 리터러시 교육 강화

AI 챗봇의 활용은 윤리적인 문제를 야기할 수 있습니다. 따라서 학생들에게 AI 리터러시 교육을 강화하여 AI 도구를 비판적으로 평가하고, 책임감 있게 사용하는 능력을 함양해야 합니다. 또한, AI 챗봇 개발자는 투명하고 공정한 알고리즘을 개발하여 편향된 정보 제공 및 개인 정보 침해 문제를 방지해야 합니다.

6. 추가 탐구 질문

  • 역방향 프롬프트: 역방향 프롬프트는 학습자의 메타인지 능력 향상에 얼마나 효과적인가?
  • 학습 분석: AI 챗봇이 제공하는 학습 분석 데이터는 학습자의 자기 조절 학습 능력에 어떤 영향을 미치는가?
  • AI 윤리: 교육용 AI 챗봇 설계 시 학습자의 자율성과 자기 조절 능력을 보호하기 위한 윤리적 고려 사항은 무엇인가?
<출처> Chang, D. H., Lin, M. P.-C., Hajian, S., & Wang, Q. Q. (2023). Educational Design Principles of Using AI Chatbot That Supports Self-Regulated Learning in Education: Goal Setting, Feedback, and Personalization. *Sustainability*, *15*(17), 12921. [https://doi.org/10.3390/su151712921](https://doi.org/10.3390/su151712921)

참고