메타인지 피드백은 느린 학습자에게도 효과적일까?

초인지적 피드백은 느린 학습자에게도 효과적일까?

AI 피드백에는 크게 두 가지 접근 방식이 있습니다. 하나는 명확한 설명을 제공하여 인지 부하를 줄이고 학습 속도를 높이는 ‘명령적 피드백(Directive Feedback)’ 이고, 다른 하나는 학생의 성찰을 유도하여 자기조절학습(SRL) 기술을 개발하게 하는 ‘초인지적 피드백(Metacognitive Feedback)’ 입니다.

1. 연구의 목적

1. AI를 활용한 피드백 방식 중 명확한 설명을 제공하는 ‘명령적 피드백’과 학생의 성찰을 유도하는 ‘초인지적 피드백’이 주목받고 있습니다.
2. 본 연구는 명령적, 초인지적, 그리고 이 둘을 결합한 ‘하이브리드’ 피드백이 학생의 참여, 자신감, 작업 품질에 미치는 영향을 비교 분석합니다.

2. 연구의 방법

1. 329명의 대학생을 대상으로 12주간 RIPPLE 학습 플랫폼에서 무작위 통제 시험(RCT)을 진행했습니다.
2. 학생들을 명령적, 초인지적, 하이브리드 그룹으로 나누고, 피드백에 따른 참여(시간, 수정 행동), 자신감, 최종 작업 품질을 측정했습니다.

3. 주요 발견

1. 세 유형의 피드백은 언어적으로 명확히 구분되었습니다. 명령적 피드백은 명령문(Imperatives)이 가장 많았고, 초인지적 피드백은 성찰적 질문(Reflective prompts)이 압도적으로 많았습니다. 하이브리드 피드백은 두 가지 특성을 모두 포함했습니다.
2. 피드백에 따른 실제 수정 행동 비율은 하이브리드(27.5%) > 명령적(21.1%) > 초인지적(12.1%) 순으로 나타났습니다.
3. 피드백 수령 후 자신감 및 최종 작업 품질은 세 그룹 간 유의미한 차이가 없었습니다(천장 효과 가능성).

4. 결론 및 시사점

1. 하이브리드 피드백은 학생들의 실제 수정을 촉진하면서 성찰 기회를 제공하는 가장 유망한 접근 방식입니다.
2. 학생에게 생각할 거리(초인지)만 주기보다 실행 발판(명령)을 함께 제공하는 것이 효과적입니다.
3. AI 피드백 도입 시 하이브리드 방식을 고려하고, 학생들에게 AI 피드백을 해석하고 활용하는 방법을 가르치는 피드백 리터러시 교육이 병행되어야 합니다.

5. 리뷰어의 ADD(+) One: 생각 더하기

1. 본 연구는 실제 수업에서 RCT를 수행해 타당성이 높고, ‘하이브리드’라는 현실적 대안을 제시했습니다.
2. 단순히 피드백에 머무른 시간만 측정한 것이 아니라, ‘시간’과 ‘실제 수정 행동’을 분리하여 분석하여 “학생들이 생각은 했지만(시간 소요) 행동하지는 않았다(수정 안 함)” 는 매우 미묘하고 중요한 차이를 발견해냈습니다.
3. 초보자에게 초인지적 피드백은 ‘벽’일 수 있으므로, 학생 수준에 맞춰 구체적 힌트를 함께 제공해야 합니다.
4. AI 피드백 로그 데이터는 교사가 2차적 개입을 하는 ‘하이브리드 교수’의 강력한 진단 도구가 될 수 있습니다.

6. 추가 탐구 질문

1. 고학년 대상이거나 과제 난이도가 높았다면 천장효과 없이 초인지적 피드백의 효과나 작업 품질 차이가 다르게 나타났을까?
2. 하이브리드 피드백이 장기적으로 학생들의 자기조절학습(SRL) 능력에 더 긍정적인 영향을 미칠까?
3. 학생들은 세 가지 유형의 피드백을 어떻게 인식했을까? AI가 생성했다는 사실이 신뢰도에 영향을 미쳤을까? 초인지적 피드백을 도움이 안 된다고 느꼈을까, 아니면 생각하게 만든다고 느꼈을까?

---

_출처: Alsaiari, O. et al. (2025). A COMPARISON OF AI-GENERATED FEEDBACK TYPES ON STUDENT ENGAGEMENT, CONFIDENCE, AND OUTCOMES. https://arxiv.org/abs/2510.19685v1