STEAM 교실에서 학생들이 생성형 AI의 사용에서 창조로 어떻게 전환하는가

STEAM 교실에서 학생들이 생성형 AI의 ‘사용’에서 ‘창조’로 어떻게 전환하는가

1. 연구의 목적

본 연구의 핵심 목적은 생성형 AI(Generative AI) 시대의 교육에서 학생들이 단순한 ‘지식 소비자(end-users)’에서 ‘지식 공동-창조자(co-creators)’로 어떻게 전환될 수 있는지 탐구하는 것입니다.

구체적으로, 이 연구는 도시 계획 석사 과정의 학생들이 처음에는 강사가 제작한 AI 도구를 ‘사용’하다가, 나중에는 이 도구를 개선하여 자신들만의 맞춤형 GPT 기반 지식 도구(custom GPT-based knowledge tools)를 ‘설계’하고 ‘창조’하는 과정에 주목합니다.

이러한 ‘창조자’로서의 역할 전환이 학생들의 학습 경험, 특히 자기결정성 이론(Self-Determination Theory, SDT)의 세 가지 핵심 심리적 욕구인 자율성(autonomy), 유능성(competence), 관계성(relatedness)에 어떤 영향을 미치는지 분석하는 것이 본 연구의 주된 목표입니다.

2. 연구의 방법

본 연구는 17명의 도시 계획 석사 과정 학생들을 대상으로 한 질적 사례 연구입니다. 연구는 두 학기에 걸친 교과 과정 내에서 진행되었습니다.

• 1학기 (Term 1): 사용 단계
  • 강사들이 질적 연구(관찰, 인터뷰, 디자인 싱킹 등) 기술을 훈련시키기 위해 4개의 맞춤형 GPT를 제작하여 학생들에게 제공했습니다.
  • 학생들은 이 도구들을 ‘사용자’로서 활용하며 학습했습니다.
• 2학기 (Term 2): 창조 단계
  • 학생들은 1학기에 사용했던 GPT(예: 인터뷰 시뮬레이션 GPT)를 개선하는 과제를 받았습니다.
  • 학생들은 팀을 이루어 자신들의 필요와 경험을 반영한 새로운 맞춤형 GPT(예: “Interview Companion GPT”)를 ‘설계’하고 ‘제작’했습니다.

데이터 수집

• 학생들이 자신들의 GPT 설계 과정을 기록한 슬라이드 발표 자료
• 학생들의 경험, 동기, 인식 변화를 탐구하기 위한 반구조화된 포커스 그룹 인터뷰 (4개 트랜스크립트)

데이터 분석

• 수집된 모든 질적 데이터(발표 자료, 인터뷰)를 자기결정성 이론(SDT)의 세 가지 구성 요소(자율성, 유능성, 관계성)를 분석의 틀로 사용하여 질적 주제 분석을 수행했습니다.

3. 주요 발견

학생들이 AI의 ‘사용자’에서 ‘창조자’로 역할이 전환되자, 자기결정성 이론(SDT)의 세 가지 심리적 욕구가 모두 강력하게 충족되는 것으로 나타났습니다.

• 1. 자율성 (Autonomy): 스스로 선택하고 결정하다 학생들은 도구의 기능, 디자인, 목적을 스스로 선택하면서 강력한 자율성을 경험했습니다. 단순 사용자가 아니라 도구의 기능을 결정하는 설계자가 되면서, 학생들은 AI를 사용하는 데 있어 더 ‘의도적(intentional)’이고 ‘비판적(critical)’인 태도를 갖게 되었습니다.

  한 학생은 “백엔드(back end)를 아는 것이 프론트엔드 사용자로서 보는 것을 더 비판적으로 만들었다”고 언급했습니다.

• 2. 유능성 (Competence): 기술과 자신감을 얻다 학생들은 프롬프트 엔지니어링, AI 지식 기반 큐레이션, 반복적 테스트와 같은 새로운 AI 관련 기술을 습득하며 유능함을 느꼈습니다. AI의 블랙박스가 해체되면서, 학생들은 AI가 무엇을 할 수 있고 무엇을 못하는지(한계) 명확히 이해하게 되었습니다.

  학생들은 “직접 해보는 활동(hands-on activities)을 통해 많은 지식과 기술을 얻었다”고 보고했습니다.

• 3. 관계성 (Relatedness): 함께 만들고 기여하다 이 프로젝트는 본질적으로 팀 기반 협업을 요구했습니다. 학생들은 동료들과 아이디어를 공유하고, 서로의 GPT를 테스트하며 관계성을 구축했습니다. 단순한 팀워크를 넘어, 학생들은 자신들이 만든 도구가 다음 학기 후배들을 가르칠 수 있을 것이라며, 더 넓은 학습 공동체에 기여하고 유산(legacy)을 남긴다는 점에서 강한 유대감과 목적의식을 느꼈습니다.

4. 결론 및 시사점

본 연구는 생성형 AI 시대에 학생들의 학습 주도성(student agency)을 극대화할 수 있는 강력한 교육 모델을 제시합니다.

• ‘사용자’에서 ‘창조자’로의 전환: 학생들을 수동적인 AI ‘소비자’가 아닌 능동적인 AI ‘창조자’로 전환시키는 교육 설계는 그들의 자율성, 유능성, 관계성을 크게 향상시킵니다.
• 지식 관계의 재편: 학생들이 AI 도구를 직접 설계할 때, 그들은 자신들의 도메인 지식을 AI에 ‘가르치게’ 됩니다. 이 “AI를 가르치는 행위(teaching the AI)”는 학생들 자신의 학습을 심화시키는 강력한 ‘교수에 의한 학습(learning-by-teaching)’ 전략이 됩니다.
• 비판적 AI 리터러시 함양: AI를 직접 만들어 본 학생들은 AI의 한계를 명확히 인지하게 되며(예: “AI 억양이 부자연스럽다”, “피드백에 비판이 부족하다”), 이는 AI를 맹목적으로 신뢰하지 않는 비판적 디지털 리터러시를 함양하는 가장 효과적인 방법입니다.
• 교육적 제안: 교육자들은 노코드(No-code) 플랫폼을 활용하여 기술적 장벽을 낮춤으로써, 더 많은 학생들이 AI 도구 창조 과정에 참여하도록 독려해야 합니다. 단, 학생들의 자율성을 보장하는 동시에 적절한 교수자 가이드(instructional scaffolding)를 제공하여 좌절을 방지하는 균형이 중요합니다.

5. 리뷰어의 ADD(+) One: 생각 더하기

이 연구는 생성형 AI를 교육에 통합하는 방식을 두고 고민하는 우리에게 매우 중요하고 시의적절한 방향을 제시합니다.

(1) 이 연구의 탁월한 점 (강점)

• ‘AI 사용 금지 vs. 허용’ 논쟁을 넘어서다: 이 연구는 AI를 ‘쓸 것인가 말 것인가’라는 소모적인 논쟁에서 벗어나, “어떻게 학생들을 AI의 ‘주인’으로 만들 것인가?”라는 훨씬 더 생산적이고 미래지향적인 질문을 던집니다.
• 구성주의(Constructionism)의 완벽한 구현: 학생들이 ‘Interview Companion’이라는 실재하는 도구를 만듦으로써 학습하는 과정은, 시모어 페이퍼트(Seymour Papert)가 말한 ‘구성주의(learning-by-building)’의 가장 이상적인 현대적 사례입니다.
• SDT를 통한 동기부여의 ‘이유’ 규명: “학생들이 AI 만들기를 재밌어했다”는 표면적인 결론에 그치지 않고, 자기결정성 이론(SDT)을 통해 그 ‘재미’의 근원이 자율성, 유능성, 관계성의 충족에 있음을 이론적으로 규명한 점이 매우 탁월합니다.

(2) 교육 현장을 위한 추가 제언

• ‘AI 가르치기(Teaching the AI)’의 교육과정화: “AI를 가르치는 것” 은 가장 강력한 학습 전략입니다. 교육자는 학생들이 자신의 과목 지식을 AI에 ‘가르쳐’ 특정 작업을 수행하는 맞춤형 GPT를 만들도록 과제를 설계해야 합니다. 이는 학생이 해당 지식을 얼마나 깊이 있게 이해하고 구조화했는지 평가하는 최고의 메타인지적 평가 방식이 될 수 있습니다.
• ‘실패’를 통한 비판적 리터러시 교육: AI 리터러시 교육은 AI의 편향성에 대해 강의하는 것보다, 학생들이 직접 AI를 만들고 실패하게(Fail) 만드는 것이 훨씬 효과적입니다. 이 연구의 학생들이 “AI의 억양이 이상하다” 또는 “중요한 피드백을 못 준다” 고 비판한 것처럼, 학생들 스스로 AI의 한계를 체험하게 하는 ‘비판적 창조(Critical Creation)’ 활동을 교육 과정에 포함해야 합니다.
• 학생 창작물의 ‘지속가능성’ 설계: 학생들이 만든 훌륭한 도구(예: 후배를 위한 튜터봇)가 일회성 과제로 끝나지 않도록 해야 합니다. 학교나 학과는 이러한 학생 주도 창작물을 체계적으로 아카이빙하고, 다음 학기 학생들이 이어받아 개선(Iterate)할 수 있도록 하는 ‘지식 구축 커뮤니티’ 시스템을 마련할 필요가 있습니다.

6. 추가 탐구 질문

• 학문 분야의 영향: 본 연구는 ‘도시 계획’이라는 디자인 중심의 STEAM 분야에서 진행되었습니다. 만약 철학, 역사, 문학과 같은 순수 인문학 분야에서 학생들이 AI 도구를 창조하게 한다면, 자율성, 유능성, 관계성의 충족 정도가 동일하게 나타날까요?
• 학습 성취도와의 관계: 이 연구는 학생들의 ‘인식’과 ‘동기’에 초점을 맞추었습니다. AI 창조 경험이 학생들의 실제 학업 성취도(예: 질적 연구 방법론 성적)에 통계적으로 유의미한 향상을 가져오는지에 대한 정량적 연구가 필요합니다.
• 지식의 전이(Transfer)와 장기 효과: 본 연구는 3학기에 학생들이 배운 기술을 실제 석사 논문 프로젝트(MRP)에 어떻게 적용하는지 추적할 계획이라고 밝혔습니다. 과연 AI 도구를 ‘창조’한 학생들이 단순히 ‘사용’만 한 학생들보다 AI를 더 비판적이고 효과적으로 활용하여 더 나은 연구 성과를 보일까요?
• 평가의 공정성 문제: 학생이 ‘창조한’ AI 도구를 평가하는 것은 새로운 도전입니다. 교사는 이 AI 도구의 ‘기술적 완성도’를 평가해야 할까요, 아니면 그 안에 담긴 ‘지식의 깊이’나 ‘창의성’을 평가해야 할까요? 이 새로운 형태의 산출물에 대한 공정한 평가 루브릭(Rubric) 개발이 시급합니다.

📚 APA 7판 출처

Huang, Q., Sockalingam, N., Willems, T., & Poon, K. W. (2025). Designing Knowledge Tools: How Students Transition from Using to Creating Generative AI in STEAM classroom. arXiv. https://arxiv.org/abs/2510.19405v1