AI가 교육에 침투할 때, 교사 역량은 어떻게 길러지는가
AI는 이미 교육 현장의 문턱을 넘어섰다. 챗GPT 같은 생성형 AI의 등장으로 우리는 기술이 교실을 어떻게 바꿀지 설렘과 두려움 사이에서 혼란스러운 예측을 쏟아낸다. 그러나 이 거대한 변화의 물결 속에서 정작 가장 중요한 주체인 ‘교사’는 어디에 서 있으며, 이들은 어떻게 준비되어야 하는가에 대한 깊이 있는 논의는 여전히 갈증을 느낀다.
AI가 교육 현장을 덮칠 때, 교사는 어디에 서 있는가
최근의 한 체계적 문헌 연구는 이 질문에 대한 우리의 막연한 불안감을 숫자로 정확하게 증명한다. 2015년부터 2024년까지 발표된 95편의 AI 교육 관련 논문을 분석한 결과, 대다수 연구가 AI의 ‘수업 적용’에 집중했으며, 정작 교사의 ‘전문성 개발’에 대한 논의는 현저히 부족한 실정이다.
연구 주장: 생성형 AI가 교육에 미치는 영향이 엄청나지만, 실제 교사의 역할과 전문성 개발(Professional Development, PD)에 대한 연구는 매우 부족하다. 이는 교육 현장의 균형 잡힌 AI 도입을 저해하는 구조적 문제다.
데이터·근거: 이 연구는 AI 교육 관련 논문 중 65%가 AI의 직접적인 수업 적용을 다루는 반면, 교사 전문성 개발에 초점을 맞춘 연구는 단 35%에 불과하다고 지적한다. 2022년 이후 챗GPT 같은 생성형 AI의 급부상으로 관련 연구가 폭증했지만, 연구의 대부분이 AI 도구가 학생 학습에 미치는 효과나 수업 방식을 탐구하는 데 그쳤다. 교사들이 AI 도구를 얼마나 능숙하게 다루는지, 그 과정에서 어떤 어려움을 겪고 어떤 지원이 필요한지에 대한 논의는 후순위로 밀렸다.
필자의 판단: 이 불균형은 단순히 연구 주제의 선호를 넘어선 본질적인 문제다. 교육 현장의 교사들은 AI 도구의 홍수 속에서 길을 잃기 쉽다. 교사가 AI 활용 역량을 체계적으로 개발하고 수업에 통합할 수 있도록 지원하는 연구와 실천이 시급하다. 이 연구는 현장의 막연한 우려를 객관적인 수치로 증명하는 셈이다. 교사 없이는 어떤 AI 기술도 교실에서 온전히 꽃필 수 없다.
AI, 교실에서 무엇을 어떻게 바꾸고 있나 — 그리고 그 이면
연구는 AI가 교실에서 어떤 모습으로 활용되는지 크게 다섯 가지 유형으로 분류한다. 이 분류는 교사들이 AI를 교육 목표에 맞춰 어떤 방식으로 통합해야 할지 통찰을 제공한다.
연구 주장: AI는 대화형 AI, AI 기반 학습 및 평가 시스템, 몰입형 기술, 시청각 컴퓨팅, 교수학습 분석(TLA)의 다섯 가지 주요 유형으로 교실에 적용되며, 내용 생성, 피드백 제공, 학습 분석 등 다양한 역할을 수행한다.
데이터·근거:
- 대화형 AI 및 관련 기술 (38개 연구): 챗GPT와 같은 챗봇 기술은 커리큘럼 설계, 시험 문제 생성, 학생 과제 평가 자동화, 개인 맞춤형 피드백 제공 등에서 두드러진 역할을 한다. 예를 들어, 한 연구는 챗GPT 기반의 뒤집힌 학습(Flipped Learning) 지도가 학생들의 성과, 자기효능감, 학습 태도, 내재적 동기, 창의적 사고를 전통적 방식보다 유의미하게 향상시켰다고 보고한다. 언어 학습에서는 발음 교정, 쓰기 향상, 심지어 대중 연설 불안 감소에도 기여한다.
- AI 기반 학습 및 평가 시스템 (5개 연구): 개인화된 학습 경로를 제공하는 ‘스마트 학습 파트너’ 같은 플랫폼이나, AI 기반 자동화 글쓰기 평가(AWE) 시스템이 교사의 평가 부담을 줄이고 학생에게 맞춤형 피드백을 제공한다.
- 몰입형 기술 (AR, VR, 로봇) (4개 연구): 증강 현실(AR)과 가상 현실(VR), 교육용 로봇은 예술, 언어, 안전 교육 등에서 학생의 동기 부여와 참여도를 높인다. 가상 환경에서 실제와 유사한 경험을 제공하며 학습 몰입도를 높이는 방식이다.
- 시청각 컴퓨팅 (8개 연구): 듀오링고(Duolingo) 같은 음성 인식 기술 기반 앱은 외국어 말하기 능력을 향상시키고 자기 조절 학습을 돕는다. 음악 교육에서는 감정 인식 기술을 활용해 수업의 질을 높이고, 체육 교육에서는 시각 분석으로 학생의 운동 자세를 교정한다.
- 교수학습 분석 (Teaching and Learning Analytics, TLA) (7개 연구): 루밀로(Lumilo)와 같은 웨어러블 기기는 교사에게 학생의 학습 상태에 대한 실시간 피드백을 제공하여 즉각적인 교수 결정을 돕는다. 또한 AI는 교사-학생 상호작용과 교사의 교수 행동을 분석하여 교육 전략 개선에 기여한다.
필자의 판단: 이 데이터는 AI가 교사의 행정 부담을 줄이고, 개인화 학습을 가능하게 하는 ‘도우미’ 역할에 대한 가능성을 명확히 보여준다. 그러나 이면을 들여다보면 반직관적인 사실을 발견한다. AI가 ‘효율성’과 ‘개인화’라는 달콤한 약속을 내걸지만, 실제 현장에서 그 효과는 교사가 ‘어떻게’ 활용하는가에 따라 극명하게 달라진다는 조건부 명제다. 단순히 도구를 주는 것과 능숙하게 교육 목표에 맞춰 다루는 것은 완전히 다른 이야기다. AI가 생성하는 콘텐츠의 편향성, 학업 부정행위, 기술 과의존 등 윤리적 및 실용적 한계는 여전히 교사의 숙제로 남는다.
교사의 AI 역량, ‘무엇을’ ‘어떻게’ 길러야 하는가
교사의 AI 전문성 개발에 대한 연구는 크게 네 가지 영역으로 나뉜다. 이 영역들은 교사가 AI 시대에 필요한 역량을 갖추는 데 필수적인 요소와 전략을 제시한다.
연구 주장: 교사 전문성 개발은 AI 지식, 적용 능력, 윤리 의식, 그리고 교사의 태도와 자신감에 영향을 미친다. 이를 위해 체계적인 프로그램과 평가 도구 개발이 필수적이다.
데이터·근거:
- 교사 전문성 개발에 영향을 미치는 요소 및 요인 (5개 연구): ‘AI 지식’, ‘AI 적용’, ‘AI 윤리’가 교사의 AI 역량 개발에서 핵심적인 주제로 부각된다. 교사의 AI에 대한 태도, AI 사용에 대한 불안감, AI 활용 준비도, 그리고 자기 효능감이 전문성 개발 프로그램 참여와 효과에 큰 영향을 미친다. (Figure 12 참조)
- 교사 전문성 개발 구현 접근 방식 (7개 연구): TPACK(Technology, Pedagogy, Content Knowledge) 프레임워크와 6E 학습 설계 모델, 사례 기반 토론 등이 교사 전문성 개발 프로그램의 주요 접근 방식으로 활용된다. 이러한 프로그램들은 교사의 자기효능감, 교수 기술, AI 지식 습득에 긍정적인 영향을 미친다. (Figure 13 참조)
- 교사 전문성 개발을 지원하는 AI 기술 (15개 연구): 챗봇이 가장 많이 활용된 AI 기술이다 (15개 연구 중 9개). 챗봇은 교사의 교수안 작성, 언어 교수법 훈련, 가상 학생 및 멘토 역할 수행을 지원하여 교사가 AI 도구에 대한 능숙도를 높이는 데 기여한다. (Figure 14 참조)
- 교사 전문성 개발 결과 평가 (6개 연구): AI 시대 교사의 역량을 평가하기 위한 다양한 도구들이 개발된다.
| 평가 유형 | 관련 이론/프레임워크 | 측정 요소 | 논문에서의 활용 예시 |
|---|---|---|---|
| TPACK 기반 척도 | TPACK 모델 | 교육적 AI 사용에 대한 교사의 지식, 기술 지식(TK), 교수학적 지식(PK), 기술 교수학적 지식(TPK) 간의 상호작용, 윤리적 고려 사항 | Intelligent-TPACK 척도: AI 기반 도구를 교육에 윤리적으로 통합하는 교사의 전문 지식 평가. AI-TPACK 프레임워크: AI 기술, 교수학적 전략, 특정 주제 콘텐츠 간의 관계 분석. |
| 자기효능감 기반 척도 | 자기효능감 이론 | AI 기반 교수 적용에 대한 교사의 효능감 (자원 지원, 혁신 지향 교수, 학제 간 연계, 전문 학습, 학습자 요구, 자기 성찰), AI 지원 교수 적용에 대한 자기 효능감 (자기 확신, 교수 열정, 노력 고수, 부정적 인식, 긍정적 신념) | TEP-AITA 척도: AI 기반 교수 적용에 대한 교사의 인지된 효능감 수준 평가. AIS-TASE 척도: AI 지원 교수 적용을 통합하려는 교사의 준비도 및 자신감 예측. |
| 비기술 전문가를 위한 AI 평가 | (특정 이론 명시 없음) | AI의 본질 이해 (4개 역량), AI 기능 인식 (2개 역량), AI 기본 메커니즘 숙달 (9개 역량), 적절한 AI 사용 식별 (1개 역량), AI에 대한 대중 인식 이해 (1개 역량) | 비기술 배경 교사를 위한 AI 리터러시 평가 도구: 비기술적 배경을 가진 교사들의 AI 역량(25개 객관식 문항) 측정. |
| 리터러시, 자기효능감, 자기관리 | (특정 이론 명시 없음) | AI 리터러시 (사용 및 적용, 지식 및 이해, 감지, 윤리), AI 자기효능감 (문제 해결, 학습, 기술 통합), AI 자기관리 (설득 리터러시, 감정 조절) | 현직 대학교 교사의 AI 리터러시 및 지식 수준 평가: AI 리터러시 차원이 교사들의 전반적인 AI 리터러시 수준을 가장 강력하게 예측한다. |
필자의 판단: 이 섹션은 희망적이지만 동시에 경고등을 켜는 부분이다. AI 역량 강화 프로그램의 대부분이 단기적이며, 장기적인 영향 평가가 부족하다. 교사들이 AI 개념은 이해하지만, 실제 교실 적용에는 여전히 격차가 크다는 점은 본질적인 한계다. 특히, TPACK 모델이 AI 시대에도 여전히 유효한 틀임을 보여주지만, 기술 지식(TK)만으로는 부족하고 교수학적 지식(PK)과 결합된 기술 교수학적 지식(TPK)이 필요하다는 점은 중요한 통찰이다. “기술을 어떻게 교육 목표에 녹여내는가” 하는 근본적인 질문에 답해야 한다. AI가 주는 피드백이 교사 중심의 교육에서 학습자 중심 교육으로의 전환을 얼마나 효과적으로 이끌어낼 수 있는지에 대한 심층적인 성찰이 필요하다.
비판적 낙관주의 - 현장 적용을 위한 우리의 질문
이 연구는 AI 교육의 현주소를 명확히 보여준다. AI는 만능 해결책이 아니며, 결국 교사의 역량이 교육의 질을 결정한다. 기술 자체의 발전 속도만큼 교사의 역량 발전 속도가 따라가지 못하는 것이 문제다.
연구의 한계:
- 연구 불균형의 심화: 여전히 AI 수업 적용 연구가 교사 전문성 개발 연구보다 2배 가량 많다. 즉, ‘무엇을 할 수 있는가’에 대한 관심이 ‘교사가 어떻게 역량을 개발할 것인가’보다 훨씬 높다. 이는 현장의 교사들이 AI를 자신들의 교육 철학과 실제 수업에 녹여내는 데 필요한 실질적이고 심층적인 가이드라인을 찾기 어렵다는 뜻이다.
- 단기적 관점: 전문성 개발 프로그램의 장기적 효과 검증이 부족하다. 즉, 프로그램 참여 후 교사의 실제 수업 변화나 학생 학습 성과에 미치는 영향에 대한 실증적 연구가 드물다. 우리는 몇 번의 연수로 교사가 AI 전문가가 되리라 기대하는 모순적인 상황에 놓여 있다.
- 윤리적 논의의 부재: AI 윤리적 문제는 언급되지만, 전문성 개발 프로그램에서 이 문제를 어떻게 다루고, 교사들이 실제 현장에서 어떤 딜레마를 겪고 해결해 나가는지에 대한 구체적 연구가 부족하다. AI의 편향성이나 데이터 프라이버시 문제 등은 단순한 기술적 오류가 아닌, 교육의 본질을 훼손할 수 있는 심각한 위협이 된다.
필자의 비판적 낙관: 본질적으로, AI 도구의 혁신성만큼 교사의 ‘도구에 대한 이해와 교육적 활용 의지’가 뒷받침되지 않으면, AI는 단순한 유행으로 전락한다. 교사 전문성 개발은 일회성 연수로 끝나지 않는다. 학교 현장의 변화를 이끌려면, 지속적인 성장과 지원이 필수적이다.
현장 적용을 위한 우리의 ‘How’: 우리 학교, 우리 학년에서는 어떻게 시작할 수 있을까?
- 작게 시작하라: 한 학급에서 챗GPT로 영어 단어 시험 문제를 생성해 보고, 그 결과를 동료 교사와 점심시간 10분 동안 공유한다. “AI가 만든 문제가 얼마나 쓸 만하던가요?” “학생들은 어떤 반응이었나요?” 같은 구체적인 질문으로 시작한다. 거창한 프로젝트가 아니라, 짧은 경험과 대화가 변화의 씨앗이 된다.
- 의심하고 탐구하라: AI가 생성한 콘텐츠의 ‘정확성’뿐 아니라 ‘교육적 맥락’을 끊임없이 의심하고, 다른 교사들과 함께 AI 결과물을 비판적으로 들여다보는 시간을 만든다. 이는 단순히 오류를 찾아내는 것을 넘어, AI의 한계를 이해하고 어떻게 보완할지 함께 고민하는 집단 지성 형성 과정이다. 교과별 메신저 방에 “혹시 이거 AI가 쓴 걸까요?”라는 한 줄 질문을 던지는 것부터 시작한다.
- 목표는 ‘교사의 시간 확보’: AI는 교사를 대체하는 것이 아니라, 교사가 본질적인 교육 활동(개별 학생 지도, 심층 토론 유도, 창의적 수업 설계)에 더 많은 시간을 쓸 수 있도록 돕는 도구다. 이 목표를 명확히 하고, AI 도입의 성공 여부를 교사의 ‘시간 활용 변화’로 측정한다. 예를 들어, 한 달간 AI 덕분에 행정 업무에 할애한 시간이 2시간 줄었다면, 이 2시간을 학생 개별 면담에 사용한다.
Action Item: 오늘 퇴근 전, 우리 학년 메신저에 챗GPT로 만들어본 수업 자료에 대한 짧은 후기를 한 줄 남긴다. 그리고 동료 교사에게 그 경험에 대해 언제든 편하게 질문해달라고 덧붙인다. 작은 발언이 변화의 시작이다.
출처
- Tan, X., Cheng, G., & Ling, M. H. (2025). Artificial intelligence in teaching and teacher professional development: A systematic review. Computers and Education: Artificial Intelligence, 8, 100355. https://doi.org/10.1016/j.caeai.2024.100355