650 ／ 660
학생 참여는 생성형 AI 교육 정책을 어떻게 변화시키는가?
1. 연구의 목적
(1) 생성형 AI(GenAI) 사용이 교육 현장에 급증함에 따라, 교육자들은 학습을 지원함과 동시에 윤리적 및 제도적 우려를 해소하는 방안을 모색해야 할 필요성이 증대됨. 현재 각 기관의 AI 정책은 일관성이 부족하며, 특히 이러한 정책 수립 과정에서 학생들의 목소리가 거의 반영되지 못하는 문제가 있음.
(2) 이 연구는 학생들이 직접 생성형 AI 교과 정책을 공동 설계하는 안내된 탐구(Guided Inquiry) 활동을 탐색함. 이 활동에서 학생들이 AI 정책에 대해 어떤 실질적 요인들을 중요하게 여기는지, 그리고 정책 설계 과정에 대해 어떻게 인식하고 성찰하는지를 밝히는 데 목적이 있음. 이 연구는 활동의 세부 사항과 실제 구현 결과를 제시함.
2. 연구의 방법
(1) 이 연구는 안내된 탐구 학습 접근 방식을 채택함. 이는 학생들이 AI 관련 자료를 탐색하고, 개인적인 정책 제안을 개발하며, 이후 동료들과 협력하여 다양한 이해관계자의 관점을 통합하는 집단 정책을 만드는 일련의 과정으로 구성됨. 학생들이 직접 정책을 설계함과 동시에 정책 수립 과정에 대한 성찰을 유도함.
(2) 미국 소재 대학 학부생 55명이 연구에 참여함. 이들은 정보 기술 및 사이버보안을 전공하는 주니어 및 시니어 학생들로, ‘기술과 글로벌 사회’ 교과목에서 진행된 4주간의 생성형 AI 모듈에 참여함. 학생들은 개인별 과제물과 그룹 토론 자료를 통해 AI 정책 우선순위 및 정책 설계 과정에 대한 인식을 표현함. 데이터 분석은 ED-AI Lit 프레임워크를 활용한 귀납적-연역적 주제 분석(Thematic Analysis) 방식을 따름.
3. 주요 발견
이 연구는 학생들이 생성형 AI 정책을 직접 설계하는 활동에서 어떤 요소들을 중요하게 여기는지, 그리고 이 과정에서 어떤 경험을 하는지를 상세히 밝힘. 연구팀은 AI 리터러시를 학습 도구이자 결과물로 활용하며, 학생들이 정책의 공동 설계자 역할을 수행하도록 설계함.
(1) 이 연구의 개념 모델은 AI 리터러시 연구의 공백을 메움. 학생들을 단순히 AI 학습자가 아닌, 자신들에게 영향을 미치는 교과 구조 및 정책의 공동 설계자로 위치시킴. 안내된 탐구 환경을 통해 관점적 사고(perspectival thinking)와 학생의 목소리(student voice)를 접목함으로써, AI 지식과 리터러시를 발전시키는 동시에 다양한 이해관계자의 관점을 이해하고 정책 형성에 기여하는 과정을 강조함. 이는 정책을 고정된 제도의 문서가 아닌, 학생들이 허용 가능한 사용, 책임, 학업적 가치를 협상하는 사회적 과정으로 재구성하는 데 기여함.
(2) 학생들은 ED-AI Lit 프레임워크의 여섯 가지 구성 요소와 기관의 책임이라는 추가 주제를 중심으로 생성형 AI 교과 정책에서 다음의 실질적인 요인들을 우선순위로 둠. 각 요소는 상호 연결되어 있으며, 효과적인 정책은 개별 규칙이 아닌 상호 연동되는 시스템으로 작동함이 발견됨.
| 주제 | 소주제 | 주요 학생 제안 및 정당화 |
|---|---|---|
| 1. 지식 | 1.1 학생 대상 과제 관련 훈련 | AI 기능, 한계, 위험 이해는 정책 적용의 필수 조건임. |
| 1.2 교직원 대상 과제 관련 훈련 | 교직원의 AI 이해 부족이 잘못된 평가로 이어지는 위험이 있음. | |
| 2. 평가 | 2.1 AI 한계 인식 | AI의 추론 능력, 기존 데이터 의존성, 편향성에 대한 인식이 중요함. |
| 2.2 결과물 비판적 평가 | 부정확하거나 편향된 AI 결과물을 맹목적으로 받아들이지 않아야 함. | |
| 2.3 AI 의존도 | AI를 학습 보조 도구로 활용하되, 과제 완수에 전적으로 의존하지 않아야 함. | |
| 3. 협력 | 3.1 프롬프팅 교육 | AI 시스템과 효과적으로 협력하는 프롬프팅 기술 교육이 필요함. |
| 3.2 공개 및 인용 | AI 사용 여부와 방식에 대한 투명한 공개 및 인용 표준화가 필수적임. | |
| 4. 상황화 | 4.1 처벌보다 지원 시스템 | AI 오용에 대한 처벌보다 책임감 있는 사용을 장려하는 환경 조성이 중요함. |
| 4.2 허용 및 금지된 사용 | 브레인스토밍, 코드 디버깅 등 구체적인 허용 범위를 명시해야 함. | |
| 4.3 교과목 맞춤형 정책 | 일괄적인 정책 대신 과목 및 학문 분야 특성에 맞는 정책 수립이 필요함. | |
| 5. 자율성 | 5.1 책임감 | AI 사용 방식과 그 결과에 대한 학생의 책임감 고취가 중요함. |
| 5.2 오용 결과 이해 | 오용에 대한 명확한 결과 및 절차 안내를 통해 불확실성을 해소해야 함. | |
| 6. 윤리 | 6.1 도구 접근성 | 경제적 소외 학생들을 위한 도구 접근성 보장이 윤리적 고려 사항임. |
| 6.2 AI의 지속가능성 | AI 사용의 환경적 영향을 고려하여 책임감 있는 사용을 권장해야 함. | |
| 7. 기관의 책임 | 7.1 승인된 도구 목록 | 일관성 있고 안전한 AI 사용을 위한 기관 승인 도구 목록 제공이 필요함. |
| 7.2 개인 정보 보호 및 보안 | 학생 데이터 보호 및 보안에 대한 기관의 명확한 지침이 중요함. | |
| 7.3 정책 적극 검토 및 업데이트 | 기술 발전에 맞춰 정책을 정기적으로 검토하고 학생 의견을 반영해야 함. |
(3) 정책 설계 과정에 대한 학생들의 성찰에서 다음 세 가지 주제가 두드러지게 나타남.
- 새로운 AI 지식 습득: 대다수 학생들은 AI의 환경적 영향, 편향성, 공정성 등에 대해 새롭게 알게 됨.
- 다양한 이해관계자 관점 인지: 약 2/3의 학생들이 동료, 교직원, 기관, 잠재적 고용주 등 다양한 이해관계자의 관점을 이해하게 됨. 이는 학생들의 공감 능력과 균형 잡힌 접근의 필요성을 인식하게 함.
- 개인적 관점 변화: 약 절반의 학생들이 AI 사용의 장단점(trade-offs)에 대한 인식이 변화함. 이들은 교직원의 동기 부여와 의사 결정 과정을 더 깊이 이해하게 됨.
4. 결론 및 시사점
(1) 이 연구는 학생들이 생성형 AI 교과 정책을 공동 설계하는 안내된 탐구 활동에서, AI 사용에 대한 실질적 우려와 깊이 있는 윤리적 고려 사항을 표출함. 학생들은 정책을 지식, 평가, 협력, 상황화, 자율성, 윤리, 그리고 기관의 책임이 상호작용하는 복합적인 시스템으로 이해함. 이는 유연성과 일관성, 지원과 규제, 개인의 자율성과 기관의 책임 사이의 복잡한 균형점을 찾는 것임을 입증함.
(2) 교육 현장에 주는 시사점은 명확함. AI 교육 정책은 단순히 위에서 아래로 내려오는 지침이 아님. 정책 자체를 교수학적 도구로 활용하여 학생들이 AI 리터러시를 함양하고, 다각적 관점을 발달시키는 기회로 전환해야 함. 특히 교직원의 AI 리터러시 수준은 학생의 AI 활용 능력과 직접적인 연관이 있음. 교직원 대상의 맞춤형 AI 교육 및 지원이 필수적으로 동반되어야 함.
(3) AI 설계 및 교육 환경 조성에 있어서 학생의 목소리는 핵심적인 요소임. 학생들은 정책 수립 과정에 참여하기를 원하지만, 그 방법을 명확히 알지 못하는 경우가 많음. 따라서 피상적인 의견 수렴에 그치지 않고, 학생들이 자신의 가치를 명확히 표현하고, 정책 간의 장단점을 협상하며, 거버넌스 논의에서 실질적인 영향력을 행사할 수 있도록 구체적인 지원 체계 마련이 시급함. 이는 AI를 단순히 기술적 도구가 아닌, 인간의 실천, 제도적 구조, 윤리적 약속에 내재된 사회기술 시스템으로 이해하는 데 도움이 됨.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문의 가장 주목할 지점은 AI 정책을 ‘학습의 도구’로 재정의함에 있음. 기존의 AI 정책 논의가 주로 ‘무엇을 금지할 것인가’ 또는 ‘어떻게 통제할 것인가’라는 관점에서 접근했다면, 이 연구는 ‘정책을 설계하는 과정 자체가 학습 경험’임을 보여줌. 이는 단순한 규제 준수에 그치지 않고, 학생들이 AI의 복잡한 사회적, 윤리적 함의를 비판적으로 이해하고 자신의 가치를 능동적으로 형성하는 시민 교육의 장으로 정책을 활용한다는 점에서 큰 의미가 있음. 학생들이 정책의 ‘객체’가 아닌 ‘주체’가 됨으로써, AI 기술이 가져올 미래를 수동적으로 받아들이는 대신 능동적으로 만들어가는 주인의식을 함양하는 과정으로 연결됨.
(2) 이 연구는 AI 교육에 그치지 않고 더 넓은 교육 철학적 의미를 내포함. 학생 참여형 정책 설계는 민주주의 교육의 실천이자, 복잡한 사회 문제 해결 능력을 기르는 과정임. AI 윤리, 데이터 프라이버시, 지속가능성 등의 이슈는 단순히 AI 기술에 국한되지 않음. 이는 사회 전체가 당면한 문제이며, 학생들이 정책 결정 과정에 직접 참여하여 다양한 이해관계자의 관점을 조율하고 타협점을 찾아가는 경험은 미래 시민으로서의 비판적 사고력과 문제 해결 역량을 강화함. 정책을 공동 설계하는 경험은 학생들이 자신이 속한 공동체의 규칙을 이해하고, 능동적으로 변화를 만들어낼 수 있다는 자기 효능감을 키우는 데 결정적인 역할을 함.
(3) 이 연구를 발전시킬 구체적인 아이디어를 제안함. 첫째, 학생들의 정책 제안이 실제 기관 정책으로 이어지는 제도적 연계 방안을 모색해야 함. 가령, 학생-교수-행정가로 구성된 AI 정책 협의체를 상시 운영하여, 학생들이 제안한 정책 아이디어가 검토되고 실제 적용될 수 있는 거버넌스 모델을 구축해야 함. 둘째, 교차 학문적 정책 공동 설계 활동을 시도함. 공학, 인문학, 예술 등 다양한 전공 학생들이 함께 AI 정책을 설계하도록 하여, 각 학문 분야의 고유한 관점과 가치를 교환하고 융합하는 기회를 제공함. 이는 AI가 가진 횡단적 특성을 이해하고, 종합적인 관점에서 문제 해결 능력을 함양하는 데 기여함. 셋째, 정책 시뮬레이션 도구를 개발하여 활용함. 학생들이 제안한 정책이 실제 교육 현장에 미칠 잠재적 영향을 예측하고 시각화하는 AI 기반 시뮬레이션 도구를 제공함으로써, 정책의 현실적 타당성과 효과를 심층적으로 검증하는 경험을 제공함.
6. 추가 탐구 질문
(1) 학생들이 공동 설계한 AI 정책이 실제 AI 활용 행동이나 학업 성과에 어떤 구체적인 변화를 가져오는가? 가이드라인 마련이 단순한 인식 변화에 그치지 않고 AI 활용 방식의 질적 개선으로까지 이어지는가?
(2) 이 안내된 탐구 활동이 인공지능 윤리 교육의 맥락에서, 다른 문화권이나 교육 시스템에 적용될 때 어떤 새로운 도전과 기회가 발생하는가? 예를 들어, 규범적 가치가 강조되는 동아시아 교육 환경에서는 어떤 반응을 보이는가?
(3) 학생 주도 정책 설계 과정에서 발생하는 윤리적 딜레마(예: 소수 의견 무시, 비현실적 제안 등)를 AI 기술(예: 공정성 알고리즘, 대규모 언어 모델 기반 토론 보조 도구)이 어떻게 보완하거나 악화시킬 수 있는가?
출처
[논문 식별자 — 자동 추출 실패] 이 논문의 arXiv ID와 DOI가 확인되지 않았다.
- Hingle, A., & Johri, A. (2025). A Guided Inquiry Approach to Students Co-Designing Generative AI Course Policies. [학술대회명 미상].