AI 시대, 비판적 사고를 위한 AI 활용 활동

생성형 AI의 등장은 학생들의 사고방식에 큰 변화를 가져왔다. AI에 의존하는 경향은 비판적 사고 능력을 저하시키고, AI 생성 콘텐츠를 무비판적으로 수용하게 만들 수 있다. 이 글은 AI를 금지하는 대신, 학생들이 AI와 상호작용하는 방식을 전환하여 비판적 사고를 훈련하는 구체적인 활동들을 제시한다.

AI가 가져온 인지 능력의 변화

최근 연구들은 생성형 AI가 학생들의 인지 능력에 미치는 우려스러운 영향을 보고한다. 학생들은 인지적 과제를 AI에 맡기면서 인지적 오프로딩, 초인지적 게으름, 인지적 굴복 같은 현상을 보인다. 일부 연구자들은 이를 사고의 위축이라고 설명한다. AI가 어려운 작업을 대신하면서 학생들이 심층적인 추론에 필요한 정신적 근육이 약해진다는 것이다.

주요 연구 결과들은 이러한 우려를 뒷받침한다. Gerlich(2025)는 인지적 오프로딩이 비판적 사고에 미치는 영향을 다룬다. Fan 등(2025)은 초인지적 게으름 현상을 분석한다. Shaw와 Nave(2026)는 인지적 굴복을 설명한다. Kosmyna 등(2025)의 뇌 영상 연구는 챗GPT를 사용할 때 인지적 노력이 독립적으로 과제를 수행할 때보다 현저히 낮아짐을 객관적으로 보여준다. Barcaui(2025)는 챗GPT 사용이 지식 유지력을 감소시킨다고 보고한다. Bastani 등(2025)은 안전장치 없는 생성형 AI가 수학 학습에 해를 끼친다는 사실을 발견한다. Sourati 등(2026)과 Abdulhai 등(2026)의 연구는 AI가 글쓰기와 소통 방식의 다양성을 획일화하며, 모두를 동일한 패턴과 목소리로 몰아넣는다고 지적한다.

이러한 연구들은 학생들이 AI가 생성한 내용을 의심 없이 받아들이는 경향을 보인다고 경고한다.

연구 결과에 대한 신중한 접근

이러한 연구 결과들은 심각하게 받아들여야 하지만, 두 가지 유보적인 입장을 고려해야 한다.

첫째, 대표성 문제다. 많은 연구의 표본 집단은 다소 좁게 설정된다. 기관 환경, 전공 분야, 학생들의 기존 AI 리터러시, 연령, AI 도구 경험 정도 등 다양한 요소들이 연구마다 다르다. 단일 대학 심리학과 학부생 연구 결과가 다른 전공이나 교육 문화에 자동으로 적용된다고 단정하기 어렵다. 제시되는 패턴들은 주목할 만하지만, 보편적이라고 단정할 수는 없다.

둘째, 시간 문제다. 생성형 AI는 아직 매우 새로운 기술이며, 인지적 영향을 타당하고 엄격하게 측정하려면 수년이 걸린다. 가장 강력한 증거는 참가자들을 장기간 추적하는 종단 연구에서 나오지만, 아직 그런 데이터는 부족하다. 현재 대부분의 자료는 단면 연구, 단기 실험, 자기 보고식 설문조사 등 ‘스냅샷’에 불과하다. 이 자료들이 한 방향을 가리키며 진지하게 받아들일 가치가 있지만, 결정적인 해답을 얻기까지는 더 많은 시간이 필요하다.

인지적 우려가 타당하다는 점은 인정해야 하지만, 이 결과들을 해석할 때는 인내심과 뉘앙스가 필요하다. 하지만 완벽한 증거가 나올 때까지 조치를 미뤄서는 안 된다.

AI 활용 방식의 전환

핵심은 학생들이 AI를 ‘사용한다’는 단순한 사실이 아니라, AI를 ‘어떻게 사용하는가’이다. 현재 많은 학생들은 AI를 정답 자판기처럼 접근한다. 프롬프트를 입력하고, 결과물이 나오기를 기다렸다가 복사하고 넘어간다. 이 패턴이 인지적 오프로딩과 초인지적 게으름을 유발하며, 사고의 흐름을 멈춘다.

하지만 학생들이 AI와 다르게 상호작용하도록 활동을 설계한다면 어떨까? AI와의 상호작용 자체를 비판적 사고의 현장으로 만든다면 비판적 사고를 우회하는 지름길이 아닌 강화 도구가 된다. 학생들은 AI의 결과물에 이의를 제기하고, 가정에 의문을 품으며, 주장을 검증하고, 논리의 빈틈을 찾아내고, AI 답변을 자신의 지식 및 판단과 비교해야 한다.

이 가이드는 NENA ICHRIE 2026 컨퍼런스의 워크숍 “교실에서의 AI: 비판적 사고 활성화”에서 발전되었다. 다양한 교육자와 연구자, 실무자들의 실습 활동을 모아 로버트 에니스(Robert Ennis, 2015)의 비판적 사고 기술 프레임워크에 맞춰 수정했다.

로버트 에니스의 비판적 사고 프레임워크

로버트 에니스의 프레임워크는 비판적 사고를 위한 여섯 가지 핵심 역량을 식별한다. 각 활동은 이 중 특정 기술을 목표로 한다.

• 주장 분석하기: 제시된 주장과 그 근거를 비판적으로 검토한다.
• 출처 신뢰성 판단하기: 정보 출처의 신뢰도와 타당성을 평가한다.
• 모호성 다루기: 불분명하거나 애매한 표현을 명확히 이해하고 처리한다.
• 가정 평가하기: 어떤 주장의 기저에 깔린 전제나 가정을 식별하고 비판한다.
• 오류 인식하기: 논리적 오류나 잘못된 추론을 찾아낸다.
• 명확화 질문하기: 이해를 돕거나 주장의 근거를 심화하기 위한 질문을 던진다.

제시된 활동들은 실용적이고 유연하며, 다양한 학문 분야와 학생 수준에 맞춰 사용한다. 10분 정도 소요되는 활동부터 수업 시간 전체가 필요한 활동까지 다양하다. 단독 실습, 워크숍 시퀀스, 기존 강의 설계 삽입 등 여러 방식으로 활용 가능하다.

목표는 명확하다. AI를 금지하지 않고, 두려워하지 않으며, 학생들이 아무 생각 없이 사용하게 두지 않는다. AI를 엄밀하고 회의적이며 참여적인 사고를 위한 훈련장으로 활용한다.

비판적 사고 훈련 활동 13가지

AI와의 상호작용을 비판적 사고 연습으로 전환하도록 설계된 13가지 활동은 로버트 에니스(2015)의 프레임워크에 나오는 특정 기술을 목표로 한다. 아래 표는 각 활동의 핵심 내용, 목표 CT 기술, 소요 시간을 요약한다.

활동 이름	핵심 CT 기술	소요 시간	설명
반박 프로토콜	주장 분석하기, 가정 평가하기, 명확화 질문하기	15-20분	AI 답변의 주장, 증거, 가정을 식별하고 대안적 관점을 찾아 구조화된 질문으로 이의를 제기한다.
환각 탐정	출처 신뢰성 판단하기, 오류 인식하기	15-20분	의도적으로 오류가 포함된 AI 텍스트에서 조작된 인용문, 잘못된 날짜, 지어낸 통계 등을 찾아내고 팩트 체크한다. (스티븐 슈워츠 변호사 사건 활용)
인간 vs AI 블라인드 비교	주장 분석하기, 출처 신뢰성 판단하기, 모호성 다루기	15-20분	사람이 쓴 글과 AI가 생성한 글을 라벨 없이 비교하여, AI 텍스트의 모호함, 출처 누락, 추론 깊이 부족 등을 식별한다.
루브릭을 활용한 AI 결과물 감사	6가지 비판적 사고 기술 모두	15-20분	AI 텍스트를 에니스 프레임워크의 6가지 표준(주장 분석, 출처 신뢰성, 모호성, 가정, 오류, 명확화)으로 평가하고, 점수를 비교하며 토론한다.
텍스트 주석 달기 연습	주장 분석하기, 가정 평가하기, 오류 인식하기	20-25분	AI 생성 텍스트의 사실 오류, 근거 없는 주장, 누락된 맥락, 숨겨진 가정을 주석으로 달고, ‘원본 텍스트-문제점-수정안’ 3열 표로 정리한다.
구글 vs 챗GPT 나란히 비교하기	출처 신뢰성 판단하기, 모호성 다루기	10-15분	동일한 질문을 구글과 챗GPT에 검색하여 각 답변의 출처 제공 방식, 검증 가능성을 비교하고 신뢰성과 편리함의 상충관계를 토론한다.
가격 책정 연습	가정 평가하기, 출처 신뢰성 판단하기, 명확화 질문하기	10-15분	모호한 프롬프트로 얻은 AI 답변을 평가한 후, 맥락과 제약 조건을 추가하여 프롬프트를 재작성하고 결과물의 차이를 비교한다. (찰리 기드온 강연 활용)
AI와 함께하는 소크라테스식 문답법	명확화 질문하기, 주장 분석하기, 가정 평가하기	15-20분	AI의 첫 답변을 그대로 받아들이지 않고, ‘증거는 무엇인가?’, ‘가정은 무엇인가?’, ‘다른 관점은 없는가?’ 등 탐색적 질문을 계속 던진다.
AI 토론 / 다양한 관점	주장 분석하기, 모호성 다루기, 오류 인식하기	20-25분	논쟁적 주제에 대해 AI가 생성한 찬성/반대 주장을 각 그룹이 사실 확인하고, 논리의 빈틈을 찾으며, 자신의 증거를 덧붙여 토론한다.
과제 재설계 워크숍	6가지 비판적 사고 기술 모두 (교육학에 적용)	20-30분	현재 과제를 단계별로 분해하고, 각 단계에서 AI 사용의 적절성과 비판적 사고 유도 방안을 결정하여 과제를 재설계한다. (강사 대상 활동)
품질을 위한 프롬프트 엔지니어링	명확화 질문하기, 모호성 다루기	15-20분	모호한 프롬프트와 개선된 프롬프트의 AI 결과물을 비교하고, 좋은 프롬프트 작성이 비판적 사고를 어떻게 요구하는지 토론한다.
펀하우스 거울	모호성 다루기, 가정 평가하기, 오류 인식하기	10-15분	자신이 깊이 아는 주제를 AI에 설명해달라고 요청한 뒤, 결과물에서 왜곡, 단순화, 누락된 뉘앙스 등을 찾아내고 그 의미를 논의한다. (Roe, Furze, Perkins(2024) 연구의 은유)
비판적 평가 체크리스트 (비밀 공개)	6가지 비판적 사고 기술 모두	15-20분	‘학생 제출물’이라고 소개된 AI 텍스트를 평가 체크리스트로 분석한 뒤, 해당 텍스트가 AI 생성물임을 공개하여 평가 기준의 변화와 자신의 가정을 성찰한다.

이 활동들은 동료 교육자, 연구, 교육 저장소, TED 강연, 그리고 저자의 교실 경험 등 다양한 출처에서 나왔다. 대부분의 활동은 10분에서 20분 정도 소요되며, 일부는 30분 가까이 필요하다. 모든 활동은 다양한 학문 분야와 학생 수준에 맞춰 조정할 수 있고, 어떤 AI 도구로든 실행 가능하다.

성찰의 중요성

활동 자체도 중요하지만, 진정한 학습은 그 이후의 디브리핑, 성찰 메모, 초인지적 점검 등 마무리 작업에서 나온다. 각 활동 후 학생들에게 짧은 성찰 메모를 작성하게 해야 한다.

학생들은 AI 결과물에 대해 무엇을 발견했는지, 어떤 가정이 도전받았는지, 무엇이 놀라웠는지, 같은 프롬프트를 다시 실행한다면 다르게 할 부분은 무엇인지, 그리고 이 연습이 앞으로 AI를 사용하는 방식에 대한 자신의 생각을 어떻게 바꾸었는지 깊이 생각하도록 요청한다. 성찰이 비판적 사고가 실제로 뿌리내리는 지점이다. 활동이 문을 연다면, 성찰적 글쓰기는 학생들이 그 문을 다시 걸어 들어가 경험을 이해하는 과정이다. 성찰 없는 잘 운영된 활동은 좋은 수업의 한 순간에 불과하지만, 성찰 메모가 뒤따르면 학생들이 오랫동안 지니고 갈 ‘사고의 습관’이 만들어진다.

결론

이 활동들은 교실에서 활용할 수 있는 실용적인 도구가 된다. 이들은 경직된 지침이 아니다. 교육자들은 자신의 필요에 맞게 각색하고, 결합하며, 시간을 조정하고, AI 도구를 교체하고, 전공 분야에 맞게 프롬프트를 변경할 수 있다. 이 프레임워크는 유연하게 만들었다.

이 가이드를 통해 전달하고자 하는 하나의 생각은 이것이다. 교육 분야에서 생성형 AI가 지니는 과제는 기술 자체에 있지 않다. 문제는 대부분의 학생들이 AI를 사용할 때 빠지게 되는 기본 모드, 즉 ‘프롬프트 입력 -> 받기 -> 수용 -> 넘어가기’에 있다. 이 사이클 속에서 비판적 사고는 침묵한다. 이 활동들은 그 사이클을 끊고, 학생들이 앞으로 나아가기 전에 잠시 멈춰서 질문하고, 평가하고, 스스로의 추론으로 대응해야 하는 마찰의 순간을 삽입하도록 설계되었다.

이것은 반(反) AI가 아니다. 친(親) 사고(pro-thinking)이다. 이 둘 사이에는 큰 차이가 존재한다. AI 시대에 가르치는 것은 힘든 일이다. 수년간 사용해온 과제를 다시 생각하고, 18개월 전에는 존재하지도 않았던 도구를 배우며, AI가 할 수 있는 일에 대한 개방성과 할 수 없는 일에 대한 건전한 회의주의를 동시에 지녀야 한다.

출처

• Med Kharbach (2026). 《AI 시대의 비판적 사고 활동》. Educators Technology. https://educatorstechnology.com