830 ／ 837
고등교육에서 인공지능 리터러시 프레임워크는 어떻게 실현되는가?
1. 연구의 목적
(1) 저자들은 학생이 AI 역량을 갖추는 일이 취업 가능성과 직결된다고 봄. 고용주, 교육자, 학생, 대학이 모두 이를 요구하고 있고 영국, 미국, 중국 정부도 고등교육의 AI 리터러시를 중요하게 본다는 점을 근거로 듦. AI가 생산성을 높인다는 전망과 오히려 업무 부담을 늘렸다는 조사가 엇갈린다는 점도 함께 적음.
(2) 그럼에도 교수자들은 표절, 사생활, 윤리 문제를 우려해 AI 도입을 망설이고, 지침과 연수가 부족해 기술 교수 지식에도 공백이 있음. 기존 AI 리터러시 프레임워크는 교수자가 어떤 수업 활동과 생성형 AI 도구를 쓸 수 있는지까지 안내하지 않는다는 것이 저자들의 문제의식임.
(3) 이 논문의 목적은 두 가지임. 교수자가 수업에 AI를 통합하도록 돕는 AI 리터러시 개념 프레임워크를 만드는 것, 그리고 그 프레임워크를 어떻게 쓸지 제안하는 것임.
2. 연구의 방법
(1) 자료를 수집해 분석한 실증 연구가 아니라 개념 논문임. 저자들 스스로 이 글을 의견 글(opinion piece)이라고 부름. 기존 프레임워크, AI 관련 문헌, 그리고 퀸 메리 런던 대학교의 AI 리터러시 지원 프로젝트 사례를 바탕으로 프레임워크를 구성함.
(2) 뼈대는 Ng 외(2021, 2023)가 정리한 AI 리터러시의 네 차원임. 앞의 세 차원은 블룸의 교육목표 분류와 대응함. 알고 이해하기는 하위 두 수준, 사용하고 적용하기는 적용 수준, 평가하고 창조하기는 분석·평가·창조의 상위 세 수준에 해당함. 저자들은 여기에 차원별 학습 목표, 교수학습 활동 체크리스트, 쓸 수 있는 생성형 AI 도구를 붙여 표 하나로 제시함.
3. 주요 발견
(1) 프레임워크는 네 차원마다 학습 목표, 활동, 도구를 대응시키고, 학생이 기초에서 고차 사고로 단계적으로 나아가도록 배열함.
| AI 리터러시 차원 | 블룸 수준 | 학습 목표 | 논문이 예시한 도구 |
|---|---|---|---|
| AI 알고 이해하기 | 기억, 이해 | 학습을 돕는 AI 도구의 기본 기능을 알고 이해함 | ChatGPT, Poe, Claude, Notion AI, Gemini, Llama 2, Otter, Bing, Miro, Grammarly, Quillbot, Monica, Midjourney, ChatPDF, Canva, Gamma |
| AI 사용하고 적용하기 | 적용 | AI 지식, 개념, 응용을 학습에 적용함 | ChatGPT, Poe, Claude, Monica, Perplexity, Gemini, Llama 2, Midjourney, Elicit, Connected Papers, Consensus, Miro, Covidence, Rayyan, Canvas |
| AI로 평가하고 창조하기 | 분석, 평가, 창조 | AI 생성물을 평가하며 고차 사고력을 기름 | ChatGPT, Claude, Gemini, Llama 2, Monica, HyperWrite, Co-pilot, APPRAISE-AI |
| AI 윤리 | 해당 없음 | AI의 도덕적·윤리적 결과를 이해하고 맥락에 맞게 사용 여부를 판단함 | 모든 AI 도구 |
(2) 알고 이해하기 차원의 활동은 열 가지임. AI의 정의와 개념 이해하기, 생성형 AI에 질문을 만들어 탐색하기, AI 필기 도구로 기록하고 되돌아보기, ChatGPT나 Claude로 과제 구조와 연구 아이디어 브레인스토밍하기, Miro로 마인드맵 그리기, 문법과 명료성을 다듬는 보조 글쓰기, 읽기 자료 요약하기, Miro나 Lucidchart로 모둠 협업하기, Gamma나 Canva로 발표 자료 만들기, 이미지 생성하기가 포함됨.
(3) 사용하고 적용하기 차원은 연구와 문제 해결에 AI를 쓰는 활동으로 구성됨.
- Connected Papers나 Consensus로 자료를 정리하고 문헌을 검토함.
- Elicit, Covidence, Rayyan으로 체계적 문헌 고찰을 수행함.
- ChatGPT 같은 도구로 정보를 찾되 EBSCO 같은 학술 데이터베이스 검색과 병행하고, 생성된 정보를 비판적으로 평가하는 성찰 활동을 수업에 넣음.
- 문제 해결, 데이터 시각화, 데이터 분석, 영상이나 스케치 같은 멀티미디어 제작에 AI를 적용함.
(4) 평가하고 창조하기 차원은 데이터 유형과 품질(완전성, 정확성, 일관성) 평가하기, AI 도구로 특정 데이터셋을 평가해 데이터와 도구의 강점과 약점을 발표하기, 데이터를 직접 다뤄 보고 비판적 분석 보고서 쓰기, 사례 연구에서 결정과 결과를 평가하고 대안 만들기, 성찰 일지와 사례 연구로 사회 문제를 탐구하고 해결책을 만들기로 구성됨.
(5) AI 윤리 차원의 활동은 다섯 가지임.
- 평가에서 AI를 언제 어떻게 쓸 수 있는지 정책을 분명히 정해 알리고, AI 생성 내용의 검증과 사용 사실 표기 방법을 안내함.
- 생성형 AI 사용의 윤리적 함의를 학생과 토의함.
- AI 환각을 다룸. 유료 구독 뒤에 있는 학술 자료에 접근하지 못하는 한계와 존재하지 않는 참고문헌을 만들어 낼 가능성을 알림.
- 출력의 신뢰성과 품질을 학생이 점검하도록 함.
- 학생이 정책, 지침, 프레임워크를 만드는 데 참여하는 AI 윤리 공동 창작을 진행함.
4. 결론 및 시사점
(1) 저자들은 이 프레임워크가 학습 목표, 교수 활동, 평가 방법, 디지털 자원을 맞춰 정렬함으로써 교육과정 안에서 AI 역량이 단계적으로 자라도록 안내한다고 결론지음.
(2) 사용 방식으로는 상향식 접근을 권함. 프로그램 책임자나 교육위원회가 이끄는 하향식 도입은 준비 여부와 무관하게 교수자에게 AI 도입을 강제해 저항을 부를 수 있고 승인 절차가 길다는 것이 이유임. 상향식에서는 모듈 담당 교수자와 튜터가 자기 수업과 동료에게 AI 활용을 퍼뜨림.
(3) 프로그램 책임자는 프레임워크로 전체 과정을 검토해 학생의 AI 역량이 빠진 곳을 찾고, 모듈 담당자와 협의해 메움. 정규 과정에 넣기 어려우면 워크숍, 동아리, 특별 프로젝트 모임 같은 비교과 활동을 마련해 학생이 졸업 때까지 네 차원을 모두 갖추게 함.
(4) 프레임워크는 고정된 틀이 아니라 전공 특성에 맞춰 차원과 활동을 골라 조합하는 안내서임. 저자들은 경영학 석사 과정의 한 프로젝트 모듈에서 사용하고 적용하기, 평가하고 창조하기 두 차원을 골라 전문가 프로필 작성, 데이터 분석, 문헌 탐색에 생성형 AI를 쓰게 한 사례를 듦.
(5) 저자들이 밝힌 한계는 다음과 같음.
- 프레임워크는 개념 논문과 기존 프레임워크에 기반하며 효과를 검증한 실증 연구가 없음.
- 학제적 사용을 목표로 하지만 인문학과 공학처럼 분야별로 다른 요구는 충분히 다루지 못함.
- 수업 활동이 평생학습과 학생의 독립성에 어떻게 기여하는지 다루지 않음.
- 실행에 영향을 줄 기관 차원의 제약과 자원 제약을 논의하지 않음.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문에서 쓸모가 큰 부분은 차원별 활동 체크리스트임. 기존 AI 리터러시 프레임워크가 갖춰야 할 역량을 말하는 데서 멈췄다면, 이 표는 수업 한 차시에 넣을 수 있는 활동과 도구 이름까지 내려감. 다만 도구 목록은 2024년 기준이고 같은 도구가 여러 차원에 겹쳐 있어, 도구보다 활동 설명을 기준으로 읽는 편이 오래 쓸 수 있음.
(2) 블룸 분류와의 대응은 교육과정 설계 관행과 맞닿음. 대학 교수자는 이미 학습 성과를 블룸 동사로 쓰는 데 익숙하므로, AI 활동을 같은 사다리에 올리면 기존 강의계획서를 크게 고치지 않고 끼워 넣을 수 있음. 반면 윤리 차원은 블룸 수준과 대응하지 않고 따로 놓여 있어, 다른 세 차원의 활동 안에서 윤리를 어떻게 함께 다룰지는 교수자 몫으로 남음.
(3) 저자들이 인정하듯 효과 검증이 없다는 점이 가장 큰 공백임. 후속 작업으로는 같은 과목의 두 분반에서 한쪽만 체크리스트 활동을 적용하고 학기 말 과제의 근거 확인 수준을 비교하는 식의 소규모 검증을 생각할 수 있음. 같은 학년 교수자 두세 명이 각자 고른 활동과 학생 반응을 한 장짜리 기록으로 돌려 보는 것만으로도 상향식 도입의 실제 모습을 확인할 수 있음.
6. 추가 탐구 질문
(1) 인문학 전공과 공학 전공에서 요구하는 AI 리터러시의 세부 역량과 도구 선택은 어떻게 달라져야 하는가?
(2) 상향식 도입에서 AI 활동을 넣지 않는 모듈이 많을 때 프로그램 전체의 차원별 균형은 누가 어떻게 보장하는가?
(3) 생성형 AI 도구가 빠르게 바뀌는 상황에서 도구 이름을 담은 프레임워크는 어떤 주기로 갱신되어야 하는가?
출처
Zhou, X., & Schofield, L. (2024). Developing a conceptual framework for Artificial Intelligence (AI) literacy in higher education. Journal of Learning Development in Higher Education, (31). https://doi.org/10.47408/jldhe.vi31.1354