AI는 교실 수업을 어떻게 지능적으로 변화시키는가?

1. 연구의 목적

(1) 이 연구는 AI 교육 통합이 21세기 가장 중요한 교육 변화 중 하나임을 인식함에도 불구하고, AI 역량을 실제 교실 전략으로 전환하는 구체적 사례가 부족하다는 문제의식에서 출발함. 교사들은 AI의 잠재력을 인정하면서도, 실제 적용의 어려움, 윤리적 함의, 준비 부족을 우려하는 것이 현실임. AI는 대규모 개인화 학습 제공, 차별화된 자료 제작 시간 제약 해결, 추상적 개념 학습 지원 등 전통 교육의 고질적 한계를 극복할 잠재력을 지님. 그러나 교수자의 AI 통합에 대한 회의적 시각, 종속성 문제, 윤리적 우려 등이 여전히 존재함.

(2) 연구의 핵심 목표는 생성형 AI 도구가 과학 및 인문학 수업에 어떻게 전략적으로 통합되어 교육 효과를 높이는지 상세한 사례 연구를 제시하는 것임. 구체적으로는 AI가 교수 과정에서 어떤 교수학적 기능을 수행하는지, 교사의 수업 준비 부담과 수업의 질에 미치는 영향, AI 기반 교수 변혁에서 나타나는 설계 원칙, 그리고 AI 통합의 한계와 윤리적 고려 사항을 탐구함. 이 연구는 교사 주도성을 유지하며 AI의 개인화, 확장성, 상호작용성을 활용하는 사려 깊고 균형 잡힌 AI 도입 프레임워크를 제시함.

2. 연구의 방법

(1) 이 연구는 두 가지 교육 사례에 대한 질적 사례 연구 방법론을 채택함. 기술 통합과 같이 복잡하고 맥락에 의존하는 현상을 실제 교육 환경에서 탐구하는 데 적합한 방식임. 연구는 구체적이고 재현 가능한 AI 통합 사례를 제공하며, AI의 교육학적 잠재력의 폭을 보여주는 데 중점을 둠.

(2) 주요 분석 대상은 홍콩 학교에서 AI 플랫폼 ‘GoodClass.ai’를 활용한 두 가지 초등 수업 사례임. * 사례 1 (과학 교육): 초등학교 2학년 ‘자석’ 수업. 자기력의 추상적 개념 이해를 돕기 위한 AI 활용에 초점을 둠. - AI 활용 지점: 사전 진단 평가, 상호작용 복습 게임 생성, 표적 오개념 교정. * 사례 2 (인문학 교육): 초등학교 5학년 ‘이시진’ 수업. 역사 인물 및 문화 학습 참여 증진을 위한 AI 활용에 초점을 둠. - AI 활용 지점: 이시진 인물 기반 개인화 챗봇 생성, 약재 분류 체계 기반 상호작용 게임 생성. * 데이터 출처: AI 도구 사용 기록, 교사 관찰 기록, 학생 참여 지표, 플랫폼 분석 데이터(GoodClass.ai)가 포함됨. * 분석 프레임워크: TPACK 프레임워크와 확장된 HCAP, i-TPACK, GenAI-TPACK 프레임워크를 활용하여 AI 도구와 교육 목표의 정렬, 인간-AI 협력의 성격, 교사 업무 부담 및 수업 품질 영향, 학생 학습 경험, 윤리적 고려 사항 및 한계를 분석함.

3. 주요 발견

이 연구는 AI가 교수-학습 과정에서 교사의 역할을 대체하기보다 전략적 조력자로서 기능하며, 특정 교수학적 난관을 해결하는 데 집중적으로 활용될 때 가장 효과적임을 보여줌. 특히 두 가지 사례 연구를 통해 AI 통합의 구체적인 패턴과 이론적 함의를 제시함.

(1) AI 교육 통합의 4가지 일관된 패턴: 이 연구는 두 사례 모두에서 성공적인 AI 통합을 위한 핵심적인 패턴을 발견함. 이 패턴들은 AI를 교육에 도입하려는 교사들에게 중요한 지침이 됨.

패턴	설명	과학 수업 (자석) 예시	인문학 수업 (이시진) 예시
표적 배포	AI를 수업 전체가 아닌, 특정 교수학적 난관 해소 지점에 전략적으로 활용함.	사전 진단, 오개념 교정, 상호작용 복습 게임 생성 지점에 집중함.	이시진 챗봇 대화, 약초 분류 게임 등 특정 학습 활동에 적용함.
교육적 가치 증진	AI가 기존 방식으로는 달성하기 어려운 고유한 교육적 가치를 제공하는 지점에 집중함.	빠르고 정확한 사전 진단, 추상적 개념의 상호작용 시각화 자료를 만듦.	역사 인물과의 대화형 탐구, 실제 정원과 연계된 맞춤형 학습 콘텐츠를 만듦.
교사 주도성 및 감독	교사가 AI 생성 자료를 검토하고 수정하며, AI 기반 평가 결과를 바탕으로 의사결정을 하고, AI 매개 상호작용을 모니터링함.	교사가 AI 생성 퀴즈와 게임을 검토하고 오개념 교정을 주도함.	교사가 챗봇 지식 기반을 설정하고, 학생 대화 기록을 모니터링함.
효율성 및 확장성	AI가 고품질 교수 자료 생성을 몇 초 또는 몇 분 내로 가능하게 하여 교사의 시간 제약을 해결함.	퀴즈는 몇 초, 게임은 2~3분 내로 생성하여 교사 준비 시간을 줄임.	개인화된 챗봇을 간단한 명령으로 생성하고 학생들에게 배포함.

AI는 모든 것을 해결하는 만능 도구가 아니며, 교사의 의도적인 설계와 개입이 없이는 그저 형식적인 기술 도입에 그침을 명확히 함.

(2) 추상적 과학 개념의 가시화 및 오개념 교정: 과학 수업 사례는 눈에 보이지 않는 자기력을 학생들이 쉽게 이해하도록 AI가 어떻게 돕는지 보여줌. * 사전 진단 평가: 전통적인 플립드 러닝 자료로는 알 수 없던 학생들의 사전 지식 격차를 AI 기반 퀴즈 생성기로 몇 초 만에 파악함. 이 과정은 교사의 직관적 판단보다 훨씬 체계적이고 즉각적인 데이터를 제공하며, 정밀한 교육의 첫 단추 역할을 함. * 데이터 기반 차별화: 진단 평가 결과로 얻은 데이터를 바탕으로 AI는 개별 학생의 약점에 맞는 보충 학습 계획을 자동으로 생성함. 이는 교사가 모든 학생에게 맞춤형 지도를 제공하기 어렵다는 고질적인 문제를 해결하며, 실제 학습 격차 해소에 기여함. * 상호작용 오개념 교정: ‘모든 금속이 자석에 이끌린다’는 흔한 오개념을 수정하기 위해 AI가 몇 분 만에 다양한 사례를 담은 대화형 미니 게임을 생성함. 이는 지루할 수 있는 개념 학습을 재미있게 전환하며, 교사가 짧은 시간 내에 차별화된 연습 자료를 만드는 기적을 가능하게 함. 전통적인 교과서는 이러한 즉각적이고 맞춤화된 대응 능력이 없음. * 경험 격차 해소: 학생들이 손으로 직접 탐구할 기회가 줄어드는 현실에서, AI는 가상으로 시나리오 예시와 상호작용 자료를 빠르게 생성하여 간접적인 경험을 제공함. 이는 단순한 텍스트 설명보다 높은 몰입감과 이해를 유도함.

(3) 인문학 대화형 탐구 및 맥락화된 학습: 인문학 수업 사례는 AI가 역사 인물과 문화적 지식을 생동감 있게 연결하는 방법을 제시함. * 개인화 챗봇 생성: ‘이시진’ 캐릭터 챗봇을 쉽게 생성하고, 관련 교과서 자료를 지식 기반으로 업로드하여 AI의 답변 정확성을 보장함. 이는 AI가 때때로 생성하는 부정확한 정보를 통제하며, 교사가 콘텐츠 품질에 대한 우려를 덜게 함. AI의 지식 기반 제한은 환각(hallucination) 문제를 줄이는 현실적 전략임. * 교실 내 대화형 탐구: 챗봇과의 대화를 통해 학생들이 수동적인 정보 수용자가 아닌, 능동적인 지식 구성자로 참여하게 됨. 5W1H 사고 도구를 활용한 사전 질문 준비는 학생들의 질문이 목적 지향적이 되도록 돕고, 협력적 토론을 통해 중요한 질문을 선별하는 과정에서 비판적 사고력을 길러줌. * 안전 및 모니터링: 학생들의 챗봇 대화 기록을 교사가 언제든지 검토하고, 부적절한 발언 시 시스템이 즉시 경고하여 안전한 학습 환경을 유지함. 이는 AI 도구 사용의 핵심적인 윤리적 과제인 안전성 문제를 해결하는 실질적인 방안임. * 상호작용 게임을 통한 확장 학습: ‘본초강목’의 분류 체계를 활용한 AI 생성 상호작용 게임은 캠퍼스 약초원과 연계된 확장 학습을 가능하게 함. 이는 교실 학습을 실제 세계와 연결하며, 학생들이 안내자 역할을 수행하는 등 실용적 역량을 개발하도록 지원함. * 학교 기반 및 맥락화된 학습: AI가 생성한 게임 콘텐츠를 캠퍼스 내 실제 약초와 일치하도록 HTML 코드를 수정할 수 있음. 이는 교과 과정을 지역 맥락과 밀접하게 연결하여 학습의 의미와 참여도를 높이는 효과적인 방법임을 보여줌.

4. 결론 및 시사점

(1) 이 연구가 입증하거나 주장한 핵심 결론은 AI가 교육 현장의 ‘지능적 변혁’을 위한 잠재력을 지닌다는 점임. 이 변혁은 AI를 수업 전반에 걸쳐 전면적으로 통합하기보다, 사전 진단, 오개념 교정, 대화형 탐구, 상호작용 게임 기반 학습과 같은 특정 교수학적 지점에 표적적으로 배포할 때 가장 효과적임. 이러한 접근 방식은 교사의 준비 시간을 절약하면서도 교수 효과를 크게 높임. 또한, AI 통합 과정에서 교사의 주도성과 감독이 필수적이며, AI는 교사의 역할을 대체하는 것이 아닌 전략적 조력자로서 기능함이 명확함.

(2) 교육 현장 또는 AI 설계에 주는 시사점은 ‘큐레이터로서의 교사’ 역할의 중요성이 증대된다는 것임. AI가 생성한 콘텐츠는 완벽하지 않음. 이 연구는 교사가 AI 생성 자료를 비판적으로 평가하고, 선별하며, 학습 맥락에 맞게 수정하는 ‘큐레이션 역량’이 필수적임을 보여줌. AI는 빠르고 효율적으로 자료를 만들지만, 그 품질과 교육적 적합성은 교사의 전문적인 판단에 달려 있음. AI 시대의 교사 전문성은 더 이상 콘텐츠 생성 능력이 아니라, AI가 생성한 콘텐츠를 현명하게 활용하는 지혜에 있음. 교육 현장은 교사들이 이러한 큐레이션 역량을 개발할 수 있도록 실질적인 전문성 개발 기회를 제공해야 함.

(3) 또 다른 시사점은 특정 교과 특성을 고려한 맞춤형 AI 통합 전략이 필요하다는 점임. 과학 교육과 인문학 교육 사례는 AI의 적용 방식에 있어 분명한 차이를 보임. 과학 교육에서는 AI가 진단 및 오개념 교정에 효과적이었고, 인문학 교육에서는 대화형 탐구와 맥락화된 학습에 강점을 보임. 이는 AI 통합이 ‘만능 해결책’이 될 수 없음을 단언하며, 각 교과의 고유한 교수학적 난관과 기회를 면밀히 분석하여 AI 활용 방안을 설계해야 함을 시사함. 일률적인 AI 도입은 비효율적이며, 교과별 맞춤형 접근이 성공적인 AI 교육 혁신의 핵심임. AI 도구 개발자 또한 특정 교과의 특징을 고려한 맞춤형 기능을 제공해야 함.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문은 AI가 교육 현장에 줄 수 있는 ‘단기적이고 실질적인 변화’에 집중한다는 점에서 주목할 만함. 많은 AI 교육 논의가 거시적인 교육 시스템의 변혁이나 원대한 비전을 제시하는 데 그치지만, 이 연구는 교사의 ‘수업 준비 부담 완화’라는 지극히 현실적인 문제와 ‘특정 교육 난관 해결’이라는 구체적인 목표에 AI를 표적적으로 적용하여 가시적인 효과를 보여줌. 특히, “AI 통합이 전면적일 필요는 없다”는 단언은 현장 교사들에게 AI 도입의 장벽을 낮추는 핵심적인 메시지임. AI를 도입하는 데 엄청난 리소스나 전면적인 수업 개편이 필요하다고 느끼는 현장에서, 이 연구는 ‘작지만 강력한’ AI 활용 전략이 충분히 의미 있는 교육적 변혁을 가져올 수 있음을 증명함. 이는 교사들에게 AI를 두려워하거나 외면하기보다, 당장 내 수업에 적용할 수 있는 작은 지점부터 탐색해 보라는 용기를 줌.

(2) 이 연구는 AI의 ‘지능형 변혁’이 단순히 도구적 효율성을 넘어 ‘교실 문화의 변화’를 촉진할 가능성을 내포함. 학생들의 사전 지식을 빠르고 정확하게 파악하고, 그에 맞는 맞춤형 자료를 즉각적으로 제공하는 AI의 능력은 교사가 수업 중 학생 개개인에게 더 깊이 집중할 시간을 확보하게 함. 이는 교사가 지식 전달자 역할에서 벗어나, 학생들의 학습을 조율하고 촉진하는 ‘학습 설계자 및 퍼실리테이터’로서의 역할에 더 집중할 수 있음을 의미함. 나아가 학생들이 AI 챗봇과 대화하며 스스로 질문을 만들고 답을 탐구하는 과정은 ‘자기 주도적 학습 문화’를 강화함. 교실은 더 이상 교사 중심의 일방향적 지식 전달 공간이 아니라, AI의 지원 아래 학생과 교사가 함께 지식을 탐구하고 구성하는 역동적인 협력 공간으로 진화할 기회를 얻음. 이러한 문화적 변화는 교육의 본질적 가치를 재정립하는 중요한 기점이 됨.

(3) 이 연구에서 제시된 ‘표적화된 AI 배포’ 전략을 확장하여, 교과 간 융합 수업에서의 AI 활용 모델을 탐구할 필요가 있음. 예를 들어, 과학과 인문학 수업에서 각각 효과적이었던 AI 기능(과학: 진단, 오개념 교정; 인문학: 대화형 탐구, 맥락화)을 ‘프로젝트 기반 학습’ 환경에 통합하는 구체적인 설계를 제안함. 학생들은 AI 챗봇으로 역사적 인물이나 과학적 개념을 탐구하며 초기 아이디어를 얻고, AI 생성 도구로 보고서 초안 작성이나 데이터 시각화 자료를 만듦. 이후 교사는 AI가 생성한 자료의 비판적 검토, 윤리적 질문 생성, 복잡한 문제 해결을 위한 심층 토론을 주도함. 이러한 방식은 AI의 효율성과 교사의 전문성을 결합하여, 학생들이 정보 검색을 넘어 ‘비판적 사고, 문제 해결, 협력’과 같은 21세기 핵심 역량을 기르는 데 집중하도록 함. 궁극적으로는 AI가 학생들의 창의적 산출물을 지원하고, 교사가 그 산출물의 질적 성장을 돕는 ‘인간-AI 공동 창작 프레임워크’를 구축하는 방향으로 발전시켜야 함.

6. 추가 탐구 질문

(1) AI가 생성하는 상호작용형 콘텐츠가 학생들의 ‘메타인지 발달’에 어떤 영향을 미치는가? 단순한 참여와 흥미 유발을 넘어, 학생들이 자신의 학습 과정을 성찰하고 조절하는 능력 향상에 실질적으로 기여하는가?

(2) 현재는 교사가 AI 생성 콘텐츠를 ‘큐레이션’하는 역할을 하지만, 장기적으로 AI가 교사의 큐레이션 역량을 학습하여 ‘자가 큐레이션’하는 단계로 발전할 때, 교사의 전문성과 역할은 어떻게 재정의되어야 하는가?

(3) AI 기반 개인화 학습이 학생들에게 최적화된 경로를 제공함으로써 학습 효율을 높일 수 있지만, 이러한 ‘효율성 중심’의 접근이 학생들의 예상치 못한 발견이나 우연한 학습 경험을 제한할 윤리적 위험은 없는가?

출처

• Tang, W. C. (2026). AI-Powered Intelligent Transformation of Teaching: A Case Study. Australian Journal of Business and Social Science, 1(4).