AI 시대의 학습자 역량 강화, 초·중등 AI 리터러시 프레임워크 전문 번역

OECD와 유럽연합이 2026년 7월 공동 발표한 초·중등 AI 리터러시 프레임워크(AILit Framework)를 한국어로 옮겼다. 요약이나 발췌가 아니라 원문의 순서와 구조를 그대로 따라간 전문 번역이다. 4개 영역 19개 역량, 각 역량의 기본·중급·심화 학습자 기대수준과 교실 장면, 지식·기술·태도 진술문, 용어집과 부속서까지 포함한다.

번역과 이용에 관한 안내

이 글은 아래 원저작물의 비공식 한국어 번역본이다. OECD와 유럽연합이 발행한 공식 번역본이 아니며, 두 기관이 이 번역을 검토하거나 승인하지 않았다.

• 원저작물: OECD / European Union (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
• 원문 사이트: https://ailiteracyframework.org/
• 원문 PDF: https://ailiteracyframework.org/pdfs/framework_pdf/AILF_en.pdf
• 라이선스: 크리에이티브 커먼즈 저작자표시 4.0 국제(CC BY 4.0) · © OECD / European Union, 2026

원저작물은 CC BY 4.0으로 공개되어 있어 출처를 밝히면 번역과 재배포가 허용된다. 라이선스가 번역본에 요구하는 고지에 따라 밝힌다. 원문과 번역문 사이에 불일치가 있을 경우 오직 원문만이 유효한 것으로 간주한다.

원문에 가한 변경은 다음과 같다. 본문을 한국어로 번역했고, 웹 문서 형식에 맞추어 문단과 표의 배치를 조정했으며, 인쇄본의 쪽 번호·머리글·꼬리글을 제거했다. 라이선스가 사용을 제한하는 OECD와 유럽집행위원회의 로고, 시각 정체성, 표지 이미지는 싣지 않았다. 본문 삽화는 원문에 실린 것을 그대로 사용했다. 라이선스는 원문에 포함된 제3자 자료에는 적용되지 않는다.

참고문헌 목록(원문 44~50쪽)은 서지정보의 정확성을 위해 번역하지 않았고, 원문 PDF를 참고하기 바란다.

읽기 안내

• 원문 64쪽 전문을 순서 그대로 옮긴 긴 글이다. 오른쪽 차례로 필요한 대목만 바로 갈 수 있다.
• 실무에 바로 쓸 부분은 04장의 네 영역이다. 영역마다 역량이 있고, 역량마다 기본 중급 심화 세 단계의 기대수준과 교실 장면이 붙는다.
• 세 단계는 학년이나 연령에 대응하지 않는다. 학습자가 서 있는 지점에서 시작하라는 뜻이다.
• 각 역량 아래 회색 태그는 그 역량이 어떤 지식·기술·태도에 뿌리내리는지 가리킨다.

환영합니다

AI 시대의 학습자 역량 강화, 초·중등 AI 리터러시 프레임워크(AILit 프레임워크)는 유럽집행위원회와 경제협력개발기구(OECD)의 공동 사업이다. CodeAI와 세계 각국의 전문가들이 개발을 지원한다. AILit 프레임워크는 PISA 2029 미디어·인공지능 리터러시(MAIL) 평가에 기여한다.

AILit 프레임워크는 전 세계 교육 체제의 AI 리터러시를 강화하려는 더 넓은 국제적 노력의 일부로 구상되었다. 이 프레임워크의 원칙과 설계 선택은 OECD가 개발한 정책 프레임워크(AI 원칙, AI에 관한 글로벌 파트너십)를 비롯해 유네스코(SDG 4-교육 2030, AI 역량 프레임워크), 유니세프(아동을 위한 AI 정책 지침), 세계은행(인적자본 프로젝트) 등 국제기구가 마련한 정책 프레임워크와 정렬되어 있다. 이러한 국제적 정렬은 인간 중심적이고 윤리적이며 포용적인 AI 접근에 대한 공동의 국제적 약속을 촉진하고, 전 세계의 다양한 교육 체제와 거버넌스 전통, 디지털 준비도 수준에 맞춘 조정을 돕는다.

이 프레임워크는 또한 2021-2030 유럽 교육 지역 전략 프레임워크 아래 디지털 교육 실행 계획 2021-2027(European Commission, 2020)의 맥락에서 디지털 전환을 위한 양질의 포용적 교육과 역량 제공을 촉진하려는 유럽집행위원회의 폭넓은 노력과도 맞닿아 있다.

특히 이 프레임워크는 디지털 교육과 역량에 관한 이사회 권고(2023a)에 부응한다. 또한 교육자를 위한 교수·학습에서의 인공지능(AI)과 데이터 활용에 관한 2026년 개정 윤리 지침(European Commission, 2026b), DigComp 3.0: 유럽 디지털 역량 프레임워크(Cosgrove & Cachia, 2025), 그리고 곧 발표될 DigCompEdu 개정판(Redecker, 2017)을 보완한다. 나아가 AI 시스템 도입에 인간 중심적이고 위험 기반의 접근을 촉진하는 EU AI법(2024)은 AI 리터러시 개발을 요구하고 있다.

이 발간물은 2025년 5월 공개된 AI 리터러시 프레임워크 초안을 바탕으로 하며, 이후 전 세계 교육 이해관계자의 필요에 더 가깝게 맞추기 위한 국제 검토 과정을 거쳐 개정되었다. 역량 연합(Union of Skills)의 산출물로 곧 발표될 디지털 교육과 역량의 미래에 관한 2030 로드맵은 유럽 교육 체제 전반에 AI 리터러시를 주류화하기 위한 전략 프레임워크를 제시할 것이다.

이 프레임워크는 구속력이 없으며, 교사와 학교 관리자, 교육 당국이 안전하고 포용적이며 윤리적이고 신뢰할 수 있는 디지털 교육 환경을 조성하도록 돕기 위한 것이다. EU 인공지능법(규정 (EU) 2024/1689)의 집행에 관한 지침을 제공하려는 것은 아니다.

감사의 글

국제 전문가 팀이 이 발간물의 개발에 참여했다. 이들의 통찰은 프레임워크가 학습 설계와 기술이 만나는 지점의 연구 및 실천과 정렬되도록 보장한다.

AI 시대의 학습자 역량 강화, 초·중등 AI 리터러시 프레임워크는 유럽집행위원회와 경제협력개발기구(OECD)의 공동 사업이다. 개발은 국제 전문가들의 지원을 받았다. 프로젝트 관리와 연구, 집필, 피드백 과정은 CodeAI(Veronica Ellis, Katie Finnegan, Marty Creel, Aleksandar Lazovski, Anchal Sayal, Pat Yongpradit, Anthony Owen)가 지원했다. 유럽집행위원회는 프레임워크에 공동 자금을 지원하고 EU 차원의 기존 성과에 기반한 전문성을 제공했다.

개발팀

• Cathy Adams, 앨버타대학교, 캐나다
• Romina Cachia, 유럽집행위원회 공동연구센터, 스페인
• Kari Kivinen, 유럽지식재산관측소, 스페인
• Lidija Kralj, AI·데이터 교육 독립 전문가, 크로아티아
• Pati Ruiz, Digital Promise, 미국
• Joseph South, 국제교육기술협회 및 장학·교육과정개발협회(ISTE+ASCD), 미국

전문가 그룹

• Victor R. Lee, 스탠퍼드대학교, 미국
• Tara Nattrass, 레노버, 미국 (2025년 3월까지 참여)
• Thierry Viéville, 국립정보통신자동제어연구소(INRIA), 프랑스
• Florian Rampelt, Stifterverband / KI-Campus, 독일
• Victor Koleszar, Ceibal, 우루과이
• Emiliano Pereiro, Ceibal, 우루과이 (2025년 가을 참여)

TeachAI 커뮤니티는 이 프레임워크 개발에 유용한 통찰을 제공했다. Abiyasa Adiguna가 이 발간물의 삽화를 제작했다. Mariah Young이 교열을 맡았다. 번역 서비스는 Translated가 제공했다.

01 들어가며

AI 리터러시란 무엇이며 왜 중요한가

인공지능(AI)은 디지털 세계의 짜임 속으로 점점 더 깊이 엮여 들어가면서, 사람들이 정보를 경험하고 서로 상호작용하는 방식을 형성하고 있다. 어떤 경우 사용자는 자신이 일상적으로 쓰는 도구와 플랫폼에서 AI 시스템과 상호작용하고 있음을 인지한다. 또 어떤 때에는 AI 시스템이 눈에 보이지 않게 작동하면서 현실의 결과에 영향을 미친다. AI의 존재감이 커지는 현상은 중립적이지도, 일시적이지도 않다.

교육 체제는 젊은이들이 시민적·직업적·사회적 삶에 참여하도록 준비시키기 위해 존재한다. 이러한 영역에서 AI의 확산이 커질수록, 젊은이들이 일상 속 AI의 존재를 헤쳐 나가고 그것을 윤리적이고 창의적으로 사용할 역량을 기르도록 돕는 일의 중요성도 함께 커진다.

지식과 기술, 태도의 묶음으로서 AI 리터러시는 학습자가 AI 시스템의 작동 방식을 이해하고, 그 산출물을 비판적으로 평가하며, 윤리적이고 창의적으로 사용하도록 해 준다. 또한 AI가 자신과 타인에게 제시하는 기회와 위험에 관해 정보에 근거한 의사결정을 하도록 돕는다. AI의 잠재력을 온전히 실현하려면 AI 리터러시 실행을 가로막는 주요 장벽을 해소해야 한다. 그 장벽은 다음과 같다.

• AI 리터러시가 무엇이며 어떻게 가르쳐야 하는지에 대한 공유된 이해의 부재
• 교육 체제 전반에서 AI 리터러시를 기르기 위한 전략적 이니셔티브의 일관성 없는 실행
• AI 자체에 대한 불안이나 오해를 다루는 일을 포함해, 일상 속 AI의 역할을 명료하게 밝히는 일
• 학습을 향상하고 지원하기 위해 AI를 활용하는 적절한 교수법에 대한 이해 부족

AI 리터러시는 AI 도구 사용과 다르다. AI 리터러시는 AI가 어떻게 작동하는지 이해하고 일상에서 AI의 역할을 비판적으로 평가하는 데에서 나온다. 이러한 이해는 AI 도구를 더 창의적이고 효과적이며 포용적이고 윤리적으로 사용하도록 이끌 수 있다. 그러나 단지 AI 도구와 상호작용하는 것만으로는 이 프레임워크가 상세히 밝히는 지식이나 기술, 역량이 길러지지 않으며, 그러한 상호작용이 그것들을 전제하지도 않는다.

이 발간물은 AI 리터러시에 관한 공통 언어를 세우는 출발점으로서, AI 리터러시가 교실 안팎에서 학습자의 성공을 어떻게 뒷받침할 수 있는지 보여 준다. 이 프레임워크는 초·중등 학습자에게 바라는 성과를 명확히 하고, 여러 이해관계자가 그러한 성과를 이끌어 내는 데 어떻게 기여할 수 있는지 밝힌다. 프레임워크 내용을 각자의 맥락에 맞게 조정하는 일은 기대되는 바이자 권장되는 바이며, 이는 실행 전략이 각 맥락에 적절하고 유의미하도록 보장하기 위한 것이다.

AI 리터러시의 정의

AI 리터러시는 AI의 영향을 받는 세계에서 잘 살아가는 데 필요한 기술적 지식과 오래가는 기술, 미래를 준비하는 태도를 뜻한다. AI 리터러시는 학습자가 AI와 관계 맺고, AI로 창조하고, AI를 관리하고, AI를 빚어 가면서 동시에 그 이점과 위험, 윤리적 함의를 비판적으로 평가하도록 해 준다.

이 정의는 EU AI법(2024), OECD(2024), 유네스코(Miao & Cukurova, 2024; Miao et al., 2024) 등이 제시한 기존 정의에 기반한다.

AI란 무엇인가

EU AI법(규정 EU 2024/1689)은 AI를 다음과 같이 정의한다.

다양한 수준의 자율성을 가지고 작동하도록 설계되었고, 배치 이후 적응성을 보일 수 있으며, 명시적이거나 암묵적인 목적을 위해 입력받은 정보로부터 물리적·가상적 환경에 영향을 미칠 수 있는 예측, 콘텐츠, 권고, 결정과 같은 산출물을 어떻게 생성할지 추론하는 기계 기반 시스템.

이 발간물에서 ‘AI’라는 용어는 광범위한 AI 시스템을 가리킨다. 필요한 경우 ‘생성형 AI’나 ‘기계학습’ 같은 구체적 용어를 사용한다.

AI의 유형

개발되고 배치되는 방식에 따라 서로 다르게 작동하는 여러 종류의 AI가 있다. 이 발간물은 ‘AI 시스템’을 포괄적 용어로 사용하지만, AI를 사용하는 사람이라면 누구나 개별 시스템의 구체적인 능력과 한계, 영향을 그 맥락 속에서 살펴보는 일이 중요하다.

서로 다른 유형의 AI가 무엇이고 흔히 어디에 쓰이는지, 앞으로 어떻게 변화할 수 있는지 이해하면, 교육자는 교실에서의 책임 있는 활용에 관해 정보에 근거한 결정을 내릴 수 있다.

생성형 AI(GenAI)는 학습 데이터에 담긴 기존 자료를 바탕으로 새로운 콘텐츠를 만들어 내며, 챗봇과 코딩 보조 도구, 이미지 생성기 같은 도구를 구동한다. 이러한 시스템은 독창적으로 보이는 설득력 있는 산출물을 만들어 낼 수 있지만, 그것은 사용자의 입력과 기존 학습 데이터에 기반한 것이며, 따라서 진정성과 저작권, 소유권에 관한 물음을 낳는다(Graves et al., 2026; Microsoft, n.d.).

예측형 AI는 기존 데이터에서 패턴을 탐지하고 다음에 무슨 일이 일어날 가능성이 높은지 예측하도록 학습된다. 이러한 예측 시스템은 추천 엔진과 스팸 필터, 개인 맞춤 학습 애플리케이션 같은 도구에 내장되어 있다(Microsoft, n.d.). 이 시스템들이 학습자에게 영향을 미치는 결정을 좌우하는 경우가 많으므로, 교육자는 그 예측을 신중하게 해석하고 공정성을 의심하며 그것이 학습자를 진정으로 돕는지 확인해야 한다(Gándara and Anahideh, 2025).

청소년은 AI를 실험하고 있으며 안내가 필요하다

많은 젊은이에게 AI 도구는 이제 익숙한 것이며 더 이상 미래의 것이 아니다. 유럽연합과 미국의 최근 연구는 청소년의 AI 사용이 광범위할 뿐 아니라 일상에 깊이 엮여 있음을 보여 준다. 2025년 유럽 청소년 조사에 따르면 어린 청소년(13~15세)의 88%, 나이 많은 청소년(16~18세)의 96%가 학습과 창작 과제를 위해 적어도 주 몇 회 AI 도구를 사용하며, 학교 과제와 조사, 번역, 검색 기능을 위해 여러 플랫폼을 찾는다(Google & Livity, 2025). 나아가 유럽연합의 AI 사용에 관한 유로스탯 보고서는 16~24세 젊은이가 일반 인구보다 생성형 AI를 거의 두 배 많이 사용한다는 사실을 확인했다(Eurostat, 2026).

이처럼 전면적인 사용은 학업적·사회적 경험을 향상할 기회를 열지만 실질적인 위험도 함께 따라온다. 젊은이들은 허위정보와 잘못된 정보, 부적절한 콘텐츠, 내재된 편향과 성별 고정관념, 프라이버시 우려, 그리고 확장되는 디지털 발자국의 함의를 헤쳐 나가야 한다. 커먼센스 미디어의 조사 결과에 따르면 청소년은 AI 동반자를 다정한 대화 상대이자 사람과의 사회적 상호작용을 대체하는 존재로 여긴다(Robb & Mann, 2025). AI 도구 사용과 비판적 사고력 저하 사이의 관계에 관한 연구 결과(Gerlich, 2025)와 더불어, 이러한 흐름은 AI가 학습과 주체성, 인지 발달에 미치는 영향에 관한 물음을 제기한다. 적절한 안내가 없으면 학습자는 성찰과 끈기, 독립적 추론을 약화하는 방식으로 AI에 의존하게 될 수 있다.

이러한 기술이 없던 시절을 기억하지 못하는 학습자에게 AI 리터러시는 필수적이다. AI 시스템의 작동 방식을 이해함으로써 학습자는 AI의 한계를 알아차리고, 산출물에 의문을 제기하며, 맥락 속에서 기회와 위험을 평가할 수 있다. AI 리터러시는 학습자가 호기심과 공감, 윤리적 추론, 창의성, 비판적 사고라는 뚜렷하게 인간적인 역량을 기르도록 힘을 실어 주는 동시에, AI가 자신의 학습과 공동체, 환경을 어떻게 형성할지에 대한 주체성을 유지하도록 해 준다. 2025년 플래시 유로바로미터 조사 응답자의 63%가 2030년까지 모든 사람이 AI 리터러시를 갖추어야 할 것이라는 데 동의하면서, 이 필요는 점점 더 절박해지고 있다(European Commission, 2025b). 교육 체제는 그러한 필요에 사려 깊고 선제적으로 대응해야 할 중대한 책임을 지고 있다.

AI를 사람과 혼동하는 것은 문제다

AI가 인간의 상호작용과 닮은 산출물을 만들어 낼 수는 있지만, AI 자체는 인간이 아니다. AI 시스템은 데이터를 사용해 어떤 목적이나 보상을 충족할 통계적 확률이 높은 산출물을 만들어 낸다. 이 시스템들은 자각이나 이해, 의도 없이 그렇게 하며, 진정한 관계를 맺을 능력이 없다(Russell & Norvig, 2022; Touretzky & Gardner-McCune, 2022).

커먼센스 미디어의 연구에 따르면 조사 대상 미국 청소년의 72%가 사용자와 의미 있는 대화를 나누도록 설계된 도구인 AI ‘동반자’를 사용한 적이 있었다(Robb & Mann, 2025). 어떤 경우에는 사람 대신 AI 도구와 진지한 대화를 나누기로 선택했고, 또 어떤 경우에는 AI 도구에 개인정보를 공유했다(Robb & Mann, 2025). AI 동반자는 부적절한 자료를 생성하거나 현실에서 해로운 결과로 이어지는 ‘조언’을 제공할 수 있다. 이러한 상호작용은 젊은이에게 위험한 사회적·정서적 결과를 초래할 수 있으며, 특히 뇌가 아직 발달 중인 시기에는 더욱 그렇다(Robb & Mann, 2025; Varsik & Vosberg, 2024). 교육적 관점에서 볼 때, AI ‘동반자’ 사용 증가로 인간적 상호작용이 줄어들 가능성은 사회적 기술과 정신 건강에 영향을 미칠 수 있다는 점에서 우려의 이유가 된다. 따라서 과잉 의존을 막고 정서적 개입을 다루며 웰빙을 뒷받침하기 위해, 비판적 사고를 포함한 건강한 실천을 가르치는 일이 중요하다.

젊은이들은 AI가 생성한 권고의 정확성과 효과에 관해 오해를 품을 수 있고, 문제가 되는 콘텐츠나 사용을 문제로 인식하지 못할 수도 있다. 부모와 교육자는 건강하지 않은 AI 사용의 경고 신호를 알아차리고, AI가 모든 것을 알고 있으며 모든 상황에 적절한 안내를 제공하고 진정한 관계를 맺을 수 있다는 오해를 바로잡음으로써 젊은이를 도울 수 있다. 비판적 판단을 강조하는 AI 리터러시는 젊은이가 AI가 할 수 있는 일과 할 수 없는 일을 이해하고, 그 산출물을 사려 깊게 평가하며, 자신의 웰빙과 발달을 뒷받침하는 선택을 하도록 힘을 실어 준다.

02 AILit 프레임워크의 토대

AILit 프레임워크에 관하여

AILit 프레임워크는 교과와 발달 단계를 가로질러 학습자를 지원한다. 실천가는 자신의 교과 전문성과 AI에 대한 이해, 학습자의 필요에 따라 프레임워크 내용을 조정할 수 있다. 이 프레임워크는 네 개 영역으로 묶인 역량을 제시한다. 각 영역은 있을 법한 학습 경로를 반영해 순차적으로 배열되어 있다.

AI와 관계 맺기

AI가 스며든 세계에서 비판적이고 책임 있는 참여자가 된다

AI로 창조하기

인간의 주체성을 지키면서 AI를 창작 동반자로 사용한다

AI 관리하기

사람과 AI 사이에 일을 의도적으로 나눈다

AI 빚어 가기

인간의 가치를 반영하도록 AI 시스템을 개선한다

기초 영역인 AI와 관계 맺기는 학습자가 일상 속 AI의 역할을 비판적으로 사고할 토대를 마련한다. 이 영역이 제시하는 기초 역량을 익히고 나면 학습자는 AI로 창조하기와 AI 관리하기로 나아갈 수 있다. 이 두 영역은 병행하며, 새로운 아이디어를 탐색하고 과제를 위임하기 위해 AI를 직접 다루는 경험을 강조한다. 이 영역들은 AI 빚어 가기에서 정점에 이르는데, 이 영역은 AI 시스템의 작동 방식에 대한 이해와 그 시스템이 사회적 이익을 위해 어떻게 개선될 수 있는지에 대한 성찰을 통합하도록 젊은이에게 힘을 실어 준다.

이 영역은 기술적 학습 경험에서 나오는 역량을 소개한다. 일부 학습자와 환경에는 이 영역이 새롭거나 낯설게 느껴질 수 있지만, AI 빚어 가기는 젊은이가 기존 AI 시스템을 단순히 사용하는 단계에서 나아가 그 시스템이 어떻게 작동할지 빚어 가는 자리에 서도록 준비시킨다. 이 영역이 정점에 놓인다는 사실은, 그것이 AI 리터러시의 필수 구성 요소이면서도 발달에 추가적인 비계와 시간을 필요로 할 수 있음을 반영한다.

프레임워크의 네 영역은 함께 서로를 딛고 쌓이면서, 젊은이가 자신과 타인을 위해 AI에 관한 정보에 근거한 판단을 내릴 주체성을 갖추도록 한다.

그림 1. AILit 프레임워크의 네 영역. 원문 도판의 영문 라벨 대신 아래 범례로 옮겼다.

AI 빚어 가기AI 관리하기AI와 관계 맺기AI로 창조하기

지식, 기술, 태도

지식 항목은 AI 시스템을 이해하고 그와 관련된 사회적·윤리적 함의를 살피는 데 필수적인 사실과 개념을 밝힌다.

기술 항목은 협업과 비판적 사고 같은 인간의 기술을 어떻게 길러 AI와 책임 있고 창의적으로 상호작용할 수 있는지 상세히 밝힌다.

태도 항목은 익숙한 상황과 낯선 상황 모두에서 AI 시스템을 사용할 때 학습자가 지녀야 할 마음가짐과 성향을 서술한다.

역량, 학습자 기대수준, 수업 장면

프레임워크의 역량은 AI의 영향을 받는 맥락에서 학습자가 잘 살아가도록 뒷받침하는 핵심적인 이해와 행동을 구체적으로 서술한다. 역량은 프레임워크의 지식·기술·태도에 기반하며 여러 환경과 학문 분야에 걸쳐 있다. 역량은 학습자의 AI 이해를 실제 사용과 통합하며, 그 과정은 학습자 자신의 성향에 의해 인도된다.

과제에 적합한 AI 접근 방식을 고르되, 서로 다른 AI 시스템이 어떻게 작동하고 무엇에 가장 적합한지 비교해 선택한다.

학습자 기대수준과 학습 시나리오가 각 역량 진술문에 따라붙어, 교사와 교육자가 이 프레임워크를 어떻게 실천에 옮길 수 있는지 보여 준다. 학습자 기대수준은 각 역량을 발달 단계별 진전으로 나누어, 학습자의 이해와 능력이 시간에 따라 어떻게 자라날 수 있는지 드러낸다. 이 수준들은 특정 학년이나 연령에 묶여 있지 않은데, 학습자마다 AI에 관한 배경지식과 접촉 경험이 다른 상태에서 출발하기 때문이다. 대신 이 수준들은 비계를 제공해, 교사와 교육자가 학습자가 서 있는 지점에서 만나 그들의 자신감을 적절히 키우는 수업을 설계하도록 돕는다.

교실에서 항목의 학습 시나리오는 초등과 중등 환경에 알맞고 교과를 가로질러 통합할 수 있는 사례를 제공한다. AI 리터러시는 폭넓은 개념과 실천을 아우르므로, 그 폭을 고려하면 한 명의 교육자가 모든 측면을 깊이 있게 다루는 일이 언제나 현실적이지는 않다. 교사와 교육자는 자신의 교수 전문성을 발휘해, 자기 학습자와 환경에 적절한 방식으로 AI 리터러시를 도입할 방법을 정하도록 권장된다.

학습자 기대수준과 교실 장면은 프레임워크를 실제 수업으로 옮기는 다리 역할을 한다.

AI 리터러시는 폭넓고 조율된 노력을 요구한다

의미 있고 지속적인 변화를 이루려면 AI 리터러시는 교육 생태계 전반의 조율되고 협력적인 작업에 뿌리내려야 한다. 교사와 교육자가 AI 리터러시를 학습에 통합하는 최전선에 서 있지만, 이 책임을 그들이 홀로 짊어질 수는 없다. 교육 체제 안의 효과적인 협력 관계가 초·중등 학습자를 변화하는 세계의 신기술에 대비시킨다. 학교와 사회, 노동 현장 전반에서 AI의 확산이 커질수록 학습자의 AI 리터러시 발달을 뒷받침하는 일에는 그러한 공동의 주인의식이 필요하다. 이 프레임워크가 상정하는 독자로서 각 집단은 서로 구별되면서도 연결된 역할을 맡는다.

교사와 교육자는 학습자가 AI 기술과 정보에 근거해 비판적이고 창의적으로 관계 맺도록 돕는다. AI 리터러시는 한 명의 교육자나 하나의 교과에 기대어 서지 않는다. 학년과 교과를 가로지르는 교사와 교육자는 초기 직업교육훈련(VET) 맥락의 훈련 담당자를 포함해 서로 협력하여 AI 리터러시의 특정 측면이 어디에 가장 잘 들어맞는지 정할 수 있다. AILit 프레임워크는 학습자 기대수준의 형태로 진입점을 제시하며, 교육자는 자신의 전문성을 발휘해 적절한 교수 접근을 결정해야 한다.

학교와 교육 체제의 리더는 AI 리터러시를 기르는 이니셔티브를 실행하고 AI 리터러시 프레임워크를 실천에 옮긴다. 이들은 학교 공동체와 학부모, 학습자, 교육자 사이에서 AI 리터러시 발달과 역량 강화를 뒷받침할 협력 관계를 구축한다. AILit 프레임워크는 교육 리더가 여러 학문 분야에 걸쳐 우선순위를 두어야 할 역량을 밝힌다.

교육 정책 입안자는 젊은이를 지원하고 변화하는 사회와 번영하는 노동 현장에 대비시키는 현대적이고 미래 지향적인 교육을 보장할 정책을 개발하고 시행한다. 이 작업은 AI 리터러시가 기초 역량이 된 교실 밖 세계로 학습자가 나아갈 때에도 지속적인 발달을 가능하게 한다. 이러한 정책은 거버넌스와 윤리, 책임 있는 사용을 지키면서 교육자와 학습자를 뒷받침할 여건을 마련한다.

학습 설계자와 연수 제공자는 목표를 학습자와 교사, 교육자를 위한 경험으로 옮긴다. 이들은 활동과 평가로 학년과 교과를 가로질러 지식·기술·태도·역량을 강화할 수 있다. 연수 제공자는 교사와 교육자가 AI 리터러시를 계속 이해해 가도록 돕는 기반으로 AILit 프레임워크를 활용할 수 있다.

학부모와 가족, 양육자는 AI와 디지털 기술이 아이의 웰빙과 관계, 의사결정을 어떻게 형성하는지 살핌으로써 젊은이의 AI 리터러시를 뒷받침한다. AILit 프레임워크는 학교 기반 학습에 초점을 두지만, 학부모와 가족은 가정에서 교실의 성과를 뒷받침할 수 있다. 가족은 이 프레임워크를 자신들에게 의미 있고 관련 있는 방식으로 AI에 관해 대화를 나누는 출발점으로 삼고, 학교에서는 나오지 않을 법한 주제를 꺼내는 계기로 쓸 수 있다. 이는 AI 리터러시 발달에 추가적인 지원을 보장하고, 학부모를 학습자를 적절히 인도할 수 있는 신뢰받는 어른의 자리에 세운다.

집단적 접근은 AI 리터러시가 여러 학습 환경에 걸쳐 길러지고 책임 있는 기술 사용에 관한 공유된 가치를 반영하도록 보장한다. 이는 AI 리터러시를 습득해야 할 지식의 모음이 아니라 현대의 삶을 헤쳐 나가는 필수적인 실천으로 자리 잡게 한다. 그럼으로써 알 수 없는 미래에 적응할 수 있고 변화하는 기술 지형에서 AI의 역할을 빚어 갈 수 있는 유능한 학습자를 길러 낸다.

교사와 교육자의 역할

그림 2. AI 리터러시는 공동의 책임이며, 교육자 각자가 고유한 전문성을 보탠다.

EU AI법은 교육자가 학생들이 AI의 이점과 위험을 헤쳐 나가도록 힘을 실어 줄 때 AI 리터러시가 핵심임을 일깨운다. AI 리터러시를 우선에 둠으로써 우리는 이 세대의 학생들에게 비판적 사고력과 정보에 근거한 의사결정 역량을 갖추게 하며, 그것은 AI의 잠재력을 끌어내고 빠르게 변화하는 세계에서 그들이 잘 살아가도록 도울 것이다.

— Romina Cachia, 유럽집행위원회 공동연구센터, 스페인

교사와 교육자는 어떤 교육 체제에서든 중심적인 역할을 한다. 이들의 중요한 작업은 교실 안팎에서 학습자가 성공할 토대를 놓는다. AI 도구가 교실에서 더 흔해질수록 교사와 교육자의 전문적 판단과 신뢰 관계, 교수 전문성은 실천에서 더욱 필수적인 것이 된다.

AI가 학습자의 삶과 학업 경험에 폭넓게 통합되면서 교사와 교육자에게 새로운 수업상의 책임이 생겨난다. 이들은 학습자의 학업 발달을 뒷받침하는 일뿐 아니라, 빠른 속도로 등장하는 복잡한 기술의 미묘한 결을 젊은이가 이해하도록 인도하는 일까지 기대받는다.

이 새로운 책임은 든든한 지원을 요구한다. 학습자가 AI에 관해 건전한 결정을 내리도록 인도하려면 교사와 교육자 자신이 먼저 그렇게 하는 데 편안함을 느껴야 한다. 이러한 필요를 반영하듯 유럽집행위원회(2025b)의 플래시 유로바로미터 조사에서 유럽 시민의 81%가 “모든 교사가 생성형 AI를 포함해 AI를 사용하고 이해할 역량을 갖추어야 한다는 데 동의”했다. 그러나 2024년 OECD 교수·학습 국제조사(TALIS)의 증거에 따르면 평균적으로 교사 세 명 중 한 명만이 AI를 사용하며, 교사 네 명 중 세 명은 AI를 활용해 가르칠 지식과 역량이 부족하다고 답했다(OECD, 2025b). 교사와 교육자는 이미 기초 학업 목표와 평가 압박, 학교별 목표를 비롯한 상충하는 요구를 감당하고 있다. 전문성 신장을 위한 적절한 시간과 자원을 투자하지 않은 채 의미 있는 AI 리터러시 통합을 기대하는 일은 기존의 부담을 악화시킬 위험이 있다.

교사의 전문적 자율성을 지키고 지속적 성장을 우선에 두는 일이 기술 혁신을 학습자의 발달에 복무하게 만든다.

학교와 교육 체제의 리더는 교사와 교육자가 AI 시스템을 평가할 역량과 AI 리터러시를 가르칠 자기효능감을 갖추도록 투자해야 한다. 이러한 변화는 일부 환경에서 이미 형태를 갖추었다. TALIS 결과에 따르면 2024년 OECD 교육 체제 전반에서 교사의 거의 40%가 AI에 관한 연수를 받았다(OECD, 2025b). 이 교육 체제의 절반에서는 AI에 관한 전문성 신장 기회에 참여한 교사일수록 해당 영역의 지속적 연수 필요를 높게 보고할 가능성이 낮아졌다. AI 사용률이 높다고 보고된 지역의 교사들은 AI 활용에 관한 전문성 신장 기회를 제공받았다고 함께 보고했다. 이러한 흐름은 학교 체제의 적응력과 의도적 지원의 효과를 보여 주는 동시에, 아직 해내야 할 일이 무엇인지도 분명히 드러낸다.

이 흐름을 이어 가기 위해 학교와 교육 체제의 리더는 교사와 교육자와 함께 지역의 필요에 부응하고 오래 지속될 수 있는 AI 중심 전문성 신장 과정을 설계할 수 있다. 이러한 전문성 신장 경험은 도구 사용에만 초점을 맞출 것이 아니라, 의미 있는 윤리적 성찰을 뒷받침하고 학생의 주체성을 북돋우는 적절한 교수법에 초점을 맞추어야 한다. 나아가 미래의 교사와 교육자가 충분히 준비되도록 AI 리터러시와 적절한 교수법을 양성 과정에 점차 더 많이 포함해야 한다. 이러한 접근은 신기술에 관한 최신 정보를 따라잡는 것 이상의 이점을 가져온다. 이 작업은 교사와 교육자의 자기효능감에 기여하며, 자기효능감은 직무 만족과 웰빙의 핵심 요인이다(OECD, 2025b). 자기효능감은 양질의 교수 실천 및 강한 학습 성과와 꾸준히 연관되어 왔으므로, 이는 젊은이가 의미 있고 발달에 적합하며 동기를 북돋우는 새로운 방식으로 AI에 관해 배우도록 보장한다(Holzberger et al., 2013; Klassen & Tze, 2014; Rampelt et al., 2025; Zee & Koomen, 2016). 교사와 교육자에 대한 지속적 투자는 교실이 기술 변화에 발맞추는 데 그치지 않고, 학습자가 그 변화를 헤쳐 나갈 역량을 선제적으로 빚어 가도록 만든다.

AI는 흔히 교사와 교육자의 효율을 높이기 위해 교실에 도입되지만, 교육의 목적은 시간을 아끼는 일보다 크다. 교사와 교육자는 공감을 기르고, 지적 호기심과 회복력을 북돋우며, 윤리적 추론의 본을 보이고, 포용적인 학습 환경을 만들며, 배경과 무관하게 학습자에게 표적화된 개별 지원을 제공한다. 교사와 교육자의 전문적 자율성을 지키고 그들의 지속적 성장을 우선에 두는 일이, 기술 혁신이 학습자의 발달을 훼손하지 않고 그것에 복무하도록 보장할 것이다.

교육에서 AI의 기회와 위험

AI 도구는 교육에서 새로운 것이 아니다. 예측형 AI 시스템은 학습자의 지식을 평가하고 표적화된 피드백을 제공하기 위해 지능형 개인교수 시스템(ITS)에 사용되어 왔다(Burns et al., 2026). 그러나 생성형 AI의 빠른 발전과 광범위한 채택은 교실 내 AI의 존재 방식에 중대한 전환을 가져왔다. 이전 시스템과 달리 이 도구들은 학습자가 직접 접근할 수 있는 경우가 많고 일상적 학습 실천에 점점 더 깊이 내장되고 있다. 이 폭발적 성장은 새롭고 개인 맞춤화된 학습 경험을 만들어 낼 AI의 잠재력에 대한 관심과 그 활용 가능성에 대한 호기심을 함께 키웠다. AI는 특수교육 요구나 장애가 있는 학습자에게 차별화된 개별 지원을 제공할 수 있다는 점에서 포용에 관해서도 각별한 가능성을 지닌다. 그러나 생성형 AI가 학습에 효과적이라는 증거는 아직 엇갈린다.

명확한 교육적 목적을 가지고 사용될 때 AI는 학습자의 비판적 사고와 창의성, 협업, 주제에 대한 깊은 개념적 이해를 뒷받침할 수 있다(Bushnell & Harrison, 2025; Guo & Wang, 2024; Meniado et al., 2024). AI를 사용하는 학습자는 실제로 더 질 높은 결과물을 완성하거나 AI를 사용하지 않는 학습자보다 더 빨리 개념 숙달을 보일 수 있다. 그러나 이러한 성과가 오래가는 학습 향상으로 이어지지는 않는다(OECD, 2026a). 인지적 노력을 AI에 떠넘기는 일은 ‘메타인지적 게으름’을 키워 학습자의 비판적 사고와 자기조절을 약화할 수 있다(Fan et al., 2025). AI 도구에 대한 과잉 의존은 AI 사용이 제한되는 평가에서 젊은이가 준비되지 않은 상태에 놓이게 할 수도 있다(Villar Onrubia et al., 2025). 이러한 우려를 넘어 교실에서 AI 통합이 늘어나면서 추가적인 과제도 제기된다. 알고리즘 편향과 부정확하거나 조작된 정보의 위험, 학문적 진실성과 윤리적 사용에 관한 물음이 그것이다.

AI가 언제 학습을 향상하고 언제 훼손하는지 밝히려면 더 많은 연구가 필요하다. 빠른 기술 발전 속도가 이를 복잡하게 만드는데, 연구 결과가 확산되는 사이 그 내용이 금세 낡은 것이 될 수 있기 때문이다(Smith et al., 2025). 이러한 맥락에서 AI 리터러시를 강화하는 일은 필수적이다. 학습자는 수동적 의존이 아니라 능동적 학습을 촉진하는 방식으로 AI와 관계 맺도록 지원받아야 한다. 마찬가지로 교사에게는 AI 사용에 목적에 맞는 비계를 놓고 그것을 교육적으로 건전한 실천에 통합할 수 있도록 전문성 신장과 기관 차원의 지원이 필요하다. 궁극적으로 교육은 AI 사용 여부와 무관하게 가치 있는 인간의 지식과 역량을 기르는 일을 우선에 두어야 한다(OECD, 2026a). AI는 당면한 내용에 능동적으로 관여하도록 촉진하고, 교육자가 목적에 맞게 비계를 놓으며, 학습자와 교사·교육자 사이의 상호작용을 강화할 때 학습을 향상한다.

03 개발 과정

초안 프레임워크의 개정

2025년 5월 초안 프레임워크가 공개된 뒤, 내용과 구조의 개정 방향을 정하기 위한 포괄적인 국제 협의 과정이 진행되었다. 여기 제시된 프레임워크는 온라인 설문과 온·오프라인 포커스 그룹 협의, 유럽연합 회원국 교육부의 서면 검토를 포함한 광범위한 이해관계자 참여의 결과물이다.¹ 이 협의로 모인 통찰은 교사와 교육자의 우선순위를 반영하고 디지털 교육의 현실적 기회와 과제에 부응하도록 개정에 반영되었다.

모두 합쳐 2,000명이 넘는 개인이 여러 경로로 초안 프레임워크에 피드백을 보탰다. 참여자는 교사와 학습 설계자, 교육 정책 입안자, 교육 연구자를 비롯해 노동조합과 학부모 단체, 국가 및 지역 교육 공공기관 등 NGO 대표까지 폭넓은 이해관계자 집단을 아울렀다. 이 참여는 100개국이 넘는 나라에 걸쳐 있었고 모든 대륙의 개인과 조직이 함께했다.

이해관계자들은 초안 프레임워크가 교육의 실질적인 필요에 부응한다는 데 동의했고, 이미 자신들의 환경에 맞게 프레임워크를 조정하기 시작했다고 밝혔다. 또한 자료를 더 조정하기 쉽고 실용적이며 관련성 있게 만들 방안을 제안했다. 이해관계자 피드백 분석은 부속서 1에 실려 있다.

그림 3. AILit 피드백 설문 응답자의 직역 분포. 원문의 영문 도판을 그대로 실었다.

응답자 직역	비율
교사	41%
기타2	18%
학습 설계자	15%
교육 정책 입안자	8%
NGO 대표	6%
학교 또는 교육청 리더	6%
청소년	3%
노동조합 또는 전문가 단체 대표	2%
학부모 또는 양육자	1%

AILit 프레임워크는 윤리를 별도의 주제로 두지 않고 자료 전체에 엮어 넣는다.

프레임워크 속의 윤리

AILit 프레임워크는 윤리를 AI 사용의 별개 주제나 범주로 세우는 대신 프레임워크 자료 전반에 엮어 넣는다. AI 시스템이 설계와 개발, 배치의 전 과정에서 인간의 선택과 관점을 반영하는 정도를 고려할 때, 윤리적 고려는 시스템 자체에 대한 이해와 분리될 수 없다.

이 프레임워크는 다양한 맥락에서 학습자의 판단을 뒷받침할 일련의 지도 원칙을 견지한다. 이 원칙들은 학습자의 주체성, AI 시스템 작동 방식의 투명성과 설명 가능성, 공정하고 포용적이며 책임 있는 방식으로 AI를 사용할 책무, 개인 프라이버시에 대한 고려, 환경에 대한 책무, 그리고 누가 AI 사용으로 이익을 얻고 누가 불이익을 받을 수 있는지에 대한 지속적인 탐구를 강조한다.

AI 시스템의 윤리적·사회적 함의를 평가하려면 학습자는 AI가 어떻게 작동하는지뿐 아니라 설계와 개발의 선택이 맥락에 따라 어떤 목적에 복무하는지도 이해해야 한다. AILit 프레임워크에 담긴 윤리 원칙은 학습자가 AI 기술과 상호작용하기 전과 도중, 이후에 그들을 인도하기 위한 것이다. 궁극적으로 AILit 프레임워크는 초등과 중등 학습자 모두가 윤리적이고 의도적인 AI 사용의 옹호자가 되고, 자신이 속한 공동체에서 AI와 함께 그리고 AI에 관해 책임 있는 의사결정을 촉진하도록 힘을 실어 주고자 한다.

다른 주제와의 관계

AILit 프레임워크는 여러 주제와 학문 분야에 걸친 학술적 성과를 반영한다. AI 리터러시 자체가 윤리학과 컴퓨터과학, 미디어 리터러시와 디지털 리터러시, 데이터 과학, 사회과에서 길어 올린 것이다.

그림 4. AI 리터러시는 여러 주제의 학술적 성과에서 길어 올린 것이다. 원문의 영문 도판을 그대로 실었다.

분야	기여하는 개념
컴퓨터과학	추상화, 알고리즘적 사고, 문제 분해
미디어 리터러시	비판적 사고와 평가, 접근과 탐구, 창의적 표현
윤리학	공정성, 이점과 위험, 책임
디지털 리터러시	지식재산, 디지털 시민성, 안전과 프라이버시
디자인 사고	아이디어 발상, 문제 정식화, 반복 개선
데이터 과학	데이터 분석, 편향, 추론

AILit 프레임워크는 PISA 2029 미디어·인공지능 리터러시(MAIL) 평가에 기여한다. 이 평가는 AI 시스템의 영향이 점점 커지는 디지털 미디어 지형을 학습자가 어느 정도로 비판적으로 헤쳐 나갈 수 있는지 측정하고자 한다(OECD, 2026b). AI 시스템과 미디어 플랫폼이 교차하는 만큼 두 프레임워크는 자연스럽게 겹치지만, AILit 프레임워크는 더 표적화된 AI 특화 접근을 취한다. 반대로 PISA 2029 MAIL 평가는 AI의 발전이라는 맥락에서 미디어 리터러시를 더 넓게 바라보며, 국제 데이터 수집을 뒷받침할 측정 전략과 도구에 관해 더 상세한 지침을 제공한다.

기존 프레임워크 위에 쌓기

AILit 프레임워크는 확립된 디지털 역량 및 AI 리터러시 프레임워크의 아이디어와 실천 위에 세워졌다. 구체적으로 디지털 역량 프레임워크(Cosgrove & Cachia, 2025), 유네스코의 학생을 위한 AI 역량 프레임워크와 교사를 위한 AI 역량 프레임워크(Miao & Cukurova, 2024; Miao et al, 2024), Digital Promise AI 리터러시 프레임워크(Mills et al., 2024), AI4K12의 AI의 5가지 빅 아이디어(2022), ETS의 K-12 학생의 AI 리터러시 준비, 제안된 프레임워크와 진전, 과제 설계 원칙(Chakraburty et al., 2025), 그리고 aiEDU의 AI 준비도 프레임워크(2025)가 그것이다. 이러한 통합은 AILit 프레임워크가 충분한 정보에 근거하고 초·중등 교육에 적합하며 AI 리터러시의 기술적·사회적 차원에 뿌리내리도록 보장한다. AILit 프레임워크는 이러한 성과 위에 서서 오래가는 토대와 학제적 통합, 실천적 적용, 그리고 전 세계 전문가와 이해관계자 공동체의 통찰을 강조한다. 이 프레임워크는 AI가 계속 진화하는 동안에도 유효하게 남을 핵심 개념을 제시하며, 특정 도구나 유행을 초월하는 역량에 초점을 맞춘다. 이러한 프레임워크들이 AILit 프레임워크 개발에 어떻게 반영되었는지에 관한 상세한 내용은 부속서 2에 실려 있다.

04 AILit 프레임워크

프레임워크는 지식, 기술, 태도의 세 축으로 구성된다.

축	항목
지식	AI의 본질 · AI는 인간의 선택과 관점을 반영한다 · AI의 능력과 한계 · 사회 속 AI의 역할
기술	비판적 사고 · 협업 · 창의성 · 문제 해결 · 컴퓨팅 사고 · 의사소통 · 자기 인식과 사회적 인식
태도	성찰하는 · 책임지는 · 호기심 있는 · 혁신하는 · 유연하게 적응하는 · 공감하는

지식

아래 지식 진술문은 학문적·학제적·인식론적·절차적 지식을 반영하는 사실과 개념, 아이디어, 과정을 담고 있다. 이 진술문은 학습자가 AI 시스템을 활용하고 그와 관계 맺기 위해 필요한 기술적·사회적 이해를 밝힌다.

1. AI의 본질

1.1 AI는 인간이 아니다. AI 시스템은 알고리즘을 사용해 단계별 절차와 통계적 추론(예: 가중치와 편향)을 결합함으로써 데이터를 처리하고 패턴을 탐지하며 확률에 근거한 산출물을 생성한다(Russell & Norvig, 2022).

1.2 기계는 학습된 데이터의 패턴과 새로 받는 정보에 반응해 어떻게 산출물을 생성할지 추론함으로써 ‘학습’한다. 기계는 다양한 수준의 자율성과 적응성, 정확성을 가지고 그렇게 한다(Russell & Norvig, 2022). 이 산출물은 물리적 또는 가상적 환경에 영향을 미치는 예측이나 콘텐츠, 권고의 형태를 띨 수 있다.

1.3 생성형 AI는 확률을 사용해 여러 양식(예: 텍스트, 오디오, 시각 자료)에 걸쳐 정교한 산출물을 만들어 내지만, 진정한 인간적 이해와 의도는 갖고 있지 않다(Bender et al., 2021; Ng et al., 2021).

1.4 AI 시스템에는 여러 유형이 있으며, 목적과 프로그래밍, 학습 데이터에 따라 서로 다르게 작동한다(Burrell, 2016; Russell & Norvig, 2022). 도구의 유형에 따라 사용자는 자신이 AI와 상호작용하고 있음을 알 수도 있고, 어떤 때에는 AI 시스템이 배경에서 또는 도구의 일부로 작동해 그 영향이 드러나지 않을 수도 있다(Bender et al., 2021).

1.5 AI는 연산 능력에 대한 수요를 감당하기 위해 에너지와 광물, 물 같은 상당한 자원을 필요로 한다. AI 시스템을 개발하고 유지하는 데 드는 에너지와 기반 시설은 탄소 배출 증가에 기여한다. AI가 지속가능성에 미치는 장기적 영향은 긍정적이든 부정적이든 그것이 어떻게 구현되고 사용되는지에 크게 좌우된다(Bashir et al., 2024; Luccioni et al., 2025; United Nations Environment Programme, 2024).

AI의 환경 영향

AI 시스템은 작동에 쓰이는 하드웨어와 소프트웨어를 뒷받침할 천연자원을 필요로 한다. 컴퓨터 칩 생산에서 전자폐기물 처리에 이르기까지 AI 개발의 각 단계는 환경에 영향을 미친다(United Nations Environmental Programme, 2024). 동시에 AI 시스템은 환경 문제에 맞서고 지속가능하고 에너지 효율적인 실천으로의 전환을 돕기 위해 배치되고 있다(World Economic Forum, 2025; Nwokolo et al., 2024).

AI의 빠른 배치와 광범위한 사용은 자신의 사용이 환경에 어떤 영향을 미칠지 신중하고 정보에 근거해 고려할 것을 요구한다. AI를 사용할지 말지 결정할 때 사용자는 스스로에게 물어야 한다. 더 친환경적인 대안이 있는가.

2. AI는 인간의 선택과 관점을 반영한다

2.1 AI 시스템을 구축하고 유지하는 일은 알고리즘을 설계하고, 데이터를 수집·관리·평가·라벨링하며, 유해한 콘텐츠를 조정하는 사람들에게 기대어 있다. 이러한 시스템은 인간의 선택과 가정, 노동 관행을 반영하며 불평등한 세계적 조건에 의해 형성된다(Ma et al., 2025; Mittelstadt et al., 2016; Rani & Dhir, 2024).

2.2 AI는 공개적으로 이용 가능한 정보와 사용자 생성 콘텐츠, 큐레이션된 데이터베이스, 그리고 센서와 상호작용, 디지털 시스템을 통해 수집된 실세계 데이터에서 나온 방대한 데이터셋으로 학습된다(Touretzky & Gardner-McCune, 2022). 이 데이터셋에는 저작권으로 보호된 자료와 합성 데이터, 검증되지 않은 정보는 물론, 비윤리적이거나 동의 없는 방식으로 취득된 사적·공적 데이터가 포함될 수 있다(Buolamwini & Gebru, 2018; Noble, 2018).

2.3 AI 시스템은 사용자와의 상호작용 중에 데이터를 수집할 수 있으며, 이는 실시간으로 결정과 과정, 산출물에 영향을 미친다(Burrell, 2016; King & Meinhardt, 2024; Ma et al., 2025).

2.4 AI 시스템은 인간이 선별하고 범주화하고 우선순위를 매긴 데이터 요소들 사이의 패턴을 식별하도록 학습된다(Noble, 2018). 이 학습에는 강화학습이 포함될 수도 있는데, 강화학습에서 AI 시스템은 피드백과 보상에 인도되어 환경과 시행착오적으로 상호작용하며 성능을 개선한다(Touretzky & Gardner-McCune, 2022).

2.5 편향은 AI 시스템에 본래적으로 존재하며, AI 시스템은 학습 데이터나 알고리즘 설계에 내재된 사회적 편향을 반영할 수도 있다. 인간은 AI의 설계와 개발, 시험, 사용 과정에서 우연히 또는 의도적으로 그러한 편향을 키우거나 완화할 수 있다. 이는 개별 사용자와 사회 전체에 광범위한 결과를 가져올 수 있다(Buolamwini, 2024; Buolamwini & Gebru, 2018; Mittelstadt et al., 2016; Noble, 2018).

3. AI의 능력과 한계

3.1 AI는 패턴 인식과 자동화, 콘텐츠 생성 같은 과제를 수행할 수 있다. AI는 산출물에서 그것들을 흉내 내기는 하지만 감정과 윤리적 추론, 비판적 사고, 맥락, 독창성을 갖고 있지 않다(Burrell, 2016; Heintz, 2022; Huckins, 2023; Weidinger et al., 2021).

3.2 생성형 AI, 특히 대규모 언어 모델(LLM)이 매우 정교한 콘텐츠를 만들어 내는 능력은 사실과 조작을 구별하기 어렵게 만들어 허위정보와 잘못된 정보, ‘환각’, 왜곡, 조작의 위험을 키운다(Weidinger et al., 2021).

3.3 AI 시스템은 같은 입력에 대해 서로 다른 산출물을 낼 수 있다. 이는 입력 자체에도, 그리고 AI 시스템이 특정 특성과 매개변수를 어떻게 선택하거나 우선하도록 설계되었는지에도 달려 있다(Kim & McGill, 2025).

3.4 AI 시스템과 그 기반 알고리즘은 다양한 정도의 투명성과 해석 가능성을 가지고 작동한다(Barbiero et al., 2025). 어떤 경우에는 알고리즘이 특정 변수와 결과에 대해 어떻게 최적화되었는지 알아낼 수 있다. 다른 경우에는 그것이 어렵거나 불가능하다(Bengio et al., 2024; Burrell, 2016; Eslami et al., 2019).

4. 사회 속 AI의 역할

4.1 AI 시스템은 일상의 여러 영역에서 결정에 영향을 미칠 수 있다. AI 시스템은 정보 필터링과 추천, 분류, 패턴 인식을 비롯해 긍정적 영향과 부정적 영향을 함께 갖는 과제에 점점 더 많이 사용되고 있다(Abendroth-Dias et al., 2025; Buolamwini & Gebru, 2018). AI의 모든 사용에서 인간은 주체성을 발휘하고 의도적이고 자율적인 결정을 내릴 역량을 지켜야 한다(Schlosser, 2019).

4.2 AI 시스템은 그 사용이 개인과 사회에 대한 이익을 극대화하고 해악을 최소화하도록 이해되고 감사받고 규제되어야 한다(Hutchinson & Mitchell, 2019).

4.3 책임 있고 윤리적인 AI 설계는 공정성과 투명성, 설명 가능성, 책무성, 프라이버시 존중, 법적 준수를 아우른다(Fjeld et al., 2020; Long & Magerko, 2020; Nezhad et al., 2025).

기술

기술 항목은 AI 맥락에 적용되는 인간의 근본적 역량을 나타낸다. 이 기술들은 학습자가 AI를 윤리적으로 사용하도록 인도하며, 학습자가 AI를 자기 삶에 어떻게 자리매김할지 능동적으로 빚어 가도록 보장한다.

비판적 사고

AI 사용과 AI가 생성한 콘텐츠를 정확성과 공정성, 편향의 관점에서 평가해 정보에 근거한 윤리적 결정을 내린다.

AI를 사용하는 것이 적절하고 알맞으며 책임 있는 일인지 어떻게 알 수 있는가. AI가 생성한 산출물의 정확성을 어떻게 확인하고 유해한 편향의 위험을 어떻게 줄일 수 있는가.

AI 맥락에서 비판적 사고는 학습자가 AI 사용의 근거 자체에 의문을 제기하고 그것이 윤리 원칙 및 개인의 가치와 어떻게 맞닿는지 판단할 것을 요구한다. 여기에는 정보의 출처를 의심하고, AI 산출물의 정확성과 관련성을 검증하며, 그 산출물을 어떻게 책임 있게 사용해야 하는지 평가하는 일이 포함된다. 학습자는 자신이 AI를 사용하는 의도를 성찰해야 한다. 또한 AI 시스템과의 상호작용이 자신의 정신 건강에 어떤 영향을 미칠 수 있는지 자각하는 연습을 해야 하며, 특히 AI 도구나 챗봇이 사람처럼 인식되어 정서적 지지에 사용될 때 더욱 그렇다. 종합하면, AI가 설득력 있어 보이지만 부정확하거나 편향되었거나 조작적일 수 있는 콘텐츠를 생성하는 상황에서 비판적 사고는 점점 더 중요해진다. 이러한 행동은 AI가 정보 체계에 미치는 영향에 대한 자각을 높이고, 진실을 분별하려는 의지를 기르며, 교육을 포함한 여러 장면에서 젊은이가 AI 사용에 관해 정보에 근거한 윤리적 결정을 내리도록 돕는다.

협업

명확하게 소통하고 피드백을 제공하며 공유된 과제를 함께 헤쳐 나감으로써 AI와의 상호작용을 이끈다.

목표를 이루기 위해 AI를 어떻게 반복적이고 의도적으로 사용할 수 있는가.

AI와의 협업에는 아이디어를 떠올리고 과정을 계획하며 피드백을 얻기 위해 AI 시스템의 도움을 받아 자신의 독창적 아이디어를 반복해 다듬는 일이 포함된다. 교사와 교육자, 가족의 도움을 받아 학습자는 자신의 목표와 제약, 질문을 AI 시스템에 명확히 전달하고, 그 산출물을 평가하며, 자신의 작업을 수정할 수 있다. 학습자는 AI가 제공할 수 없는 윤리적 추론과 창의성, 맥락 인식을 위해 또래나 교사·교육자의 관점을 지속적으로 참고해야 한다. 이는 당면한 과제에 대한 학습자의 명확한 이해뿐 아니라, 어떤 정보를 AI 시스템과 공유해야 하고 공유하지 말아야 하는지에 대한 이해도 요구한다. 여기에는 프라이버시에 대한 자각과 개인적·독점적·민감한 데이터를 보호하는 일의 중요성이 포함된다. 의도적이고 반복적으로 협업함으로써 학습자는 주제와 과제에 대한 자신의 이해를 성찰하고 개선할 기회를 얻는다.

창의성

AI를 사용해 독창적 아이디어를 세우고 성찰하거나 새로운 아이디어를 탐색한다.

AI와 함께 내 아이디어는 어떻게 자라거나 달라졌는가. 창작 구상을 실현하기 위해 AI를 어떻게 책임 있게 사용할 수 있는가.

학습자가 창의성을 발휘할 때 그들은 자신의 호기심과 관심에서 비롯한 질문을 좇는다. 창의적으로 사고하는 사람은 여러 유형의 지식을 끌어 쓰며 자신이 풀려는 문제와 의미 있는 연결을 만들어 간다. 학습자는 가능성을 상상하는 데에서 출발해 아이디어를 떠올리고 반복하면서 새로운 접근을 탐색한다. 자신의 생각을 다듬기 위해 또래와 신뢰하는 어른, 그리고 적절한 경우 AI에게서 피드백을 구한다. 이 과정 자체가 최종 결과물보다 우선하는 경우가 많다. 학습자는 자신의 학습과 아이디어가 어떻게 변화해 왔는지 성찰해야 한다. 또한 소유권과 독창성, 출처 표시, 저작권에 관한 윤리적 물음과 씨름해야 한다.

문제 해결

AI의 능력과 위험, 윤리적 함의를 가늠해 어떤 과제에 AI를 사용할지, 언제 어떻게 사용할지 판단한다.

AI가 당면 과제에 적합한 도구라는 것을 어떻게 알 수 있는가.

AI를 사용해 문제를 푸는 일은 과제의 성격을 성찰해 AI가 해결에 의미 있게 기여할 수 있는지, 그리고 어떻게 기여할 수 있는지 판단하는 데에서 시작한다. 학습자는 문제를 정의하고 목표와 제약을 명확히 하며 과제의 기술적·윤리적 요건을 고려한다. 그런 다음 AI를 쓰는 전략과 쓰지 않는 전략을 비교하고 진행에 앞서 자신의 접근을 정당화한다. 이어서 학습자는 실험하고 진행 상황을 점검하며 결과를 평가한다. AI 산출물을 정확성과 관련성, 편향, 자기 목표와의 정합성 측면에서 평가한 뒤 필요에 따라 입력을 수정하고 전략을 조정한다. 어떤 경우에는 AI가 모든 단계를 도울 수 있고, 다른 경우에는 AI가 비효율적이거나 신뢰할 수 없거나 목표와 어긋난다고 판명될 때 학습자가 AI 사용을 제한하거나 그만둘 수 있다. 시간이 지나면서 학습자는 언제 AI가 가치를 더하고 언제 인간의 감독과 창의성, 전문 지식이 주도해야 하는지에 관한 판단력을 기른다. AI와 함께하는 문제 해결에는 진행 상황을 지속적으로 평가하고, 방향 전환에 열려 있으며, 결과에서 얻은 증거를 미래의 결정에 반영하는 일이 포함된다.

컴퓨팅 사고

AI 시스템이 해결에 효과적으로 기여할 수 있도록 문제를 분해하고 지시를 제공한다.

AI가 문제 해결을 도울 수 있도록 문제를 어떻게 구성할 것인가.

컴퓨팅 사고는 학습자가 AI의 능력을 활용하고 그 한계를 고려하는 방식으로 문제에 접근하고 해결하도록 돕는다. 컴퓨터과학과 정보학 교육의 초석이 되는 원리로서 이 기술은 인간과 컴퓨터의 상호작용이 잦아지면서 새로운 중요성을 띤다. AI 시스템은 알고리즘과 데이터, 구조화된 의사결정을 사용해 작동하므로, 학습자는 인간의 아이디어와 질문을 AI 및 컴퓨팅 시스템이 해석할 수 있는 방식으로 어떻게 구성할지 고민해야 한다. 여기에는 복잡한 문제를 구조화된 구성 요소로 쪼개는 문제 분해를 비롯해 패턴 인식과 추상화, 알고리즘적 사고 같은 과정이 포함된다. 컴퓨팅 사고는 코드 디버깅, 목표를 향한 진척 평가, 그리고 AI 시스템이 효과적으로 처리할 수 있는 방식으로 목표와 제약을 기술하는 일(예: 프롬프트 작성) 같은 과제에서 학습자를 뒷받침한다. 또한 학습자가 AI 시스템의 기술적 구성 요소에 접근할 때, 특히 AI 시스템을 개선하거나 조정할 방법을 고민할 때 도움이 된다. 컴퓨팅 사고를 연습하는 학습자는 인간과 AI 시스템을 구별하는 것이 무엇인지, 그리고 언제 인간 기반 접근이 또는 AI 기반 접근이 가장 효과적인지 알아야 한다. 이들은 문제 해결과 학습, 창작 과제를 뒷받침하기 위해 AI를 어떻게 사용할지 결정하는 데에서 주체성을 발휘한다.

의사소통

투명성을 촉진하고 의인화를 피하며 책임 있는 사용을 북돋우는 방식으로 AI의 작동을 설명한다.

나 자신과 타인을 위해 AI를 어떻게 설명할 수 있는가. AI에 관한 지식을 활용해 윤리적 사용을 어떻게 촉진할 수 있는가.

AI에 관한 의사소통은 흔히 쓰이는 AI 시스템이 어떻게 작동하고 어디에 사용되는지에 대한 기초적 이해를 요구한다. 효과적으로 의사소통하는 학습자는 AI 시스템의 목적을 타인에게 설명하고 서로 다른 시스템의 능력과 한계를 비교할 수 있다. 이들은 자신이 경험하는 콘텐츠나 결정을 AI가 어떻게 형성했을 수 있는지 서술할 수 있으며, 특정 AI 모델의 투명성과 설명 가능성이 그 산출물에 영향을 미칠 수 있다는 점을 인정한다. 이 기술은 학습자에게 AI를 정확하게 서술하고 그에 관한 오해를 바로잡되, AI를 잘못 규정하거나 그 기능에 인간적 특성을 부여하지 않을 책임이 있음을 강조한다. AI에 관한 열린 대화에 참여함으로써 학습자는 자신이 속한 공동체 안에서 정보에 근거한 윤리적 사용이 이루어지도록 도와야 한다.

자기 인식과 사회적 인식

AI가 개인의 선택과 관계, 공동체에 어떤 영향을 미치는지 인식하고 그것이 사회와 환경에 미치는 더 넓은 영향을 성찰한다.

AI는 나와 내 학급 친구들, 내 공동체와 환경에 어떤 영향을 미치는가.

AI와 상호작용할 때 자기 인식과 사회적 인식은 필수적이다. 이 기술은 일상 속 AI의 존재를 알아차리고 그것이 가상 공간과 물리적 공간 모두에서 결정에 어떻게 영향을 미치는지 이해하는 데에서 시작한다. 학습자는 AI가 편향을 증폭하고 특정 관점을 밀어붙이며 사용자를 조작하거나 특정 행동을 부추기는 데 어떻게 쓰일 수 있는지 분석해야 한다. 누가 그 사용으로 이익을 얻고 누가 불이익을 받는지 고려함으로써, AI가 자신의 학습과 공동체, 환경에 단기적으로 그리고 장기적으로 어떤 영향을 미칠지 의문을 제기해야 한다. 이들은 주변 사람의 웰빙과 정신 건강에 해를 끼칠 수 있는 활동(예: 사이버 괴롭힘, 딥페이크 제작)에 AI를 사용하지 않는다. 자신의 AI 사용을 성찰해 개인적 습관을 조정하고 정신적 회복력을 기르며 책임 있는 사용을 옹호해야 한다. 학습자는 또한 AI에 대한 인식과 사용이 문화적·사회적·경제적 맥락에 따라 다르다는 점을 자각한다. 자기 인식과 사회적 인식을 연습할 때 학습자는 AI를 단순히 식별하는 단계에서 나아가, 그것이 개인과 공동체, 환경에 미치는 의도된 효과와 예상하지 못한 효과를 관찰하고 그에 대응하는 단계로 이동한다.

태도

태도는 학습자가 AI의 영향을 자각하며 AI에 접근하도록 준비시키는 마음가짐의 측면을 반영한다. 학습자는 여러 태도를 동시에 지닐 수도 있고, 당면한 상황에 따라 각 태도에 다른 우선순위를 둘 수도 있다.

성찰하는 학습자는 AI 사용을 둘러싼 가정과 서사에 의문을 제기하며 AI가 자기 삶에 어떻게 관여할 수 있을지 판단한다. 이들은 AI 도구와 산출물을 비판적으로 평가하고, AI 사용의 기회와 위험을 가늠하며, 추론과 증거를 사용해 새로운 주장을 검증한다. 다양한 사용 사례에 걸쳐 새로운 기술을 평가하는 분별의 렌즈를 적용한다.

책임지는 학습자는 자신이 AI를 어떻게 사용하는지 신중히 생각하고 자신의 선택에 책임이 있음을 인식한다. 이들은 자기 행동의 의도된 효과와 의도하지 않은 효과를 함께 고려하며 타인과 환경에 해를 끼치지 않으려 힘쓴다. AI를 사용하지 않기로 하는 선택을 포함해, AI 사용에 관한 투명성과 정보에 근거한 의사결정의 중요성을 안다.

호기심 있는 학습자는 AI가 오늘 무엇을 할 수 있고 할 수 없는지, 앞으로 어떻게 진화할 수 있는지 탐색하기를 열망한다. 이들은 AI가 자신의 삶과 미래 진로에 어떤 영향을 미치는지 이해하고자 한다. 학습을 지속적인 과정으로 여기고 실험을 받아들이며, 의미 있는 발견이 탐색에서 나온다고 믿는다.

혁신하는 학습자는 실세계의 과제를 다루고 새로운 기회를 붙잡기 위해 AI를 사용하려 한다. 이들은 실험하고 다양한 접근을 시도하며 문제를 풀기 위해 창의적으로 사고한다. 스스로를 여러 기술적 해법의 소비자가 아니라, AI가 스며든 세계에서 힘을 지닌 사용자이자 의사결정자, 능동적 창작자로 여긴다. AI가 자신의 삶과 공동체에서 강력한 도구가 될 잠재력을 본다.

유연하게 적응하는 학습자는 AI와 함께 일할 때 끈기와 유연성을 보인다. 이들은 다양한 아이디어와 관점에 열려 있다. 편향된 산출물과 예측할 수 없는 동작에 대응해 문제와 접근을 다시 구성할 줄 안다. 적응하는 학습자는 AI 도구가 내놓은 산출물을 그대로 받아들이는 대신, AI와 함께하는 학습이 피드백과 수정으로 빚어지는 반복적 과정임을 이해한다. 하나의 문제를 푸는 방법이 여럿 있을 수 있음을 인식한다.

공감하는 학습자는 AI가 개인과 공동체, 환경에 어떤 영향을 미치는지 사려 깊게 살핀다. 이들은 AI 사용의 잠재적 기회와 위험을 그 영향의 렌즈로 가늠하며, AI가 집단에 따라 다르게 나타나는 의도하지 않은 결과를 낳을 수 있음을 이해한다. 또한 AI 도구가 자신의 정신 건강과 타인의 웰빙에 미칠 수 있는 영향을 판단한다. AI를 사용할지, 어떻게 사용할지 고려할 때 타인의 관점을 취하고 자기 선택의 윤리적 함의를 단기와 장기에 걸쳐 생각한다.

역량과 학습자 기대수준

역량은 학습자 기대수준 및 학습 시나리오와 함께 AI 리터러시가 시간에 따라 어떻게 발달할 수 있는지 보여 준다. 학습자 기대수준은 기본에서 중급, 심화에 이르는 사용의 진전을 상세히 밝힌다. 이 진전 수준은 초등과 중등 교육의 성과에 적용되지만 특정 연령대나 학년에 대응하지는 않는다. 이 수준들은 AI 리터러시 발달을 시간에 따라 변화하는 복합적 과제로 제시한다. 교사와 교육자는 이 학습자 기대수준을 활용해 자신만의 평가 루브릭을 만들고 각자의 고유한 환경에 맞는 학습 경험을 실행하도록 권장된다. ‘교실에서’ 학습 시나리오로 제시된 활동은 지역의 맥락과 지침, 법령에 맞게 조정되어야 하며, 특히 교실에서의 소셜 미디어나 기술 사용과 관련될 때 더욱 그렇다.

그림 5. AILit 프레임워크의 영역들. 원문의 영문 도판을 그대로 실었다.

각 영역은 있을 법한 학습 경로를 반영해 순차적으로 배열되어 있다. 네 영역은 서로 구별되지만 모두 기술적 이해와 실제 사용, 비판적 판단, 학습자 주체성에 뿌리내린 AI 리터러시 접근을 뒷받침한다.

영역	학습자는 무엇을 하는가
AI와 관계 맺기	AI를 알아보고 산출물을 평가하며 일상에서 AI의 역할을 고려한다
AI로 창조하기	아이디어를 탐색하고 과제를 위임하기 위해 AI를 의도적이고 성찰적으로 사용한다
AI 관리하기	사람과 AI 사이에 일을 의도적으로 나눈다
AI 빚어 가기	기술적 이해를 적용해 사회적 이익을 촉진하는 AI 시스템을 제안하고 개선한다

AI와 관계 맺기

AI와 관계 맺기는 AI가 스며든 세계에서 비판적이고 책임 있는 참여자가 되는 것을 목표로 한다.

AI와 관계 맺는 일은 디지털 역량을 갖추는 것 이상이다. 그것은 비판적 사고와 미디어 리터러시, 그리고 AI 산출물에 이의를 제기하고 잘못된 정보를 식별하며 데이터와 아이디어가 어떻게 사용되는지 이해하는 능력을 요구한다.

— Kari Kivinen, 유럽지식재산관측소, 스페인

AI와 관계 맺기는 프레임워크의 기초 영역이다. 이 영역은 모든 학습자가 여러 맥락에서 AI와 상호작용할 때 무엇을 알고 무엇을 할 수 있어야 하는지에 대한 토대를 마련한다. 여기에는 AI 시스템을 식별하고 접근하는 일, AI 사용의 기회와 위험을 이해하는 일, AI 산출물을 평가하는 일, 그리고 일상에서 AI의 역할과 사용에 관해 결정하는 일이 포함된다. 이 영역에서 역량을 보이는 학습자는 AI를 의도적이고 책임 있게 사용하며, AI가 자신과 자신의 공동체, 환경에 미치는 영향을 성찰한다. 이 역량들은 새로운 기술이 등장하고 그 사용 방식이 달라지는 가운데에도 오래 지속되는 AI 리터러시의 토대를 뒷받침한다.

AI와 관계 맺기 영역의 역량

1. 여러 맥락에서 AI의 역할과 영향을 인식한다.
2. 흔한 오해를 다루고 바로잡는 언어로 AI 시스템이 과제를 수행하는 방식을 서술한다.
3. AI 산출물을 받아들일지, 수정할지, 물리칠지 평가한다.
4. 예측형 AI 시스템이 관점을 넓히거나 좁힐 수 있는 권고를 어떻게 제공하는지 살핀다.
5. AI 시스템이 에너지와 천연자원을 소비하는 방식을 비교한다.
6. AI가 사회적 편향을 증폭하는 데 어떻게 쓰일 수 있는지 설명한다.
7. AI 시스템의 사용이 윤리 원칙 및 인간의 가치와 얼마나 잘 맞닿는지 분석한다.

역량 1. 여러 맥락에서 AI의 역할과 영향을 인식한다

지식1.4기술자기 인식과 사회적 인식태도호기심 있는, 책임지는

기본 학습자는 여러 유형의 AI가 자신의 일상 어디에 존재하는지 식별할 수 있다.

교실에서 학습자는 교사와 함께 ‘AI인가 아닌가’ 놀이를 한다. 스마트홈 기기와 소셜 미디어, 앱 같은 예시가 주어지면 각각이 AI를 사용하는지 여부에 따라 분류할 수 있다.

중급 학습자는 AI 시스템이 가정과 학교, 온라인에서 자신의 선택과 경험에 어떻게 영향을 미쳤는지 사례를 공유한다.

교실에서 학습자는 소셜 미디어 플랫폼의 ‘맞춤 추천’ 첫 화면 사례를 서로 비교하고, 화면에 나타나는 것에 자신이 어떻게 그리고 왜 영향을 받는지 성찰한다.

심화 학습자는 AI 시스템이 소비자이자 학습자, 노동자, 시민으로서 개인의 신념과 행동을 어떻게 형성할 수 있는지 분석할 수 있다.

교실에서 학습자는 AI 챗봇과 앱의 화면 갈무리를 살펴 그것이 정보를 주기보다 설득하도록 설계되었을 수 있는 지점을 식별한다. 교사와 함께 ‘연속 사용일’ 수치나 캐릭터 이름, 지나치게 동조하는 응답 같은 기능이 참여를 늘리기 위해 설계되었을 가능성을 논의한다.

역량 2. 흔한 오해를 다루고 바로잡는 언어로 AI 시스템이 과제를 수행하는 방식을 서술한다

지식1.3, 1.4기술의사소통태도성찰하는, 책임지는

기본 학습자는 AI가 인간이 아닌 도구이며 데이터의 패턴에 근거해 산출물을 만들어 내고 진정한 맥락이나 이해를 갖고 있지 않다는 점을 안다.

교실에서 교사가 AI 사용을 설명할 때 흔히 쓰는 표현(예: ‘AI가 생각한다’, ‘AI가 이해한다’)을 소개하면, 학습자는 그중 어떤 것이 오해를 부르는지, 왜 그런지 식별한다. 학습자는 기술적으로 정확하고 연령에 맞는 언어로 더 나은 서술을 만들어 낸 뒤, 언어가 AI가 할 수 있는 일과 할 수 없는 일에 대한 자신의 이해를 어떻게 형성하는지 성찰한다.

중급 학습자는 AI 작동에 관해 흔히 갖는 오해를 다루기 위해 특정 AI 도구가 과제를 수행하는 방식을 정확하게 서술한다.

교실에서 학습자는 또래 사이에서 흔한 AI에 관한 통념(예: ‘AI는 인간처럼 이해한다’, ‘AI는 언제나 옳다’)을 식별한다. 그리고 포스터나 짧은 영상, 팟캐스트 같은 결과물을 만들어 AI가 어떻게 작동하는지 설명함으로써 그 오해를 다룬다.

심화 학습자는 자신의 표현이 이해를 형성한다는 점을 알고, 인간의 특성이나 능력을 부여하지 않는 언어로 서로 다른 AI 시스템이 어떻게 작동하는지 설명한다.

교실에서 학습자는 여러 유형의 AI 도구를 검토하며 그 시스템이 인간적이거나 다정하거나 지적으로 보이게 만드는 설계 선택을 비교한다. 소그룹으로 인간적 자질이 아니라 프로그래밍된 과정에 초점을 맞추어 도구가 산출물을 만들어 내는 방식을 설명하는 연습을 한다. 학급 전체가 각자의 설명을 공유하고 다듬으며, 서로 다른 설계 요소가 AI 시스템에 대한 이해와 신뢰에 어떤 영향을 미치는지 성찰한다.

역량 3. AI 산출물을 받아들일지, 수정할지, 물리칠지 평가한다

지식3.1, 3.2기술비판적 사고태도책임지는

기본 학습자는 AI가 생성한 산출물을 왜 검증해야 하는지 이해하고, 그 내용을 스스로 검증할 수 있는 방법을 인식한다.

교실에서 학습자는 AI 기반 도구가 내놓은 수학 문제 풀이와 그에 딸린 설명을 검토한 뒤, AI가 생성한 내용을 교사가 학급에 소개한 풀이 과정과 비교한다.

중급 학습자는 신뢰할 수 있는 출처를 참고하고 과제별 기대치를 고려해 AI가 생성한 산출물의 정확성과 관련성을 검증한다.

교실에서 학습자는 소그룹으로 자기 고장을 방문하는 관광객을 위한 일정을 계획한다. 교사가 지역 식당에 관해 AI가 생성한 추천을 제공하면, 학습자는 다른 출처를 사용해 그 추천을 비교하며 정보가 오래되었는지, 부정확한지, ‘환각’인지 판단한다. 그런 다음 자신의 지식과 경험을 끌어와 그 장소가 방문객에게 매력적일지 결정한다.

심화 학습자는 AI가 생성한 산출물을 평가하고 그것을 받아들이거나 수정하거나 물리치는 결정을 정당화한다.

교실에서 교사가 어떤 역사적 사건에 관해 AI가 생성한 서로 다른 해석을 제시하면, 학습자는 신뢰할 수 있는 2차 사료나 1차 사료를 찾아 그 해석의 정확성을 검증하고 최종 보고서에 어느 것을 담을지 논증한다.

역량 4. 예측형 AI 시스템이 관점을 넓히거나 좁힐 수 있는 권고를 어떻게 제공하는지 살핀다

지식1.1, 3.2, 4.1기술자기 인식과 사회적 인식태도호기심 있는, 성찰하는

기본 학습자는 AI가 사용자에 관한 데이터를 사용해 그를 위한 추천이나 예측을 제공할 수 있다는 점을 안다.

교실에서 학습자는 좋아하는 책 속 인물에게 어울릴 영화와 텔레비전 프로그램 추천 목록을 만들고, 본문의 근거를 들어 자신의 선택을 정당화한다. 학급 전체가 목록을 공유하고 인물에 관한 자신의 지식을 논의한 뒤, 그 과정을 AI가 추천을 생성하는 방식과 비교한다.

중급 학습자는 AI가 생성한 추천이 언제 자신에게 도움이 될 수 있는지, 또 언제 지나치게 좁거나 지나치게 일반적으로 보일 수 있는지 고려한다.

교실에서 학습자는 음악 앱의 추천을 자신이 좋아하는 노래와 아티스트 목록과 비교한 뒤, 알고리즘이 기존 선호를 강화한 때와 새로운 장르를 소개한 때를 논의한다.

심화 학습자는 AI 시스템이 데이터를 사용해 정보 접근을 형성하는 일의 이점과 단점을 가늠하고, 그것이 세계관과 아이디어, 행동에 어떤 영향을 미칠 수 있는지 고려한다.

교실에서 학습자는 소셜 미디어 추천 시스템이 어떤 사안에 대한 대중의 이해에 영향을 미친 사례 연구를 검토한 뒤, 그것이 개인의 투표 행동에 어떤 영향을 미칠 수 있는지 논의한다.

역량 5. AI 시스템이 에너지와 천연자원을 소비하는 방식을 비교한다

지식1.5기술자기 인식과 사회적 인식태도책임지는

기본 학습자는 컴퓨터와 AI 시스템이 작동에 자원을 필요로 한다는 점을 인식한다.

교실에서 학습자는 충전과 냉각이 필요한 교실 기기를 열거하고, AI 시스템 역시 작동에 전기와 하드웨어가 필요하다는 점을 인식한다.

중급 학습자는 AI가 환경에 영향을 미치는 여러 방식(예: 하드웨어 생산, 데이터센터 건설, 물 사용, 에너지 집약도)을 서술한다.

교실에서 학습자는 대규모 AI 모델을 학습시키는 일이 가정이나 개인의 에너지 사용과 어떻게 비교되는지 설명하는 정보 결과물(예: 글, 팟캐스트, 영상)을 만든다.

심화 학습자는 개인의 선택과 더불어 설계·배치·사업상의 여러 결정이 AI의 전체 에너지 및 자원 사용에 어떤 영향을 미칠 수 있는지 분석한다.

교실에서 학습자는 여러 지역사회에 걸쳐 AI 사용과 데이터센터 건설이 환경에 미치는 영향을 조사한다. 그런 다음 책임 있는 AI 사용과 개발을 촉진하는 정책과 전략을 찾아낸다.

역량 6. AI가 사회적 편향을 증폭하는 데 어떻게 쓰일 수 있는지 설명한다

지식2.1, 2.5, 4.1기술비판적 사고, 자기 인식과 사회적 인식태도공감하는, 책임지는

기본 학습자는 AI를 학습시키는 데 쓰인 데이터에 편향이 존재할 수 있으며, 인간이 AI 시스템을 설계하고 개발하고 사용할 때 그 편향이 지속될 수 있다는 점을 이해한다.

교실에서 학습자는 교사와 함께 한 사람에 관해 수집될 수 있는 여러 유형의 데이터(예: 키, 좋아하는 색)를 탐색한다. 데이터가 효과적으로 담아낼 수 있는 미묘한 결에 주목하되, 서로에 대한 지식을 끌어와 무엇이 빠져 있는지 찾아낸다.

중급 학습자는 편향된 데이터나 설계 선택(예: 고정관념이 담긴 콘텐츠, 오분류, 불평등한 추천)이 어떻게 AI 시스템으로 하여금 특정 집단에 불공정하거나 왜곡된 결과를 내게 만들 수 있는지 설명한다.

교실에서 학습자는 얼굴 인식 기술이 인구 집단에 따라 어떻게 그리고 왜 다르게 작동하는지 탐색하고, 그것이 일상의 의사결정에 사용될 때 현실에서 어떤 영향이 나타날 수 있는지 논의한다.

심화 학습자는 개인과 기업, 기관이 특정 이해에 복무하도록 AI 시스템을 구축하고 배치할 수 있는 방식을 분석하고, 그 시스템이 기회와 재현, 대중의 인식을 어떻게 형성할 수 있는지 분석한다.

교실에서 학습자는 교사와 함께 AI가 어떤 사건에 영향을 미치는 데 사용된 실제 사례(예: 소셜 미디어의 잘못된 정보와 허위정보)를 평가한다. 그런 다음 AI 사용에 관한 어떤 기관의 선택이 특정 집단에는 이익이 되면서 다른 집단에는 부정적 영향을 줄 수 있는지 탐색한다.

역량 7. AI 시스템의 사용이 윤리 원칙 및 인간의 가치와 얼마나 잘 맞닿는지 분석한다

지식1.4, 4.1, 4.3기술비판적 사고, 문제 해결, 자기 인식과 사회적 인식태도성찰하는, 책임지는

기본 학습자는 윤리적인 AI 사용이 AI 시스템의 설계와 개발, 그리고 사용자 자신의 의도를 포함한 여러 요인에 달려 있음을 인식한다.

교실에서 학습자는 AI가 생성한 여러 사례에서 예술가 작품의 알아볼 수 있는 특징을 식별한다. 교사와 함께 그 사례가 공정하고 적절한 사용에 해당하는지 논의하고, 인간 예술가에게 어떤 함의가 있는지 짚어 본다.

중급 학습자는 AI 사용이 사용자의 당면 목표와 다른 의도하지 않은 영향이나 함의를 가질 수 있는 지점을 식별한다.

교실에서 학습자는 AI 도구가 사용자의 검색 기록을 활용해 과거에 살펴본 상품의 할인과 세일을 광고하는 사례 연구를 분석한다. 교사와 함께 돈을 아낄 기회와 그 AI 도구가 개인 프라이버시에 제기하는 위험을 저울질한다. 그 도구를 사용하는 일의 장단점을 장기와 단기에 걸쳐 논의한다.

심화 학습자는 여러 윤리 원칙에 따라 AI 사용을 평가하며, 상충 관계와 누가 이익을 얻거나 해를 입을 수 있는지 고려한다.

교실에서 학습자는 AI가 기후 데이터를 분석해 패턴을 찾아내고 예측하는 데 어떻게 사용되는지 탐색한다. 그리고 그 도구의 예측력과 AI 모델의 낮아진 투명성 사이의 상충 관계를 평가한다. 더 명확한 예보를 얻을 기회와 ‘환각’의 위험, 또는 중요한 불확실성이 잘못 이해되거나 무시될 위험을 함께 가늠한다.

AI로 창조하기

AI로 창조하기는 인간의 주체성을 지키면서 AI를 창작 동반자로 사용하는 것을 목표로 한다.

창의성은 어디에서 오는가. 우리는 그것이 온전히 한 사람의 머릿속에 있다고 생각하고 싶어 한다. 그러나 전문 디자인 학교에서도 사람들을 크고 알록달록한 방에 모아 놓고 접착 메모지를 주는데, 그런 것들이 더 창의적이 되도록 돕기 때문이다. 그것은 더 많은 아이디어를 끄집어내도록 돕는다. 그러니 잘 사용된 대규모 언어 모델도 비슷할 수 있다. 함께 즉흥적으로 주고받을 수 있는 사고의 동반자가 있다면, 그것은 실제로 훌륭한 창의성 증폭기가 될 수 있다.

— Victor R. Lee, 스탠퍼드대학교, 미국

AI로 창조하기는 학습자를 열린 질문을 탐색하고 새로운 아이디어와 해법을 발전시키기 위해 AI를 사용하는 상상력 있는 창작자의 자리에 세운다. 이 접근은 학습자가 아이디어를 떠올리고 표현하며 질문하고 성찰하고 AI 산출물을 다듬어 가는 과정에서 AI 도구를 반복적으로 사용하며 펼쳐진다. 이런 방식으로 학습자는 AI를 자신의 창작 구상을 대체하는 것이 아니라 실현하는 수단으로 사용한다. 학습자는 또한 독창성과 지식재산, AI 산출물의 공정한 사용에 관한 윤리적 물음도 고려한다. AI로 창조하기는 학습자 자신의 아이디어를 우선에 두며, 그 아이디어에 생명을 불어넣고 새로운 반복을 촉발하며 성찰과 학습의 기회를 열어 주는 도구를 사용하도록 한다.

AI로 창조하기 영역의 역량

1. 독창적 아이디어 위에 쌓아 올리는 새로운 관점과 접근을 탐색하기 위해 AI 시스템을 사용한다.
2. 여러 유형의 AI 시스템을 사용해 아이디어를 시각화하고 시제품으로 만들며 결합한다.
3. 피드백을 이끌어 내고 결과를 다듬으며 성찰을 뒷받침하도록 생성형 AI 시스템을 이끈다.
4. AI가 콘텐츠의 진정성과 지식재산을 어떻게 지키거나 침해할 수 있는지 분석한다.

역량 1. 독창적 아이디어 위에 쌓아 올리는 새로운 관점과 접근을 탐색하기 위해 AI 시스템을 사용한다

지식3.1기술창의성태도혁신하는, 유연하게 적응하는

기본 학습자는 여러 AI 도구가 자신의 생각을 넓히거나 새로운 아이디어를 촉발할 수 있는 방식을 탐색한다.

교실에서 학습자는 학급 친구들의 아이디어(예: ‘우주 속 정글’)를 바탕으로 이야기의 배경을 만들기 위해 AI가 생성한 이미지를 놓고 논의한 뒤, 예상치 못한 결과에서 영감을 얻어 새로운 이야기를 쓴다.

중급 학습자는 아이디어를 떠올리는 과정에서 AI가 제안한 것을 자신의 아이디어와 비교한다.

교실에서 교사가 낸 과제에 대해 학습자는 먼저 스스로 아이디어를 떠올린 뒤 AI가 생성한 아이디어를 살펴본다. 자신의 아이디어를 AI가 생성한 것과 비교하고, AI의 제안에 노출되는 일이 독창성과 자신감, 의사결정을 어떻게 형성할 수 있는지 논의한다.

심화 학습자는 포괄적인 해법과 창의적인 접근을 발전시키기 위해 AI가 생성한 산출물을 자신의 아이디어와 의도적으로 통합한다.

교실에서 학습자는 학급 토론을 위해 자기 주장을 세운 뒤, 교사가 제공한 AI 생성 반론을 분석한다. 그 반론을 재구성하거나 물리치며 최종 주장을 강화한다.

역량 2. 여러 유형의 AI 시스템을 사용해 아이디어를 시각화하고 시제품으로 만들며 결합한다

지식1.4기술협업, 창의성태도유연하게 적응하는, 호기심 있는

기본 학습자는 어떤 아이디어를 표현하기 위해 AI를 사용해 이미지나 이야기, 모형을 생성한다.

교실에서 학습자는 주제(예: ‘희망’, ‘겨울’, ‘공동체’)를 고르고 AI 이미지 생성기를 사용해 시각적 표현을 만든다. 이미지를 하나 생성한 뒤 프롬프트의 어떤 요소가 최종 결과를 형성했는지 짧게 설명하는 글을 쓰고, 산출물에서 예상치 못했거나 놀라웠던 점을 적는다. 생성된 결과가 자신이 염두에 둔 아이디어와 얼마나 잘 맞는지 평가한다.

중급 학습자는 다양한 아이디어를 발전시키고 여러 산출물을 만들어 내기 위해 AI 도구(예: 텍스트·이미지·음악 생성기)로 실험한다.

교실에서 학습자는 학교의 새 동아리를 알리기 위한 기획안을 설계한다. 텍스트 생성기와 이미지 생성기를 사용해 여러 취지문과 활동 아이디어, 시각 양식을 만들어 낸다. 그런 다음 서로 다른 프롬프트와 도구가 같은 아이디어를 어떻게 다르게 해석해 내는지 비교한다.

심화 학습자는 최종 결과물을 발전시키고 다듬고 발표하기 위해 여러 AI 시스템의 산출물을 선별해 통합한다.

교실에서 학습자는 AI 도구를 사용해 간단한 상호작용 프로젝트(예: 움직임에 반응하는 조명 장치)를 설계한다. 텍스트 생성기로 시스템이 어떻게 반응해야 하는지 개요를 잡고, 이미지 생성기로 구성을 시각화하며, AI 코딩 보조 도구로 기본 제어 코드의 초안을 만든다. 여러 도구에서 예시를 생성해 산출물을 비교하고 시제품을 수정한다. 학습자는 계획과 시각 자료, 코드가 하나의 작동하는 시제품으로 맞물리도록 하고, 작업을 마무리하기 전에 또래의 피드백을 구한다.

역량 3. 피드백을 이끌어 내고 결과를 다듬으며 성찰을 뒷받침하도록 생성형 AI 시스템을 이끈다

지식2.3, 3.3기술컴퓨팅 사고, 창의성태도유연하게 적응하는, 혁신하는

기본 학습자는 어떤 아이디어에 대해 정확한 피드백과 도움이 되는 응답을 얻어 내도록 AI 시스템에 프롬프트를 주는 방법을 안다.

교실에서 학습자는 같은 아이디어에 대한 피드백을 얻기 위해 만든 두 가지 버전의 프롬프트를 본다. 두 프롬프트에 대한 AI의 응답을 비교하고 어느 프롬프트가 더 정확하거나 유용한 피드백을 이끌어 냈는지 분석한다. 그런 다음 어떤 특징(예: 맥락, 구체성, 제약)이 그 프롬프트를 더 효과적으로 만들었는지 설명한다.

중급 학습자는 AI와 주고받는 반복적 교환으로 자신의 작업을 다듬으며, 그 산출물을 자신의 아이디어와 비교해 무엇이 자기 목표에 도움이 되는지 판단한다.

교실에서 학습자는 비와 비율을 사용해 기하학적 정원의 입체 모형을 설계한다. AI가 제안한 치수를 자신의 계산과 비교해 수학적 정확성을 확인하고, 설계에 반영할 새로운 창의적 접근을 고려한다.

심화 학습자는 AI가 생성한 피드백이 자신의 아이디어를 어떻게 형성하는지 비판적으로 평가한 뒤, 자신의 창작 과정에서 AI를 어떻게 사용하고 싶은지 성찰한다.

교실에서 학습자는 글쓰기 과제의 초기 초안과 AI 도구의 피드백을 받아 수정한 최종본을 비교한다. 각 수정이 AI 도구의 영향을 받은 것인지 자기 생각에서 나온 것인지 드러내는 주요 변경 지점에 주석을 단다. 그리고 자기 목표를 이루기 위해 어떤 제안을 사용하고 조정하고 무시할지 어떻게 결정했는지 설명하는 짧은 성찰문을 쓴다.

역량 4. AI가 콘텐츠의 진정성과 지식재산을 어떻게 지키거나 침해할 수 있는지 분석한다

지식2.2기술문제 해결, 자기 인식과 사회적 인식태도공감하는, 책임지는

기본 학습자는 AI가 생성한 콘텐츠가 지식재산법이나 저작권법으로 보호되는 작품을 다시 사용하거나 복제할 수 있음을 알고, 원작을 만든 사람에게 어떤 함의가 있는지 인식한다.

교실에서 학습자는 유명 아티스트를 모방하도록 AI로 생성된 음악 사례를 살펴본다. 교사와 함께 이것이 저작권과 소유권, 아티스트에 대한 정당한 공로 인정에 관해 어떤 우려를 낳는지 논의한다.

중급 학습자는 창작 과제에서 언제 출처 표시나 허락이 적절한지, 또는 언제 AI 사용을 피하는 것이 적절한지 고려하고 그 선택을 자신의 작업에 적용한다.

교실에서 학습자는 원작과 AI가 생성한 시를 비교한 뒤, 무엇이 어떤 것을 ‘독창적’으로 만드는지 교사와 논의한다. 그런 다음 AI 사용을 밝히는 학교 차원의 지침을 확인한다.

심화 학습자는 AI가 생성한 산출물이 창작 작업에 갖는 윤리적 함의를 평가하고, 자신의 산출물에서 영감과 복제를 구별하며, 자신의 AI 사용이 어떻게 진정성을 지키고 다른 창작자를 존중하는지 정당화한다.

교실에서 학습자는 온전히 사람이 만든 예술, AI 시스템이 생성한 예술, 그리고 예술가가 AI와 함께 만든 예술의 사례를 받는다. 각 작품에서 인간이 어떤 선택을 했고 하지 않았는지, 누가 예술가로 인정받아야 하는지, 무엇이 저작권으로 보호되어야 하는지, 그리고 AI가 앞으로 예술 창작을 어떻게 바꿀 수 있는지 고찰한다.

AI 관리하기

AI 관리하기는 사람과 AI 사이에 일을 의도적으로 나누는 것을 목표로 한다.

AI를 효과적으로 관리하는 일은 학생이 AI가 정말로 필요한지 판단하는 데에서 시작한다. 이는 명확한 학습 목표를 세우고 문제를 분해하며, AI 도구가 인간의 역량을 증강하도록 일을 적절히 배분할 것을 요구한다. 학생은 자신의 AI 사용에 관해 투명하게 소통할 수 있어야 하고, 정의와 인간의 판단을 중심에 두면서 공정성을 보장하는 지침을 따라야 한다.

— Pati Ruiz, Digital Promise, 미국

AI 관리하기는 학습자를 사람에게서 AI 도구로 일이 어떻게 위임되는지 신중히 고려하는 의도적인 의사결정자의 자리에 세운다. 학습자는 서로 다른 AI 접근을 비교하고 문제를 부분으로 나누며, 인간의 노력이 판단과 창의성, 관계 형성, 전문 지식에 집중되도록 AI가 언제 과제를 자동화하거나 증강해야 하는지 결정한다. 이 과정 전반에서 학습자는 감독을 유지하고 AI가 효과적이고 윤리적이며 인간 중심의 목표와 맞닿아 있도록 AI 사용을 점검하고 조정한다.

AI 관리하기 영역의 역량

1. 과제의 성격에 근거해 AI 시스템을 사용할지 결정한다.
2. 서로 다른 AI 시스템이 어떻게 작동하고 무엇에 가장 적합한지 비교해 과제에 알맞은 AI 접근을 고른다.
3. 문제를 분해해 AI 시스템이 언제 어떻게 과제를 자동화하거나 증강해야 하는지 판단한다.
4. 문제 해결 과정 전반에서 AI 사용을 점검하고 평가한다.

역량 1. 과제의 성격에 근거해 AI 시스템을 사용할지 결정한다

지식3.1, 4.3기술컴퓨팅 사고, 문제 해결태도혁신하는, 책임지는

기본 학습자는 다양한 AI 시스템과 그것이 뒷받침하도록 설계된 과제를 식별한다.

교실에서 학습자는 교사가 정한 지침에 따라 학업 과제에 알맞은 도구를 짝짓는다(예: 요약에는 AI, 자료 조사에는 검색 엔진).

중급 학습자는 AI에 관해 아는 바를 활용해 특정 과제에 AI가 적절한 디지털 도구인지 판단한다.

교실에서 교사가 학급 전체를 향해 일상적 과제의 예를 부르면, 학습자는 AI가 어떻게 쓰일 수 있다고 생각하는지에 따라 ‘AI만’, ‘AI 지원’, ‘사람만’, ‘잘 모르겠음’이라고 적힌 교실 모퉁이로 이동한다. 그런 다음 다르게 선택한 또래에게 자신의 선택을 설명하고 옹호하며, 설득되면 모퉁이를 옮긴다.

심화 학습자는 과제의 복잡성과 인간 판단의 필요를 AI 사용의 윤리적 함의와 견주어 봄으로써 특정 과제에 AI가 적합한 디지털 도구인지 판단한다.

교실에서 학습자는 에세이를 쓰는 단계(주제 선정, 근거 조사, 논증 구성, 문단 초안 작성, 수정과 교정)를 고려한 뒤, 어느 단계는 AI의 도움을 받을 수 있고 어느 단계는 자신의 목소리와 추론이 필요한지 식별한다. 학교의 AI 사용 지침을 참고해 자신의 접근을 조정한다.

역량 2. 서로 다른 AI 시스템이 어떻게 작동하고 무엇에 가장 적합한지 비교해 과제에 알맞은 AI 접근을 고른다

지식1.2, 1.4기술컴퓨팅 사고, 문제 해결태도유연하게 적응하는, 호기심 있는

기본 학습자는 어떤 유형의 AI 시스템은 과제를 수행하도록 특정 규칙으로 프로그래밍될 수 있는 반면, 다른 유형은 데이터에서 패턴을 학습할 수 있다는 점을 인식한다.

교실에서 학습자는 쓰레기 분류 과제를 수행하며 AI 시스템을 만드는 서로 다른 접근을 비교한다. 먼저 무작위 산출물로는 물건을 안정적으로 분류하기 어려운 이유를 생각해 본다. 다음으로 로봇 역할을 맡은 학급 친구에게 특정 기준에 따라 쓰레기 이미지를 분류하도록 지시한다. 그 기준에 맞지 않는 새로운 이미지에 ‘로봇’이 어떻게 반응하는지 관찰한다. 마지막으로 학급 설문 같은 수집 데이터의 패턴을 사용해 분류 결정을 개선하는 시스템이 어떻게 가능한지 탐색하고, 어떤 접근이 어떤 과제에 가장 적절한지 판단한다.

중급 학습자는 문제를 풀기 위해 규칙 기반 접근과 기계학습 접근을 사용할 때의 이점과 단점을 식별한다.

교실에서 학습자는 정해진 규칙에 따라 과제를 수행하는 기술(예: 계산기, 신호등, 온도조절기)과 데이터의 예시로 학습된 기술(예: 이미지 인식, 번역)을 비교한다. 교사와 함께 각 접근이 왜 그 특정 과제에 적합한지 고찰한다.

심화 학습자는 맥락과 데이터의 가용성 및 품질, 효율성, 투명성, 원하는 결과, 잠재적 영향 같은 요인을 고려해 어떤 과제에 AI가 효과적인 접근인지 평가한다.

교실에서 학습자는 AI 사용의 실제 사례(예: 경로 계획, 콘텐츠 조정, 자원 배분)를 분석한다. 관련된 요구사항과 제약, 상충 관계에 근거해 규칙 기반 접근과 기계학습 접근 중 무엇이 더 적절한지, 또는 AI를 아예 사용하지 말아야 하는지 정당화한다. 근거를 세워 권고안을 만든 뒤 학급 토론에서 자신이 고른 접근을 또래에게 발표한다.

역량 3. 문제를 분해해 AI 시스템이 언제 어떻게 과제를 자동화하거나 증강해야 하는지 판단한다

지식1.1, 3.1기술협업, 컴퓨팅 사고, 문제 해결태도유연하게 적응하는, 혁신하는

기본 학습자는 당면한 문제의 유형을 식별하고 AI가 그 해결에 도움이 될 수 있을지 고려한다.

교실에서 학습자는 여러 문제의 예(예: 날씨 예측하기, 친구 위로하기, 표절 탐지하기)를 받아 각각을 문제 유형(예: 데이터 기반, 정서적, 창의적)으로 분류한다. 학급 전체가 AI가 그 문제를 푸는 데 도움이 될 수 있을지, 그리고 목표를 이루는 데 AI 해법이 언제나 필요한지 논의한다.

중급 학습자는 문제를 구성 부분으로 나누고 AI가 특정 단계에서 도움이 될 수 있는 방법을 고려한다.

교실에서 학습자는 복잡한 연구 프로젝트를 완수하는 단계를 분해하고 AI가 뒷받침할 수 있는 단계(예: 1차 사료 요약, 관련 논평 찾기)를 식별한다. 주장을 검증하고 AI 산출물의 잠재적 편향을 평가하며 자신의 논증과 해석을 세우는 일은 스스로 수행한다.

심화 학습자는 인간의 강점과 AI의 능력이 어디에 있는지에 근거해 여러 단계로 이루어진 과정 안에서 과제를 의도적으로 배정한다.

교실에서 학습자는 시간 제한이 있는 과제로 같은 결과물을 AI를 사용한 것과 사용하지 않은 것 두 가지 버전으로 만든다. AI를 활용하는 과제를 시작하기 전에 팀은 어느 단계가 AI의 능력에 기대고 어느 단계가 인간의 강점에 기댈지 정확히 정한다. 결과를 비교한 뒤 과제 배정을 수정하고, 인간과 AI의 역할을 바꾸는 일이 최종 결과물의 품질과 신뢰성, 목적에 어떤 영향을 미쳤는지 설명한다.

역량 4. 문제 해결 과정 전반에서 AI 사용을 점검하고 평가한다

지식4.1기술협업, 문제 해결태도유연하게 적응하는, 성찰하는, 책임지는

기본 학습자는 책무성과 학습, 공정성을 뒷받침하는 방향으로 AI 사용에 관한 결정을 내려야 함을 인식한다.

교실에서 학습자는 여러 산업(예: 스포츠, 저널리즘, 음악)에서 AI 도구가 사용되는 사례를 탐색해 AI 사용이 유리할 수 있는 과제와 사람이 더 능동적인 역할을 해야 하는 경우를 판단한다.

중급 학습자는 AI 산출물을 원하는 결과와 비교하고, 언제 AI 시스템의 방향을 바꾸어야 할지 또는 스스로 산출물을 개선해야 할지 안다.

교실에서 학습자는 자율주행차가 여러 주행 상황을 헤쳐 나가는 짧은 영상을 본다. 학급 전체가 사람이라면 자율주행차와 어떻게 다른 결정을 내릴 수 있을지 비교하고, 언제 인간의 판단이 알고리즘을 우선해야 하는지 논의한다.

심화 학습자는 인간과 AI의 역할에 근거해 점검 지점을 세우고, 성공 기준에 비추어 진행 상황을 점검하며, 그에 따라 역할을 조정한다.

교실에서 학습자는 팀을 이루어 지역 사안(예: 음식물 쓰레기 줄이기, 안전한 자전거 길 설계하기)에 관한 공공 인식 캠페인을 만든다. AI 도구를 사용해 메시지나 시각 자료를 생성하되, 중간에 멈추어 그 산출물을 청중의 필요 및 프로젝트 목표와 비교한다. AI가 생성한 콘텐츠가 오해를 부르거나 표적에서 벗어나면 정확하고 진정성 있는 메시지를 만들어 내도록 역할이나 작업 흐름을 조정한다.

AI 빚어 가기

AI 빚어 가기는 인간의 가치를 반영하도록 AI 시스템을 개선하는 것을 목표로 한다.

학생이 AI로 무언가를 만들기 위해 AI 엔지니어가 될 필요는 없다. AI 시스템이 어떻게 작동하는지에 관한 단순하고 연령에 맞는 탐색만으로도 강력한 학습이 촉발될 수 있고, 학생이 자신은 기술에 의해 형성되기만 하는 존재가 아니라 기술을 빚어 갈 수 있는 존재임을 깨닫도록 도울 수 있다.

— Cathy Adams, 앨버타대학교, 캐나다

AI 빚어 가기는 학습자가 AI 시스템의 기술적 토대와 그 작동과 영향을 좌우하는 인간의 선택 사이의 관계를 살피도록 힘을 실어 준다. 교육적 맥락에서 컴퓨터과학 원리를 직접 다루며 연령에 맞게 탐색함으로써, AI 빚어 가기는 학습자가 AI 시스템을 필연적인 것이 아니라 의도적이고 인간이 이끄는 것으로 보게 만든다. 이는 더 깊고 기술적인 경험과 이해에서 나온다. 이 영역의 목표는 학습자가 상업적 제품을 개발하거나 그것을 서비스에 투입하도록 하는 것이 아니라, 인간의 가치와 다양한 관점, 공동선을 반영하는 AI 시스템을 만들거나 개선하도록 젊은이에게 힘을 실어 주는 것이다. 그럼으로써 AI를 빚어 가는 학습자는 스스로를 수동적 소비자가 아니라 책임 있는 창작자로 여기게 된다.

이러한 역량은 학습자가 AI 시스템의 역할과 영향에 관해 추론할 수 있고, 그 배경을 이해하며, 신기술을 안전하고 효과적으로 헤쳐 나갈 수 있을 때에만 실현될 수 있다. 이를 위해 컴퓨터과학 교육자나 AI 관련 이니셔티브와 역량, 또는 지역사회 협력자와의 협업이 필요할 수 있다. 학교와 교육 체제는 전용 기술 기반 시설이나 수업이 아직 갖추어지지 않은 곳에서도 이러한 역량에 다가갈 수 있게 하는 협력 관계와 교과 융합 접근을 탐색하도록 권장된다. 이 영역은 학습자가 앞선 세 영역인 AI와 관계 맺기, AI로 창조하기, AI 관리하기의 역량을 갖추었을 때 달성할 수 있다.

AI 빚어 가기 영역의 역량

1. AI 시스템이 어떻게 작동하도록 의도되었는지, 누구를 위해 설계되었는지, 그 한계는 무엇인지 조사한다.
2. 정해진 기준과 예상 결과, 시험 사례, 사용자 피드백을 활용해 AI 시스템을 평가한다.
3. 데이터 출처와 선별, 정보 흐름이 작동과 산출물에 어떤 영향을 미치는지 유의하며 AI 시스템을 설계한다.
4. 인간의 웰빙과 사회적 이익을 다루고 촉진하도록 AI 시스템을 개선한다.

역량 1. AI 시스템이 어떻게 작동하도록 의도되었는지, 누구를 위해 설계되었는지, 그 한계는 무엇인지 조사한다

지식1.2, 2.1기술의사소통, 문제 해결, 자기 인식과 사회적 인식태도호기심 있는, 성찰하는, 책임지는

기본 학습자는 서로 다른 AI 시스템이 무엇을 하도록 설계되었는지 식별한다.

교실에서 학습자는 AI 시스템의 작동 방식과 학습 데이터, 의도된 용도, 있을 수 있는 한계를 서술한 모델 카드를 검토한다. 학급 전체가 그 AI 시스템의 적절한 사용에 관해 논의한다.

중급 학습자는 특정 AI 도구의 목적과 의도된 사용자, 기본적인 제약을 서술한다.

교실에서 학습자는 여러 AI 도구의 사례(예: 챗봇, 추천 시스템, 경로 계획 앱)를 살펴본다. 각각에 대해 주된 과제를 식별하고 어떤 입력을 사용하며 산출물이 그 과제를 어떻게 수행하는지 쉬운 말로 설명한다.

심화 학습자는 AI 도구의 목적과 의도된 사용자, 제약, 잠재적 영향을 고려해 그 도구의 강점과 한계를 평가한다.

교실에서 학습자는 AI 기반 내비게이션 앱이 교통 데이터를 사용해 효율적인 경로를 제안하는 방식을 분석한다. 그 앱이 일부 사람의 이동 시간을 줄여 주는 한편, 특정 동네에서는 혼잡과 소음, 안전 위험을 키울 수 있다는 점을 논의한다.

역량 2. 정해진 기준과 예상 결과, 시험 사례, 사용자 피드백을 활용해 AI 시스템을 평가한다

지식1.2, 1.4기술협업, 컴퓨팅 사고태도유연하게 적응하는, 혁신하는, 성찰하는

기본 학습자는 AI 시스템이 과제를 완수했는지 판단할 기준을 정의한다.

교실에서 학습자는 새로운 음악을 추천하는 AI 시스템을 살펴본다. 소그룹으로 그 시스템을 성공적이라고 볼 기준을 정의하고, 관심사나 이용 이력이 다른 사용자에 대한 시스템의 추천을 비교한다.

중급 학습자는 정해진 기준과 사람의 검토나 벤치마크 시험에서 얻은 피드백을 활용해 AI 시스템의 과제 수행을 평가한다.

교실에서 학습자는 낱말 퍼즐을 풀기 위해 자신이 사용할 전략을 밝힌다. 교사가 같은 과제를 위한 예시 알고리즘을 제시한다. 정해진 기준(예: 효율성, 일관성, 명료성)을 사용해 학습자는 또래의 전략을 그 알고리즘과 비교하며 각 접근의 강점과 한계, 상충 관계를 식별한다.

심화 학습자는 AI 시스템에 대한 자신만의 평가 기준을 설계하고, 서로 다른 입력과 사용자에 걸친 성능을 비교하며, 그것을 사용해 개선안을 제안한다.

교실에서 학습자는 둘씩 짝지어 AI 도구에 대한 제안서 초안을 작성하고 서로의 아이디어를 공유한다. 각자 상대의 제안에 관해 일련의 질문을 한다. 다음으로 각 짝은 상대의 아이디어에 대해 의도된 사용자와 의도하지 않은 사용자, 영향, 사용 사례를 밝히는 모델 카드를 작성한다. 모델 카드를 바탕으로 서로에게 피드백을 제공하고 자신의 도구 제안서를 그에 따라 수정한다.

역량 3. 데이터 출처와 선별, 정보 흐름이 작동과 산출물에 어떤 영향을 미치는지 유의하며 AI 시스템을 설계한다

지식1.2, 2.2, 2.4기술컴퓨팅 사고, 자기 인식과 사회적 인식태도혁신하는, 책임지는

기본 학습자는 AI 시스템을 학습시키는 데 쓰일 수 있는 데이터의 예를 식별한다.

교실에서 학습자는 재활용 가능한 물질을 분류할 수 있는 AI 도구를 설계하는 과제를 받는다. 소그룹으로 그 AI 도구를 학습시키기 위해 인터넷에서 어떤 데이터를 수집할 수 있을지 결정한다. 교사의 도움을 받아 효과적이고 정확한 AI 도구를 학습시키는 데 데이터의 어떤 측면이 가장 중요할지 논의한다.

중급 학습자는 AI가 타인에게 영향을 미치는 결정을 내리는 데 사용되는 경우에 데이터 선별과 수집 방법의 중요성을 비교한다.

교실에서 학습자는 동물 집합을 조직하는 서로 다른 방법(예: 신체적 특징에 따른 분류)을 비교한다. 기존 분류에 들어맞지 않는 새로운 동물이 그 집합에 들어올 때 어떤 일이 일어나는지 논의한다.

심화 학습자는 데이터셋의 특정 속성(예: 크기, 특성, 편향)이 AI 모델의 성능과 영향에 어떤 영향을 미치는지 평가한다.

교실에서 학습자는 학급에서 기를 동물을 고르기 위한 설문을 실시하고 결과를 막대그래프로 나타낸다. 이 결과를 자신의 개인적 선호와 비교하고, 학년 전체 설문 및 학교 전체 설문 데이터와도 비교한다. 데이터셋의 크기와 다양성을 늘리는 일이 설문 결과를 어떻게 바꾸는지 논의하고, AI 시스템이 학습 데이터에 따라 어떻게 다른 추천을 내놓을 수 있는지 고찰한다.

역량 4. 인간의 웰빙과 사회적 이익을 다루고 촉진하도록 AI 시스템을 개선한다

지식4.1, 4.2, 4.3기술컴퓨팅 사고, 문제 해결, 자기 인식과 사회적 인식태도공감하는, 혁신하는, 책임지는

기본 학습자는 AI 시스템이 개인과 공동체, 환경을 더 잘 뒷받침하도록 설계되거나 조정될 수 있음을 인식한다.

교실에서 학습자는 학습 자료를 찾는 일이나 제때 정보를 공유하는 일처럼 교실이나 학교의 일상적 과제를 논의한다. AI 도구의 사례를 탐색하고, 더 명확한 안내나 연령에 맞는 산출물, 서로 다른 필요에 맞춘 선택지처럼 그 도구를 더 유용하거나 포용적으로 만들 수 있는 단순한 변경을 식별한다. 학습자는 그러한 개선으로 누가 이익을 얻을지, 그리고 왜 그런지 설명한다.

중급 학습자는 자신과 타인을 위해 AI 시스템을 개선할 구체적인 설계 변경을 제안한다.

교실에서 학습자는 어떤 도서관 책이 가장 수요가 많을지 예측하는 AI 도구의 사용을 고려한다. 데이터 출처와 범주, 추천을 둘러싼 설계 선택이 어떤 관심사가 대표되는지에 어떤 영향을 미치는지 분석한다. 학습자는 접근성과 포용성, 유용성 같은 변수를 개선하기 위한 구체적 변경(예: 사용자 입력 추가, 범주 조정, 피드백 순환 포함)을 제안하고 계획한다. 서로 다른 능력이나 학습 요구를 지닌 학습자에게 추천과 인터페이스가 접근 가능하고 도움이 되도록 보장하는 기능을 식별한다.

심화 학습자는 기술적 제약과 윤리적 고려, 사용자 요구에 근거해 AI 시스템의 개선안을 설계하고 정당화한다.

교실에서 학습자는 팀을 이루어 지역 환경 데이터를 사용해 천식이 있는 지역 주민에게 건강 위험을 알리는 모델을 설계하거나 수정한다. 어떤 데이터를 포함할지, 예측을 어떻게 생성할지, 사용자가 모델의 경보를 어떻게 받을지에 관해 의도적인 설계 결정을 내리는 연습을 한다. 학습자는 피드백을 활용해 자신의 시스템을 시험하고 다듬으며, 자신의 개선이 인간의 웰빙과 지역사회의 신뢰를 어떻게 더 잘 뒷받침하는지 설명한다.

05 참고 자료

용어집

원문 용어집의 용어와 정의, 출처를 그대로 옮겼다. 용어 옆 괄호 안은 원문의 영어 표기다.

용어	정의	출처
AI 에이전트 (AI Agent)	상위 수준의 목표에 근거해 자율적으로 추론하고 계획하며 복잡한 과제를 실행하도록 설계된 고급 AI 시스템.	Generative AI Outlook Report (Abendroth-Dias et al., 2025); Types of AI Agents (Stryker, 2025)
AI 동반자 (AI Companion)	학습과 일 등 일상 활동에서 인간의 경험을 뒷받침하고 향상하도록 설계된 정교한 AI 개체. 일상의 정서적·사회적·실용적 측면을 아우르며 인간과의 상호작용과 관계를 촉진한다.	Defining AI Companions: A Research Agenda—from Artificial Companions for Learning to General Artificial Companions (Chou et al., 2025)
알고리즘 (Algorithm)	문제를 풀거나 과제를 수행하기 위한 공식 또는 규칙의 집합(절차, 과정, 명령). 흔한 예로 의사결정 나무, 군집화 알고리즘, 분류 알고리즘, 회귀 알고리즘이 있다.	DigComp 3.0 (Cosgrove & Cachia, 2025). Generative AI Outlook Report (Abendroth-Dias et al., 2025)에서 각색
의인화 (Anthropomorphism)	인간적이지 않거나 인격적이지 않은 것을 인간적 또는 인격적 특성의 관점에서 해석하는 일.	Merriam-Webster Dictionary (Merriam-Webster, n.d.)
범용 인공지능 (Artificial General Intelligence, AGI)	잘 교육받은 성인의 인지적 다재다능함과 숙련도에 필적하거나 그것을 능가할 수 있는 AI 시스템. 현재 그러한 시스템은 존재하지 않는다.	What is Artificial General Intelligence (AGI)? (Bergmann & Stryker, n.d.)에서 각색
증강 (Augmentation)	다른 과제의 생산성을 높이기 위해 어떤 과제에 기계를 사용하는 일.	The EPOCH of AI: Human-Machine Complementarities at Work (Loaiza & Rigobon, 2024)
자동화 (Automation)	서로 다른 시스템과 소프트웨어를 연결해 그것들이 스스로 작동하거나 스스로 조절하게 만드는 과정.	K-12 Standards (Computer Science Teachers Association, 2017)
봇 / 챗봇 (Bot/Chatbot)	주로 인터넷을 통해 인간과의 대화를 모방하도록 설계된 컴퓨터 프로그램. 특히 자동화된 서비스의 일부로 사용자에게 정보나 도움을 제공하는 데 쓰인다.	DigComp 3.0 (Cosgrove & Cachia, 2025). Generative AI Outlook Report (Abendroth-Dias et al., 2025)에서 각색
편향 (Bias)	참인 상태에서 체계적으로 벗어나는 일. 개인의 주관적 편향, 데이터와 알고리즘 편향, 개발자 편향, 그리고 사회적 맥락에 뿌리내린 제도화된 편향 등 여러 형태가 있다.	DigComp 3.0 (Cosgrove & Cachia, 2025). Generative AI Outlook Report (Abendroth-Dias et al., 2025)에서 각색
코딩 (Coding)	프로그래밍 언어로 컴퓨터 프로그램을 작성하는 행위.	K-12 Standards (Computer Science Teachers Association, 2017)
컴퓨팅 사고 (Computational Thinking)	문제를 정식화하고 그 해법을 인간이든 기계든 컴퓨터가 효과적으로 수행할 수 있는 방식으로 표현하는 데 관여하는 사고 과정.	Computational Thinking’s Influence on Research and Education for All (Wing, 2017)
컴퓨터 프로그램 (Computer Program)	컴퓨터가 실행할 프로그래밍 언어로 된 일련의 명령 또는 명령의 집합.	Cambridge English Dictionary (Cambridge University Press, n.d.)에서 각색
컴퓨터과학 (Computer Science)	정보학(Informatics) 항목 참조.	—
저작권 (Copyright)	저작자가 작품을 유형적 표현 형태로 고정하는 즉시 독창적 저작물을 보호하는 지식재산의 한 유형.	DigComp 3.0 (Cosgrove & Cachia, 2025). Generative AI Outlook Report (Abendroth-Dias et al., 2025)에서 각색
사이버 괴롭힘 (Cyberbullying)	스스로를 쉽게 방어할 수 없는 피해자를 대상으로 전자적 접촉 수단을 사용해 집단이나 개인이 반복적으로 그리고 시간을 두고 저지르는 공격적이고 의도적인 행위.	DigComp 3.0 (Cosgrove & Cachia, 2025)
데이터 (Data)	행위와 사실 또는 정보의 모든 디지털 표현, 그리고 음성·시각·시청각 기록의 형태를 포함해 그러한 행위와 사실, 정보를 모아 놓은 것.	DigComp 3.0 (Cosgrove & Cachia, 2025)
데이터 리터러시 (Data Literacy)	비판성과 불확실성, 흥미를 가지고 데이터와 상호작용하는 일(예: 수집, 분석, 시각화, 해석). 맥락, 집계, 변산성, 시각화, 추론 같은 요소를 포함한다.	AI Literacy: A Framework to Use, Understand and Evaluate Emerging Technology (Mills et al., 2024); Learning to Reason with Data (Rubin, 2020)
문제 분해 (Decomposition)	문제나 시스템을 구성 요소로 쪼개는 일.	K-12 Standards (Computer Science Teachers Association, 2017)
딥페이크 (Deepfake)	실존하는 사람이나 사물, 장소, 개체, 사건과 닮았으며 보는 사람에게 진짜이거나 진실인 것처럼 잘못 보이게 하는, 생성되거나 조작된 이미지·오디오·영상 콘텐츠.	DigComp 3.0 (Cosgrove & Cachia, 2025). Generative AI Outlook Report (Abendroth-Dias et al., 2025)에서 각색
디자인 사고 (Design Thinking)	인간 중심 설계에 초점을 맞춘 문제 해결과 혁신의 접근으로, 네 단계(명료화, 아이디어 발상, 개발, 실행)로 이루어진다.	What is Design Thinking & Why is it Important? (Han, 2022)
디지털 시민성 (Digital Citizenship)	모든 수준(정치적·경제적·사회적·문화적·문화 간)에서 디지털 환경(지역·국가·세계·온라인)에 능동적이고 지속적이며 책임 있게 참여할 수 있는 역량.	DigComp 3.0 (Cosgrove & Cachia, 2025)
디지털 역량 (Digital Competence)	학습과 일, 사회 참여를 위해 디지털 기술을 자신 있고 비판적이며 책임 있게 사용하고 그와 관계 맺는 일. 정보와 데이터 리터러시, 의사소통과 협업, 미디어 리터러시, 디지털 콘텐츠 창작(프로그래밍 포함), 안전(디지털 웰빙과 사이버보안 관련 역량 포함), 지식재산 관련 문제, 문제 해결과 비판적 사고를 포함한다.	Council Recommendation on Key Competences for Lifelong Learning 2018 (European Commission, 2018)
디지털 리터러시 (Digital Literacy)	디지털 기술을 통해 정보에 안전하고 적절하게 접근하고 관리하며 이해하고 통합하고 소통하고 평가하고 창작하고 배포하는 능력. 정보 리터러시와 미디어 리터러시, 컴퓨터 및 ICT 리터러시로 다양하게 불리는 역량을 포함한다.	Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
허위정보 (Disinformation)	경제적 이익을 위해 또는 의도적으로 대중을 속이기 위해 만들어지고 제시되고 유포되는, 검증 가능하게 거짓이거나 오해를 부르는 정보. 공적 해악을 초래할 수 있다.	Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
필터 버블 (Filter Bubble)	주로 검색 엔진과 소셜 미디어 같은 디지털 플랫폼의 순위 알고리즘이 개인의 능동적 선택 없이 정보를 개인화함으로써 만들어 내는 반향실(그 안에서 전달되는 메시지를 증폭하는 동시에 반박으로부터 차단할 잠재력을 지닌, 경계 지어지고 닫힌 미디어 공간).	DigComp 3.0 (Cosgrove & Cachia, 2025); Echo chambers, Filter Bubbles and Polarisation: a Literature Review (Arguedas et al., 2022)에서 각색
생성형 AI (Generative AI, Gen AI)	일반적인 지시로부터 콘텐츠(예: 텍스트, 이미지, 오디오, 영상, 코드)를 생성하거나, 기존 콘텐츠를 처리하거나(예: 번역, 교정), 기존 데이터에서 학습한 패턴에 근거해 데이터를 분석할(예: 정렬, 요약) 수 있는 AI 시스템. 이 시스템은 프롬프트라 불리는 사용자 지시에 응답해 산출물을 생성하며, 관련 정보를 예측하고 만들어 내도록 학습된 모델에 기대어 있다.	Guidelines on the Use of AI and Data in Teaching and Learning for Educators (European Commission, 2026b)
환각 (Hallucination)	AI 알고리즘이 그럴듯하게 들리지만 사실이 아닌 정보를 지어내는 현상.	Generative AI Outlook Report (Abendroth-Dias et al., 2025)
정보학 (Informatics)	여러 나라에서 컴퓨터과학 또는 컴퓨팅으로 알려진 별개의 과학 분야. 고유한 개념과 방법, 지식 체계, 미해결 과제로 특징지어진다. 정보학은 계산 구조와 과정, 인공물, 시스템의 기초, 그 소프트웨어의 설계, 그 응용과 사회에 미치는 영향을 다룬다.	Informatics Education at School in Europe (European Commission, 2022)
지식재산 (Intellectual Property, IP)	다른 사람이 복제하지 못하도록 법으로 보호받을 수 있는 누군가의 아이디어, 발명, 창작물 등.	Cambridge Dictionary (Cambridge University Press, n.d.)
대규모 언어 모델 (Large Language Model, LLM)	방대한 양의 텍스트로 학습된 신경망으로, 문장 완성과 질의응답, 기계 번역, 챗봇 기능 같은 다양한 언어 과제에 사용될 수 있다. 대규모 언어 모델은 생성형 AI를 이루는 기술 가운데 하나다.	AI Learning Priorities for All K-12 Students (CSTA & AI4K12, 2025)
기계학습 (Machine Learning)	기계가 명시적 지시 없이 과제를 수행하는 데 사용하는 알고리즘과 모델에 관한 연구. 기계학습 알고리즘은 경험과 함께 개선된다. 고급 기계학습 알고리즘은 신경망을 사용해 표본 ‘학습’ 데이터의 패턴에 근거한 수학적 모델을 세운다. 기계학습 알고리즘은 자연어 처리나 얼굴 인식처럼 개별 단계로 완수할 수 없는 과제에 가장 적합하다.	Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
미디어 리터러시 (Media Literacy)	미디어에 접근하고 이해하고 분석하고 창작하는 능력으로, 그것이 개인과 기관, 사회에 미치는 영향을 성찰하는 일을 함께 포함한다.	Navigating an Evolving World: First Draft of the Media and Artificial Intelligence Literacy (MAIL) Assessment Framework (OECD, 2026b)
메타인지 (Metacognition)	자신의 인지 과정을 자각하는 능력(메타인지적 지식)과 그것을 조절하는 능력(메타인지적 통제)을 함께 아우른다. 메타인지적 지식은 학습자로서 자기 자신에 대한 지식(강점과 약점, 선호하는 공부 시간대, 선호하는 공부 장소 등)과 인간의 뇌가 정보를 저장하고 조직하고 인출하는 방식, 그리고 과제를 완수하는 효과적인 전략에 대한 지식을 포함한다.	Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
잘못된 정보 (Misinformation)	오도할 의도 없이 퍼지는, 검증 가능하게 거짓인 정보. 흔히 사용자가 그것을 사실이라고 믿기 때문에 공유된다.	Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)
자연어 처리 (Natural Language Process, NLP)	인간의 자연어를 이해하고 그와 상호작용하는 데 사용되는 AI 기술. 자연어 처리는 음성 경험과 비서, 텍스트 예측, 문법 검사, 텍스트 분석기(스팸 필터 등), 언어 번역기 같은 기술을 구동한다.	Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
신경망 (Neural Network)	인공 신경망은 현재 인간의 뇌를 본떠 만들어진다. 뇌가 뉴런과 시냅스를 사용해 데이터를 처리하는 반면, 신경망은 방향성 연결을 가진 노드의 층을 사용한다. 이 연결 중 일부는 다른 것보다 더 중요하므로 결과를 결정하는 데 더 큰 가중치를 갖는다. 사람과 마찬가지로 신경망을 갖춘 기계는 경험을 통해 학습한다. 기계는 데이터 집합을 처리하면서 패턴을 인식하고, 가장 중요한 정보에 더 큰 가중치를 부여하며, 가장 정확한 산출물을 내도록 입력을 처리하는 법을 배우고, 미래의 예측이나 결정을 내릴 모델을 만든다. 신경망에는 여러 유형이 있으며 각각 설계와 강점, 목적이 다르다.	Hands-On AI Projects for the Classroom (Blair Black & Brooks-Young, 2021a-c)
개인화 (Personalisation)	특히 사용자의 온라인 행동에 알고리즘을 적용함으로써 개별 사용자의 관심과 선호에 맞추어진 디지털 서비스.	Generative AI Outlook Report (Abendroth-Dias et al., 2025)
예측형 AI (Predictive AI)	기존 데이터에서 패턴을 탐지하고 다음에 무슨 일이 일어날 가능성이 높은지 예측하도록 학습된 AI. 추천 엔진과 스팸 필터, 개인 맞춤 학습 애플리케이션 같은 도구에 존재한다.	Generative AI vs. Other AI Types (Microsoft, n.d.)
프로그래밍 (Programming)	문제를 분석하고 그것을 풀 프로그램을 설계하고 작성하고 시험하고 유지하는 기술.	K-12 Standards (Computer Science Teachers Association, 2017)
강화학습 (Reinforcement Learning, RL)	자율 에이전트가 환경과 상호작용하며 결정 내리는 법을 배우는 기계학습 과정의 한 유형.	What is Reinforcement Learning? (Murel & Kavlakoglu, n.d.)
출처 (Source)	어떤 정보의 출발점 또는 기원.	Guidelines for Teachers and Educators on Tackling Disinformation and Promoting Digital Literacy through Education and Training (European Commission, 2026a)

참고문헌

원문의 참고문헌 목록(원문 44~50쪽)은 서지정보의 정확성을 위해 번역하지 않았다. 원문 PDF의 해당 부분을 참고하기 바란다.

• 원문 PDF 내려받기

06 부속서

부속서 1. 피드백 요약

목적과 형식, 참여자

초안 프레임워크 공개 이후, 내용과 구조의 개정 방향을 정하기 위해 폭넓은 이해관계자와의 협의가 이어졌다. 이 이해관계자 검토 과정은 2025년 5월부터 10월까지 진행되었다. 이해관계자 검토 과정의 목적은 프레임워크가 대상 독자의 필요를 어떻게 충족하는지 판단하고 개선과 추가 개발이 필요한 영역을 찾는 것이었다. 피드백은 두 가지 주요 경로로 수집되었다.

온라인 피드백 설문. 리커트 방식의 선다형 문항과 개방형 서술 응답으로 구성되었다. 설문 문항은 프레임워크 내용에 대한 이용자의 인상에 초점을 맞추었고, 각자의 환경에서 실행을 뒷받침할 추가 자료나 구조 개선에 관한 의견을 모았다. 설문은 2025년 5월 프레임워크와 함께 시작되어 2025년 10월 30일까지 응답을 받았다.

포커스 그룹 협의. K-12 교육 생태계 전반의 조직에 속한 참여자와 함께 진행되었다. 참여자는 기존의 협력 관계에서 찾고 모집했다. 협의는 온라인과 대면으로 이루어졌다. 어떤 경우에는 개인이 2025년 5월 프레임워크와 함께 공개된 진행 지원 도구를 사용해 스스로 포커스 그룹을 계획하고 진행했다. 대부분의 협의는 참여자에게 프레임워크의 전반적 내용과 구조에 관한 질문에 답하도록 요청했으나, 일부는 설문 응답에서 제기된 특정 질문이나 주제를 다루도록 진행되었다.

모두 합쳐 2,000명이 넘는 개인이 여러 경로로 초안 프레임워크에 피드백을 보탰다. 가장 많은 이해관계자 집단은 교사(설문 응답의 41%), 프레임워크의 대상 독자로 자신을 규정하지 않은 개인(18%), 학습 설계자(15%)였다. 교육 정책 입안자(8%)와 비정부기구(NGO) 대표(6%), 학교 및 교육청 리더(6%)가 설문 응답자의 20%를 추가로 차지했다. 청소년 대표(3%)와 노동조합 또는 전문가 단체 대표(2%), 학부모 또는 양육자(1%)의 응답도 수집되었다.

피드백

이해관계자가 제공한 피드백은 개발팀이 분석해 최종안을 위한 프레임워크 개정에 반영했다.

전반적으로 응답자들은 프레임워크 내용에 긍정적이었다. 지식 항목이 제공하는 정보와 기술 항목에 담긴 실천, 미래를 준비하는 태도의 관련성에 대한 지지가 강했다. 이해관계자들은 프레임워크가 AI의 기술적 토대와 사회적 함의 사이에 적절한 연결을 지었다는 데 동의했다. 또한 역량이 AI와의 현실적인 상호작용을 반영하며 기술이 변화해도 오래 유효할 것이라는 데 동의했다.

피드백 경로와 이해관계자 집단을 가로질러 구체적인 주제가 떠올랐다. 개발팀은 각 주제를 프레임워크 내용뿐 아니라 보충 자료와 실행 자원으로도 어떻게 다룰지 고려했다.

메타인지. 이해관계자들은 자기 성찰을 핵심 기술로 더 강조해 줄 것을 요청했다. 이는 AI와 함께하는 학습뿐 아니라 동반자 앱과 소셜 미디어, 챗봇 형태의 ‘관계형 AI’와 학생이 맺는 상호작용과도 관련된다. 이해관계자가 짚은 마음가짐과 전략에는 자기조절, 조작 알아차리기, 정서적 자각, 경계 설정, 그리고 AI 사용 거부가 포함되었다.

학생 주체성. 이해관계자들은 프레임워크가 학생의 주체성을 북돋우고 학습자를 AI 자체를 빚어 가거나 그에 관해 결정하는 자리에 세울 기회가 있다고 보았다. 특히 역량 항목에서 AI와 함께 그리고 AI에 관해 직접 다루고 의미를 만들어 가는 경험을 더 많이 도입할 수 있다고 제안했다.

분별하는 역량. 이해관계자들은 프레임워크가 학습자의 일상에서 AI의 역할을 지나치게 긍정적으로 그린다고 느꼈다. 이들은 AI에 대한 건강한 회의를 포함하고, 학습자가 AI 시스템의 설계와 사용을 따져 묻도록 더 많은 비계를 제공하는 방향의 개정을 옹호했다. 이해관계자들은 프레임워크가 학습자의 분별하는 역량을 뒷받침하는 면에서 개선될 수 있다고 보았다.

환경. 이해관계자들은 프레임워크가 AI 사용의 환경 비용을 더 잘 서술할 수 있다고 느꼈다. 이들은 학습자가 AI의 환경 비용을 고려하고 그에 따라 결정을 내릴 방법을 프레임워크가 짚어 줄 기회가 있다고 보았다.

진전 수준과 현실적인 실행. 이해관계자들은 프레임워크의 내용을 높이 평가하면서도, 자료를 실행하고 지역화하려면 추가 자원이 필요하다고 지적했다. 이들은 이것이 어떤 형태를 띨 수 있는지에 관해 여러 제안을 내놓았고, 가장 흔한 제안은 프레임워크의 역량에 대한 학습 진전 단계를 포함하는 것이었다.

이 주제 각각은 개발팀과 전문가 그룹 구성원이 논의해, 이해관계자 피드백을 최종 프레임워크 개정에 반영할 최선의 방법을 찾았다. 모든 제안을 반영하거나 각 독자 집단에 맞춘 여러 버전의 프레임워크를 만드는 일은 불가능하지만, 개발팀은 가능한 한 많은 이해관계자를 만족시킬 선택지를 신중하게 고려했다. 이는 학습과학과 최선의 교육 실천, 그리고 AI 사용에 관한 지역의 지침과 법령에 대한 고려와 함께 이루어졌다.

부속서 2. AILit 프레임워크의 개발

기존 프레임워크 위에 쌓기

AILit 프레임워크는 이전의 디지털 역량 및 AI 리터러시 프레임워크의 아이디어와 실천 위에 세워졌다. 이 프레임워크들은 함께 AILit 프레임워크가 국제적 정보에 근거하고 교육자에게 유의미하며 AI 리터러시의 윤리적·기술적·사회적 차원에 뿌리내리도록 보장했다.

• 유럽집행위원회의 디지털 역량 프레임워크(DigComp)의 역량 범주화와 지식·기술·태도에서의 학습자 주체성 강조는 AILit 프레임워크의 내용에 영향을 주었고, 현실적인 고용 및 학습 사용 사례는 AILit 프레임워크의 구조에 반영되었다.
• 유네스코의 학생을 위한 AI 역량과 교사를 위한 AI 역량은 AILit 프레임워크가 세계적 관련성과 실행에 초점을 맞추도록 영향을 주었다. 유네스코의 작업은 또한 학습자에 특화된 AI 리터러시 성과와 교육자가 교실에서 그러한 경험을 뒷받침할 방법을 명확히 구분하도록 이끌었다.
• Digital Promise AI 리터러시 프레임워크의 상호 연결된 관여 방식은 교차하는 AI 리터러시 실천 및 열거된 사용 유형과 더불어, AILit 프레임워크가 역량을 정의하고 학습자와 신기술의 구체적 상호작용을 규정하는 방식의 토대를 제공했다.
• ETS의 K-12 학생의 AI 리터러시 준비 보고서에 담긴 진전 단계는 역량 전반에 걸친 학습자 기대수준과 학습 시나리오의 개발과 비계 설정을 인도했다.
• AI4K12의 AI의 5가지 빅 아이디어는 AI의 본질과 AI 학습 과정에서 데이터의 역할을 비롯한 프레임워크의 기술적 측면에 반영되었다.
• aiEDU의 AI 준비도 프레임워크는 AI 시대를 위한 오래가는 역량을 기르고 미래를 준비하는 태도를 북돋우는 데 대한 AILit 프레임워크의 강조에 영향을 주었다.

개발 원칙

AILit 프레임워크의 설계는 다음 세대를 위한 AI 리터러시를 정의하는 데 있어 목적의식적이고 협력적이며 세계를 염두에 둔 접근을 반영하는 일련의 핵심 개발 원칙에 인도된다.

원칙	내용
기초적	AI 리터러시의 숙달을 보여 주는 데 필요한 핵심 역량을 정의한다.
오래가는	AI가 진화해도 유효하게 남을 지식과 기술을 밝힌다.
실용적	다양한 교실 맥락에서 AI 리터러시를 감당할 수 있고 달성할 수 있게 만든다.
세계적	전 세계 교육자와 연구자, AI 전문가의 통찰을 담아낸다.
학제적	폭넓은 교과와 교육 환경에 AI 리터러시를 통합한다.
예시적	AI 리터러시에 생명을 불어넣는 시나리오와 예시를 포함한다.

연구 과정과 주제

AILit 프레임워크는 문헌 검토와 인터뷰, 포커스 그룹 협의, 전문가 그룹 논의를 포함한 연구에 근거한다. 디지털 역량과 미디어 리터러시, AI 리터러시에 관한 기존 프레임워크를 검토했고, 컴퓨터과학과 데이터 과학, 사회과학, 진로교육의 교육과정도 함께 살폈다. 2025년 초안 프레임워크가 공개된 이후 학생의 학습 성과와 교육자의 인식 및 사용 추세, 청소년의 정신 건강과 웰빙에 대한 함의 등 AI와 관련된 여러 주제에 관해 새로운 연구가 발표되었다. 2025년 초안과 마찬가지로 핵심 주제와 연구 질문은 AI가 어떻게 작동하는지에 관한 기술적 지식, AI와 효과적으로 협업하는 데 필요한 인간의 기술, 그리고 그 영향에 관한 윤리적 고려에 초점을 맞추었다. 이 작업은 지식·기술·태도 항목은 물론 역량과 학습자 기대수준, 학습 시나리오의 개정에도 반영되었다.

주제 1. AI와 기계학습은 어떻게 작동하는가

AI를 이해하는 일은 학습자가 기술에 관한 오해를 걷어 내고 그 함의를 더 정보에 근거해 평가하도록 돕는다. AI는 마법도 아니고 모든 것을 아는 존재도 아니다. AI는 통계적 추론과 논리를 사용해 데이터를 처리해 산출물을 만들어 낸다(Allen & Kendeou, 2023; Touretzky & Gardner-McCune, 2022). AI는 공개적으로 이용 가능한 정보와 사용자 생성 콘텐츠, 데이터베이스, 그리고 센서와 디지털 시스템으로 수집된 실시간 상호작용에서 나온 데이터로 학습되었다(AI4K12, 2022; aiEDU, 2025). AI 모델은 진정한 이해에서가 아니라 이러한 데이터셋에 근거해 통계적 가중치를 조정함으로써 ‘학습’한다(Touretzky & Gardner-McCune, 2022). 이는 정교한 산출물을 만들어 내지만, AI가 학습 데이터에 내재되었거나 개발 과정에서 유입된 유해한 편향과 통계적 편향을 재생산하기 쉽게 만든다(AI4K12, 2022; aiEDU, 2024; Sparks et al., 2024). AILit 프레임워크는 학습자가 데이터와 확률, 입력에 대한 AI의 의존을 포함해 AI의 기술적 토대를 튼튼히 이해해야 한다고 강조한다. 이러한 기술적 토대를 명료하게 밝힘으로써 학습자는 AI의 능력과 한계를 포괄적으로 이해하게 된다. 궁극적으로 학습자는 AI가 어떻게 작동하는지와 그것이 자신이나 타인에게 어떤 영향을 미칠 수 있는지를 연결 짓는다.

주제 2. AI 도구와의 성공적인 협업을 위해 강조해야 할 인간의 기술

AILit 프레임워크는 학습자가 AI와 성공적으로 협업하도록 뒷받침하는 여러 기술과 태도를 강조한다. 메타인지와 비판적 사고 같은 전통적인 학습 역량은 AI와의 상호작용에서도 여전히 매우 유효하다. 의사소통과 질문하기, 관점 취하기 기술은 AI와의 상호작용에서, 그리고 그 실행에 관한 더 넓은 논의에서 새로운 중요성을 띤다(Thoman & Jolls, 2008; Kafai et al., 2019; aiEDU, 2025). 추상화와 문제 분해, 문제 정식화 같은 전통적인 컴퓨팅 사고 기술은 학습자가 다양한 일상 맥락에서 기술적 과제를 마주하게 되면서 컴퓨터과학 교실 밖에서도 새로운 유의미함을 얻는다(Allen & Kendeou, 2023; Dasgupta & Hill, 2021). 이 프레임워크는 창의적 학습 이론, 특히 ‘상상하기-만들기-놀기-공유하기-성찰하기’ 프레임워크를 반영해 구성주의 이론을 신기술 사용과 더 잘 맞물리게 한다(Resnick, 2024). 초안 프레임워크의 발표와 그 개정 사이에 학습자 자신의 AI 리터러시 발달이 어떻게 진전될 수 있는지, 그리고 효과적인 AI 사용을 뒷받침하는 특정한 직무 역량과 행동이 무엇인지에 관한 추가 자료가 나왔다(Chakraburty, Ober and Liu, 2025; Butler et. al., 2025). 이 프레임워크는 AI에 특화된 역량 안에 인간의 역량을 의도적으로 중심에 두어, 학습자가 기술이 복제할 수 없는 자질을 유지하면서 AI를 효과적으로 활용할 수 있도록 한다.

주제 3. AI가 개인과 사회, 환경에 미치는 영향

학습자는 AI가 이미 자신에게 어떤 영향을 미치고 있으며 앞으로 자신의 미래를 어떻게 계속 형성할지 비판적으로 사고해야 한다. 이 프레임워크는 윤리를 기술적 개념에 덧붙이는 보충물로 다루는 대신, 가치와 맥락, 책무성이 AI와 함께 그리고 AI에 관해 배우는 일과 분리될 수 없음을 강조한다. 이 접근은 국제 연구 및 기존 정책 권고와 이니셔티브에 부합한다(European Commission, 2020; Miao et al., 2024; Cosgrove & Cachia, 2025). 학습자는 AI가 사회적·정치적 체계 안에 존재하며, 비판적으로 검토되지 않으면 알고리즘의 산출물이 기존의 불공정한 양상을 강화할 수 있음을 이해해야 한다. 여기에는 학습 데이터가 어떻게 수집되고 분류되었는지에 관한 윤리적 고려도 포함된다(Buolamwini & Gebru, 2018; Noble, 2018; TeachAI & Computer Science Teachers Association, 2024). AI와 상호작용하는 내내 학습자는 그 현실적 함의를 성찰해야 한다. 누가 AI 시스템으로 이익을 얻거나 해를 입을 수 있는지, 학습 데이터와 AI가 생성한 산출물 모두에서 어떤 관점이 대표되고 배제되는지, 그리고 AI 시스템이 개인의 자율성과 소유권, 정보 접근에 어떤 영향을 미치는지가 그것이다(White & Scott, 2024; Miao et al., 2024). AILit 프레임워크는 실천적 역량을 통해 윤리적 고려를 강화하며, 이는 윤리적 평가를 디지털 삶의 핵심 기술로 다루자는 요구에 부응한다. AI 리터러시를 기르는 일은 학습자가 기술적 결정이 권력과 형평성, 책무성과 깊이 얽혀 있는 세계를 헤쳐 나가도록 돕는다. 그것은 학습자가 AI가 무엇을 할 수 있는지뿐 아니라 무엇을 해야 하는지, 그리고 누구에게 복무하는지 묻도록 준비시킨다.

초안 프레임워크의 공개와 2026년 발간을 위한 개정 사이에, 젊은이가 학업 과제와 정서적 지지, 정신 건강 관련 필요를 위해 AI를 사용하는 방식이 점점 늘어나고 있음을 추가 연구와 언론 보도, 옹호 활동이 부각했다(American Psychological Association, 2025; Gerlich, 2025; Moore et al., 2025; Robb & Mann, 2025). 이에 대응해 프레임워크는 건강한 인지 발달을 뒷받침하고 AI의 위험과 한계에 대한 자각을 높이는 요소를 강화함으로써 젊은이의 정신적·정서적 웰빙을 우선하는 데 더 큰 무게를 두었다. 여기에는 AI가 인간이 아니며 인간처럼 다루어져서는 안 된다는 점을 명시적으로 언급하는 일과, 발간물 전반에서 학생의 주체성을 북돋우는 기회가 포함된다. 개정은 또한 AI가 인지 발달에 미치는 영향에 관한 진행 중인 연구로 프레임워크 내용을 보완했다. 이러한 다듬기는 AI 리터러시가 AI 사용의 기회와 위험에 관해 새로 나오는 증거에 계속 부응하고 젊은이의 실제 경험을 담아내도록 하려는 노력을 반영한다.

덧붙여 AILit 프레임워크는 학습자가 AI 시스템 사용의 환경 비용을 특정 과제에 대한 AI의 유의미함과 견주어 보도록 이끈다. 발간 시점에 AI 시스템은 상당한 양의 에너지와 물질, 물을 필요로 하며 전 지구적 탄소 배출에 기여하고 있다(Bashir et al., 2024; Luccioni et al., 2025; Zewe, 2025). 컴퓨팅의 지속가능성을 개선하려는 진행 중인 노력은 에너지 효율을 높이거나 다른 기술로는 다룰 수 없는 고유한 기후 관련 문제를 해결할 AI의 잠재력에 초점을 맞추고 있다(Bashir et al., 2024). AI가 천연자원에 미치는 장기적 영향은 아직 온전히 드러나지 않았으며, 지금이야말로 학습자가 디지털 세계와 물리적 세계의 관계를 더 넓게 사고할 때다.

출처

• 원저작물: OECD / European Union (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
• 원문 사이트: https://ailiteracyframework.org/
• 원문 PDF: https://ailiteracyframework.org/pdfs/framework_pdf/AILF_en.pdf
• 라이선스: CC BY 4.0 · © OECD / European Union, 2026
• ISBN 978-92-68-40754-7 (PDF) · doi 10.2766/5800975
• 삽화: Abiyasa Adiguna

이 글은 위 원저작물의 비공식 한국어 번역본이다. 원문과 번역문 사이에 불일치가 있을 경우 오직 원문만이 유효한 것으로 간주한다.

1. 유럽연합 내 교육부는 벨기에(플랑드르), 불가리아, 덴마크, 핀란드, 프랑스, 헝가리, 네덜란드, 폴란드, 포르투갈, 스페인, 스웨덴이 참여했다. ↩

2. ‘기타’ 응답에는 심리학자, 연구자, 엔지니어, 사서, 교수, 데이터 분석가 등의 직역이 포함되었다. ↩