649 ／ 660
AI 지원 탐구가 학생의 사회과학적 의사결정 능력을 어떻게 강화하는가?
1. 연구의 목적
(1) 오늘날 사회가 직면한 기후 변화, 팬데믹 관리 같은 문제는 단순히 과학적 사실로만 해결되지 않음. 과학적 증거와 더불어 가치 판단, 윤리적 고려, 복잡한 이해관계 조정이 요구되는 사회과학적 쟁점(SSI)의 본질임. 학생들에게 이러한 복합적인 문제에 대한 합리적 의사결정 능력을 길러주는 것은 과학 교육의 핵심 목표 중 하나임. 그러나 생성형 AI의 등장으로, AI가 학생의 추론을 심화시킬지 아니면 단순히 사고를 대신할지에 대한 근본적인 질문이 제기됨.
(2) 이 연구는 AI 지원 탐구 학습이 중등 학생들의 기후 변화 관련 의사결정 능력을 향상시키는지 검증하는 목표를 가짐. 특히 AI의 기여가 탐구 학습 자체의 효과와 어떻게 다른지, 그리고 전통적인 교수법과 비교했을 때 어떤 차이를 보이는지 실험적으로 밝히는 목적임. 궁극적으로 AI가 학생의 사고를 돕는 효과적인 도구인지, 아니면 의존성을 유발하는 위험 요소인지 실증적으로 평가하는 시도임.
2. 연구의 방법
(1) 이 연구는 세 집단을 대상으로 하는 준실험 설계를 채택함. 사전-사후 검사 방식을 활용해 각 집단의 의사결정 능력 변화를 측정함. AI 지원 탐구 집단, AI 없는 탐구 집단, 전통적 교수법 집단을 비교하여 AI의 고유한 효과를 분리해내는 방법론을 사용함.
(2) 연구에는 공립학교 중등 학생 총 270명이 참여했으며, 각 집단에 90명씩 배정됨. 모든 학생은 기후 변화를 주제로 한 사회과학적 쟁점 시나리오를 바탕으로 의사결정 활동을 수행함. 의사결정 능력은 문제 정의부터 모니터링 및 적응 관리까지 7단계에 걸쳐 평가됨. 각 단계별로 4단계 루브릭(Emerging, Developing, Proficient, Advanced)을 활용해 질적 내용 분석이 이루어짐.
3. 주요 발견
이 연구는 AI 지원 탐구가 학생들의 사회과학적 의사결정 능력을 어떻게 변화시키는지 명확히 보여줌. 특히, 의사결정 과정을 세분화하여 AI의 역할이 어디에서 가장 두드러지는지 입체적으로 밝힘.
(1) 의사결정 7단계 프레임워크: 복합적 사고의 구조화
학생들의 사회과학적 쟁점 의사결정 능력은 다음 7단계 프레임워크를 기반으로 평가하고 지원함. 이 단계들은 문제의 본질을 파악하고 해결책을 찾아 실행하며 평가하는 전 과정의 논리적 흐름을 나타냄. 기존 교육이 파편적인 지식 습득에 머물렀다면, 이 프레임워크는 실제적 문제 해결 능력을 체계적으로 육성하는 기반이 됨.
| 의사결정 단계 | 핵심 역할 |
|---|---|
| 문제 식별 | 쟁점의 핵심과 근본 원인 규명 |
| 데이터 수집 및 분석 | 관련 증거와 정보를 찾아내고 해석 |
| 이해관계자 참여 | 영향을 받는 개인·집단의 관점과 이익을 파악하고 고려 |
| 대안적 해결책 | 다양한 가능한 행동 방안 제시 |
| 비교 평가 | 각 대안을 비용, 효과, 윤리 등 여러 기준에 따라 비교 분석 |
| 의사결정 실행 | 선택한 방안을 실제 행동으로 옮기기 위한 구체적 계획 수립 |
| 모니터링 및 적응 관리 | 실행 결과를 추적하고, 필요시 수정 및 조정하는 계획 마련 |
(2) 초기 상태: 모두 미흡한 출발
연구 시작 전, 모든 집단의 학생들은 의사결정 총점에서 통계적으로 유의미한 차이가 없었음. 이는 모든 집단이 동일한 출발선에 있었음을 의미함. 학생들의 초기 의사결정 능력은 전반적으로 낮은 수준으로, 특히 ‘모니터링 및 적응 관리’와 ‘의사결정 실행’과 같이 미래를 계획하고 행동을 추적하는 단계에서 가장 취약함이 드러남. 문제 식별은 그나마 가장 높은 수준을 보였지만, 여전히 상당수의 학생이 ‘신생(Emerging)’ 또는 ‘발달 중(Developing)’ 단계에 머물렀음. 이는 학생들이 복잡한 문제를 인지하지만, 실행 가능한 해결책으로 전환하는 데 어려움을 겪는 현실을 대변함.
(3) AI 지원 탐구의 압도적 효과
세 집단 모두 사전-사후 검사에서 의사결정 능력의 통계적으로 유의미한 향상을 보였음. 그러나 향상 폭은 교수법의 풍부함에 따라 명확한 차이를 나타냄. AI 지원 탐구 집단은 평균 12.3점 → 18.3점(d=2.94)으로 가장 크게 향상함. AI 없는 탐구 집단은 12.7점 → 17.3점(d=2.43), 전통적 교수법 집단은 12.3점 → 14.9점(d=1.68)으로 향상함. AI 지원 탐구 집단은 모든 의사결정 단계에서 다른 두 집단보다 높은 향상률을 보였음. 이 결과는 AI가 단순한 보조 도구가 아니라, 학습 성과를 실질적으로 견인하는 강력한 변수임을 증명함.
(4) AI 효과: 특히 어려운 단계에서 빛남
AI 지원 탐구의 우위는 특히 복잡하고 어려운 의사결정 단계에서 두드러짐. ‘이해관계자 참여’, ‘대안적 해결책’, ‘의사결정 실행’, ‘모니터링 및 적응 관리’ 단계에서 AI 지원 집단이 AI 없는 탐구 집단 및 전통적 교수법 집단 대비 가장 큰 개선을 보임. 특히 AI 지원 집단은 학생들이 가장 취약했던 ‘모니터링 및 적응 관리’ 단계에서 가장 큰 폭의 향상을 기록함. 이는 AI가 학생들의 사고를 단계별로 심층적으로 파고들어, 스스로는 어려워하는 고차원적 사고를 촉진했음을 시사함. 반면, ‘데이터 수집 및 분석’ 단계는 모든 집단에서 고르게 향상되었는데, 이는 해당 단계가 이미 교실에서 보편적으로 교육되고 있었기 때문으로 풀이됨.
(5) AI 활용 방식: 검증 노력이 학습 증진
AI 지원 집단 내에서 AI에 더 많은 프롬프트를 던지고 AI의 주장을 원본 자료와 비교·확인하는 노력을 보인 학생일수록 더 큰 학습 향상을 보였음. 이는 AI의 유용성이 단순히 AI 사용 여부가 아니라, AI를 어떻게 활용하는가에 달려 있음을 명확히 보여줌. 인지적 과부하(cognitive offloading)나 자동화 편향(automation bias)에 대한 우려와는 달리, 이 연구에서는 AI에 대한 과도한 의존을 보인 학생이 단 한 명도 없었음. AI가 답을 주는 기계가 아니라 질문을 던지는 파트너로 설계되고, 학생들에게 AI의 답변을 비판적으로 검증하도록 교육하면, AI는 사고를 심화하는 촉매제가 됨을 입증함.
4. 결론 및 시사점
(1) 이 연구는 AI 지원 탐구 학습이 중등 학생들의 사회과학적 쟁점 의사결정 능력을 효과적으로 향상시킴을 입증함. 특히 복잡한 문제의 이해관계자 파악, 실행 계획 수립, 결과 모니터링과 같은 고차원적 사고 단계에서 AI의 기여가 두드러짐. 중요한 점은 AI가 ‘질문하는’ 도구로 설계되고, 학생들이 AI의 답변을 비판적으로 ‘검증’하는 과정에서 가장 큰 학습이 일어난다는 사실임.
(2) 교육 현장에 주는 시사점은 명확함. AI는 정답을 제공하는 역할에 그치지 않고, 학생의 사고 과정을 소크라테스식 질문으로 자극하고, 증거와 정당화를 끊임없이 요구하는 대화 파트너로 활용되어야 함. 이러한 AI 설계는 인지적 과부하와 같은 잠재적 위험을 최소화하고, 비판적 사고 능력을 극대화함. AI 활용 교육은 AI 리터러시 교육, 즉 AI의 주장을 검증하고 윤리적으로 사용하는 방법을 가르치는 과정을 포함해야 함.
(3) 이 연구는 교실에서 교사가 개별 학생에게 제공하기 어려운 일대일 맞춤형 스캐폴딩(scaffolding)의 한계를 AI가 보완할 수 있음을 보여줌. 특히 복잡하고 정답이 없는 사회과학적 쟁점을 다룰 때, AI는 학생 스스로 의사결정 과정을 심화하도록 돕는 강력한 지원군이 됨. 그러나 이는 AI를 탐구 기반 학습이라는 견고한 교육적 틀 안에 배치했을 때만 유효하며, 무분별한 AI 도입은 역효과를 초래함.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문에서 가장 주목할 지점은 AI가 학생의 사고를 ‘대신’하는 것이 아니라 ‘심화’시키는 결정적 조건을 밝힌 것임. 기존 논의가 AI의 ‘생성 능력’에 집중하며 인지적 과부하 우려를 제기했다면, 이 연구는 AI가 ‘질문하는 에이전트’로 설계되고 학생의 ‘능동적 검증’이 수반될 때 학습에 긍정적 기여를 한다는 실증적 증거를 제시함. 이는 AI를 교육에 활용하는 패러다임을 ‘콘텐츠 전달자’에서 ‘사고 촉진자’로 전환해야 함을 단언함. 비판적 검증 활동이 곧 학습량과 정비례한다는 발견은 AI가 교사의 역할을 대체하는 것이 아니라, 오히려 교실에서 비판적 사고와 메타인지 활동을 극대화하는 새로운 교육 설계의 지평을 열어젖힘.
(2) 논문이 명시하지 않은 더 넓은 의미에서, 이 연구는 학생들의 인식론적 주체성(epistemic agency) 함양에 AI가 기여할 가능성을 보여줌. 인식론적 주체성이란 학생들이 지식의 구성 과정에서 스스로 판단하고 결정하는 책임을 갖는 것을 뜻함. AI가 완성된 답을 제공하는 대신 질문을 던지고 근거를 요구할 때, 학생은 지식의 수용자가 아닌 지식의 능동적 생산자가 됨. 이는 특정 지식을 습득하는 데 그치지 않고, ‘앎’의 주체로서 스스로의 판단력을 신뢰하고 강화하는 철학적 전환을 의미함. 또한, 이러한 AI 활용 방식은 인간-컴퓨터 상호작용(HCI) 디자인 관점에서 교육용 AI의 설계 원칙을 재정립하는 중요한 근거가 됨. 효과적인 교육용 AI는 단순한 기능 제공에 그치지 않고, 인간 사용자의 인지적 성장을 유도하는 ‘대화형 파트너’의 역할을 수행해야 함.
(3) 이 연구를 발전시킬 구체적 아이디어는 AI의 ‘지능형 스캐폴딩’ 정교화 방안을 모색하는 것임. 현재 연구는 AI가 특정 단계에서 질문하는 역할에 중점을 두지만, 미래 연구는 학생의 실시간 반응과 의사결정 과정의 진척도를 AI가 분석하여 가변적이고 적응적인 스캐폴딩을 제공하도록 설계해야 함. 예를 들어, 특정 학생이 이해관계자 분석 단계에서 반복적으로 한 가지 관점만 고수한다면, AI는 “다른 입장에서 이 문제를 어떻게 볼 수 있을까요?” 같은 일반적 질문에 그치지 않고, “이해관계자 X는 이 결정으로 어떤 영향을 받을까요?”와 같이 더 구체적이고 개인화된 프롬프트를 제시하도록 시스템을 고도화할 수 있음. 이러한 AI는 학생의 사고 패턴을 진단하고, 그에 맞는 최적의 인지적 도전을 제공하는 진정한 개인 비서가 됨. 이와 함께 AI와의 상호작용 로그를 양적으로만 분석하지 않고, 질적 대화 내용 분석으로 어떤 종류의 AI 프롬프트가 어떤 유형의 학습자에게 가장 효과적인 인지적 전환을 유발하는지 심층적으로 탐구해야 함.
6. 추가 탐구 질문
(1) 이 연구에서 밝혀진 의사결정 능력 향상이 장기적으로 얼마나 지속되는가? 그리고 기후 변화 외에 다른 유형의 사회과학적 쟁점(예: 유전자 편집, 팬데믹 정책)에서도 동일한 AI 지원 효과가 나타나며, 전이되는 학습인가?
(2) 중등 학생이 아닌 초등학생이나 대학생 등 다른 연령대에서 AI 지원 탐구 학습의 효과는 어떻게 달라지는가? 또한, 서구권 교육 시스템 외 다른 문화권이나 교육 환경(예: 고등교육 또는 평생교육)에 이 모델을 적용할 때 어떤 변수가 작용하며, 그 효과는 유지되는가?
(3) AI 지원 탐구 학습의 확산 시, 학생 간 AI 리터러시 격차가 학습 불평등을 심화시킬 윤리적 문제는 없는가? 그리고 AI가 제시하는 ‘질문’과 ‘논증 요구’의 질적 수준을 어떻게 표준화하고 지속적으로 개선할 것인가?
출처
DOI: 10.62225/2583049X.2026.6.3.6516
- Gousopoulos, D. (2026). Can AI-assisted inquiry enhance students’ decision-making skills in socio-scientific issues? A three-group experimental study on climate change. Int. J. Adv. Multidisc. Res. Stud., 6(3), 1956–1966. https://doi.org/10.62225/2583049X.2026.6.3.6516