생성형 AI 시대, 비판적 질문 능력은 어떻게 길러지는가?

1. 연구의 목적

(1) 교육 현장에 생성형 AI(GenAI)가 급속히 통합됨에 따라, 학생들은 비판적 사고와 AI 리터러시를 위한 핵심 역량인 ‘비판적 질문’ 능력을 필수로 갖춰야 하는 상황임. 그러나 GenAI와의 상호작용 속에서 학생들이 비판적 질문 능력을 어떻게 발전시키고 적용하는지에 대한 연구는 여전히 부족함. GenAI가 단순한 정보 제공 도구를 넘어 학습의 촉매제가 되려면, 학생들이 AI 콘텐츠를 수동적으로 소비하는 대신 능동적이고 비판적으로 참여하는 방안 모색이 시급함.

(2) 이 연구는 이러한 간극을 메우고자 함. 특히 고등학생들이 GenAI를 활용해 비판적 질문을 개발하고 적용하는 데 필요한 교수학적, 맥락적 조건을 조사하고 확인함이 핵심 목표임. GenAI 기술 자체보다 이를 둘러싼 교육적 환경이 비판적 질문 능력 함양에 어떻게 기여하는지 밝히는 데 초점을 둠.

2. 연구의 방법

(1) 이 연구는 호주의 한 남자 중등학교 10학년 영어 수업에서 진행된 실행 연구(Action Research) 방식을 사용함. 교사와 연구자들이 협력하여 GenAI 기반 학습 개입을 설계하고 실행했으며, 이 과정에서 수집된 데이터를 분석함. 교실 관찰 영상, 학생 인터뷰, ChatGPT 대화 로그 등 민족지학적(Ethnographic) 방법을 통해 학생들이 교실 환경에서 GenAI와 어떻게 상호작용하는지 현장 데이터를 수집함.

(2) 데이터 분석은 Pedrosa-de-Jesus 외(2014)의 기존 비판적 질문 프레임워크를 GenAI 환경에 맞게 수정하여 적용함. 연구팀은 이 수정된 프레임워크(맥락, 전달, 역량의 차원)를 바탕으로 데이터에서 비판적 질문의 사례를 식별하고 코딩함. 특히 학생들의 ChatGPT 대화 로그를 분석하여 ‘자세히 설명하기’, ‘확장하기’, ‘맥락화하기’, ‘확인하기’, ‘명확히 하기’ 등 5가지 유형의 후속 질문을 분류, 학생들이 GenAI와 대화하며 비판적 참여를 어떻게 이어나가는지 구체적으로 분석함.

3. 주요 발견

이 연구는 GenAI 환경에서 비판적 질문을 촉진하는 핵심 조건을 ‘맥락’, ‘역량’, ‘전달’ 세 가지 차원에서 밝혀냄. Pedrosa-de-Jesus 외(2014)의 기존 프레임워크를 GenAI 시대에 맞춰 확장하며, AI를 단순한 정보 제공자가 아닌 ‘대화적 파트너’로 재개념화한 점이 핵심임. 이는 의미가 AI에서 단순히 검색되는 것이 아니라, 질문과 피드백의 반복적 교환을 통해 ‘공동 구성’된다는 시사점을 가짐.

GenAI 환경에서 비판적 질문의 차원 (Pedrosa-de-Jesus 외, 2014 프레임워크를 GenAI에 맞게 수정 및 확장함)

이 연구가 밝혀낸 GenAI 기반 비판적 질문의 조건과 기여 요인은 다음과 같음.

조건 (Conditions)	기여 요인 (Contributing Factors)	설명
맥락 (Context)	교사 태도 (Teacher Disposition)	GenAI에 대한 교사의 긍정적 태도, 효과적인 질문 촉진 능력.
	교수 전략 (Teaching Strategies)	비판적 질문을 위한 수업 활동 설계, 좋은 프롬프트 및 후속 질문 모델링.
	교육 과정 내용 (Curricular Content)	지식의 공동 구성 및 다양한 관점 탐구를 가능하게 하는 주제 선정.
	또래 상호작용 (Peer Interaction)	인간-AI 상호작용 시 그룹 활동으로 토론 및 질문 정교화 장려.
	평가 설계 (Assessment Design)	AI 기반 수업 활동에 총괄 및 형성 평가 포함.
역량 (Competency)	교과 지식 (Knowledge of Discipline)	AI 생성 응답의 정확성과 포괄성을 평가하기 위한 내용 및 인식론적 지식.
	AI 지식 (Knowledge of AI)	GenAI 작동 방식(환각, 편향, 신뢰성 등)에 대한 기능적 이해.
	자기 지식 (Knowledge of Self)	GenAI 사용 중 자신의 사고 과정(내적 대화) 성찰 능력.
	일반 ICT 기술 (General ICT Skills)	디지털 도구 사용 능력, 새로운 기술 적응력.
	학생 태도 (Student Disposition)	AI 생성 콘텐츠에 대해 비판적으로 질문하려는 의지와 회의적 태도.
전달 (Delivery)	AI를 통한 개인화된 탐구 (Personalized Inquiry with AI)	사회적 제약에서 벗어나 일대일 학생 주도 상호작용.
	프롬프트 구성 및 정교화 (Formulating and Refining Prompts)	질문 개발, 수정, 최적화 과정.
	AI의 설계 가능성 (Design Affordances of AI)	AI 플랫폼 디자인, 인터페이스 제약, 피드백 메커니즘의 영향.

(1) 프레임워크의 핵심 정의: GenAI는 ‘대화적 파트너’임

이 연구는 GenAI를 단순한 ‘권위 있는 정보 제공자’가 아닌 ‘대화적 파트너’로 정의함. 이는 학생이 던지는 질문에 반응하고 확장하며 비판적 질문을 촉진하는 상호작용적 대화 상대임을 의미함. 이 관점 전환은 지식이 단순히 검색되는 것이 아니라, 학생과 AI의 연속적인 질문과 피드백을 통해 ‘공동 구성’되는 과정임을 강조함. 학생들은 AI와 생산적인 교환을 이끌어내는 실용적인 기술을 개발해야 함.

(2) 맥락: 교사의 의도적 설계가 핵심임

GenAI를 활용한 비판적 질문은 교실의 ‘맥락’에 절대적으로 의존함. 교사의 GenAI에 대한 긍정적 태도와 활용 의지, 그리고 수업 활동 속에 비판적 질문 기회를 의도적으로 심어 넣는 교수 전략이 핵심임. 단순히 AI를 사용하게 하는 것을 넘어, 대화적 접근 방식을 유도하고, 질문-평가-정교화의 반복적 과정을 명시적으로 지도함이 중요함. 학생들은 구글처럼 ‘첫 번째 답변’만 수용하지 않고, 답변의 정확성 검증과 후속 질문을 통해 AI 응답을 심층적으로 탐구해야 함.

• 교사의 긍정적 태도: 교사가 GenAI의 교육적 잠재력을 이해하고 적극적으로 통합하려는 의지를 보일 때, 학생들은 AI를 비판적으로 활용하는 법을 배움.
• 구체적인 교수 전략: 교사가 ChatGPT와의 상호작용을 대화로 프레이밍하고, “첫 질문 -> 비판적 사고 -> 답변 이중 확인 -> 후속 질문 -> 요약”과 같은 4단계 질문 과정을 모델링함. 이는 학생들이 AI와 체계적으로 비판적 질문을 하도록 안내함.
• 적절한 교육과정 콘텐츠: 사실 기반의 검증 가능한 내용(예: 시의 사회역사적 맥락)을 다룰 때 학생들이 GenAI의 답변을 더 깊이 평가하고 질문할 기회가 많았음. 반면, 창의적이거나 해석적인 과제(예: 셰익스피어 인물과의 대화)에서는 AI 응답의 검증이 어려워 비판적 질문으로 이어지기 어려웠음.
• 또래 상호작용: 그룹 토론을 통해 질문을 다듬고 AI 답변의 불일치를 찾아내는 등 협업이 질문의 질을 높임. 다만, 일부 학생이 특정 학생에게 과도하게 의존하는 경향은 해결해야 할 과제로 나타남.
• 평가 설계: AI 활용 전후 성과를 비교하는 총괄 평가와, AI를 활용하여 쓰기 피드백을 받는 형성 평가가 학생들의 비판적 참여를 촉진함. 하지만 AI 피드백이 교사의 미묘하고 맞춤형 피드백을 대체할 수 없음이 확인됨.

(3) 역량: AI를 이해하고 스스로를 성찰하는 능력이 필수임

학생들이 GenAI를 비판적으로 질문하는 능력은 그들의 지식, 기술, 태도라는 ‘역량’에 크게 좌우됨. 특히 ‘교과 지식’, ‘AI 지식’, ‘자기 지식’이라는 세 가지 지식 영역이 필수적임. GenAI가 ‘환각(hallucination)’ 현상을 보이거나, 편향된 정보를 생성할 수 있음을 이해하는 ‘AI 지식’이 없이는 AI 응답을 맹목적으로 수용하기 쉬움.

• 교과 지식: 학생들은 AI 응답의 정확성, 신뢰성, 포괄성을 평가하기 위해 해당 분야의 깊이 있는 지식을 갖춰야 함. 예시로, AI가 실제 존재하지 않는 인용문이나 역사적 데이터를 생성할 때, 학생들은 자신의 배경 지식을 바탕으로 이를 검증함.
• AI 지식: GenAI가 검색 엔진처럼 정보를 찾는 것이 아니라, 훈련 데이터 기반으로 새로운 응답을 생성하며, 때로는 부정확하거나 시대에 뒤떨어진 정보를 제공할 수 있음을 이해함이 중요함. AI가 학습된 데이터에 따라 편향을 가질 수 있다는 인식도 포함됨.
• 자기 지식: 자신의 이해 수준을 인식하고, AI 응답과 자신의 기존 지식을 비교하며, AI 피드백에 따라 질문을 조정하는 ‘메타인지적’ 능력이 중요함. AI 응답을 받은 후, “내가 원래 알고 있던 것과 맞는가?”를 자문하고 다음 질문을 설계하는 과정이 대표적임.
• 일반 ICT 기술: 디지털 도구를 효율적으로 사용하고, 다양한 플랫폼(ChatGPT, Google 검색, OneNote 등)을 넘나들며 정보를 검증하고 프롬프트를 다듬는 기술은 GenAI 시대의 필수 역량임.
• 학생 태도: AI 생성 콘텐츠를 맹목적으로 수용하지 않고, 정확성, 관련성, 신뢰성에 의문을 제기하는 ‘회의적 태도’가 중요함. 학생들은 AI의 조언을 무조건 따르지 않고, 자신의 의도에 맞게 질문을 수정하려는 경향을 보임.

(4) 전달: AI와의 대화 방식이 질문의 질을 결정함

GenAI 환경에서 질문의 ‘전달’은 사회적 제약이 있는 대면 상호작용과 달리, AI 매개 환경에서 학생들이 질문을 표현하고 정교화하는 방식을 의미함. 이는 ‘AI를 통한 개인화된 탐구’, ‘프롬프트 구성 및 정교화’, ‘AI의 설계 가능성’ 세 가지 주요 조건으로 특징지어짐.

• AI를 통한 개인화된 탐구: GenAI와의 일대일 상호작용은 학생들이 사회적 압력 없이 자유롭게 아이디어를 탐구하고 자신의 속도로 이해를 다듬을 기회를 제공함. 질문 과정이 개인의 사고 습관으로 내면화됨이 관찰됨.
• 프롬프트 구성 및 정교화: AI와의 상호작용은 일회성 질문이 아님. 학생들은 지속적인 대화를 통해 프롬프트의 표현을 조정하고, 세부 사항을 추가하며, 다양한 관점을 탐색함. “자세히 설명하기”, “확장하기”, “맥락화하기”, “확인하기”, “명확히 하기”와 같은 후속 질문을 통해 대화의 깊이를 더함.
• AI의 설계 가능성: ChatGPT와 같은 GenAI 도구의 채팅 기반 인터페이스는 시각적으로 지속적인 대화를 유도함. “어떻게 도와드릴까요?”와 같은 AI의 제안 질문은 학생들이 탐구 과정을 이어가도록 격려함. 응답 길이 제한, 자동 완성 제안 등 인터페이스의 특징 또한 질문 구성 방식에 영향을 미침.

4. 결론 및 시사점

(1) 이 연구는 GenAI가 비판적 질문을 촉진할 잠재력을 지니나, 그 효과는 기술 자체보다는 특정 교수학적, 맥락적 조건에 달려있음을 입증함. 교사의 태도, 교수 전략, 교육과정 내용, 또래 상호작용, 평가 설계, 학생의 교과/AI/자기 지식, 개인화된 탐구, 프롬프트 정교화, AI의 설계 가능성 등 포괄적인 조건들이 학생들의 GenAI 활용 비판적 질문 능력을 결정함. Pedrosa-de-Jesus 외(2014)의 프레임워크를 AI 매개 학습 환경에 확장하여, GenAI 시대에 비판적 질문에 대한 우리의 이해를 심화함.

(2) AI 리터러시는 비판적 질문의 필수 구성 요소임. GenAI가 이제 학습 맥락의 일부를 이루면서, 학생들은 AI 생성 콘텐츠를 비판적으로 다루는 능력을 개발해야 함. 1990년대 인터넷 시대의 정보/미디어 리터러시가 그러했듯, AI 리터러시는 ‘프롬프트 엔지니어링’, ‘AI와 대화하기’, ‘인간-AI 상호작용’과 같은 고유한 역량을 요구함. 이러한 역량은 교사의 명시적인 교수 전략과 교육적 조건이 갖춰질 때 비로소 형성됨.

(3) 교사는 GenAI 통합의 핵심 주체임. AI 도구는 그 자체로 의미 있는 탐구를 보장하지 않음. 교사가 과제를 설계하고, 프롬프트 실습을 모델링하며, 성찰과 질문 정교화를 위한 기회를 만들 때 학생들은 AI를 비판적이고 목적성 있게 활용하게 됨. 이러한 교육적 환경 없이는 GenAI가 피상적인 정보 습득과 암기 학습을 강화할 위험이 존재함. 교육자, 정책 입안자, 교육과정 설계자는 이러한 시사점을 바탕으로 GenAI를 교육 정책 및 실천에 통합해야 함.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문에서 가장 주목할 지점은 Pedrosa-de-Jesus 외(2014)의 ‘비판적 질문 프레임워크’를 GenAI 맥락으로 확장하면서 ‘AI 리터러시’를 비판적 질문의 핵심 역량으로 재정의한 점임. 이는 AI 시대의 교육이 단순히 기술 사용법을 가르치는 것을 넘어, AI의 본질적 작동 방식(환각, 편향 등)을 이해하고 자신의 사고 과정을 성찰하며 AI와 능동적으로 상호작용하는 능력을 강조함. AI 생성 콘텐츠를 수동적으로 소비하는 것이 아니라, 능동적으로 ‘질문하고’, ‘정교화하며’, ‘성찰하는’ 주체적 학습자로 학생의 역할을 격상시킴이 중요하다고 논문은 단언함. 이는 교육 패러다임 전환의 출발점으로서, 학습자가 AI와 함께 지식을 공동 구성하는 과정에 깊이 참여하도록 설계해야 함을 의미함.

(2) 이 논문이 명시하지 않은 더 넓은 의미는 교육철학적 관점에서 ‘앎의 주체성’ 재정립을 촉구함. AI가 단순한 정보 제공자를 넘어 ‘대화적 파트너’가 됨에 따라, 지식의 생성과 비판적 검증 과정에서 인간 학습자의 역할이 더욱 중요해짐. AI가 답을 생성하면 학습자는 그 답을 비판적으로 검증하고 후속 질문을 통해 지식을 확장해야 함. 이는 교실을 단순한 지식 전달 공간이 아닌, 학생이 AI와 함께 지식을 ‘공동 구성’하는 역동적인 실험실로 변화시키는 것을 의미함. 이 과정에서 학습자는 AI에 대한 윤리적, 사회적 책임을 내면화하게 되며, 이는 단순한 기술 활용 능력을 넘어선 더 높은 수준의 시민 역량 함양으로 이어짐. AI의 기술적 한계를 인식하고, 인간의 판단과 윤리적 책임이 기술보다 선행해야 함을 학습하는 중요한 교육적 전환점을 제시함.

(3) 이 연구를 발전시킬 구체적인 아이디어는 다음과 같음. 첫째, 현재 연구는 영어 수업이라는 특정 교과에 한정됨. 이를 과학, 역사, 수학 등 다른 교과목에 적용하여 GenAI 기반 비판적 질문이 어떻게 다르게 발현되고 어떠한 고유한 교수 전략이 필요한지 비교 연구함이 중요함. 특히 초등학생이나 대학생 등 다른 연령대의 학습자에게도 이 프레임워크가 유효한지 탐구하여 일반화 가능성을 넓혀야 함. 둘째, 교사의 AI 리터러시와 비판적 질문 교수 역량을 강화하기 위한 구체적인 전문성 개발 프로그램 설계가 필요함. 이 연구의 ‘맥락’ 및 ‘전달’ 요인을 기반으로 교사들이 GenAI 활용 수업을 직접 설계하고 피드백을 주고받는 워크숍 형태의 프로그램을 개발하고, 그 효과를 장기적으로 검증해야 함. 셋째, AI 시대에 필수적인 ‘비판적 질문 역량’을 정량적으로 평가할 수 있는 도구 개발이 시급함. 프롬프트의 정교화 과정, AI 응답의 비판적 검증 단계, 자기 성찰의 깊이 등을 측정할 수 있는 루브릭이나 체크리스트를 개발하여, AI 리터러시 교육의 효과를 객관적으로 측정하고 교육 현장에 실질적인 가이드를 제공함이 가능함.

6. 추가 탐구 질문

(1) 이 연구는 주로 교실 내 교사 주도의 개입에 초점을 맞춤. 학생들이 교실 밖, 비구조화된 환경에서 GenAI를 독립적으로 사용할 때 비판적 질문 역량은 어떻게 발달하는가? 교사의 명시적 지도 없이도 자기 주도적인 비판적 질문 습관이 형성될 수 있는 조건은 무엇인가?

(2) 이 연구는 기술 인프라가 잘 갖춰진 서구권의 특정 사립학교에서 진행됨. 교사의 AI 리터러시 수준이 낮거나 기술 접근성이 부족한 환경, 혹은 집단주의적 문화가 강한 비서구권 교육 환경에서 이 비판적 질문 프레임워크는 어떻게 적용될 수 있으며, 어떤 차이가 나타나는가?

(3) GenAI의 ‘설명 가능성(Explainability)’이 향상되어 AI가 자신의 응답 생성 과정을 명확히 보여줄 때, 학생들의 ‘AI 지식’ 및 ‘자기 지식’은 어떻게 변화하며, 이것이 비판적 질문 역량 발달에 어떤 영향을 미치는가? 또한, AI가 제공하는 ‘후속 질문 제안’ 기능이 학생들의 비판적 사고를 촉진하는가, 아니면 오히려 사고의 깊이를 제한하는가?

출처

DOI: 10.1016/j.tsc.2025.102043

• Tang, K.-S., Cooper, G., Rappa, N., & Edwards, J. (2026). Critical questioning with generative AI: Developing AI literacy in secondary education. Thinking Skills and Creativity, 59, Article 102043. https://doi.org/10.1016/j.tsc.2025.102043