생성형 AI, 교육 현장에서의 편안함과 윤리적 이해, 정말 늘었을까?
요즘 교육 현장에서 생성형 AI(GenAI)를 빼놓고 이야기하기란 불가능에 가깝다. 하지만 이 신기술이 과연 학생들의 학습 경험을 어떻게 변화시키고 있는지, 그 빛과 그림자를 제대로 마주하고 있는지에 대한 답은 여전히 모호하다. 여기, 석사 과정 수업에 GenAI를 직접 통합하고 학생들의 변화를 면밀히 살핀 연구가 있다.
왜 지금, AI를 교육에 담아야 하는가?
기술이 교육에 미치는 영향은 언제나 뜨거운 감자다. 특히 생성형 AI는 교육 콘텐츠 생성, 맞춤형 학습 추천, 교수 설계 지원 등 무궁무진한 잠재력을 지닌다. 그러나 동시에 표절, 편향된 콘텐츠, 사생활 침해 같은 윤리적 문제와 효과성에 대한 깊은 우려를 낳는다. 기존 연구들이 AI 시스템의 효율성에만 집중하는 경향이 강했기 때문이다. 교육 현장은 AI가 학생의 수행과 태도에 어떤 영향을 미치는지, 그리고 교육학적·윤리적 함의는 무엇인지에 대한 갈증을 느껴왔다.
이 연구는 이러한 현장의 절박한 질문에 대한 답을 찾으려 한다. Laato et al. (2023)이 ChatGPT 같은 GenAI의 실제 적용 사례 연구를 요구했듯이, 단순히 ‘AI를 쓰자’가 아니라 ‘어떻게 써야 하는가’를 실증적으로 탐색하는 것이 이 연구의 핵심 동기이다. 본질적으로 보면, 기술이 가져올 미래를 막연히 기다리는 대신, 선제적으로 교육적 가치를 설계하려는 시도라고 할 수 있다.
AI-ICE 프레임워크로 학생의 인지적 성장을 추적하다
연구자들은 학생들이 GenAI를 수동적으로 사용하는 데서 벗어나, 인지적으로 깊이 참여하도록 돕는 독창적인 프레임워크인 AI-ICE 프레임워크를 개발하고 적용했다. 이는 AI의 산출물 그 자체가 아니라, AI와 상호작용하며 발생하는 학생들의 인지 과정에 집중한다. 단순히 결과물을 얻는 것을 넘어, AI를 통해 학생의 비판적 사고와 창의성을 촉진하는 방향으로 설계를 유도한다.
AI-ICE 프레임워크는 기존 ICE 모델과 AI 교육 패러다임을 결합한다. ICE 모델은 학습자의 지식 수준을 세 단계(Ideas: 기본 개념 이해, Connections: 개념 간 관계 파악, Extensions: 창의적 적용)로 나눈다. 여기에 Ouyang and Jiao (2021)가 제시한 AI 교육 패러다임(AI-Directed: AI가 지시, AI-Supported: AI가 지원, AI-Empowered: AI가 강화)을 더했다.
다음 표는 AI-ICE 프레임워크의 각 수준별 특징을 보여준다.
| 패러다임 유형 | ICE 수준 | 특징 |
|---|---|---|
| AI-Directed | Ideas | 기본적인 AI 도구와 기능에 익숙해진다. 학습 과정에서 AI를 이해하고, AI 산출물을 사용하고 이해하는 기초 역량을 기른다. 책임감 있는 AI 사용, 한계 및 편향성 인지에 중점을 둔다. |
| AI-Supported | Connections | 협력적 환경에서 AI 도구를 능동적으로 사용한다. AI 인사이트를 학습 전략에 통합하고, 교육적 결과물을 위해 AI 도구를 조작하는 고급 역량을 갖춘다. 교육 내 AI의 윤리적 함의를 비판적으로 평가한다. |
| AI-Empowered | Extensions | AI를 창의적이고 포괄적으로 적용하는 리더십을 발휘한다. 새로운 애플리케이션 개발을 포함하여 AI 도구를 효과적으로 사용하고, 적용한다. 편향, 사생활, 공정한 접근성 등 AI의 윤리적 고려 사항에 깊이 있게 관여한다. |
이 프레임워크는 AI를 수동적으로 활용하는 ‘수동적 AI 사용’ 범주를 의도적으로 제외했다. 이는 학생의 인지적 노력을 통한 학습 증진이라는 목표에 어긋나기 때문이다. 필자의 관점에서, 프레임워크 자체는 이론적으로 탄탄하다. AI를 그저 ‘답을 내는 도구’가 아니라 ‘생각을 돕는 파트너’로 보는 관점은 교육 현장에 시사하는 바가 매우 크다. 다만, 소수의 질적 연구에서 그 범주를 활용했다는 한계는 분명히 존재한다.
현장의 실증적 변화, 기대와 현실 사이
연구는 석사 과정의 교수 설계 수업에 GenAI를 통합한 후, 17명의 학생들을 대상으로 액션 리서치를 진행했다. 사전·사후 설문과 성찰 과제를 통해 얻은 정성적·정량적 데이터는 여러 흥미로운 변화를 보여준다.
1. GenAI 활용에 대한 편안함과 윤리적 이해도의 극적인 변화
학생들의 GenAI 활용에 대한 ‘편안함’과 ‘윤리적 이해’는 수업 참여 후 크게 향상되었다.
아래 표는 GenAI 사용에 대한 학생들의 편안함 수준 변화를 보여준다.
- 편안함: 사전 조사에서 GenAI에 ‘매우 편안하다’(5점)고 답한 학생은 12.5%에 불과했지만, 사후 조사에서는 60%로 급증했다. ‘낮은 편안함’(1, 2점)은 사전 50%에서 사후 0%로 줄었다.
다음 표는 GenAI 사용의 윤리적 고려사항 이해도 변화를 보여준다.
- 윤리적 이해: 사전 조사에서 윤리적 이해도가 ‘매우 높다’(5점)고 답한 학생은 12.5%였지만, 사후 조사에서는 60%로 치솟았다. 낮은 이해도(1, 2점) 응답자도 사전에 37.5% 있었으나 사후에는 0%가 되었다.
이 수치적 변화는 고무적이다. GenAI에 대한 막연한 두려움이나 윤리적 문제에 대한 낮은 이해도가 교육을 통해 크게 개선될 수 있음을 증명한다. 특히 편안함과 윤리적 이해가 동시에 향상되었다는 점은 단순한 도구 활용을 넘어선다.
2. AI-ICE 프레임워크 적용 결과, 초기 단계에 머무는 인지적 참여
AI-ICE 프레임워크를 적용한 결과, 대부분의 학생이 AI-Directed/Ideas 수준에 머물렀고, 소수만이 AI-Supported/Connections 수준에 도달했다. 이는 GenAI 경험이 적은 학생들의 초기 진입 단계로 연구자들은 해석한다.
필자는 이 결과가 반직관적이라고 생각한다. 프레임워크가 강조하는 인지적 노력이 실제로 이끌어졌다면, 좀 더 높은 수준의 참여가 나타나야 했다. 이는 대부분의 학생들이 아직 GenAI를 ‘정보 제공자’로만 인식하고 있으며, ‘협력적 사고 파트너’로 활용하는 단계까지는 나아가지 못했음을 시사한다. 진정한 AI-Supported/Empowered 단계로 나아가기 위한 추가적인 교수 설계가 반드시 필요하다.
3. 수업 성찰을 통한 학생들의 성장 경험
학생들의 수업 성찰에서는 향상된 교수 전략, 개인적 및 전문적 성장, GenAI 통합의 어려움, 실제 적용 의지 등 다양한 테마가 도출되었다. 한 학생은 “AI가 교육에서 얼마나 많은 도움을 줄 수 있는지 놀랐다”고 했으며, 다른 학생은 “자료 생성, 학습 계획, 학생 복습 지원에 AI를 활용할 계획”이라고 밝혔다. 이 연구는 학생들이 GenAI 사용법뿐만 아니라 효율적이고 윤리적인 프롬프트 작성법을 배운 점을 긍정적으로 평가한다.
비판적 성찰, 작은 파동이 큰 변화가 되려면
이 연구의 긍정적인 결과에도 불구하고, 우리는 그 한계를 명확히 인식해야 한다. 연구자들은 작은 표본 크기 (17명) 때문에 결과의 일반화 가능성이 낮고, 탐색적 통찰이지 확정적 결론은 아니라고 명시했다. 이는 매우 중요한 지점이다. 게다가 연구자가 수업의 교수이자 설계자였다는 점은 ‘암묵적 편향’ 가능성을 배제할 수 없다. 학생들은 긍정적인 피드백을 줄 동기가 충분히 있었을 수 있다.
이 데이터는 ‘특정 맥락에서 이 교수법이 효과적이었다’는 시사점을 줄 뿐, 모든 교육 현장에 곧바로 적용될 수는 없다. 현장에서 이 결과를 맹신하면 안 된다. 이 연구는 ‘가능성’을 보여주지 ‘필연적 성공’을 보장하지 않는다.
흥미로운 반직관적 전환점도 발견된다. 이 연구는 AI 지원 토론 플랫폼인 Packback을 활용했다. Packback은 AI 탐지 도구를 내장하고 있었는데, 연구는 이 도구가 오히려 학생들에게 ‘책임감 있는 AI 사용법’을 배우게 했다고 언급한다. 표절 검사를 피하기 위해 단순히 AI가 생성한 텍스트를 복사-붙여넣기 하는 대신, 학생들은 스스로 질문하고 성찰해야 했기 때문이다. 즉, AI 탐지 도구가 부정적인 기능을 하는 것이 아니라, 긍정적인 학습 효과를 낳을 수도 있다는 점은 매우 눈여겨볼 만하다.
결론적으로, 이 연구의 긍정적 결과는 잘 설계된 활동과 지속적인 성찰이라는 두 가지 핵심 조건이 충족될 때만 성립한다. 단순히 AI 도구를 도입한다고 능사가 아니다. 우리 학교 현장에 이런 성찰적 활동과 AI 탐지 도구의 역설적 활용을 의도적으로 설계할 수 있는가? 이 질문이 먼저다.
교사에게 주는 실질적인 ‘어떻게’
연구는 GenAI의 교육적 통합을 위한 여러 권고사항을 제시한다. 명확한 학습 목표 설정, 점진적 통합, 인간 교사의 역할 강조, 실제 세계 시나리오 활용, 피드백 촉진, 협력 학습, 윤리적 사용 토론 등이 그것이다. 이 제안들은 지극히 상식적이며, 이미 교육학에서 강조하는 좋은 교수법들이다. 문제는 이 ‘상식’을 바쁜 현장에서 어떻게 녹여낼까 하는 점이다. 우리는 이미 많은 것을 ‘해야 한다’는 압박 속에 산다.
거창한 AI 랩을 만들 필요는 없다. 오히려 동료들과의 작은 대화에서부터 시작해야 한다. 동학년 선생님들과의 짧은 점심시간 대화에서 “이번 주에 챗GPT를 써서 수업 자료를 만들었는데, 이런 점은 좋고 이런 점은 별로더라”는 경험을 솔직하게 나눌 수 있어야 한다. 혹은 학년 메신저에 “AI에게 이런 질문을 던졌더니, 생각지도 못한 아이디어가 나왔다”는 한 줄 후기를 남겨보는 작은 시도부터 시작한다. 실패 사례도 좋다. “AI가 만든 내용은 엉뚱했지만, 이걸 수정하는 과정에서 핵심 개념을 더 깊이 이해했다”는 식의 성찰을 공유하는 것이다. 이런 작은 ‘의심 사례’와 ‘성찰’을 함께 들여다보는 5분이야말로 집단 학습과 성찰 문화 정착의 시작이다. 이런 문화가 조성될 때, 비로소 이 연구에서 제시한 ‘책임감 있는 AI 활용’의 씨앗이 우리 교육 현장에 뿌리내린다.
출처
- Wood, D., & Moss, S. H. (2024). Evaluating the impact of students’ generative AI use in educational contexts. Journal of Research in Innovative Teaching & Learning, 17(2), 152-167. https://doi.org/10.1108/JRIT-06-2024-0151