695 ／ 707
AI 챗봇과 인간 튜터, 비판적 사고력 향상에 어떻게 기여하는가?
1. 연구의 목적
(1) 현대 교육 현장에서 비판적 사고력 함양은 필수적인 목표가 됨. 그러나 전통적인 소크라테스식 교수법은 대규모 학습 환경에서 적용하기 어렵고, 교사의 역량에 크게 의존하는 한계가 있음. 동시에 챗GPT 같은 인공지능 도구는 교육에 새로운 가능성을 열지만, 맥락 이해 부족과 같은 고유한 약점을 지님. 이러한 배경에서 인공지능과 인간 튜터 중 어느 쪽이 비판적 사고력 증진에 더 효과적인지, 혹은 상호 보완적으로 작용할 수 있는지에 대한 실질적 비교 연구가 부족함.
(2) 이 연구는 대학생들이 챗GPT와 인간 튜터가 비판적 사고력 증진에 미치는 영향에 대해 어떻게 인식하는지 비교하고, 각 접근 방식의 강점과 약점을 학생 관점에서 밝히는 것을 목표로 함. 이 비교로 인공지능이 전통적인 튜터링 방법을 어떻게 보완하고, 교육 현장에 어떤 시사점을 제공하는지 탐색함.
2. 연구의 방법
(1) 이 연구는 양적 연구(설문조사)와 질적 연구(반구조화된 인터뷰)를 결합한 혼합 연구 방법론을 채택함. 다양한 데이터 유형을 통합적으로 분석하기 위해 다층 퍼셉트론(MLP) 모델을 활용함.
(2) 연구는 대만에 거주하는 230명의 대학생을 대상으로 진행됨. 이들 학생은 챗GPT를 학업 목적으로 사용한 경험을 지님. 수집된 설문 데이터는 5점 리커트 척도를 사용하며, 성별, 학위, 전공 등 인구통계학적 정보와 함께 학생들의 인식 변화를 포착함. 인터뷰 데이터는 주제 분석을 거쳐 TF-IDF(Term Frequency-Inverse Document Frequency) 기법으로 수치화하여 MLP 모델의 입력값으로 활용함.
3. 주요 발견
이 연구는 다층 퍼셉트론(MLP) 모델을 활용하여 챗GPT와 인간 튜터에 대한 학생들의 인식을 심층적으로 분석함. MLP 모델은 정량적 설문 데이터와 질적 인터뷰 데이터를 통합 처리하여, 비판적 사고력 향상에 대한 선호도를 예측하고 주요 요인을 밝혀냄.
(1) MLP 모델의 핵심 정의: 다차원 데이터의 통합 분석 MLP 모델은 입력층, 두 개의 은닉층, 그리고 출력층으로 구성됨. 이 모델은 학생들의 인식을 긍정적, 중립적, 부정적으로 분류하거나, 비판적 사고력에 대한 인지된 영향을 정량화하는 데 사용됨. 특히 MLP 모델은 설문조사의 정량적 데이터와 인터뷰의 질적 데이터를 동시에 처리하는 데 강점을 보임. 정량적 데이터는 표준화 과정을 거치고, 질적 데이터는 TF-IDF 변환을 통해 텍스트 정보를 수치화함. 이는 다양한 형태의 정보를 종합적으로 고려하여 학생들의 복합적인 선호도와 인식을 파악하는 데 필수적임. 기존 연구가 단일 데이터 유형에 머물렀던 한계를 극복하는 접근임.
(2) 인식 조사 결과: 인간 튜터는 깊이, 챗GPT는 접근성 학생들의 인식은 인간 튜터와 챗GPT 간의 뚜렷한 강점과 약점을 드러냄. 전반적으로 인간 튜터는 비판적 사고 장려(평균 4.5점 vs 챗GPT 4.2점), 맞춤형 피드백(4.6점 vs 3.8점), 복잡한 개념 이해 지원(4.8점 vs 4.0점)에서 더 높은 평가를 받음. 이는 인간 튜터의 상호작용과 맞춤형 지도가 여전히 학생들에게 높은 가치를 지님을 시사함. 반면, 챗GPT는 자기 주도 학습(4.8점)과 질문하기 편안한 환경 제공(4.9점)에서 강점을 보임. 정보 정확성에 대한 신뢰도는 인간 튜터가 챗GPT보다 훨씬 높았음(4.5점 vs 3.7점).
(3) 인구통계학적 요인이 인식에 미치는 영향
- 성별 선호도: 여학생의 75%는 인간 튜터를 긍정적으로 인식한 반면, 챗GPT에 대해서는 65%만이 긍정적인 인식을 보임. 이는 여학생들이 인간 상호작용의 관계적, 맞춤형 이점을 더 선호함을 의미함. 남학생의 75%는 챗GPT에 대해 긍정적인 인식을 보여, 자동화된 학습 지원에 대한 강한 선호를 드러냄.
- 학위 수준별 선호도: 학부생의 65%는 인간 튜터를 선호하는 반면, 대학원생의 65%는 챗GPT 튜터를 선호함. 이는 학부생이 전통적인 인간 상호작용을 더 가치 있게 여기고, 대학원생은 첨단 기술 도구에 대한 개방성과 친숙도가 더 높음을 나타냄.
- 학문 분야별 선호도: 인문사회학 전공 학생의 60%는 인간 튜터를 선호하여 토론과 인간 상호작용을 중시하는 전통적 학습 방식을 높이 평가함. 공학 및 기술 분야는 인간 튜터와 챗GPT 선호도가 각각 50%로 균등하게 분포됨. 의학 분야 학생의 70%는 인간 튜터를 선호하며, 의료 분야에서 개인적 상호작용과 공감의 중요성이 기술로는 대체하기 어려움을 강조함.
(4) 핵심 요인 분석: 감성적 연결 vs 비판단적 학습 공간 질적 데이터를 히트맵으로 분석한 결과, 챗GPT와 인간 튜터의 강점과 약점에 대한 몇 가지 주요 경향이 드러남.
| 요인 | 인간 튜터 선호도 (%) | 챗GPT 선호도 (%) |
|---|---|---|
| 감성적 연결 | 80 | 40 |
| 맞춤형 피드백 | 85 | 50 |
| 심층 탐구 | 90 | 45 |
| 안전한 공간 | 60 | 85 |
| 접근성 | 55 | 90 |
| 자기 주도 학습 | 50 | 95 |
| 편향에 대한 우려 | 40 | 65 |
인간 튜터는 감성적 연결, 맞춤형 피드백, 심층 탐구에서 압도적인 강점을 보임. 이는 깊이 있는 지식 습득과 정서적 지능 발달을 위한 관계적 교육학의 중요성과 일치함. 반면 챗GPT는 안전한 공간, 접근성, 자기 주도 학습에서 강점을 가짐. 이는 질문에 대한 심리적 장벽을 낮추고 자율성을 촉진하는 환경을 선호하는 경향을 나타냄. 주목할 점은 ‘편향에 대한 우려’가 인간 튜터(40%)보다 챗GPT(65%)에서 더 높게 나타났다는 사실임.
(5) 비판적 사고력 향상에 대한 MLP 모델의 통찰 MLP 모델의 예측 확률 분석은 챗GPT 선호도에 대한 이분법적(bimodal) 분포를 보여줌. 이는 대부분의 학생이 챗GPT를 ‘매우 선호하거나’ ‘매우 선호하지 않음’을 시사하며, 중간 단계의 불확실한 경우는 적음을 의미함. 이러한 분포는 비판적 사고력 발달 맥락에서 학생 선호도가 극명하게 갈림을 드러냄. 특히 접근성과 감성적 연결이 선호도를 결정하는 주요 요인임을 보여줌. 챗GPT의 접근성 수준이 충분할 때 학생들의 선호도가 높아지고, 인간 튜터의 맞춤형 피드백과 대인 지원이 감성적 연결을 강화하여 학생들이 인간 튜터를 선호하게 됨. 대만의 주입식 교육 환경에서는 인간 튜터가 오히려 비판적 사고를 저해하는 경우가 있다는 학생들의 역설적인 인식도 나타남.
4. 결론 및 시사점
(1) 이 연구는 챗GPT와 인간 튜터가 비판적 사고력 향상에 있어 뚜렷이 다른 강점을 지니며, 학생들의 선호도 또한 다양한 요인에 따라 이분법적으로 갈림을 입증함. 챗GPT는 비판단적인 상호작용과 접근성으로 초기 비판적 참여를 촉진하는 반면, 인간 튜터는 맞춤형 피드백과 정서적 연결로 심층적인 비판적 사고와 성장을 이끌어냄.
(2) 교육 현장과 AI 설계는 하이브리드 학습 모델 구축을 최우선 과제로 삼아야 함. 챗GPT의 효율성과 접근성을 활용하여 반복적이거나 초기 단계의 학습 질문을 처리하고, 인간 튜터는 이를 통해 확보된 시간과 자원을 학생들의 복잡한 문제 해결, 심층적 성찰, 그리고 정서적 지원에 집중시킬 수 있음. 이 이중적 접근은 학생들의 다양한 학습 선호도와 요구를 동시에 충족함.
(3) AI 시대의 교사 전문성은 기술 활용 능력과 인간적 역량의 균형에 달려 있음. 교육 정책 입안자들은 교사 교육 프로그램에 AI 도구의 효과적인 통합 전략을 포함해야 함. 특히, AI와 인간의 상호작용을 넘나들며 의미 있는 비판적 사고 대화를 촉진하는 역량 개발에 집중함이 필요함. 또한, 교육 기술 정책의 핵심은 ‘접근성’이 되어야 함. 모든 학생이 AI 학습 도구의 혜택을 누릴 수 있도록 디지털 인프라와 기기 보급에 전략적으로 투자해야 함.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문에서 가장 주목할 지점은 학생들의 챗GPT 선호도가 bimodal(이분법적) 분포를 보인다는 발견임. 이는 단순히 AI 도구의 효용성이나 한계에 그치지 않고, 학습자 내면에 존재하는 기술 수용 태도와 심리적 요인이 극명하게 갈림을 보여줌. 대부분의 학생이 AI를 강하게 선호하거나, 강하게 선호하지 않는다는 사실은 교육 현장에서 AI 통합 전략을 획일적으로 적용하기보다, 학습자 개개인의 성향과 기술에 대한 심리적 거리를 고려한 개인화된 AI 교육 경험 설계가 필수임을 단언함. 기존 논의가 주로 AI의 기능적 효과에 집중했다면, 이 연구는 학습자의 주관적 경험과 심리적 태도가 AI 교육의 성패를 좌우하는 핵심 변수임을 밝힘.
(2) 논문이 명시하지 않은 더 넓은 의미는 학습자의 주체성(agency)과 AI의 역할 재정의로 연결됨. 챗GPT의 ‘비판단적 학습 공간’은 학습자가 자신의 질문에 대한 자율성을 높이고 심리적 안전감을 느끼게 하는 중요한 요소임. 이는 전통적인 교사-학생 관계에서 발생할 수 있는 ‘권위적 판단’에 대한 두려움을 AI가 해소할 수 있다는 점에서 교육 철학적 함의를 가짐. 또한 대만 교육 시스템의 ‘주입식 학습’ 문화가 인간 튜터에 대한 부정적 인식으로 이어질 수 있다는 지점은, AI 도입이 단순히 기술적 혁신이 아니라 교육 문화와 교수법의 근본적인 성찰을 요구함을 의미함. AI는 특정 문화적 맥락에서 인간 튜터가 가지는 한계를 역설적으로 보완하는 역할도 수행함.
(3) 이 연구를 발전시킬 구체적 아이디어는 ‘상호 보완적 튜터링 에이전트’ 프레임워크 개발을 제안함. 이 프레임워크는 AI 튜터와 인간 튜터가 각자의 강점을 극대화하는 지점에서 협력하도록 설계되어야 함. AI는 팩트 확인, 자료 검색, 초기 개념 이해 지원 등 정보 처리 및 반복적 코칭을 담당함. 반면 인간 튜터는 학생의 정서적 상태를 살피고, 비판적 사고의 심층적 질문을 던지며, 복합적 문제 해결을 위한 메타인지적 전략을 지도하는 데 집중함. 특히, AI 튜터는 학생의 질문 패턴과 학습 데이터를 분석하여 인간 튜터에게 ‘학생의 감성적 취약 지점’ 또는 ‘심층적 개입이 필요한 비판적 사고 단계’에 대한 인사이트를 실시간으로 제공하는 대시보드 기능을 갖춤. 이를 통해 인간 튜터는 제한된 시간을 가장 효과적인 학생 지원에 할애하여, 단순한 정보 제공자가 아니라 ‘학습 경험 설계자’이자 ‘정서적 코치’로 거듭날 수 있음.
6. 추가 탐구 질문
(1) AI 튜터와 인간 튜터가 제공하는 비판적 사고 경험이 장기적인 학습 전이 및 실제 문제 해결 능력에 미치는 영향은 무엇인가?
(2) 이 연구 결과가 K-12 교육 환경, 특히 다양한 문화적 배경과 학습 수준을 가진 초·중등 학생들에게 적용될 때 어떤 차이와 새로운 시사점이 나타나는가?
(3) AI 튜터가 학생의 감성적 상태를 감지하고 상호작용에 반영하는 기술적 발전은 어디까지 허용 가능하며, 이 과정에서 발생할 수 있는 윤리적, 프라이버시 침해 문제는 어떻게 해결할 수 있는가?
출처
DOI: 10.3389/feduc.2025.1528603
- Fakour, H., & Imani, M. (2025). Socratic wisdom in the age of AI: a comparative study of ChatGPT and human tutors in enhancing critical thinking skills. Frontiers in Education, 10, 1528603. https://doi.org/10.3389/feduc.2025.1528603