생성형 AI 시대, 새로운 학습 이론이 필요한가

교실에서 챗GPT를 마주한 순간, 우리는 모두 본능적으로 알았다. 기존의 학습 이론으로는 이 새로운 현실을 온전히 설명하기 어렵다는 사실을 말이다. 학생이 단 1분 만에 완벽한 에세이를 생성하고, 코드를 작성하며, 복잡한 문제의 해답을 내놓는 현상 앞에서, 우리가 오랫동안 학습의 증거로 삼았던 ‘산출물’은 더 이상 예전과 같은 의미를 갖지 못한다. 이러한 혼란 속에서, 최근 Shan Li와 Juan Zheng은 “제너레이티비즘(Generativism)”이라는 새로운 학습 이론을 제안하며, 생성형 AI 시대의 학습을 정의하려는 대담한 시도를 한다.

왜 기존 학습 이론은 균열을 맞는가

이 연구는 행동주의, 인지주의, 구성주의, 연결주의라는 네 가지 지배적인 학습 이론이 생성형 AI의 확산으로 인해 중대한 개념적 한계를 드러낸다고 진단한다. 이 이론들은 지식을 생성하고, 종합하며, 추론하는 AI 시스템이 등장하기 전에 정립되었기 때문이다. 근본적으로 AI는 단순한 도구를 넘어, 학습자의 인지 과정에 깊숙이 개입하는 ‘파트너’의 역할을 수행한다.

이론들이 직면한 구체적인 도전은 다음과 같다.

학습 이론	핵심 가정	생성형 AI 시대의 도전
행동주의	학습은 관찰 가능한 행동 변화이다	AI는 심층적 인지 변화 없이 정교한 행동 산출물을 만들어낸다 (행동적 등가성 문제)
인지주의	학습은 내부 정보 처리 과정이다	AI가 인간의 고유 영역이던 인지 연산(합성, 추론)을 수행하고, 인지 오프로딩으로 인지 노동이 재분배된다
구성주의	학습은 경험을 통한 의미의 능동적 구성이다	AI가 쉽게 이해할 수 있는 지식을 제공하여 노력에 기반한 의미 구성을 우회하고, 사회적 상호작용의 필요성을 감소시킨다
연결주의	학습은 네트워크 연결을 형성하고 탐색하는 것이다	AI가 정보원과 네트워크를 통합하여, 기존 정보 탐색보다 AI가 생성한 결과물을 평가하는 것이 더 중요해진다

행동주의의 관점에서는 학생이 정확한 에세이나 코드를 생성하면 학습의 증거로 본다. 그러나 GenAI를 사용하면 학생이 실제 이해 없이도 ‘훌륭한’ 결과물을 만들어낼 수 있다. 여기서 관찰 가능한 행동만으로는 학습 여부를 판단할 수 없다는 치명적인 간극이 발생한다. 인지주의 역시 위기를 맞는다. 인지 부하 이론은 작업 기억의 한계를 관리하는 교수 설계를 강조하지만, GenAI는 단순한 정보 검색을 넘어 합성, 논증, 분석, 창의적 생산과 같은 고차원 인지 작업을 대신 수행한다. Fan 등(2025)의 연구는 GenAI를 사용한 학습자가 성찰 및 자기 평가와 같은 자기 주도 학습 과정에 덜 참여하는 “메타인지적 게으름”을 보였다고 보고한다. 게르리치(Gerlich, 2025)는 AI 도구의 빈번한 사용과 비판적 사고 능력 간에 유의미한 음의 상관관계가 있다고 밝히며, 인지 오프로딩이 매개 요인으로 작용한다고 강조한다. AI가 학습자의 인지 노동을 재분배하는 상황을 인지주의는 제대로 설명하지 못한다.

구성주의적 관점은 학습자가 경험과 사회적 상호작용을 통해 지식을 능동적으로 구성한다고 보지만, GenAI는 학습자의 기존 인지 프레임워크와 연결되지 않는 비맥락적 결과물을 제공한다. 특히, 깊은 이해를 위한 인지적 노력의 중요성이 강조되는데, 학생들은 AI가 생성한 해결책을 빠르게 채택하고 깊이 있는 인지 작업을 건너뛰는 경향을 보인다 (Zhai et al., 2024). 연결주의 역시 기술이 주로 기존 정보를 저장하고 전달하던 시대에 만들어졌다. 이제 AI는 정보를 생성하고 합성하며, 특정 질문에 반응하여 새로운 텍스트나 분석을 만들어낸다. 학습의 초점은 더 이상 네트워크를 탐색하는 “무엇을 어디서 아는지(know-where)”가 아니라, AI가 생성한 결과물의 품질, 정확성, 적절성을 평가하고 안내하는 데로 옮겨간다. 이처럼 기존 이론의 한계를 메우는 새로운 프레임워크가 필요하다는 사실은 명백하다.

제너레이티비즘, 인간과 AI의 지식 공동 구성 원리

이러한 기존 이론의 한계를 극복하고자, 제너레이티비즘은 학습을 인간 학습자와 AI 시스템 간의 반복적인 상호작용을 통한 지식의 의도적인 공동 구성으로 정의한다. 이 프레임워크는 네 가지 이론적 기반에서 출발한다.

첫째, 분산 인지(Distributed Cognition) 및 확장된 마음 이론(Extended Mind Theory)이다. 홀란 등(Hollan et al., 2000)과 허친스(Hutchins, 1995)는 인지 과정이 개별 마음에만 국한되지 않고, 개인, 도구, 환경 전반에 분산된다고 주장한다. 특히 클라크와 챌머스(Clark & Chalmers, 1998)의 확장된 마음 이론은 외부 자원(예: AI)이 내부 인지 과정과 동일한 기능적 역할을 수행하고 신뢰할 수 있으며 쉽게 접근 가능하다면, 그것이 인지 시스템의 일부로 간주될 수 있다고 본다. 이것은 AI가 단순히 외부 도구가 아니라, 본질적으로 인간 인지 과정의 확장이라는 패러다임 전환을 의미한다. 학습은 학습자가 AI를 사용하는 동안 그 안에서 일어나는 것이 아니라, 상호작용을 통해 비로소 나타난다. 지식은 전수되거나 개별적으로 구성되는 것이 아니라, 인간-AI 상호작용을 통해 공동 구성된다. 학습자는 의도, 경험, 비판적 판단을 제공하고, AI는 방대한 데이터 코퍼스 내의 패턴 인식 능력과 생성 능력을 제공한다.

둘째, 인간-AI 협업(Human-AI Collaboration) 및 하이브리드 지능(Hybrid Intelligence)이다. 이 연구는 인간과 AI가 지식을 공동 생성하는 방법을 설명하기 위해 ‘인간-알고리즘 센타우르(Human-Algorithm Centaurs)’ 개념(Saghafian & Idan, 2024)을 인용한다. 이는 인간의 직관과 AI의 알고리즘적 추론을 결합하여, 인간이나 AI 단독으로는 달성할 수 없는 뛰어난 성과를 낼 수 있음을 보여준다. 오르파노우다키 등(Orfanoudaki et al., 2022)은 임상 치료 분야에서 센타우르 모델이 인간 전문가와 최고의 기계 학습 알고리즘을 모두 능가했음을 보고한다. 중요한 점은 인간이 AI 생성물의 수동적 수용자가 아니라, 시스템의 행동을 형성하는 능동적 기여자라는 관점이다. 몰레나르(Molenaar, 2022)는 AI와 인간 인지가 학습에서 서로 얽혀있으므로 시스템을 ‘하이브리드 인간-AI 시스템’으로 보아야 한다고 주장한다. 이러한 관점은 GenAI 시대의 교육 목표가 AI를 대체하는 학습자가 아닌, AI와 효과적으로 협력하여 개별적으로는 불가능한 성과를 달성하는 학습자를 양성하는 것임을 단언한다.

셋째, 생성형 AI 리터러시(Generative AI Literacy)이다. 기존의 AI 리터러시가 AI 시스템의 작동 방식 이해와 윤리적 인식을 강조했다면, 생성형 AI 리터러시는 한 걸음 더 나아간다. 안나푸레디 등(Annapureddy et al., 2025)은 생성형 AI 리터러시의 12가지 역량을 제시하며, 특히 GenAI가 단순히 정보를 검색하거나 분류하는 것이 아니라 지식 산출물을 능동적으로 ‘생성’하기 때문에, 학습자가 이를 평가하고, 다듬고, 통합하는 역량이 중요하다고 강조한다. 단순히 AI 도구를 ‘활용하는’ 것을 넘어, AI가 생성한 결과물을 비판적으로 평가하고, 자신의 기존 지식과 통합하여 더 깊은 의미를 만들어내는 능력이 핵심이 된다.

넷째, 인지 오프로딩(Cognitive Offloading) 및 적응적 메타인지(Adaptive Metacognition)이다. 리스코와 길버트(Risko & Gilbert, 2016)는 인지 오프로딩을 작업의 내부 인지 부담을 줄이기 위해 외부 도구를 사용하는 것으로 정의한다. 하지만 과도한 AI 의존은 깊은 학습에 필요한 인지적 참여를 저해할 수 있다 (Fan et al., 2025). 따라서 GenAI와의 효과적인 학습을 위해서는 학습자가 자신의 이해를 모니터링하고, 과도한 의존을 감지하며, 인지적 노력을 자신과 AI 사이에 의도적으로 재분배하는 적응적 메타인지가 필수적이다. 토미수 등(Tomisu et al., 2025)은 AI를 메타인지적 파트너로 활용하여 학습자가 자신의 사고를 명확히 하고, 점검하며, 다듬도록 돕는 “인지 미러” 패러다임을 제안한다. AI가 인지 작업의 일부를 수행할 수 있을 때, 학습을 증진하는 AI와 학습을 대체하는 AI를 구분하는 것은 오직 학습자의 메타인지 역량이다.

핵심 원리 4가지 – 현장의 ‘어떻게’를 위한 나침반

이러한 이론적 기반 위에 제너레이티비즘은 네 가지 핵심 원리를 제시한다. 이 원리들은 GenAI 시대의 학습이 무엇이며, 어떻게 이루어져야 하는지에 대한 중요한 지침이 된다.

1. 인식론적 파트너십 (Epistemic Partnership)
   • 연구 주장: GenAI 시대의 학습은 인간 학습자와 AI 시스템 간의 인식론적 파트너십을 통해 점진적으로 이루어진다. AI는 속도와 설명, 예시, 해결책을 생성하는 능력을 제공하고, 학습자는 목표, 맥락, 가치, 평가적 판단을 제공한다.
   • 데이터·근거: 우 등(Wu et al., 2025)은 인간-GenAI 학습을 공유된 인식론적 행위 주체성으로 보아야 한다고 주장한다. 센타우르 모델 연구(Saghafian & Idan, 2024)는 개별 구성 요소가 강한 팀보다 인간과 기계의 기여를 통합하는 과정이 뛰어난 팀이 더 효과적임을 보여준다.
   • 필자의 판단: 이 원리는 AI를 도구가 아닌, 능동적인 인지 파트너로 대하는 사고의 전환을 요구한다. 단순히 AI의 결과물을 받아들이는 것이 아니라, AI의 결과물을 가설로 보고 질문하고, 검증하며, 필요할 때 방향을 재설정하는 적극적인 상호작용이 학습의 핵심이라는 뜻이다. 학습자가 AI의 결과물을 비판적으로 수용하지 않으면, 인간의 인식론적 행위 주체성이 상실될 위험이 있다.
2. 분산된 행위 주체성 (Distributed Agency)
   • 연구 주장: 학습자와 AI 시스템 간의 인지적 작업 배분은 명시적이고, 의도적이며, 교육적으로 목적이 있어야 한다.
   • 데이터·근거: 콩(Kong, 2026)은 의사 결정 수준, 행동 수준, 결과 수준의 행위 주체성을 구분하며, AI 매개 학습에서 AI가 선택 가능한 옵션이나 ‘최고의’ 계획을 제시할 때 학습자의 ‘의사 결정 수준 행위 주체성’이 약화될 수 있다고 지적한다. 책임의 문제도 발생한다. 로이드(Lloyd, 2025)는 인간-AI 협업으로 생성된 지식 산출물의 최종 책임은 항상 인간에게 있다고 강조한다.
   • 필자의 판단: 행위 주체성의 분산은 단순한 작업 분할이 아니다. 학습자가 AI에 인지적 작업을 오프로딩할 때, 그로 인한 학습 결과의 변화를 스스로 모니터링하는 능력이 필수적이다. AI에 인지적 노동을 위임한다고 해서 최종 결과물에 대한 책임까지 위임되는 것은 절대 아니다. 학습자는 생성된 결과물의 정확성, 적절성, 윤리적 사용에 대한 궁극적인 책임을 유지해야 한다.
3. 생성적 리터러시 (Generative Literacy)
   • 연구 주장: 생성적 리터러시는 AI가 생성한 지식 산출물을 프롬프트하고, 평가하고, 개선하고, 통합하는 비판적 리터러시의 한 형태이다.
   • 데이터·근거: 이 연구는 네 가지 고차원 역량을 제시한다: 프롬프트 역량(유용한 응답을 유도하기 위한 쿼리 공식화 및 수정), 평가적 판단(정확성, 일관성, 관련성, 맥락 적절성 평가), 인식론적 경계심(유창하고 자신감 있어 보이는 AI 콘텐츠에 대한 비판적 감시 유지), 통합적 종합(AI 생성 콘텐츠를 자신의 사전 지식 및 학습 목표와 결합하여 AI 출력물을 능가하는 의미 생산).
   • 필자의 판단: 생성적 리터러시는 GenAI 환경에서 의미 있는 학습을 위한 근본적인 조건이다. 이 역량이 없으면 AI는 단순히 사고를 대체하는 도구에 그친다. 학습자가 AI 출력물을 단순히 소비하는 것이 아니라, 이를 통해 자신의 이해를 발전시키려면 AI가 생성한 내용을 질문하고, 수정하며, 맥락화하고, 통합하는 적극적인 참여가 반드시 필요하다.
4. 적응적 메타인지 (Adaptive Metacognition)
   • 연구 주장: 적응적 메타인지는 인지 작업의 일부가 AI에 의해 외부적으로 수행되는 환경에서 학습자가 학습을 지속적으로 모니터링하고 조절하는 능력이다.
   • 데이터·근거: ‘메타인지적 게으름’(Fan et al., 2025), ‘인지 오프로딩’(Gerlich, 2025), ‘AI 지원 학습의 인지적 역설’(Yan et al., 2024)에 대한 연구는 메타인지적 조절이 AI가 학습을 향상시키는지 저해하는지 결정하는 데 핵심임을 보여준다. 토미수 등(Tomisu et al., 2025)은 AI를 메타인지적 파트너로 활용하는 ‘인지 미러’ 패러다임을 제안한다.
   • 필자의 판단: 기존의 자기 조절 학습 모델은 주로 자신의 인지 과정을 관리하는 데 중점을 두었다. 그러나 GenAI 시대에는 학습자가 자신의 인지뿐만 아니라 AI 시스템의 기여까지 관리해야 한다. 학습자는 AI 사용을 통해 자신의 이해가 어떻게 형성되었는지 성찰하고, 인지 노동의 분배가 자신의 이해를 강화했는지 약화시켰는지 판단하는 능력을 반드시 길러야 한다. 이것이 GenAI를 현명하게 활용하는 근본적인 열쇠이다.

현장 적용의 조건과 비판적 관점, 이 연구가 놓친 것들

이 연구는 교수 설계, 학습, 평가, 전문성 개발이라는 교육의 핵심 영역에 대한 중요한 함의를 제시한다.

교수 설계: AI를 무조건 금지하거나 맹목적으로 사용하는 대신, 인식론적 파트너십, 행위 주체성 인식, 생성적 리터러시, 적응적 메타인지 역량을 개발하는 학습 활동을 설계해야 한다. 특히 ‘생산적 마찰(productive friction)’ 개념을 도입하여, AI가 쉽게 결과물을 제공하는 상황에서 의도적으로 ‘바람직한 어려움(desirable difficulties)’을 만들어내야 한다. 예를 들어, 학습자가 AI를 참고하기 전에 먼저 스스로 해결책을 시도하게 하거나, AI가 생성한 결과물을 진단하고 수정하도록 요구하고, 심지어 서로 다른 AI가 생성한 관점들을 화해시키도록 유도하는 방법이 있다.

학습: 학습은 이제 ‘공동 구성’의 과정으로 설명된다. 학습자들은 AI가 생성한 초안, 해결책, 설명을 가지고 그것을 질문하고 탐구하면서 학습한다. 이것을 ‘생산-이해 역전(production-comprehension inversion)’이라고 부르는데, 기존에는 이해가 선행되어야 정교한 생산이 가능하다고 보았지만, 이제는 AI의 생산물을 탐구하며 이해를 구축하는 경로가 열린 것이다.

평가: AI 협업이 역량의 일부인 경우와 독립적인 수행이 목표인 경우를 구분해야 한다. AI 협업이 허용되는 상황에서는 학습자가 AI와 어떻게 상호작용하고, 선택을 어떻게 정당화하며, 상호작용 후 무엇을 이해했는지 평가한다. 다음 표는 제너레이티비즘 원리에 따른 평가 지표를 보여준다.

원리	평가 지표
인식론적 파트너십	학습자가 AI 출력물을 권위적으로 수용하기보다 질문하고, 검증하며, 방향을 재설정한다.
분산된 행위 주체성	학습자가 작업 중 AI에 위임한 부분과 스스로 수행한 부분을 설명하고, 그 배분이 적절했음을 정당화한다.
생성적 리터러시	학습자가 프롬프트 수정, 정확성 및 관련성 평가, 인식론적 경계심, AI 출력물과 사전 지식의 통합 능력을 보여준다.
적응적 메타인지	학습자가 이해도를 모니터링하고, 혼란이나 과도한 의존을 감지하며, AI 사용을 조정하고, AI가 자신의 사고에 미친 영향을 성찰한다.

이러한 지표에 대한 증거는 과정 기록, 주석이 달린 프롬프트, 간략한 성찰 진술, 구두 설명 또는 변론, AI 초안과 학습자 수정본의 비교 등을 통해 수집할 수 있다. 결국 평가는 결과물의 품질뿐만 아니라, 그 과정에서 드러나는 판단과 추론을 함께 봐야 한다.

전문성 개발: AI가 전통적으로 전문성을 정의하던 많은 작업을 수행할 수 있게 되면서, 전문성의 본질 자체가 변화한다. 단순한 도메인 지식 축적을 넘어, AI와 효과적으로 인식론적 파트너십을 형성하는 능력이 곧 전문성이 된다. 이는 AI에 언제 의존하고, 언제 AI를 능가하며, 어떻게 협업 구조를 설계하여 파트너 중 어느 한쪽만으로는 달성할 수 없는 결과물을 만들어낼지 아는 것을 포함한다.

그러나 이 연구는 몇 가지 한계 또한 명확히 인정한다. 첫째, 제너레이티비즘은 아직 실증적으로 검증되지 않은 개념적 프레임워크이다. 둘째, 사회경제적 배경에 따른 GenAI 도구에 대한 접근성 불균형, 즉 접근성과 형평성 문제를 충분히 다루지 않았다. 셋째, AI 기술의 빠른 발전 속도로 인해 이 프레임워크가 제시하는 구체적인 기술이나 역학 관계가 빠르게 변화할 수 있다는 점이다.

구조적으로 보면, 이 연구의 제안들이 학교 현장에 뿌리내리려면 단순히 이론적 제시를 넘어선다. ‘인식론적 파트너십’이나 ‘분산된 행위 주체성’은 학습자에게 자율적인 의사 결정 권한을 부여하고, AI가 생성한 결과물에 대한 비판적 사고를 지속적으로 요구한다. 이는 교사의 교수 설계 역량과 평가 시스템의 전면적 재구조화를 전제로 한다. 특히, 현재 학교 현장에서는 여전히 접근성과 기회의 불평등이라는 근본적인 문제가 AI 활용의 성패를 가른다. 최신 AI 도구에 대한 접근이 제한되거나, AI 활용 교육을 받을 기회가 부족한 학생들은 이 새로운 학습 패러다임에서 소외될 수 있다.

이론이 아무리 훌륭해도, 현장에 안착하려면 현실적인 조건이 충족되어야 한다. 현재 우리의 교육 현장은 ‘생산적 마찰’을 설계하기 전에 ‘불필요한 마찰’부터 제거해야 하는 상황일 수 있다. 교사들이 새로운 학습 모델을 실험하고 공유할 수 있는 최소한의 시간과 자원, 그리고 실패를 용인하는 문화적 토대가 먼저 다져져야 한다. 동료 교사와 함께 점심시간 10분이라도 GenAI 활용 사례와 예상치 못한 부작용을 공유하는 작은 대화, 혹은 학년 메신저에 AI가 제시한 답을 의심하며 다시 탐구했던 경험을 한 줄로 남기는 시도. 이런 작은 행위들이 모여야, 비로소 ‘학습’이라는 거대한 배가 새로운 이론이라는 나침반에 따라 방향을 틀 수 있다.

출처

• Li, S., & Zheng, J. (n.d.). Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence. Preprint manuscript.