교사가 AI 학습 기술을 직접 만들 때 AI 리터러시는 어떻게 깊어지는가

1. 연구의 목적

(1) 기존 학습 도구는 개발자 중심 사고로 실제 교실 환경과 괴리가 컸음. 이에 따라 교사 참여형 설계의 중요성이 부각되지만, AI 기반 기술 개발에 대한 교사의 기술적 역량과 전문성 개발 기회가 부족한 현실임. 더욱이 교사들이 AI를 교실에 책임감 있게 적용하는 데 필요한 AI 리터러시 함양 또한 시급한 과제임.

(2) 이 연구의 핵심 목표는 K-12 교사가 AI 보조 ‘바이브 코딩(vibe coding)’을 활용해 AI 기반 학습 기술을 직접 설계하고 개발하는 과정을 지원하는 ‘GAIDE(A Guiding framework for AI-integrated Design for Educators)’ 프레임워크를 제안하고, 실제 워크숍에 적용해 프레임워크의 실용적 유용성과 교사 AI 리터러시 향상 효과를 검증하는 데 있음.

2. 연구의 방법

(1) 연구는 8주간의 온라인 워크숍 형태로 진행되었음. K-12 교사 3명과 대학 교수 멘토 4명이 AI 기반 학습 기술을 공동으로 개발함. 초기 프레임워크는 디자인 씽킹(Design Thinking)과 인터랙트(INTERACT) 프레임워크를 통합하여 구성함. 워크숍 영상 기록에 CORDTRA(Chronologically Ordered Representation of Discourse and Tool Related Activity) 상호작용 분석을 적용해 교사와 멘토의 미시적 활동 및 설계 과정을 시각적으로 파악함. 더불어, 사전 및 사후 인터뷰로 교사의 AI 리터러시 변화를 질적으로 분석했음.

(2) 주요 분석 대상은 워크숍 참가 교사들의 AI 기반 학습 기술 개발 과정과 교사-멘토 간 상호작용 패턴이었음. 또한, 워크숍 전후 교사들의 AI 리터러시 수준 변화를 AI 인지 및 이해, AI 활용 및 적용, AI 평가 및 생성, AI 윤리의 네 가지 영역에서 비교 분석함.

3. 주요 발견

이 연구는 교사를 위한 AI 통합 설계 가이드 프레임워크인 GAIDE (A Guiding framework for AI-integrated Design for Educators)를 제시함. GAIDE는 기존의 디자인 씽킹과 인터랙트 프레임워크를 통합한 초기 모델을 바탕으로, 실제 워크숍 적용 결과에서 얻은 피드백과 상호작용 분석 결과를 반영하여 재구성되었음. 본질적으로 GAIDE는 교사가 AI 기술의 단순한 사용자가 아니라 주체적인 학습 기술 설계자로서 역할을 수행하도록 돕는 구체적인 절차와 고려 사항을 제공함.

그림 1. 디자인 씽킹과 INTERACT 프레임워크를 결합한 초기 프로세스 모델

초기 모델(그림 1)은 디자인 씽킹의 ‘공감 및 분석’, ‘문제 정의’, ‘아이디어 구상’, ‘프로토타입’, ‘테스트’ 단계를 따름. ‘설계’ 단계에는 인터랙트 프레임워크의 핵심 요소인 행동 활동, 동기 및 감정, 인지 활동, 학습자 변인, 정신 모델, 학습 환경을 통합했음. 그러나 워크숍에서 확인한 이 초기 모델에 대한 교사들의 피드백과 실제 사용 양상을 바탕으로, AI 학습 기술 개발 과정의 필수적인 요소인 ‘AI 이해’와 ‘윤리적 적용 성찰’ 단계를 프로세스 전후에 명시적으로 추가하고, 인터랙트 구성 요소 일부를 수정하여 최종 GAIDE 프레임워크를 도출했음.

(1) GAIDE 프레임워크의 구성 요소 GAIDE 프레임워크는 다음 8가지 주요 단계와 그 안의 세부 구성 요소로 이루어짐. 각 단계는 선형적이지 않고 반복적으로 상호작용하는 특징을 가짐.

그림 2. 최종 GAIDE 프레임워크 — 교사와 AI의 통합 설계 모델

• AI 이해 (Understand AI): AI 기반 기술 설계에 앞서 인공지능의 기본 개념과 작동 원리를 파악하는 단계임. 이는 교사들이 막연한 환상이나 두려움 없이 AI의 실제 역량을 이해하고 활용하는 기반을 다지는 필수 시작점임.
• 공감 및 분석 (Empathize & Analyze): 실제 학습자의 니즈와 교실 환경의 맥락을 깊이 있게 이해하는 단계임. 어떤 문제를 해결하려 하는지, 학습자들이 무엇을 필요로 하는지에 대한 교사의 현장 전문성이 가장 크게 발휘되는 지점임.
• 교육 문제 정의 (Define Educational Problem): 공감과 분석을 바탕으로 해결하고자 하는 구체적인 교육적 문제를 명확히 하는 단계임. 모호한 문제 정의는 AI 기반 솔루션의 방향성을 잃게 만들 가능성이 높음.
• 아이디어 구상 (Ideate): 정의된 교육 문제를 해결할 수 있는 다양한 AI 기반 학습 기술 아이디어를 자유롭게 발산하는 단계임. AI의 생성적 역량을 적극 활용해 다양한 가능성을 탐색함.

그림 3. 교사가 개발한 AI 기반 학습 기술 '수학 미스터리(Math Mysteries)'의 인터페이스

• 설계 (Design - INTERACT): 아이디어 구상 단계에서 나온 해결책을 교육적 관점에서 구체적으로 설계하는 단계임. INTERACT 프레임워크의 요소를 활용하여 교수학적 효과성을 높이는 데 주력함. 워크숍 결과, 학습 목표(Learning Objectives)가 새롭게 추가되고, 학습 환경(Learning Environment)은 공감 단계에서 암묵적으로 다뤄지므로 별도 명시에서 제외되었음.
  • 학습 목표 (Learning Objectives): 학습자들이 학습 활동 종료 후 도달해야 할 지식, 기술, 행동을 측정 가능하도록 명시하는 것임. 교사들이 학습 콘텐츠를 설계하기 전 가장 활발히 논의하는 핵심 요소임.
  • 행동 활동 (Behavioral Activities): 학습자가 학습 시스템과 상호작용하기 위해 수행하는 관찰 가능한 물리적 활동을 의미함.
  • 동기 및 참여 (Motivation & Engagement): 학습자의 학습 의지와 감정적 조건을 의미하며, 교사가 학습 동기를 유발하기 위해 설계할 수 있는 요소를 포함함.
  • 지식 매핑 (Knowledge Mapping): 학습자가 가지고 있는 기존 지식 구조와 학습 활동 결과로 얻게 될 지식 획득 과정을 시각화하는 것임. 이는 교사에게 친숙한 용어임.
  • 학습자 차별화 (Learner Differentiation): 학습자의 인지적, 메타인지적 특성을 고려하여 학습 경험을 다르게 설계하는 것임. 이는 보편적 학습 설계를 연상시키는 교사 친화적 표현임.
  • 사고 과정 (Thinking Process): 새로운 정보를 선택, 조직, 통합하여 일관된 지식 구조를 형성하는 정신적 절차를 의미함. 교사들이 학습 루틴과 전략을 계획할 때 중요하게 고려하는 부분임.
• 프로토타입 (Prototype): 설계된 아이디어를 AI 보조 바이브 코딩을 활용하여 빠르고 반복적으로 시제품으로 구현하는 단계임. 이 덕분에 비전문가 교사도 코드 생성, 수정, 실행이 가능해짐.
• 테스트 (Test): 개발된 프로토타입을 실제 환경에 적용하고 사용자(학생) 피드백을 수집하여 개선점을 찾는 단계임. 이 과정에서 설계의 효과성과 유용성을 실증적으로 검증함.
• 윤리적 적용 성찰 (Reflect on Ethical Application): 개발된 AI 기반 학습 도구의 잠재적 윤리적 함의와 책임 있는 적용 방안을 성찰하는 단계임. AI 편향성, 데이터 개인정보, 과도한 의존 등의 문제를 다룸.

그림 4. 워크숍에서 관찰된 교사의 비선형적 AI 학습 기술 개발 과정 (경험적 모델)

이상의 구성 요소는 단일 방향으로 진행되지 않고, 그림 4와 같이 이해, 공감, 설계, 프로토타입, 테스트 등 다양한 단계에서 이전 단계로 돌아가거나 새로운 아이디어를 통합하는 반복적이고 비선형적인 과정으로 나타남.

(2) 교사 및 멘토의 활동 분석 워크숍에서 교사와 멘토의 상호작용 활동을 CORDTRA 분석 결과, 교사의 활동은 주로 질문에 응답하거나 아이디어를 제안하고, 멘토는 설명, 기술 시연, 제안 활동에 집중하는 경향을 보임. 다음은 주요 활동의 빈도와 비율임.

범주	활동	빈도	전체 비율
교사 상호작용	질문에 응답함	49	8.9%
	아이디어를 제안함	45	8.1%
	아이디어를 다듬음	33	6.0%
	설명함	19	3.4%
	프로토타입을 시연함	18	3.3%
	타인의 아이디어를 발전시킴	16	2.9%
	질문함	15	2.7%
	AI 산출물을 검토함	12	2.2%
	프롬프트를 작성함	7	1.3%
	지원을 요청함	6	1.1%
교사 총계		220	39.8%
멘토 상호작용	설명함	94	17%
	기술 시연을 함	59	10.7%
	제안함	56	10.1%
	질문함	42	7.6%
	토론을 관리함	28	5.1%
	전략적 지원을 함	23	4.2%
	정서적 지원을 함	14	2.5%
	자료를 제공함	13	2.4%
	문제 해결 지원을 함	4	0.7%
멘토 총계		333	60.2%
총계		553	100%

위 표는 교사들이 적극적으로 협력적 아이디어 교환에 참여하며 자신의 생각을 구체화했음을 보여줌. 멘토는 개념 설명, 기술적 지식 전달, 전략적 조언 제공에 집중하며 교사들의 역량 강화를 지원했음. 이는 교사와 멘토 간의 분산된 전문성 활용이 AI 기술 개발 과정에서 시너지를 창출함을 입증함. 특히 CORDTRA 다이어그램(그림 5, 6 참고)은 이러한 활동들이 시간 경과에 따라 어떻게 발현되는지를 시각적으로 보여줌.

그림 5. CORDTRA 다이어그램 예시. 워크숍 2차시, AI 이해 단계에 집중된 활동 양상

그림 6. CORDTRA 다이어그램 예시. 워크숍 5~7차시, INTERACT 설계와 프로토타입 개발이 반복되는 활동 양상

(3) 교사의 AI 리터러시 진화 워크숍 참여 교사들은 AI 기반 학습 기술을 직접 설계하고 개발하는 경험에서 AI 리터러시 전반에 걸쳐 유의미한 변화를 보임. 이는 ‘AI 인지 및 이해’, ‘AI 활용 및 적용’, ‘AI 평가 및 생성’, ‘AI 윤리’ 네 가지 영역에서 긍정적으로 나타남.

• AI 인지 및 이해: 워크숍 전에는 AI 도구에 대한 제한된 절차적 이해와 도구적 관점을 가짐. AI가 모든 것을 할 수 있다는 막연한 기대를 하거나, 단순히 콘텐츠 생성 도구로만 인식함. 워크숍 후에는 AI의 기능적, 조작적 이해도가 향상되고, AI를 지식을 형성하는 교육적 파트너로 재인식함. “AI가 마법 상자인 줄 알았는데, 이제는 프롬프트와 데이터에 반응하는 것임을 알게 됨” (T#B)과 같이 구체적 역량과 한계를 파악함.
• AI 활용 및 적용: 초기에는 즉흥적인 AI 활용과 교수설계와의 연계 부족을 보임. AI를 수업에 어떻게 통합할지 불확실함을 느낌. 워크숍 후에는 교수학적으로 의미 있는 AI 통합을 지향하며, 학습 목표와의 명확한 연계성을 바탕으로 AI를 활용함. AI를 교사 역할의 대체재가 아닌, 인간-AI 협력적 교수 활동의 동반자로 인식하고 AI 기반 교수 활동에 대한 자신감이 크게 향상됨.
• AI 평가 및 생성: AI의 사회기술적 함의에 대한 인식이 제한적이었음. AI를 단순한 편리한 도구로만 여김. 워크숍 후에는 AI 시스템이 사회적 편향성이나 문화적 가정을 반영할 수 있음을 인식하는 등, AI의 사회기술적, 기술문화적 차원에 대한 비판적 이해가 깊어짐. 또한, AI 도구의 수동적 소비자가 아닌, AI 기반 학습 경험의 능동적 설계자로서 주체적 역할을 수행하게 됨.
• AI 윤리: AI의 역량과 위험에 대한 모호한 이해를 가짐. 주로 AI의 오답 생성 같은 신뢰성 문제에 대한 일반적인 우려를 표함. 워크숍 후에는 AI의 편향성, 환각 현상, 투명성 문제, 과도한 의존 위험 등 AI 윤리에 대한 미묘하고 복합적인 이해를 갖게 됨. AI 오용 방지에 그치지 않고, 교육적 목적에 부합하는 윤리적 AI 활용 방안을 모색하고, 인간과 AI의 역할을 의도적으로 구분하는 전략을 개발함. “AI가 처리할 부분과 인간의 판단이 필요한 부분을 결정하며, 공감과 지도는 교사의 역할임을 분명히 함” (T#C)과 같이 명확한 역할 분담을 강조함.

4. 결론 및 시사점

(1) GAIDE 프레임워크는 K-12 교사들이 AI 보조 바이브 코딩으로 AI 기반 학습 기술을 효과적으로 설계하고 개발하도록 지원함을 입증함. 이 과정에서 교사들은 AI 리터러시의 네 가지 핵심 영역(인지/이해, 활용/적용, 평가/생성, 윤리)에서 유의미한 성장을 경험하며, AI 기술의 단순한 사용자가 아닌 주체적인 설계자로서의 역할과 역량을 확보함. 이는 교사의 전문성 개발에 새로운 패러다임을 제시함.

(2) ‘창작을 통한 학습(learning-by-creating)’은 교사의 AI 리터러시 개발을 위한 가장 강력한 전문성 개발 경로임. 교사가 직접 AI 기반 도구를 만드는 과정은 AI에 대한 이론적 이해에 머물지 않고, 실제 교육적 맥락에서 AI의 가능성과 한계를 탐색하고 윤리적 함의를 성찰하는 총체적인 경험을 제공함. AI 설계자는 교사의 이러한 주도적 창작 활동을 지원하는 사용자 친화적 도구와 플랫폼 개발에 집중해야 함.

(3) AI 시대의 교육은 교사, 멘토, AI 간의 분산된 전문성(distributed expertise)이 협력하여 시너지를 창출하는 역동적인 시스템으로 재정의됨. 교사는 현장 기반의 교수학적 전문성을, 멘토는 학문적 지식과 코칭 역량을, AI는 생성적 지식과 기술적 실행력을 제공함. GAIDE 프레임워크는 이러한 협력 체계를 구조화하며, AI가 단순한 도구가 아닌 교사의 인지 과정을 매개하고 사고를 확장하는 ‘협력적 파트너’로서의 역할을 강조함. 이는 TPACK 프레임워크 관점에서 교사의 기술-교수-내용 지식을 통합적으로 심화하는 효과적인 기회임을 시사함.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문은 교사를 AI 기술의 수동적 수용자나 제한적인 공동 설계자가 아닌, ‘주체적인 AI 학습 기술 설계자’로 명확히 위치시킴. 이는 교육 현장에 AI 기술을 공급하는 기존의 공급자 중심 패러다임에 대한 강력한 전환점을 제시함. ‘바이브 코딩’이 비전문가인 교사도 실제적인 AI 도구를 만들 수 있게 함으로써, 교사 개인의 교육적 신념과 현장 경험이 기술 설계 과정에 직접 반영되는 길을 열었음. 이 지점은 AI 시대 교육의 본질적 가치를 재정의하는 중대한 의미를 지님. 교사의 결정권이 기술의 형태를 좌우하는 현실은, 교육이 기술에 끌려가는 것이 아니라 기술을 교육에 맞춰 주도적으로 변형하는 반직관적 전환을 가능하게 함.

(2) 이 연구는 AI 시대에 교육의 ‘주체성 회복’이라는 더 넓은 철학적 의미와 맞닿아 있음. 교사가 기술을 직접 만들 때, 비로소 AI 기술에 대한 비판적 사고와 윤리적 판단이 추상적인 논의에 머물지 않고 실천적 과정 속에 내재화됨. 이는 교육의 인간 중심적 가치를 AI 기술 설계의 초기 단계부터 반영하는 구조적인 기회를 제공함. 나아가, 교사들이 서로의 경험과 아이디어를 공유하며 AI 기반 도구를 함께 개발하는 과정은 새로운 형태의 교사 전문적 학습 공동체(PLC) 모델로 기능함. 이는 기술 활용법을 배우는 데 그치지 않고, AI 시대에 필요한 교수학적 비전과 역량을 공동으로 구축하는 강력한 플랫폼이 될 수 있음. 즉, 기술 혁신이 교사 전문성 자체를 재정의하는 계기가 됨.

(3) GAIDE 프레임워크의 실용성을 더욱 높이기 위한 몇 가지 아이디어를 제안함. 첫째, 프레임워크의 모듈화 및 커스터마이징이 필요함. 특정 교과(수학, 영어 등) 또는 학생 연령대(초등 저학년, 고등학생 등)의 특수성을 반영한 세분화된 가이드라인과 챗GPT 같은 LLM 기반 프롬프트 템플릿을 개발하여 교사들이 자신들의 맥락에 더욱 쉽게 적용하도록 지원함. 둘째, 체계적인 멘토 양성 프로그램을 구축해야 함. 이 연구에서 멘토의 역할이 중요하게 부각된 만큼, AI 교육 전문성과 코칭 역량을 갖춘 멘토 풀을 확대하고, 멘토-교사 매칭 시스템을 고도화하여 워크숍 한 번으로 끝나지 않는 지속 가능한 지원 체계를 마련함. 셋째, 개발된 AI 도구 공유 및 개선 플랫폼을 구축함. 교사들이 GAIDE로 만든 AI 학습 기술을 공유하고, 다른 교사들의 피드백을 받아 지속적으로 개선하며, 실제 학생 사용 데이터를 기반으로 효과성을 검증할 수 있는 공론장과 기술적 인프라를 제공함. 이렇게 하면 개별 교사의 노력이 집단 지성으로 확장되고 선순환하는 생태계를 조성해야만 함.

6. 추가 탐구 질문

(1) GAIDE 프레임워크가 소규모 워크숍에서 전국 단위 혹은 지역 단위의 대규모 교사 전문성 개발 프로그램으로 확장될 때, 그 효과성과 지속 가능성을 어떻게 확보할 수 있는가? 특히, AI 기술의 빠른 변화 속도에 맞춰 프레임워크와 멘토링 시스템을 어떻게 유연하게 업데이트하고, 비기술 분야 교사들의 참여를 어떻게 더욱 독려할 수 있는가?

(2) GAIDE 프레임워크로 교사들이 개발한 AI 기반 학습 기술이 실제 교실에서 학생들의 학습 성과, 동기, 메타인지 역량에 미치는 장기적인 영향은 어떠한가? 기술 활용 역량의 증진에 그치지 않고, 학생 주도 학습이나 비판적 사고 함양과 같은 고차원적 교육 목표 달성에 어떤 변화를 가져오는가?

(3) 교사가 AI 기술을 직접 개발하고 적용하는 과정에서 발생할 수 있는 데이터 개인정보 보호, AI 편향성의 교육적 영향, 챗봇 ‘환각(hallucination)’의 수업 활용 방안, 그리고 학습자 데이터 활용의 윤리적 가이드라인에 대한 구체적인 정책적·기술적 지원 방안은 무엇인가? 교사 주도 개발이 이러한 윤리적 쟁점을 완화하는 데 어떤 기여를 할 수 있는가?

출처

• Song, Y., Choi, S., Kim, J., Kim, Y., Weisberg, L., & Moon, J. (2026). A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding. 미출판 원고.