초등 AI 리터러시 교육, 길은 어디에 있는가?
인공지능(AI)은 이미 우리 삶의 모든 영역에 깊숙이 스며들었다. 초등학생들에게 AI 리터러시를 가르쳐야 한다는 외침은 오래전부터 있었으나, 실제 교육 현장에서는 무엇을 어떻게 가르쳐야 할지, 그 실질적 가이드라인은 늘 모호했다. 캠브리지와 홍콩대 연구진은 이러한 물음에 답하기 위해 초등 AI 리터러시 교육에 대한 25개 실증 연구를 체계적으로 분석했다. 이 연구는 우리가 AI 교육을 바라보는 시야를 넓혀주지만, 동시에 현장의 냉정한 현실을 잊지 않도록 경고하기도 한다.
왜 초등 AI 교육에 주목하는가?
AI는 21세기 삶의 필수적인 부분이 되었다. 이는 학생들이 이 변화에 적응하는 방법을 이해해야 함을 의미한다. 대학 수준의 AI 리터러시 교육을 저연령 학생들에게 확장해야 한다는 목소리에도 불구하고, 초등학생을 위한 AI 리터러시 교육의 내용과 교수법에 대한 증거 기반 연구는 부족한 실정이었다. 이 공백은 초등 교육 현장에서 연령 적합한 AI 개념 정의의 어려움, 효과적인 학습 전략 및 도구 개발의 부재 등 여러 난제로 다가온다.
이 연구는 기존의 AI 리터러시 관련 12개의 문헌 검토 연구들이 주로 K-12 전반이나 중등 교육에 초점을 맞추었다고 지적한다. 초등학생을 대상으로 한 AI 리터러시 교육의 이론적 틀, 교수 전략, 학습 도구, 평가 방법, 교육 성과 및 과제를 종합적으로 제시하는 체계적 문헌 검토는 이 연구가 최초다. 본질적으로 이 연구는 교육자들이 현장에서 마주하는 ‘무엇을 어떻게 가르칠 것인가?’라는 근원적인 질문에 대한 답을 찾으려 했다.
초등 AI 리터러시, 무엇을 가르치고 어떻게 배우는가?
연구진은 Scopus와 Web of Science 데이터베이스에서 2019년부터 2024년 3월까지 발표된 25개의 초등 AI 리터러시 교육 관련 실증 연구를 분석했다. 이 분석을 통해 초등 AI 리터러시의 핵심 구성 요소, 이론적 배경, 교수 전략, 학습 도구, 평가 방법 및 교육 성과를 명확히 제시한다.
AI 리터러시의 네 가지 핵심 역량
이 연구는 초등 AI 리터러시 역량이 다음의 네 가지 핵심 구성 요소로 이루어진다고 정의한다. 이는 AI를 단순히 ‘기술’로만 보는 것이 아니라, ‘사회적 맥락’ 속에서 이해해야 함을 강조한다.
이 연구가 제시하는 AI 리터러시 역량의 네 가지 구성 요소는 다음과 같다.
| AI 리터러시 구성 요소 | 주요 내용 | 관련 연구 수 (25개 중) | 필자의 해석 |
|---|---|---|---|
| 디지털 리터러시 | AI와의 상호작용 및 협업 능력 (시각적 표현, 정보 활용, 비선형적 사고, 사회정서적 능력) | 19 | AI를 ‘도구’로 활용하는 기본 소양 |
| 컴퓨팅 사고력 | 문제 해결을 위한 프로그래밍 기술, 알고리즘 설계 능력 | 10 | AI의 작동 원리를 ‘만드는’ 관점에서 이해하는 능력 |
| AI 윤리 | AI의 사회적 영향 이해, 책임감 있는 AI 사용 및 의사결정 능력 | 10 | AI가 가져올 ‘영향’을 고려하고 ‘선택’하는 능력 |
| 비판적 데이터 리터러시 | 데이터 편향성 이해, 데이터의 생성 및 활용 과정 비판적 분석 능력 | 5 | AI의 ‘판단 근거’를 비판적으로 평가하는 능력 |
필자의 판단: AI 윤리와 비판적 데이터 리터러시를 핵심 역량으로 명시한 점은 상당히 고무적이다. 이는 AI 교육이 단순히 기술 스킬 습득을 넘어, 사회적 책임감과 비판적 사고를 길러야 함을 단언한다. 하지만 초등학생에게 이러한 추상적인 개념을 어떻게 연령 적합하게 가르칠지는 현장 교사들에게 여전히 어려운 숙제이다.
구성주의와 ARCS 모델에 기반한 학습
초등 AI 리터러시 연구는 주로 구성주의적 학습 이론과 ARCS 모델을 이론적 기반으로 삼는다. 이는 학생들이 직접 무언가를 만들거나 경험하면서 지식을 구성하고, 학습 동기를 유발하는 것이 중요하다고 본다.
| 이론적 프레임워크 | 설명 | 관련 연구 수 (16개 중) | 필자의 해석 |
|---|---|---|---|
| 구성주의/구성론 | 학생들이 프로젝트를 만들거나 경험하면서 지식을 구성한다. | 8 | ‘만들면서 배우기’는 직관적이나, 교사의 설계 역량을 많이 요구한다. |
| ARCS 모델 | 주의(Attention), 관련성(Relevance), 자신감(Confidence), 만족감(Satisfaction)을 통해 학습 동기를 평가한다. | 6 | 학생들의 흥미와 몰입을 유도하는 데 효과적인 틀이다. |
| 기술 준비도 지수 모델 | AI 교육 도입 시 학생들의 준비도(AI 불안감, 관련성 등)를 이해한다. | 3 | 새로운 기술 도입 전 학생들의 심리적 장벽을 파악한다. |
필자의 판단: 구성주의적 접근은 학생들이 AI를 능동적으로 탐구하게 만든다는 점에서 강력한 장점을 지닌다. 그러나 초등학생들이 복잡한 AI 개념을 스스로 ‘만들어내는’ 과정은 교사의 치밀한 안내와 연령 적합한 도구 없이는 불가능에 가깝다. 추상적인 개념을 구체적인 경험으로 연결하는 교사의 역량이 교육 성패를 좌우한다.
프로젝트 기반 학습과 지능형 에이전트
연구에서 나타난 주요 교수 전략과 학습 도구는 다음과 같다.
| 교수 전략 | 주요 내용 | 관련 연구 수 | 필자의 해석 |
|---|---|---|---|
| 프로젝트 기반 학습 | 학생들이 실제 문제 해결을 통해 AI 개념을 탐구한다. | 7 | 협력과 문제 해결 능력 향상에 기여한다. |
| 프로그래밍 | MIT 스크래치, 앱 인벤터 등을 활용하여 컴퓨팅 사고력을 기른다. | 5 | AI의 작동 원리를 기술적으로 이해하는 데 중점한다. |
| 인간-에이전트 상호작용 | AI 챗봇이나 로봇과 상호작용하며 AI를 이해한다. | 4 | AI와의 ‘공존’ 방식을 배우는 중요한 전략이다. |
| 학습 도구 | 주요 내용 | 관련 연구 수 | 필자의 해석 |
|---|---|---|---|
| 지능형 에이전트 | 구글 티처블 머신, 지보 로봇, 아마존 알렉사 등 | 15 | AI의 실제 작동 모습을 직관적으로 경험하게 한다. |
| 소프트웨어 | 스크래치, MIT 앱 인벤터, 코그니메이츠 AI 플랫폼 등 | 8 | 블록 코딩 기반으로 AI 프로그래밍 기초를 다진다. |
| 언플러그드 활동 | 종이 프로토타이핑, 로봇과 이야기 만들기, 그림 퀴즈 등 | 3 | 기술 장벽 없이 AI 개념 이해를 돕는다. |
필자의 판단: 스크래치 같은 블록 코딩 도구가 여전히 강세인 것은 놀랍지 않다. 그러나 AI 기술이 급변하면서 코딩 자체의 중요성만큼이나 AI 도구와의 ‘효과적인 협업’ 능력이 강조된다. 생성형 AI 시대에는 단순 코딩보다 ‘좋은 질문(프롬프트)’을 던지고 AI의 반응을 비판적으로 평가하는 능력이 훨씬 중요할 수 있다. 이 연구의 미래 방향에서도 ‘생성형 AI’와의 인간-에이전트 상호작용이 새로운 교수 기회로 제시된다.
긍정적 성과와 다양한 평가 방법
AI 리터러시 교육은 학업적, 정서적, 행동적 측면에서 긍정적인 성과를 보여주었다.
| 평가 방법 | 주요 내용 | 관련 연구 수 | 필자의 해석 |
|---|---|---|---|
| 설문지 및 질문지 | 학생들의 AI 지식, 자기효능감, 컴퓨팅 행동, 알고리즘 편향, 사회적 영향 등을 정량적으로 측정한다. | 19 | 광범위한 데이터 수집과 추이 분석에 용이하다. |
| 면담 | AI 개념 이해, 학습 경험에 대한 학생들의 질적 통찰을 얻는다. | 11 | 학생들의 사고 과정과 심층적 이해를 파악하는 데 필수적이다. |
| 결과물 및 수행 기반 평가 | 신경망 구축, 데이터 편향성 이해, 창의성 등 실제 수행 능력을 평가한다. | 8 | 실질적인 학습 전이와 문제 해결 능력을 보여준다. |
교육 성과:
- 학업적 성과: 학생들은 AI 개념(신경망 프로그래밍, 머신러닝 학습), 컴퓨팅 사고력, 창의성, 문제 해결 능력 향상을 보였다. 특정 연구에서는 학생 역량이 리커트 5점 척도에서 4.6에서 5점으로 상승하기도 했다.
- 정서적/행동적 성과: AI 학습에 대한 동기 부여가 증가했으며, 학생들이 ‘재미있다’는 반응을 보였다. 게임 기반 학습 환경에서 높은 참여도를 보이며, 로봇과의 상호작용을 통해 창의적인 행동을 모방하는 긍정적인 결과도 나타났다.
- 과정 만족도: 구성주의적 교수법, 디자인/티칭 기반 학습, 프로그래밍 환경이 학생들의 높은 만족도에 기여했다.
필자의 판단: 긍정적 결과는 고무적이다. 특히 ‘재미있다’는 반응은 학습 초기 단계에서 매우 중요하다. 그러나 ‘재미’가 ‘지속적인 학습 의지’나 ‘실제 문제 해결 능력’으로 반드시 이어진다고 단언할 수는 없다. 단기적 성과에 일희일비하기보다는, AI 리터러시가 학생들의 삶에 실질적인 영향을 미치는지에 대한 장기적이고 질적인 평가가 더 필요하다.
현장의 냉정한 현실과 나의 비판적 낙관
이 연구는 초등 AI 리터러시 교육이 직면한 세 가지 주요 과제를 명확히 짚어낸다.
- 비효율적인 AI 교육 도구: 구글 티처블 머신과 같은 도구들이 높은 컴퓨팅 자원과 긴 학습 시간을 요구하여 대규모 학교 현장에 적용하기 어렵다. 또한, ‘비의도적 편향’과 같은 복잡한 개념을 연령 적합한 인터페이스 없이 가르치기 어렵다. AI 인터페이스가 기술 발전을 따라가지 못하는 상황은 명백하다.
- 체계적인 AI 교육과정 및 측정 부족: AI 교육이 기술적 측면에 치중하여 AI 윤리나 사회적 함의를 간과하는 경향이 있다. 기존 교육과정에 AI 리터러시를 의미 있게 통합하는 것도 큰 과제다. AI의 ‘사회적 선(social good)’ 측면을 강화해야 한다는 요구가 나온다.
- 학생 인식, 준비도 및 성별 격차: AI 학습에 대한 학생들의 인식, 오개념, 준비도, 그리고 성별 격차가 교육 설계 과정에서 충분히 고려되지 않는다. 특히 남학생이 여학생보다 AI 관련 자신감, 관련성, 준비도에서 높은 수준을 보이며, 이는 AI 리터러시 교육의 형평성 측면에서 중요한 난제다.
필자의 판단: 이 연구가 지적한 ‘도구의 비효율성’은 단순한 기술 문제를 넘어선다. 그것은 곧 교사의 준비 시간, 학교의 인프라 투자, 그리고 수업 설계의 난이도와 직결되는 구조적 문제다. 연령 적합성을 맞추는 일은 결코 쉽지 않다. 특히 성별 격차는 단순히 ‘흥미 유발’을 넘어 사회문화적 편향과 고정관념에 대한 심층적 분석과 개입이 필요하다. AI 교육과정 설계는 기술 역량 강화와 AI 윤리 함양이라는 두 마리 토끼를 잡아야 하는데, 현재로서는 이 두 목표가 서로 상충될 수 있는 위험이 분명히 존재한다.
초등 AI 교육, 어떻게 나아갈 것인가?
이 연구는 이러한 과제들을 해결하기 위한 몇 가지 중요한 권고 사항을 제시한다.
- 총체적인 교육과정 설계: 학제 간 AI 리터러시 학습을 촉진하고, 학생들의 자기효능감을 높이며, AI의 사회적 선을 통합하는 교육과정 설계가 필요하다. 비의도적 편향과 데이터의 중요성을 다루는 내용도 포함해야 한다. 특히 기술적 스킬보다는 AI와의 효과적인 협업과 개념 이해에 초점을 맞추어야 한다.
- 교사 전문성 개발: 많은 교사가 AI 지식이 부족하다는 점을 고려할 때, 교사 대상의 적절한 활동 개발 훈련과 AI 내용 지식 함양 교육이 필수적이다.
- AI 리터러시 접근성 확대: 학생들이 다양한 사회적, 경제적, 문화적 배경을 가진다는 점을 인지하고, AI 리터러시에 대한 포괄적이고 민주적인 접근을 보장해야 한다. 예술 기반 접근 방식처럼 진입 장벽을 낮추는 교수법을 장려한다.
필자의 제언: 추상적인 ‘교사 연수’ 프로그램만으로는 이 모든 복잡한 문제를 해결할 수 없다. 학교 현장의 교사들은 이미 과도한 업무에 시달린다. 거창한 ‘전문적 학습 공동체’라는 이름 아래 또 다른 부담을 주기보다, 동료 교사끼리 교실에서 AI 도구를 활용한 작은 ‘수업 실험’을 시작하고, 그 결과를 점심시간 5분, 학년 메신저에 남기는 한 줄 후기, 또는 ‘아이들이 이런 이상한 반응을 보였다’며 서로 의심 사례를 들여다보는 10분 등, 비공식적이고 구체적인 ‘경험 공유와 성찰의 문화’를 구축하는 것이 진짜 변화의 시작점이다. 교사들이 AI를 ‘가르치는 도구’가 아니라 ‘함께 탐구하는 파트너’로 인식하도록 지원할 때만, 이 연구가 제시한 모든 조건이 충족될 가능성이 생긴다. 이는 학교 단위의 학습 문화가 뒷받침될 때 비로소 의미 있는 진전이 가능하다.
정리하면, 초등 AI 리터러시 교육은 단순한 기술 교육에 머물지 않는다. 우리는 아이들이 AI를 만들고 사용하는 것을 넘어, AI가 세상에 미치는 영향을 이해하고, 책임감 있게 협업하며, 데이터를 비판적으로 바라보는 주체로 성장하도록 이끌어야 한다. 이를 위해 현장 교사들의 어깨에 지워진 부담을 인지하고, 실질적인 지원과 문화적 변화를 함께 만들어가야 한다.
Action Item: 오늘 점심시간에 동료 교사와 AI 리터러시 교육과 관련하여 “아이들이 가장 어려워하거나 흥미를 잃었던 순간은 언제인가?”라는 질문을 던져보라. 그리고 그 순간에 무엇을 다르게 시도해볼 수 있을지 단 한 가지 아이디어만 교환해보라.
출처
- Yim, I. H. Y., & Su, J. (2025). Artificial intelligence literacy education in primary schools: a review. International Journal of Technology and Design Education, 35(6), 2175–2204. https://doi.org/10.1007/s10798-025-09979-w