대학생들은 생성형 AI를 어떻게 이해하고 있는가

1. 연구의 목적

(1) 이 연구는 학생들이 생성형 AI(GenAI)를 어떻게 인식하는지가 학업에서의 활용 방식, 기관 정책 준수 여부, 그리고 새로운 학습 기회 포착 능력에 결정적인 영향을 미친다는 문제의식에서 시작함. 기존의 생성형 AI 교육 도입 연구는 대개 학생들의 지식 수준을 양적으로 평가하거나 도구 채택 패턴을 분석하는 데 그쳤음. 이는 학생들이 생성형 AI를 이해하는 기저의 인지 구조, 사고 과정, 직관적 틀을 탐구하는 데 한계가 있음이 명확함. 교육 현장은 학생들이 무엇을 아는가에서 더 나아가, ‘어떻게’ 그것을 이해하고 있는가를 파악해야 함.

(2) 이 연구는 대학생들이 생성형 AI에 대해 어떤 정신 모델을 가지고 있는지를 밝히는 데 핵심 목표를 둠. 또한, 이러한 정신 모델을 구성하는 지식 유형, 즉 선언적, 절차적, 조건적 지식이 각 모델에 어떻게 반영되는지를 식별하려 함. 이로써 학생들이 생성형 AI를 책임감 있게 활용하도록 돕는 교육 과정과 가이드라인 설계에 실질적인 통찰을 제공함이 목적임.

2. 연구의 방법

(1) 이 연구는 학생들이 생성형 AI 활용에 대한 이해를 개념 맵(Concept Map)으로 시각화하고, 이를 질적으로 분석하는 방법을 사용했음. 개념 맵은 개인이 내부적으로 가진 복잡하고 추상적인 개념 체계를 외현화하는 효과적인 도구임. 연구진은 개념 맵 구성 요소의 빈도 분석, 개념들 간의 관계를 파악하는 계층적 군집 분석, 그리고 표현된 지식 유형(선언적, 절차적, 조건적)의 질적 분석을 수행했음.

(2) 데이터는 한 대학의 기술 윤리 과목을 수강하는 학부생 64명에게서 수집되었음. 학생들은 생성형 AI 사용에 대한 자신의 이해를 나타내는 개념 맵을 작성하고 간략한 설명을 덧붙였음. 이 개념 맵들은 종합성, 조직화, 정확성 세 가지 기준에 따라 점수화되고 분류되었음. 최종적으로는 이 64개의 개념 맵이 학생들의 정신 모델과 지식 유형을 분석하는 주요 대상이 되었음.

3. 주요 발견

이 연구는 학부생들의 생성형 AI 정신 모델이 단일하지 않으며, 5가지 뚜렷한 특성을 보임을 밝힘. 또한, 이러한 모델들이 선언적, 절차적, 조건적 지식 중 어느 유형에 의해 주로 구성되는지를 분석했음. 이 5가지 특성은 학생들이 GenAI를 인지하는 방식의 스펙트럼을 명확히 보여줌.

그림 1. 생성형 AI 개념 맵 구성 요소의 빈도 분석

그림 2. 생성형 AI 개념 맵 구성 요소의 계층적 군집 분석

(1) 다섯 가지 생성형 AI 정신 모델 특성

학생들의 개념 맵을 계층적으로 군집 분석한 결과, 생성형 AI에 대한 이해가 다음과 같은 다섯 가지 뚜렷한 정신 모델 특성으로 나타났음.

정신 모델 특성	핵심 개념 연결	주요 특징
기술 프로세스 기반 모델	머신러닝, 신경망, 대규모 언어 모델, 콘텐츠 생성, 다중 모드 출력, 개발자/기업	GenAI의 기술적 작동 방식과 결과물 생성 능력을 직접적으로 연결함. 기술적 구조와 생성적 역량을 불가분하게 인식함.
교육 도구 기반 모델	개인화 학습, 행정 지원, 접근성	GenAI를 학습 장벽을 낮추고 교육적 맥락에서 학습을 지원하는 도구로 인식함. 개별 학습자의 필요에 맞춰 적응하고, 업무 부담을 줄이며, 교육의 포괄성을 높이는 데 초점 맞춤.
전환 모델	생산성, 효율성, 정책 결정자, 정부	생산성과 효율성을 단순히 개인의 이점으로만 보지 않고, GenAI가 거버넌스를 필요로 하는 기술임을 인지하기 시작함. 개인적 도구 활용에 그치지 않는 사회적 영향력을 인정함.
결과 인식 모델	학업 무결성, 장기적 영향	표절이나 부정행위 같은 학업 무결성 문제와 GenAI 사용의 장기적 영향을 연결함. 현재의 GenAI 사용 결정이 미래에 미칠 함의를 인식함.
통합 모델	윤리, 프라이버시, 인간 개입, 학업 이해관계자	책임감 있는 GenAI 사용이 개인의 문제가 아니라 다수의 이해관계자가 연루된 집단적 문제임을 이해함. 윤리와 프라이버시와 더불어 인간 개입의 중요성을 인식하며, 리스크를 인식하고 해결 지향적 사고를 보임.

(2) 지식 유형별 정신 모델 구성

연구진은 학생들의 개념 맵에 반영된 지식 유형을 선언적(무엇인가?), 절차적(어떻게 작동하는가?), 조건적(언제, 왜 사용해야 하는가?) 세 가지로 분류했음. 그 결과는 학생들이 GenAI를 이해하는 깊이가 상당한 차이를 보임을 명확히 보여줌.

그림 3. 지식 유형 중첩 현황

위 벤 다이어그램은 64개 개념 맵에서 각 지식 유형이 어떻게 중첩되는지를 보여줌.

• 선언적 지식 우세: 31개의 개념 맵이 선언적 지식만으로 구성됨. 이는 학생들이 GenAI의 이름, 도구, 응용 분야 등 사실적, 정의적 지식은 풍부하게 나열하나, 그것이 작동하는 과정이나 사용의 적절성 판단에 대한 이해는 부족함을 의미함. 이러한 정신 모델은 GenAI에 대한 표면적 이해에 머무름.
• 선언적 및 절차적 지식: 16개의 개념 맵이 선언적 지식과 절차적 지식을 함께 포함함. 이 학생들은 GenAI의 구성 요소를 명명하고 그 작동 과정을 이해하지만, 윤리적 판단이나 평가적 사고는 부족함. 기술 지향적이나 비판적 사고가 부족한 정신 모델임.
• 선언적 및 조건적 지식: 8개의 개념 맵이 선언적 지식과 조건적 지식을 포함함. 이 학생들은 GenAI가 무엇인지 알고 언제, 왜 사용해야 하는지에 대한 판단을 내리지만, 그 기술이 어떻게 작동하는지에 대한 절차적 이해는 부족함. 개념을 나열하고 우려를 표현하나, 기술의 작동 방식을 추적하지 못함.
• 통합 지식: 오직 9개의 개념 맵만이 선언적, 절차적, 조건적 세 가지 지식 유형을 모두 포함했음. 이들이 가장 정교하고 다층적인 정신 모델을 갖추고 있음. 이들은 GenAI의 작동 방식, 기능, 그리고 윤리적, 사회적 함의를 통합적으로 이해함. 이 숫자는 통합적 이해가 여전히 소수의 학생에게만 나타나는 현상임을 명확히 보여줌.

4. 결론 및 시사점

(1) 이 연구는 학생들이 생성형 AI에 대해 통일된 하나의 정신 모델을 갖지 않음이 명확함을 입증함. 대신 기술적 작동 방식에 집중하거나, 교육적 도구로 활용하거나, 사회적·윤리적 함의를 인지하는 등 다양한 수준과 관점의 정신 모델이 존재함. 특히 기술적 이해와 사회-규제적 이해 사이의 간극이 크며, 이는 기술 리터러시와 윤리적 인식이 별개로 발전할 수 있음을 강력하게 시사함. 선언적 지식의 지배는 상당수 학생의 GenAI 이해가 아직 피상적 수준에 머무름을 의미함.

(2) 교수자와 학생들에게 이 연구는 중요한 시사점을 제공함. 교수자는 이 연구에서 식별된 다섯 가지 정신 모델 특성을 진단 프레임워크로 활용해야 함. 이는 학생들이 GenAI에 대해 현재 어떤 수준의 이해를 하고 있는지를 파악하고, 그에 맞춰 학습 활동을 설계하는 데 필수적임. 예를 들어, 기술 프로세스 기반 모델을 가진 학생에게는 GenAI의 인간적·사회적 맥락을 학습하도록 유도하고, 교육 도구 기반 모델 학생에게는 도구 접근성, 조건, 위험 등을 성찰하게 해야 함. 목표는 학생들이 기술적, 교육적, 윤리적, 거버넌스적 측면을 동시에 고려하는 ‘통합 정신 모델’을 개발하도록 돕는 데 있음. 이들 차원은 상호 의존적이지, 분리된 문제가 아님.

(3) 생성형 AI 활용 가이드라인 설계에도 중요한 시사점을 제공함. 현재 많은 기관의 가이드라인은 주로 표절, 공개, 허용된 사용 등 학업 무결성이라는 좁은 측면에 초점을 맞춤. 이는 학생들이 GenAI를 개념화하는 여러 차원 중 극히 일부만을 다루는 한계가 명확함. 효과적인 가이드라인은 ‘무엇을 허용하는가’에 그치지 않고, 기술의 작동 원리, 교육적 효과, 윤리적·사회적 책임 등 ‘왜 책임감 있는 사용이 중요한가’를 다층적으로 설명해야 함. 이 연구의 다섯 가지 정신 모델 특성을 반영하여, GenAI의 기본 이해에서부터 교육적 활용, 장기적 결과, 그리고 집단적 책임에 이르기까지 점진적으로 이해를 확장시키는 구조로 가이드라인을 재설계함이 필요함. 이는 학생들의 현재 이해 수준에 맞춰 필요한 사고의 확장을 유도할 수 있음.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문에서 가장 주목할 지점은 기존의 생성형 AI 교육 연구가 단순히 학생들의 기술적 지식이나 사용 빈도를 양적으로 측정하는 데 그쳤던 한계를 명확히 뚫고, 개념 맵이라는 질적 도구를 활용해 학생들의 ‘내부 인지 구조’를 시각화하고 ‘유형화’했다는 점임. 학생들의 추상적 이해를 5가지 정신 모델로 구체화한 것은 교육 현장에서 AI 리터러시 교육의 출발점을 어디에 두어야 할지 명확한 나침반을 제공함. 특히 ‘통합 모델’을 갖춘 학생이 소수에 불과하다는 결과는, AI를 둘러싼 기술적 편리함과 윤리적 책임 사이의 간극이 여전히 크다는 현실을 냉철하게 보여줌. 이는 GenAI 도구 사용법을 가르치는 데 그치지 않고, 그 근본적 이해를 심화해야 하는 시급성을 강조함.

(2) 이 연구가 명시하지 않은 더 넓은 의미는 인지과학의 ‘정신 모델’ 이론이 복잡한 기술 시스템에 대한 인간의 이해와 상호작용을 설명하는 강력한 틀임을 다시금 확인시킴에 있음. 교육철학적 관점에서 보면, 생성형 AI 시대의 ‘리터러시’는 정보 습득 능력이나 도구 활용 능력에 머물지 않고, 기술의 사회적·윤리적 맥락을 비판적으로 판단하고 책임감 있는 행동을 결정하는 ‘실천적 지혜’를 포함해야 함을 시사함. HCI(인간-컴퓨터 상호작용) 관점에서는, 사용자(학생)의 정신 모델을 정확히 이해하는 것이야말로 사용자 중심적인 AI 교육 시스템 및 인터페이스 설계의 핵심임을 증명함. 학생들의 오개념을 미리 파악하고, 그들의 직관적 이해를 존중하면서도 필요한 확장을 유도하는 설계가 절실함.

(3) 이 연구를 발전시킬 구체적 아이디어는 다음과 같음. 첫째, 식별된 5가지 정신 모델을 바탕으로 한 ‘GenAI 이해도 진단 도구’를 개발함이 필요함. 이로써 학생들의 현재 정신 모델 유형을 빠르게 파악하고, 각 유형에 맞는 맞춤형 교육 모듈을 제공할 수 있음. 예를 들어, ‘기술 프로세스 기반 모델’ 학생에게는 AI 윤리 토론과 실제 사례 연구를, ‘교육 도구 기반 모델’ 학생에게는 AI의 잠재적 편향성과 사회적 영향 분석 과제를 부여함. 둘째, ‘통합 정신 모델’ 개발을 목표로 하는 융합 교육 과정을 설계함이 필요함. 이는 AI 기술 활용 실습과 더불어 인지과학적 인간 이해, 교육철학적 가치 탐구, 그리고 정책 및 거버넌스 토론을 통합한 교과목 개발을 의미함. 셋째, AI 활용 가이드라인을 단순한 지침 목록이 아닌, ‘의사결정 트리’ 형태로 제공하여 학생들의 조건적 지식 함양을 유도함이 효과적임. 특정 학습 상황에서 GenAI 사용 여부, 방법, 그리고 발생 가능한 결과와 윤리적 고려 사항을 단계별로 탐색하도록 구성하는 것이 중요함.

6. 추가 탐구 질문

(1) 문화적 배경, 전공 분야, 그리고 학습 경험의 차이가 대학생들의 생성형 AI 정신 모델 형성에 어떤 영향을 미치는가? 이러한 맥락적 요인들이 AI 활용 방식과 책임감 있는 사용에 어떻게 연결되는가?

(2) 이 연구에서 제시된 정신 모델 유형이 초·중등 교육 현장에도 동일하게 적용될 수 있는가? 연령별 인지 발달 단계에 따라 생성형 AI 이해를 돕는 교육 전략은 어떻게 맞춤형으로 변화되어야 하는가?

(3) 생성형 AI 기술의 급격한 발전 속도(예: 멀티모달 AI의 보편화)가 학생들의 정신 모델을 실시간으로 어떻게 변화시키고 있는가? 이러한 동적인 변화에 맞춰 교육 과정과 가이드라인은 어떻게 적응하고 진화해야 하는가?

출처

• Ganguly, A., Garika, S. S., & Johri, A. (n.d.). Uncovering students’ mental models of generative artificial intelligence [미출판 원고]. George Mason University.