AI 시대, 학위 논문 평가의 본질적 전환을 맞이하다

변화는 늘 예기치 않은 곳에서 시작된다. 우리는 기술이 교육의 본질을 바꿀 것이라 수없이 말해왔지만, 정작 그 변화가 가장 보수적인 학위 논문 심사대에서 체감되기 시작했다는 영상 속 발언은 날카로운 경고음처럼 들린다. 동료 학자들은 이미 이 변화의 흐름을 피부로 느낀다. 논준모연구소 영상은 AI 시대 학위 논문 심사가 단순한 형식 점검을 넘어 연구자의 본질적 역량 평가로 전환됨을 명확히 진단한다. AI가 연구 과정을 혁신하며 효율성을 극대화하는 지금, 우리는 이 변화의 이면을 직시하고 실질적인 가치를 설계해야 한다.

과거 논문 심사의 모호한 기준들

영상은 과거 학위 논문 심사가 결과물 중심 평가에 머물렀음을 지적한다. 제본된 페이퍼의 완성도, 특히 형식적 측면에 치중하는 경향이 짙었다는 설명이다. 문장 구성의 논리성, 학술적 양식 준수, 심사위원의 이해 범주 내 연구 방법론 사용 등이 핵심 평가 요소였다. 심지어 문법 오류, 오타 같은 사소한 문제나 개인적 호불호까지 심사 기준에 개입하는 일도 흔했다.

평가 기준	과거의 초점	문제점
결과물 중심 평가	완성된 텍스트와 형식에 집중	깊이 있는 사유와 혁신을 장려하지 못한다.
형식적 완성도 강조	학술적 문장의 논리성, 문맥 일치	연구 본질보다 외형에 시간을 낭비한다.
학교·학과 양식 준수	정해진 양식 맞추기	불필요한 시간과 노력이 소요된다.
제한된 방법론 허용	심사위원 이해 범주 내 방법론만 인정	연구의 혁신과 다양성을 저해한다.
사소한 지적	문법·오타 등 표면적 결함 지적	연구자의 성장 동기를 꺾는다.
심사위원 호불호 개입	내용보다 주관적 선호	연구 방향이 연구자가 아닌 심사위원 취향에 맞춰진다.

본질적으로 이 평가 방식은 연구자의 깊이 있는 사유와 혁신적 시도를 장려하기보다, 주류 학계의 관습과 심사위원의 개인적 역량 한계에 연구를 맞추도록 강요하는 행위에 가까웠다. 진정한 학문적 탐구는 이러한 외형적 제약 속에서 빛을 잃기 일쑤였다.

AI의 도래와 연구자 역할의 전환

이제 AI는 연구의 거의 모든 단계에 개입한다. 선행 연구 조사, 문헌 고찰부터 세부 카테고리 구성, 문단 작성, 분석 및 해석 초안 작성까지, AI의 조력은 연구 소요 기간을 크게 단축하며 생산성을 2~3배까지 높인다. 이러한 변화는 연구자의 역할을 근본적으로 바꾼다. 영상은 프로그래머의 역할 변화를 예시로 들며, 연구자가 더 이상 ‘생산자’나 ‘코더’가 아닌 ‘기획자’, ‘설계자’, ‘관리자’, ‘감독자’가 되어야 한다고 강조한다.

AI 시대의 연구자에게 요구되는 핵심 역량은 다음 세 가지로 수렴한다.

• R (Research Competency): 기본적인 연구 역량, 즉 학술적 갈증과 문제 의식.
• A (AI Competency): AI 도구를 효과적으로 활용하고 통제하는 능력.
• E (Ethics): AI 활용 과정에서의 연구 윤리 준수 및 검증 능력.

이른바 RAE 모델의 등장이다. 논문 작성을 위한 글쓰기 능력이나 소프트웨어 활용 능력이 AI로 대체됨에 따라, 연구의 설계와 기획, 그리고 AI 결과물의 판단 및 윤리적 검증 역량이 훨씬 중요해진다.

더 나아가 학위의 가치 또한 변한다. 과거에는 취업이나 승진을 위한 ‘생존용’ 수단이었다면, 이제는 자신의 능력을 증명하는 ‘자기 실현용 포트폴리오’의 성격이 짙어진다. AI가 단순 노동을 대체하며 인간은 생존을 위한 노동에서 벗어나 자기 실현적 노동으로 전환할 가능성이 커지는 것과 같은 맥락이다. 이 부분에서 우리는 AI의 잠재력을 환영하지만, 그 낙관론 뒤에 숨은 위험을 잊어서는 안 된다. AI가 생존을 위한 노동을 완전히 대체할 수 있다는 주장은 보편적 기본소득과 같은 사회 시스템의 안정적 정착을 전제로 한다. 이러한 사회적 합의와 제도적 뒷받침 없이 AI가 일자리를 잠식하면, 자기 실현은커녕 생존 자체가 위협받는 이중고에 시달릴 수 있다. AI는 무능한 연구자를 돕지 못하며, 오히려 무능을 숨기기 더 어렵게 만든다.

AI 시대, 심사 질문의 본질적 심화

AI의 등장은 논문 심사의 질문 양상마저 바꿔놓는다. 과거의 소모적인 형식 지적은 줄어들고, 훨씬 더 본질적이고 심층적인 질문이 주를 이룬다. 심사위원들 역시 AI를 활용해 논문을 평가할 수 있는 시대가 도래했기 때문이다.

변화하는 학위 논문 심사 질문	목적	연구자가 갖춰야 할 역량
“왜 이 연구 문제를 선택했는가?”	연구자의 학술적 갈증 및 문제 의식 확인	주제 선정 능력, 문제 의식 형성 능력
“수많은 분석 기법 중 왜 이 방법인가?”	다양한 방법론에 대한 이해와 선택의 합리성 확인	다양한 방법론 학습, 비판적 선택 능력
“이 변수/개념이 빠졌다면 어떤 결과가 나왔을까?”	즉각적인 논리 도출 및 메타인지 능력 확인	메타인지, 논리적 사고력, 가설 검증 능력
“이 연구 결과가 당신 분야에 주는 실질적 가치는 무엇인가?”	연구의 실제적 의의 및 사회적 기여도 확인	현장 문제 해결 능력, 연구의 영향력 설계 능력

이런 질문들은 연구자가 해당 분야에 대한 깊은 이해와 문제 해결 역량을 갖추고 있는지를 직접적으로 묻는다. 특히 “왜 이 방법을 썼는가?”라는 질문은 과거 심사위원의 지식 수준에 맞춰 연구 방법을 선택해야 했던 제약을 넘어, 연구자가 스스로의 연구 문제에 가장 적합한 방법을 비판적으로 선택하고 정당화할 수 있는지를 확인하는 질문이다.

여기에 AI 활용 관련 질문이 새롭게 추가된다. “어떤 AI 도구를 어디까지 사용했는가?”는 AI 활용을 인정하되, 그 투명성을 요구한다. “AI 생성 내용의 환각(Hallucination) 및 논리적 오류를 연구 윤리 차원에서 어떻게 검증했는가?”는 AI의 한계를 이해하고 연구자가 최종 책임자로서 내용을 교차 검증했는지를 묻는, 가장 날카로운 질문이다. 이 질문에 답하려면 단순히 AI를 잘 쓰는 것을 넘어, 생성된 결과물의 맹점을 꿰뚫어 볼 수 있는 비판적 사고력과 도메인 지식이 필수다. AI가 아무리 뛰어나도, 그 출력을 최종적으로 검증하고 책임지는 것은 인간 연구자의 몫임이 명확해진다.

과정 중심 평가와 디지털 논문 제출의 미래

이러한 질문 변화는 궁극적으로 학위 논문 심사의 큰 맥락을 바꾼다. 결과 중심 평가에서 과정 중심 평가로, 그리고 최종 산출물인 ‘논문’ 그 자체에서 ‘연구자 자체’에 대한 평가로 전환한다. 이는 단순한 서류 심사가 아니라, 연구자의 사고 과정, 문제 해결 능력, 그리고 윤리 의식을 종합적으로 평가하는 방향으로 나아감을 의미한다.

영상은 이러한 변화에 발맞춰 학위 논문 제출 방식 또한 진화할 것을 예견한다. 특정 양식에 맞춘 문서 파일 제출 대신, 학교 온라인 포털 내에서 논문을 작성하고 제출하는 시스템이 보편화될 수 있다. 영국의 옥스포드나 케임브리지 대학 사례처럼, 라이너 AI(Liner AI) 같은 도구들이 보여주는 온라인 에이전트 기반의 작성 플랫폼이 학교 시스템에 통합되는 방식이다. 이러한 시스템은 기술적으로 LaTeX, HTML, 마크다운 등의 언어를 기반으로 하며, 사용자는 표준화된 양식 안에서 효율적으로 논문을 작성할 수 있다.

가장 주목할 부분은 여기에 연구 과정 이력 관리가 포함된다는 점이다. 연구 노트, 버전 관리(깃허브 같은 시스템), 그리고 AI 활용 내역 및 프롬프트 사용 기록까지 논문과 함께 제출된다는 것이다. 심사위원은 이 기록을 통해 연구자가 어떤 과정을 거쳐 논문을 완성했는지, AI를 어떻게 활용하고 어떤 질문을 던졌는지, 그 과정에서 발생한 논리적 비약이나 윤리적 문제에 어떻게 대처했는지 등을 투명하게 들여다볼 수 있게 된다. 이는 연구의 투명성과 재현성을 극대화하며, AI가 생성한 결과물에 대한 연구자의 책임을 명확히 한다. 결국, 재본된 논문을 심사하는 것을 넘어 연구 역량 자체를 인증하는 시스템으로의 변화가 불가피하다. 이는 2~3년, 길게는 5~10년 안에 교육 현장에 도래할 현실이다.

실질적 가치를 위한 우리의 역할

이러한 변화는 우리 교육 현장에 실질적 가치를 부여할 거대한 기회다. 하지만 그 이면에는 엄중한 책임이 따른다. AI의 효율성 뒤에 숨어 연구자의 비판적 사고와 윤리 의식이 희석될 위험을 경계해야 한다.

AI는 메타인지를 묻는다. “네가 무엇을 알고, 무엇을 모르는가?” “이 AI 출력이 왜 맞다고(혹은 틀리다고) 판단하는가?” 이런 질문에 답할 수 있는 능력을 키워야 한다. 이를 위해 우리는 다음과 같은 실천적 접근 방식을 제안한다.

1. AI 출력물의 ‘오류 찾기 게임’: 동료 교사들과 함께 AI가 생성한 리포트나 논문 초안의 논리적 비약, 사실 오류, 편향된 주장을 찾아내는 주간 스크럼을 운영한다. 매주 15분, 특정 주제에 대한 AI 생성 텍스트를 함께 분석하며 비판적 검토 능력을 체화하는 것이다. 이는 막연한 윤리 교육보다 훨씬 효과적인 AI 리터러시 교육이 된다.
2. 프롬프트 공유 및 반추: 연구 및 학습 과정에서 사용한 AI 프롬프트를 기록하고, 그 프롬프트가 어떤 결과를 도출했는지, 어떤 점에서 한계가 있었는지, 다음에는 어떻게 개선할지 등을 동료들과 공유하는 짧은 대화 시간을 정기적으로 갖는다. 서로의 프롬프트 사용 내역을 보며, “나라면 이렇게 물었을 것이다”는 식의 상호 피드백은 AI 활용 전략을 고도화하는 데 결정적인 역할을 한다.
3. ‘AI 미활용’ 보고서 작성 연습: 모든 연구 단계에서 AI를 사용하지만, 특정 구간에서는 ‘AI를 사용하지 않고 오직 인간의 지성으로만 문제를 해결했다’는 과정을 문서화하고 발표하는 훈련을 도입한다. AI의 도움이 없었을 때 인간의 역량은 어떻게 발휘되는지, AI가 주는 편의를 역으로 깨닫고, 인간 고유의 지적 기여 지점을 명확히 인지하도록 돕는 강력한 교육적 장치다.

이러한 접근 방식은 막연한 ‘연구 윤리 강화’라는 구호 대신, AI 시대에 필요한 구체적이고 실천적인 역량 강화 방안을 제시한다. AI는 더 이상 선택의 문제가 아니다. AI를 통해 연구의 본질적 가치를 심화하고, 연구자의 비판적 사고와 윤리 의식을 더욱 날카롭게 단련하는 방법을 찾아야 한다. 이 전환의 시점에서 우리는 동료들과 함께 끊임없이 질문하고, 실험하고, 성찰하는 태도를 잃지 않아야 한다.

출처

• 논준모연구소. (2026-06-05). AI 덕분에 논문쓰기 쉬워졌다는 말이 쏙 들어갈거 같은데요. YouTube.