AI와 한국어 교육

AI와 도구, 학습의 본질을 잇다
AI 도구가 번역과 대화를 돕는 시대, 한국어를 왜 배우는가를 새로 묻는다. 한류 확산과 급증한 학습 수요, 높은 초급 이탈률이라는 현실 위에, LLM·기계번역·실시간 피드백이 바꾸는 교실을 구체 사례로 보여 준다. 쓰기·말하기·피드백의 재설계, 프롬프트 원리, 캘리브레이션된 과제 설계, 공정성과 저작권 등 윤리·정책까지 단계별로 다룬다. 한국어의 언어·문화적 특수성을 전제로 AI를 ‘대체’가 아닌 ‘협력’으로 위치시키며, 학습 동기와 정체성, 문화 맥락을 잇는 교육 모델을 제안한다.
FSI가 분류한 고난도 언어로서의 한국어 학습 곡선을 현실적으로 분석하고, 초급을 넘어 중·고급으로 이어지게 하는 지속 전략을 제시한다. 교사·학습자·연구자가 현장에서 곧바로 적용할 수 있는 활동 설계, 평가 루브릭, 피드백 운영, 정책 가이드까지 담아 AI 시대 한국어 교육의 기준선을 세운다. 1장은 패러다임 변화를, 2장은 교실과 학습자 인식을, 3장은 기계번역과 생성형 AI의 특징을 정리한다. 4~7장은 프롬프트와 쓰기·말하기 수업 모델, 8~9장은 윤리와 정책, 10장은 교사의 역할과 미래 과제를 제시한다.

번역·대화가 자동화되는 시대, 한국어 학습의 이유를 다시 묻는다. 한국어의 특수성을 전제로 AI를 협력 파트너로 설계하고, 프롬프트·쓰기·말하기 수업 모델과 평가·피드백, 윤리·정책 가이드를 제시한다. 초급 이탈을 줄이고 중·고급으로 잇는 지속 전략까지 담아 현장 적용성을 높인다. 인공지능총서. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

안재린
한국 조지메이슨대학교 고전 및 현대언어학과 조교수다. 이화여자대학교에서 국어국문학과 영어영문학을 전공했으며, 동 대학교 국제대학원 한국학과에서 외국어로서의 한국어 교육 석사학위를 받았다. 이후 미국 위스콘신-매디슨대학교 교육대학원 교육과정과 교수법(Curriculum & Instruction)학과에서 세계 언어 교육(World language education) 세부 전공으로 박사학위를 취득했다. 졸업 후 위스콘신-매디슨대학교 아시아 언어문화학과 한국어 프로그램에서 강의 교수로 재직하며 미국 국가안보국(NSA) 스타톡 한국어·문화 아카데미(STARTALK Korean Language and Culture Academy) 책임 강사, 플래그십 프로그램 헤드 튜터, 한국어기숙사 프로그램 디렉터 및 한미 공동 하계 집중 어학 프로그램 강사 등 다양한 역할을 맡아 한국과 미국에서 폭넓은 교수 경험을 쌓았다. 주요 연구 분야는 교사 교육과 교수법, 테크놀로지를 활용한 언어 교육이다. 최근에는 한국어 교육에서 AI 인식과 활용을 중심으로 연구하고 있으며, KCI, SSCI, SCOPUS 등재 학술지에 다수의 논문을 게재했다.

AI 시대, 한국어 교육의 새로운 패러다임

01 AI와 언어 교육 패러다임의 변화
02 한국어 교실로 들어온 AI
03 기계 번역과 AI
04 한국어 학습을 위한 효과적인 프롬프팅
05 AI와 쓰기
06 AI 피드백
07 AI와 말하기
08 AI 활용의 윤리적 쟁점
09 함께 만드는 AI 정책
10 AI와 교사의 역할 변화

컴퓨터와 달리 모바일 기기는 휴대성이 뛰어나 언제 어디서든 학습을 가능하게 한다는 장점이 있었다. 이에 발맞춰 다양한 언어 학습 앱이 등장했다. 듀오링고(Duolingo) 같은 앱은 게임 요소를 결합해 학습자의 흥미를 돋우고, 구글 번역 같은 기계 번역(machine translation) 서비스도 일상 학습 도구로 자리 잡았다. 동시에 소셜 미디어와 유튜브의 확산으로 학습자들은 목표어 화자와 직접 소통하거나 드라마, 노래, 밈 같은 문화콘텐츠를 실시간으로 접하며 배우는 참여 문화(participatory culture)에 뛰어들었다.
－01_“AI와 언어 교육 패러다임의 변화” 중에서

기계 번역은 기본적으로 한 언어로 작성된 문장을 다른 언어로 번역해 주는 것이다. 기계 번역이 처음 출시되었을 때는 규칙과 통계를 기반으로 단어를 하나하나 대응해서 번역하는 방식이라 문맥이나 관용 표현을 제대로 처리하지 못했다. 하지만 요즘 상황은 조금 다르다. 인공 신경망 기반 기계 번역(NMT, Neural Machine Translation) 기술이 도입되면서 단어와 구문을 넘어 전체 문맥을 파악하고 자연스러운 문장으로 번역하는 수준으로 발전했고, 이에 따라 정확도도 상당히 향상되었다. 이러한 변화는 번역기를 학습 보조 도구로 어디까지, 어떻게 활용할지에 대한 새로운 질문을 던져 주고 있다.
－03_“기계 번역과 AI” 중에서

AI는 피드백을 정말 잘 줄까? 같은 글을 두고 교사와 AI가 동시에 피드백을 주면 결과는 얼마나 다를까? 연구마다 AI의 즉각적인 피드백을 장점으로 꼽는 점에 이런 의문이 생겼다. 안재린과 박정아의 연구는 이러한 궁금증을 가지고 출발했다. 연구팀은 교사 여섯 명과 챗GPT에게 한국어 학습자 여섯 명의 글을 동일한 지침과 함께 건네고, 나온 피드백을 나란히 놓고 비교했다. 결과는 단순히 누가 더 잘하냐의 문제가 아니었다. 두 피드백은 서로 다른 강점과 한계를 드러냈다.
－06_“AI 피드백” 중에서

AI가 교실 수업과 평가 방식에 미치는 영향이 점점 커지는 지금, 단순히 위에서 정한 지침만 따르는 것으로는 부족하다. 교사는 수업 현장에서 언제 AI 활용을 허용하고, 어디서 제한해야 할지 가장 잘 아는 사람이다. 현장의 목소리가 제대로 반영되지 않는 정책은 현실에서 작동하기 어렵다. 따라서 교사들이 직접 경험을 토대로 어떤 상황에서 AI 사용이 문제 되는지, 어떤 활동에서는 허용이 가능한지를 성찰하고 공유하는 과정이 필요하다.
－09_“함께 만드는 AI 정책” 중에서