AIED, 인공지능 활용 교육

인공지능과 수업, 다시 설계되는 교실
컴퓨터 보조 수업에서 지능형 튜터링, 온라인 강좌와 학습 분석을 거쳐 생성형 인공지능에 이르기까지, 교육은 인공지능과 함께 단계적으로 변해 왔다. 이제 인공지능은 단순 채점 도구가 아니라 개별 학습 경로를 설계하고, 오류 패턴을 분석하며, 글쓰기·코딩·프로젝트 학습까지 함께 수행하는 학습 동반자가 되고 있다. 이 책은 이러한 흐름 속에서 인공지능 활용 교육의 역사와 개념을 정리하고, 교수자 중심 강의에서 학습자 주도·데이터 기반 수업으로의 전환을 체계적으로 짚어 본다. 지능형 튜터링, 학습관리시스템, 챗봇, 확장현실, 자동 서술형 채점, 생성형 도구 등 주요 인공지능 기반 도구들이 실제 수업 설계·운영·평가를 어떻게 바꾸는지 구체 사례와 함께 설명하며, 교수자에게 요구되는 새로운 전문성과 학습자의 자기 주도·메타 인지 역량을 함께 논의한다.
동시에 개인정보 보호, 데이터 편향, 교수자 전문성 약화, 기술 의존과 디지털 격차 등 인공지능 교육이 안고 있는 윤리적 쟁점을 정면에서 다루며, 무엇을 경계하고 어떤 원칙 위에서 도입해야 하는지 교육 철학의 관점에서 방향을 제시한다. 교사와 교수, 예비 교원, 교육 정책 담당자에게 인공지능 활용 교육의 가능성과 한계를 균형 있게 보여 주는 안내서다.

컴퓨터 보조 수업과 지능형 튜터링에서 시작해, 온라인 강좌와 학습 분석, 생성형 인공지능까지 이어지는 인공지능 활용 교육의 흐름을 한눈에 정리한 책이다. 수업 설계와 피드백, 평가, 학습 공간을 바꾸는 주요 인공지능 도구들을 소개하고, 교수자·학습자의 역할 변화와 함께 개인정보 보호, 편향, 디지털 격차 같은 윤리 문제를 짚으면서 인공지능을 교육에 어떻게, 어떤 기준으로 활용해야 할지 실질적인 방향을 제시한다. AI총서. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

김민지
서울대학교 학습과학연구소 선임연구원이다. 동대학교에서 교육공학 박사학위를 취득하고, 이후 기초교육원 온라인교육부와 학부대학 디지털교육혁신센터에서 연구교수를 역임하면서 AI 및 디지털 교육 혁신을 위한 교수학습방안에 관하여 연구하였다. 현재 교육부 AIEDAP(교원의 인공지능·디지털 역량 강화 지원 체제) 사업단 자문위원과 에듀테크소프트랩 사업단 수업컨설턴트로 활동하고 있다. 또한 서울대학교, 한국교원대학교, 서울교육대학교, 대구교육대학교, 광주교육대학교, 숙명여자대학교, 국립목포대학교 등에서 AI 융합 교육, 학습분석, 교수 설계에 대하여 가르치고 있다. AI를 활용하여 학습분석에 기반한 AI 융합 교수 설계에 관한 30편 이상의 논문을 SSCI 및 KCI 등재학술지에 게재하였다.

인공지능 시대의 교육

01 AIED
02 AIED에서 교수자의 역할
03 지능형 튜터링 시스템(ITS)
04 AI 학습관리시스템
05 AI 챗봇
06 확장현실(XR)
07 메타버스
08 자동 서술형 채점 시스템
09 생성형 AI 제작 도구
10 AIED의 윤리적 이슈

인공지능 활용 교육은 인공지능 교육(AI Education)과 혼동되기도 한다. 인공지능 교육은 인공지능에 대하여 이해하는 것을 목표로 한다. 따라서 인공지능 교육은 주로 인공지능에 관한 지식을 다룬다. 반면에, 인공지능 활용 교육은 교육이 효과적으로 이루어지기 위해 인공지능을 활용하는 것에 목적이 있다. 인공지능 활용 교육에서도 인공지능에 대해 다루지만, 인공지능을 교육적으로 활용하기 위해 요구되는 기초 지식을 위한 학습이라는 점에서 인공지능 교육과 차별점이 있다.
－01_“AIED” 중에서

지능형 튜터링 시스템의 가장 큰 특징은 개별화된 학습 지원이다. 전통적 교실 수업에서는 모든 학습자를 대상으로 강의 전반이 동일한 내용과 속도로 진행되기 때문에 학습자의 수준 차이가 제대로 반영되지 못한다. 반면 지능형 튜터링 시스템은 학습자의 학습 데이터－정답 여부, 풀이 시간, 오류 유형－를 실시간으로 분석하여 개인별 난이도 조정과 맞춤형 피드백을 제공한다. 이러한 기능 덕분에 지능형 튜터링 시스템은 교실 안에서 학습자 개개인에게 일대일 지도를 제공하는 효과를 낸다.
－03_“지능형 튜터링 시스템(ITS)” 중에서

확장현실의 가장 큰 강점은 학습자의 몰입과 참여를 높이는 데 있다. 전통적 교실 수업에서는 추상적 개념을 설명하거나 텍스트 자료만으로 학습해야 하는 경우가 많았다. 그러나 확장현실은 학습자가 실제로 현장에 있는 듯한 경험을 제공하여 학습 내용을 생생하게 이해할 수 있게 한다. 예를 들어, 학습자가 고대 로마 유적지를 확장현실로 탐험한다면 단순히 교과서의 사진을 보는 것보다 훨씬 깊이 있는 학습이 가능하다. 몰입적 경험은 학습자의 흥미를 자극하고 수업 참여를 자연스럽게 유도한다.
－06_“확장현실(XR)” 중에서

생성형 인공지능 도구는 학습 평가 방식에도 변화를 불러온다. 전통적으로는 산출물을 평가하기 위해 교수자가 많은 시간을 투입해야 했으나, 인공지능이 초안을 빠르게 생성해 학습자가 수정·보완하는 방식으로 수업이 운영되면 평가의 초점은 결과물보다 과정으로 이동한다. 교수자는 학습자의 사고 과정과 창의적 시도를 평가할 수 있으며, 학습자는 인공지능이 제공하는 초안을 비판적으로 수용하고 발전시키는 경험을 얻게 된다. 물론 생성형 인공지능 도구의 활용에는 비판적 시각도 필요하다. 인공지능이 만든 결과물은 때로는 부정확하거나 표절 논란을 일으킬 수 있고, 학습자가 기술에 과도하게 의존할 위험도 있다. 따라서 교수자는 단순히 결과물을 받아들이는 데 그치지 않고, 학습자가 도구의 한계를 이해하고 창의적 보완을 할 수 있도록 안내해야 한다.
－09_“생성형 AI 제작 도구” 중에서