인공지능으로 과제를 빨리 끝내는 능력과 내용을 스스로 이해하는 능력 사이의 간격이 교육의 쟁점으로 떠올랐다. 유럽연합 집행위원회가 9월 25일 공개한 대학생 대상 보고서와 9월 발표된 국제 연구는 인공지능이 학업에 미치는 영향과 과도한 의존을 검토했다. 한국 학생을 직접 조사한 자료는 아니지만, 도구의 도움을 받는 과정에서 학습자가 어떤 생각과 판단을 남기는지 살펴야 한다는 질문을 한국 교육 현장에도 던진다.
유럽연합 보고서는 2022년 1월부터 2026년 4월까지의 국제 문헌을 검토해 생성형 인공지능과 대학생의 학업 참여, 성과, 학습 결과, 학문적 정직성을 다뤘다. 검토 대상은 대학생의 학습이다. 이 결과를 한국 중고등학생의 성취 변화로 곧바로 확대할 수는 없다. 다만 교육기관이 인공지능의 쓰임을 평가할 때 결과물의 완성도와 학생의 이해, 과제 수행의 책임을 함께 살펴야 할 배경 자료가 된다.
9월 4일 발표된 별도의 체계적 문헌고찰은 대학생의 과도한 인공지능 의존을 다룬 실증 연구 54편을 종합했다. 연구진은 위험의 핵심을 도구의 존재보다 학습자가 생각하고 평가하며 학습을 조절하는 참여가 밀려나는 데서 찾았다. 여러 연구의 관련성과 위험을 정리한 결과인 만큼 모든 사용자가 동일한 영향을 받는다는 뜻은 아니다. 학습 목표와 사용 방식, 수업 환경에 따라 무엇이 달라지는지를 살펴야 한다.
학생 입장에서 빠른 답은 분명 매력적이다. 이해하지 못한 개념을 풀어 설명해 달라고 하거나 글의 구조를 점검받는 일은 공부를 이어 갈 출발점이 될 수 있다. 문제는 어디에서 자신의 생각을 시작하고 어디에서 도구의 도움을 받는지 흐려질 때다. 설명을 듣고 직접 다시 써 보는 과정이 있다면 다음 질문을 만들 수 있다. 처음부터 완성된 글을 받아 제출하면 내가 어려워했던 부분을 찾아낼 기회도 함께 사라질 수 있다.
역사 과제를 예로 들면 차이는 도움을 요청하는 단계에서 드러난다. 완성된 답안 전체를 받는 방식과 자신이 선택한 원인을 자료와 비교하는 방식은 학생의 참여를 다르게 남긴다. 전자는 글이 빠르게 채워지지만 근거를 고르는 과정이 생략될 수 있다. 후자는 학생의 판단이 검토 대상으로 남는다. 이런 비교를 수업에 적용하려면 교사는 무엇을 학생이 직접 연습해야 하는지 먼저 정해야 한다. 도움의 범위는 학습 목표 안에서 결정될 문제다.
가장 간단한 점검은 답을 잠시 가리는 것이다. 방금 읽은 설명을 화면 없이 요약해 보고, 핵심 근거가 무엇인지 말해 본다. 설명이 막히는 부분은 다시 공부할 대상이 된다. 인공지능의 문장이 자연스럽다는 이유로 이해도 자연스럽게 생겼다고 생각하면 이 빈칸을 놓친다. 좋은 설명을 읽는 능력과 스스로 설명을 구성하는 능력은 같은 단계가 아니다. 복잡한 평가 도구가 없어도 두 경험을 비교하는 질문은 만들 수 있다.
외국어 학습에서도 번역문을 확보하는 일과 새로운 문장을 이해하는 일은 다르다. 자신의 해석을 먼저 적고 다른 설명과 비교하면 어떤 단어와 문법에서 판단이 달랐는지 확인할 수 있다. 한국 수업에서 검토할 수 있는 활용 방식이다. 수정한 이유를 남기면 매끄러운 번역 결과 외에 학습자의 생각도 기록된다. 다음 문장에서 같은 구조를 스스로 설명할 수 있는지까지 확인해야 도움받은 내용이 자신의 지식으로 이어졌는지 살필 수 있다.
답을 확인할 때는 출처가 실제로 존재하는지도 중요하다. 보기 좋은 참고문헌 목록과 실제 자료를 읽고 근거를 찾은 경험은 다르다. 학습자는 제시된 자료에 들어가 제목과 날짜, 관련 내용을 확인할 수 있다. 원문에서 찾지 못한 주장은 그대로 확정하지 말고 질문으로 남겨야 한다. 과제를 마치는 속도를 조금 늦추더라도 어떤 문장을 믿을 수 있는지 판단하는 단계가 필요하다. 그 단계는 도구가 만든 문장을 내 글로 받아들이는 책임과도 연결된다.
평가도 완성된 문서 밖으로 시선을 넓힐 필요가 있다. 초안과 수정 이유, 주장 하나를 고른 근거를 함께 보면 학생이 실제로 판단한 부분을 확인할 수 있다. 수업의 목표와 여건에 따라 적용할 방법과 비중은 달라질 수 있다. 인공지능 사용 여부를 가려내는 데만 집중하면 학생이 어떤 내용을 이해했는지라는 핵심 질문이 뒤로 밀린다. 결과물과 함께 짧은 설명을 확인하는 방식은 학습 과정을 읽기 위한 선택지다.
한국의 교육 현장에서는 과제를 시작할 때 사용 기준을 구체적으로 안내하는 방안도 검토할 만하다. 초안 작성과 표현 수정, 근거 찾기 가운데 어떤 도움을 허용하는지 학생이 알아야 한다. 도움받은 부분의 표시와 최종 확인의 책임도 설명할 필요가 있다. 이는 유럽연합이 한국 학교에 정한 의무 규정이 아니라 수업 설계의 문제다. 모호한 기준 아래 같은 행동을 다르게 평가하는 혼란을 줄이려면 과제의 각 단계에서 학생의 역할을 분명히 해야 한다.
학부모가 확인할 항목도 제출 여부에서 한 걸음 더 갈 수 있다. 과제를 다 했는지 묻는 것과 어떤 내용을 새로 알았는지 묻는 것은 다른 대화를 만든다. 아이가 도구를 사용했다면 도움이 됐던 설명과 이해하기 어려웠던 부분을 말하게 할 수 있다. 다만 사용 시간을 짧게 했다는 사실만으로 학습이 깊었다고 판단할 수는 없다. 시간이 길거나 짧은 이유보다 그 안에서 어떤 생각을 하고 무엇을 확인했는지 듣는 편이 구체적이다.
대학생 역시 자신의 공부 목표를 구분할 필요가 있다. 표현을 다듬으려는 날과 새로운 개념을 배우려는 날은 같은 도움을 요청할 이유가 없다. 보고서의 형식을 익히는 과제라면 구조를 비교할 수 있지만, 논증 능력을 기르는 과제라면 근거 선택을 직접 해야 할 부분이 커진다. 먼저 무엇을 연습할 것인지 정하면 어디까지 맡길지 판단하기 쉽다. 도구를 이용한다는 하나의 행동 안에도 여러 학습 방식이 들어 있다.
교육자료를 고르는 기관에도 질문이 남는다. 사용 횟수와 만족도가 높다는 사실만으로 장기적인 학습 효과를 모두 설명할 수는 없다. 학생이 새로운 상황에서도 배운 내용을 적용하는지, 도움 없이 설명할 수 있는지와 같은 결과를 확인할 필요가 있다. 특정 대학생 대상 연구의 결과를 모든 연령에 넓힐 때는 추가 근거도 필요하다. 빠르게 변하는 기술일수록 어떤 시점과 조건에서 얻은 결과인지 밝혀야 판단이 오래 버틴다.
인공지능이 답을 만드는 속도는 학생이 그 답을 이해했는지 알려 주지 않는다. 교육기관의 판단은 사용 횟수나 완성된 과제 수를 넘어 학생이 근거를 설명하고 새로운 문제에 적용하는 능력까지 향해야 한다. 유럽 보고서와 국제 대학생 연구가 한국에 남기는 쟁점도 여기에 있다. 도구를 활용한 뒤 학생의 생각이 무엇으로 남았는가. 문서가 완성됐다는 사실과 공부가 이뤄졌다는 판단 사이를 확인하는 일이 인공지능 시대 교육의 과제다.
[참고자료]
유럽연합 집행위원회, 생성형 인공지능이 대학생에게 미치는 영향
https://education-socioeconomic-experts.ec.europa.eu/publications/ad-hoc-reports-and-other-publications/impact-generative-ai-higher-education-students_en
앤·루·양, 생성형 인공지능에 대한 대학생의 과도한 의존을 다룬 체계적 문헌고찰
https://www.nature.com/articles/s41599-026-08959-2
){kind=small}
){kind=small}
){kind=small}
){kind=small}