Threads digest · @edutrend_
학습·교육Agentivism과 H-A-H
요즘 연구하는 H-A-H 실천 전략과 Agentivism 사이에서 연결점을 찾았습니다. 선택적 위임, 검증, 재구성, 전이를 인간의 탐구에서 AI의 조력을 거쳐 인간의 역량 강화와 성찰로 이어지는 흐름에 연결해 봅니다.

새로운 학습 이론과 내가 연구하는 실천 전략
Yan과 Gašević(2026)는 인간-AI 상호작용을 위한 새로운 학습 이론인 Agentivism을 제안합니다. 요즘 연구하고 있는 H-A-H 실천 전략과 연결되는 지점이 보이는 듯하여 흥미롭습니다.
H-A-H는 인간의 탐구, AI의 조력, 인간의 역량 강화 및 성찰로 이어지는 프레임워크입니다. 이 흐름과 Agentivism의 네 메커니즘을 어떻게 연결할 수 있을지 나의 생각을 정리해 봅니다.
1. 선택적 위임: 먼저 나의 목표를 분명히 하기
Agentivism에서는 문제의 틀을 잡고 기준을 설정하는 책임을 학습자가 유지할 때 AI에게 하는 인지적 위임이 학습을 보존한다고 봅니다. 반대로 이러한 기능이 시스템으로 넘어가고 학습자가 단순한 수용자가 되면 학습이 저해됩니다.
이를 H-A-H의 인간의 탐구(Human) 단계와 연결하면, 학생이 자기 체계(Self system)를 활성화하는 노력이 먼저 필요합니다. 학습 내용이 나에게 어떤 의미를 주는지, 따라서 왜 공부해야 하는지 스스로 목표를 명확히 해야 올바른 인지적 위임이 일어납니다.
2. 인식론적 모니터링 및 검증: 답을 받아들이기 전에 살피기
학습자는 AI 산출물의 진실성, 관련성, 적절성 등을 검증해야 합니다. Agentivism은 주장을 검토하고 증거를 교차 확인하는 과정 자체를 인식론적 개입을 유지하는 학습 메커니즘으로 봅니다.
H-A-H의 AI 지원 및 활용(AI) 단계에서는 학생이 AI의 답변을 무비판적으로 수용하지 않도록 인지적 마찰을 유도해야 합니다. 이어지는 인간의 역량 강화 및 성찰(Human) 단계에서는 SHIFT 모델의 다양한 질문을 통해 AI 활용을 비판적으로 성찰하도록 이끌어야 합니다.
3. 재구성적 내면화: AI의 결과물을 나의 지식으로 만들기
재구성적 내면화는 AI가 지원한 결과물을 학습자 자신의 지식과 기술로 다시 작업하는 과정입니다. 이 이론에서는 이를 통해서만 AI가 지원한 성과가 학생이 보유한 능력으로 전환된다고 봅니다.
인간의 역량 강화 및 성찰(Human) 단계에서는 AI의 도움을 받아 생성한 자료를 실질적으로 재설명하거나 수정·변형하는 과정을 통해 학습을 주도적으로 마무리해야 합니다.
4. 지원 축소 환경에서의 전이: 도움 없이도 발휘할 수 있는가
Agentivism은 즉각적인 과제 성공만으로는 학습을 증명할 수 없다고 봅니다. 지원이 줄어든 상황에서도 학습자가 자신의 능력을 활용할 수 있어야 진짜 학습이 일어난 것으로 간주합니다.
H-A-H의 인간의 역량 강화 및 성찰(Human) 단계에서는 GRASPS 모델을 활용한 실제적인 과제를 통해 AI의 도움 없이도 역량을 발휘할 수 있는지 확인해야 합니다. 이렇게 학습의 전이를 파악하는 데까지 나아가야 합니다.
이 글에서 소개한 원문
Agentivism: a learning theory for the age of artificial intelligence
Lixiang Yan, Dragan Gašević (2026)
arXiv 프리프린트 · 학습 이론 제안 (v1, 2026-04-09) · arXiv:2604.07813v1 · DOI: 10.48550/arXiv.2604.07813
연구 원문 보기 ↗