← 라이브러리로 돌아가기

Threads digest · @edutrend_

학습·교육

AI를 교육 현장에 통합할 때 인간의 어떤 면이 반드시 보존되거나 향상되어야 할까?

AI를 교육에 통합하면서 어떤 인간의 능력과 태도를 지켜야 할까요? 개념적 해석부터 인식론적 진실성까지, 보존하거나 향상해야 할 여섯 가지 인지적·초인지적 프로세스를 살펴봅니다.

관찰과 추론, 검토와 성찰에 쓰이는 여섯 도구를 학습자가 직접 다루는 탐구 장면 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

AI를 통합하면서도 보존하거나 향상해야 할 것은 무엇일까?

AI를 교육 현장에 통합할 때 인간의 어떤 면이 반드시 보존되거나 향상되어야 할까?

Vendrell과 Johnston(2026)은 이에 대해 여섯 가지 인지적·초인지적 프로세스를 제시합니다.

1. 개념적 해석 (Conceptual interpretation)

개념적 해석은 정보를 선별하고 조직하며 통합해 일관된 ‘멘탈 모델’을 구성하고, 능동적으로 의미를 만들어내는 능력입니다.

AI가 제공하는 매끄럽고 완성된 설명에 무비판적으로 의존하기보다, 학습자 스스로 의미를 구성하는 능력을 지켜야 합니다.

2. 추론 (Inferential reasoning)

추론은 숨겨진 가정을 식별하고, 논리적 관계를 파악하며, 결과를 예측하는 능력입니다.

AI가 그럴듯하지만 근거가 빈약한 결론을 제시할 때, 학생은 논리적 연결 고리의 강도를 직접 평가해야 합니다. AI의 결론을 맹신하지 않도록 자신의 추론을 점검하는 것입니다.

3. 평가적 판단 (Evaluative judgement)

평가적 판단은 정보나 주장의 신뢰성, 일관성, 증거적 기반을 꼼꼼히 평가하는 능력입니다.

AI의 내부 작동은 블랙박스처럼 들여다보기 어렵습니다. 지식에 관한 판단을 수동적으로 받아들이지 않고, AI가 내놓은 정보와 주장을 직접 평가해야 합니다.

4. 초인지적 조절 (Metacognitive regulation)

초인지적 조절은 학습과 추론 과정에서 자신의 인지 과정을 주도적으로 모니터링하고 평가하며 전략적으로 통제하는 능력입니다.

학습자의 주체성을 지키기 위해서는 생각하는 과정 자체를 AI에 아웃소싱하기보다, 자신의 논리 전개를 지속적으로 점검해야 합니다.

5. 지적 호기심 (Intellectual curiosity)

지적 호기심은 정답을 얻으려는 도구적인 목적을 넘어, 아이디어를 계속 탐구하고 질문을 던지려는 동기 부여적 성향입니다.

AI가 정제된 정답을 수렴적으로 제시할 때에도 탐구를 멈추지 않아야 합니다. 깊이 배우기 위해서는 호기심을 발휘하며 AI의 한계를 넘어 확산적인 탐구를 이어가야 합니다.

6. 인식론적 진실성 (Epistemic integrity)

인식론적 진실성은 지식 주장을 공정하게 평가하고, 복잡한 문제를 양심적으로 다루며, 진리를 추구하려는 윤리적·도덕적 태도입니다.

AI가 주류 담론을 주로 학습해 재생산하거나 편향성을 숨길 때, 학습자는 다음과 같이 비판적으로 질문할 수 있어야 합니다.

“누구의 목소리가 증폭되고 누구의 목소리가 배제되었는가?”

이 글에서 소개한 원문

Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher education

Mireia Vendrell, Samantha-Kaye Johnston (2026)

Computers and Education: Artificial Intelligence, 10, 100572 · 개념적·규범적 분석 · 10.1016/j.caeai.2026.100572

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기