Threads digest · @edutrend_
학습·교육학생은 AI에게 도움을 어떻게 요청할까?
학생은 사람에게 도움을 구할 때와 AI에게 도움을 구할 때 같은 과정을 거칠까요? 질문 진단, 도움 요청, 평가와 처리의 흐름을 비교하면, AI와의 대화에서 어떤 단계가 생략되고 무엇이 달라지는지 보입니다.

도움을 구하는 상대가 달라지면 과정도 달라집니다
학생은 AI에게 도움을 어떻게 요청할까요? 생성형 AI를 이용하는 학습자와 인간 전문가에게 도움을 구하는 학습자를 비교한 연구는, 같은 도움 요청이라도 그 과정이 다를 수 있음을 보여 줍니다.
인간 전문가에게 도움을 요청한 HE 그룹은 전통적인 도움 요청 이론에 가까운 선형적 흐름을 보였습니다. 자신이 무엇을 모르는지 ‘질문 진단’을 하고, ‘도움 요청’, ‘도움 평가’, ‘도움 처리’로 이어지는 순서입니다.
ChatGPT를 사용한 AI 그룹은 더 비선형적인 과정을 보였습니다. 특히 도움 평가 단계를 건너뛰는 경향이 두드러졌습니다. 기존의 선형 모델만으로는 포착하기 어려운 특성입니다.
질문 진단: 문제를 찾기 전에 AI부터 부릅니다
연구는 질문 진단, 도움 요청, 도움 평가, 도움 처리라는 네 단계와 각 단계 안의 세부 활동을 나누어 분석했습니다.
AI 그룹은 질문을 먼저 진단하기보다 곧바로 도움 요청 단계에서 시작하는 경향이 강했고, 그 시작 확률은 63%였습니다. 예를 들어 자신의 에세이를 살펴 문제를 찾기 전에 ChatGPT에게 “내 에세이의 문제점이 무엇인가요?”라고 바로 묻는 식입니다.
전체 도움 요청 과정에서 질문 진단 단계가 차지하는 평균 비율은 HE 그룹(11.58%)이 AI 그룹(8.88%)보다 높았으나, 통계적으로 유의미한 차이는 아니었습니다.
도움 요청: 직접 쓸 수 있는 답을 더 많이 구했습니다
전체 과정에서 도움 요청 단계가 차지하는 비율은 AI 그룹 34.62%, HE 그룹 22.49%로 AI 그룹이 유의미하게 높았습니다. 직접적인 답변이나 복사할 수 있는 문장을 요구하는 ‘실행적 도움 요청’도 AI 그룹에서 유의미하게 많았습니다.
HE 그룹에서는 도움 요청 단계 안에서 활동을 되풀이하는 내부 루프가 나타났습니다. 인간 전문가에게 질문할 때 자신의 질문을 더 명확하게 설명하거나 보완하는 활동에 참여할 수 있음을 보여 줍니다.
도움 평가: 받은 답에 반응하지 않고 넘어갑니다
AI 그룹은 도움 요청과 도움 처리 사이를 곧바로 오가는 흐름을 보여, 도움 평가를 건너뛰는 경향이 있었습니다.
도움 평가 단계 안에서 ‘피드백 없음’ 활동의 비율은 AI 그룹 93.70%, HE 그룹 31.72%였습니다. AI에게는 받은 도움에 대해 적극적으로 평가하거나 사회적 예절에 맞춰 반응하지 않을 수 있음을 시사합니다.
반대로 ‘긍정적 평가’ 활동의 비율은 HE 그룹 67.03%, AI 그룹 4.44%였습니다. 인간 전문가에게는 도움에 대한 감사를 표현하는 등 더 많은 피드백을 제공한 것입니다.
도움 처리: 무시하거나, 이전 도움을 돌아보거나
도움 처리 단계에서 받은 도움을 무시하는 활동은 AI 그룹 8.42%, HE 그룹 3.25%로 AI 그룹이 유의미하게 많았습니다. ChatGPT의 도움을 에세이 수정에 직접 적용하지 않는 경우가 더 많았다는 뜻입니다.
이전에 받은 도움을 다시 검토하는 활동은 HE 그룹 36.34%, AI 그룹 26.65%로 HE 그룹이 유의미하게 많았습니다. 인간 전문가의 현재 도움이 유용하지 않다고 느끼면, 이전에 받았던 도움을 되돌아보는 경향이 더 강했습니다.
질문을 진단하고 답을 평가하는 부담을 AI에 넘길 수 있습니다
이 차이를 설명하는 논의 중 하나는 ‘메타인지적 부담 전가’입니다. 복잡한 학습 과제에서 자신의 문제를 진단하는 단계를 건너뛰고 ChatGPT에게 먼저 묻는 것은, 스스로의 이해 상태를 점검하는 일을 AI에 넘기는 방식이 될 수 있습니다. 인지부하가 높을 때 기술적 지원에 일을 분담하려는 경향과도 맞닿아 있습니다.
과도한 의존과 평가 부족도 생각해 볼 수 있습니다. 학습자들은 제공된 프롬프트가 ChatGPT 답변의 관련성을 보장한다고 생각해 답의 효과를 과대평가하고, 피드백 평가에는 덜 적극적일 수 있습니다.
ChatGPT가 구조적으로는 정확해 보이지만 사실과 다른 답을 만들 수 있다는 위험 자체를 알아차리지 못할 가능성도 있습니다.
사람에게 물을 때 생기는 사회적 압력이 줄어듭니다
ChatGPT는 사람이 아니므로, 무능하게 보일 수 있다는 사회적 비용을 덜 느끼며 상호작용할 수 있습니다.
인간 전문가에게 도움을 요청할 때와 달리 질문을 미리 진단하거나 받은 도움에 반응해야 한다는 압력이 줄어들면, 더 직접적이고 비선형적인 도움 요청으로 이어질 수 있습니다.
어떤 도움을 받느냐도 중요합니다
ChatGPT의 답변은 종종 더 직접적이며, 깊은 성찰을 충분히 장려하지 않을 수 있습니다. 반면 인간 전문가는 더 성찰적이고 발견적인 도움을 제공해 학생의 고차원 메타인지 활동을 이끌 수 있습니다.
이 글에서 소개한 원문
Unpacking help-seeking process through multimodal learning analytics: A comparative study of ChatGPT vs Human expert
Angxuan Chen, Mengtong Xiang, Junyi Zhou, Jiyou Jia, Junjie Shang, Xinyu Li, Dragan Gašević, Yizhou Fan (2025)
학술지 게재 · 2024-11-14 온라인 선게재, 2025년 3월 권호 · DOI: 10.1016/j.compedu.2024.105198 · Computers & Education, 226, 105198
연구 원문 보기 ↗