Threads digest · @edutrend_
학습·교육AI 튜터의 스캐폴딩, 정교하면 학생도 따라올까요?
챗봇이 차근차근 안내해도 학생은 정답을 바로 요구할 수 있습니다. 사회적 부담과 학습 상황, 도움을 구하는 목적을 통해 학생의 우회 행동을 다시 읽습니다.

더 정교하게 도와주면 학생도 따라올까요?
챗봇이 스캐폴딩을 더 정교하게 제공한다고 해서 학생의 수용도가 높아진다는 보장은 없습니다.
Neagu 등(2026)은 학생들이 AI 튜터의 스캐폴딩을 받아들이지 않고 우회하는 모습에 주목했습니다. 챗봇이 단계별 힌트와 유도 질문을 준비해도, 학생은 그 흐름을 따르지 않을 수 있습니다. 이 간극을 이해할 두 가지 맥락이 있습니다.
첫째, 사람에게 느끼는 사회적 부담이 작습니다
인간 튜터와 대화할 때에는 교사의 질문을 무시하거나 정답만 달라고 요구하기가 쉽지 않습니다. 무안하거나 무례해 보일까 봐, 혹은 자신이 잘 모른다는 사실을 드러낼까 봐 느끼는 사회적 부담이 있습니다.
AI 챗봇을 상대할 때에는 이런 대인관계적 비용이 훨씬 적습니다. 학생은 챗봇이 제시한 지침을 우회해 질문을 바꾸거나 정답을 직접 요구할 수 있습니다.
둘째, 챗봇의 수업과 학생의 상황이 어긋납니다
학생이 스캐폴딩을 받아들이는 데에는 챗봇의 응답 품질뿐 아니라, 학생이 처한 외부 학습 상황도 영향을 미칩니다.
이미 오랜 시간 문제를 풀다가 막힌 학생에게 챗봇이 다시 유도 질문을 던진다면 어떨까요? 학생에게는 차근차근한 안내가 아니라 답답함으로 느껴질 수 있습니다.
단순히 과제를 제출하려는 학생과 개념을 온전히 이해하려는 학생의 요구도 다릅니다. 챗봇이 이 맥락을 모른 채 일률적인 스캐폴딩을 적용하면, 학생은 자신의 목표를 달성하려고 그 흐름을 우회합니다. 여기에서 상호작용의 불일치가 생깁니다.
우회하는 행동을 게으름으로만 볼 수 있을까요?
정답을 직접 요구하는 행동은 인지적 게으름이나 과도한 의존의 신호로 받아들여지곤 합니다. 이 논문은 그 행동을 달리 해석할 가능성도 제안합니다.
학생이 챗봇의 틀을 깨고 질문을 적극적으로 재구성하는 행동은, 자신이 무엇을 알고 모르는지 판단하고 필요한 정보를 주도적으로 찾는 ‘자기조절학습’과 ‘도구적 도움 요청’의 일환일 수 있습니다.
‘알아서 사용’보다 적확한 목적과 타이밍
AI 챗봇을 교실에 들여놓고 학생이 알아서 잘 사용하리라 기대하기는 어렵습니다. 학생의 맥락 안에서 어떤 도움이 필요한지 살피고, 적확한 목적과 타이밍에 투입해야 합니다.
정교한 도움을 만들었다는 사실만큼, 지금 이 학생에게 그 도움이 맞는지를 살피는 일이 중요합니다.
이 글에서 소개한 원문
Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments
Alexandra Neagu, Jeffrey T. H. Wong, Marcus Messer, Rhodri Nelson, Peter B. Johnson (2026)
arXiv 사전공개 논문 · v1 · arXiv:2606.15766v1
연구 원문 보기 ↗