Threads digest · @edutrend_
학습·교육교실에서 AI는 어디까지 맡아야 할까? SCAN의 네 가지 구역
AI가 과제를 대신하는 자동화, 학습을 돕는 증강, 전문성을 바탕으로 한 협업은 어떻게 다를까요? 학습자의 지식과 AI의 역량을 함께 살펴 대체·지원·보완·협의 불가의 네 구역으로 나누고, 교실에서 교사가 판단해야 할 지점을 짚어 봅니다.

AI를 투입할 지점은 어디인가
어떤 조건에서 AI에 의한 인지적 오프로딩이 일어나는지 아는 것은, 교실 속 AI를 어느 지점에 투입할 수 있는지 판단하는 데 통찰을 줍니다.
Tsim과 Gutoreva(2026)는 기존 근접발달영역(ZPD)의 세 영역에 ‘AI가 알고 있는 영역(Known to GenAI)’이라는 독립적 차원을 더한 SCAN 프레임워크를 제안합니다. 학습자의 지식 상태와 AI 역량의 교집합에 따라 인간과 AI의 상호작용을 네 가지 서브존으로 나누는 개념적 의사결정 틀입니다.
1. 대체 서브존: Substitute, S · 자동화
학습자에게 해당 작업을 수행할 기본 지식이 없는 상태에서, AI가 작업을 통째로 대신 처리하는 구역입니다. 인간의 과업 수행을 AI로 대체하는 ‘자동화’에 해당합니다.
이 틀에서 대체는 역량 발달을 멈추게 하는 가장 위험한 구역입니다.
2. 지원 서브존: Aid, A · 증강
학습자가 작업을 독립적으로 수행하기에는 지식이 일부 부족하지만, AI를 비계로 삼으면 혼자 할 수 있는 범위를 넘어 과업을 완수할 수 있는 지점입니다. AI가 부족한 부분을 지원하며 학습자의 역량을 ‘증강’하는 방식입니다.
AI가 외재적 인지부하를 줄여 주어 자기조절학습과 비판적 사고, 창의성 확장을 유도하는, SCAN에서 교육적으로 가장 이상적인 구역입니다.
3. 보완 서브존: Complement, C · 협업
학습자 스스로 작업을 독립적으로 완수할 수 있고, AI가 내놓은 결과물의 오류도 검증할 만큼 충분한 전문성을 이미 확보한 상태입니다. AI에 실행을 맡기더라도 그 결과를 확인할 수 있다는 점에서 ‘협업’에 해당합니다.
단순 실행에 드는 시간을 극적으로 줄이고, 남은 인지적 자원을 고차원적인 작업에 집중할 수 있습니다.
4. 협의 불가 서브존: Non-negotiable, N · 인간 전문가와의 증강
이 구역은 원래 ZPD의 인간–인간 구조를 유지합니다. 학습자가 AI가 아니라 자신보다 더 잘 아는 인간 전문가(MKO)와의 상호작용을 통해 도움을 받는 영역입니다.
SCAN은 멘토링이나 윤리적 리뷰처럼 인간의 전문적 판단, 책임감, 정서적 교감, 형식화하기 어려운 암묵지가 필수적인 작업을 이 구역에 둡니다. AI의 능력과 무관하게 인간 전문가와의 상호작용으로 남겨 두어야 한다는 제안입니다.
교실 속 AI 활용에는 교사의 판단이 필요하다
결국 교실에서 AI를 어디에 투입할지는 학생이 해당 분야의 지식을 얼마나 갖추었는지, 그 활동이 인간 전문가(MKO)와의 교감을 통해서만 이루어질 수 있는지를 함께 살펴야 합니다. 이를 판단하는 교사의 역할이 대단히 중요하겠습니다.
이 글에서 소개한 원문
SCAN: A Decision-Making Framework for Effective Task Allocation with Generative AI
Fendi Tsim, Alina Gutoreva (2026)
arXiv 사전공개 논문 · 개념적 의사결정 프레임워크 · v1 · arXiv:2606.15601v1
연구 원문 보기 ↗