💌 [동향 브리프 26년 4호] '가짜 숙달의 신기루', AI 시대 학습설계가 마주한 착시 🌫️

  2026.09.07 | 2026-4호 | 구독하기 

안녕하세요, 구독자 여러분! 🍂 무더웠던 8월을 지나 선선한 바람이 부는 9월의 첫 월요일입니다. 

매월 첫 번째 월요일, 국가과학기술인력개발원(KIRD)이 러닝스파크와 함께 큐레이션한 글로벌 교수학습 동향을 전해 드리는 KIRD 미래형 교수학습 동향 뉴스레터입니다.

교수학습·HRD 현장에 계신 분들이 한 달의 시작과 함께 가장 주목할 만한 글로벌 동향과 인사이트를 한눈에 살펴보실 수 있도록, 연구진이 매월 엄선한 콘텐츠를 정리해 보내 드리고 있어요. 지난 8월 3호에 이어 이번 4호가 찾아왔습니다. 

AI가 매끄럽게 정리해 준 자료를 읽을 때는 내용을 다 이해한 것 같은데, 막상 다른 사람에게 설명하거나 비슷한 문제를 혼자 풀려고 하면 생각이 잘 나지 않았던 경험 있으신가요? OECD는 이런 상황을 '가짜 숙달의 신기루(mirage of false mastery)'라고 부릅니다. AI가 만든 결과물이 그 아래 놓인 실력의 빈자리를 가리는 현상입니다. 

문제는 이 착시가 결과물만으로 드러나지 않는다는 데 있습니다. 잘 해낸 것과 잘 배운 것이 겉으로는 같아 보이니까요. 그래서 필요한 것이 학습자가 직접 생각할 몫을 학습 과정에 남겨두는 장치입니다. AI를 쓰기 전에 자기 결론을 먼저 세우게 하는 것, 답 대신 반론을 요청하는 프롬프트를 두는 것, 일정 기간이 지난 뒤 AI 없이 확인하는 평가를 하는 것이 모두 그런 장치입니다. 

이번 2026-4호에서는 AI를 쓰면서도 사고력을 지키는 학습설계는 어떻게 가능한지, 그 안에서 교수자와 학습자, AI가 각각 어떤 역할을 맡을 수 있을지 살펴봅니다. 7편의 소식은 핵심만 추려 정리했고, 자세한 내용은 <미래형 교수학습 동향 아카이브> 웹진에서 이어 보실 수 있어요.

그럼 이번 4호의 소식들을 하나씩 소개해 드릴게요!

KIRD Curation 01 | #학습설계전략 #메타인지 #인지적오프로딩 #SYNC모형 #바람직한마찰

🧩 AI가 끌어올린 수행과 진짜 학습을 구분하는 법, 2×2 모형

AI와 함께 일하면 결과물은 좋아지는데, 그만큼 배우고 있는지는 어떻게 알 수 있을까요? 베이징대학교 Yizhou Fan 연구진은 이 물음에 '수행(performance)'과 '학습(learning)'을 서로 다른 축에 놓는 2×2 모형을 제안합니다. 두 축이 만나면 표류, 노력 중심 학습, 자동조종 수행, 시너지 숙달이라는 4가지 상태로 나뉘는데요. 이 가운데 눈여겨볼 것은 겉으로는 잘 해내는 것처럼 보이지만 배움은 남지 않을 수 있는 '자동조종 수행'입니다. 매끄러운 답변부터 학습자에게 동의해 주는 태도까지, 이 상태로 끌어들이는 4가지 함정과 각각의 대응을 함께 담았습니다.

KIRD Curation 02 | #AI와교수학습 #비판적사고 #인지적마찰 #학습설계원칙 #삼원학습생태계

🔺AI 시대 사고력을 지키는 학습설계와 교수자·학습자·AI의 역할

AI 시대에 사고력이 떨어진다는 이야기가 자주 나오는데요. 원인은 AI 자체가 아니라 구조 없이 쓰도록 둔 방식에 있을 수 있습니다. Mireia Vendrell과 Samantha-Kaye Johnston은 구조 없는 사용이 인지 오프로딩과 메타인지 이탈, 인식 협소화라는 3가지 경로로 사고력을 약화시킨다고 짚고, 이를 막을 설계 원칙 8가지를 제시합니다. 한편 High Point University의 Matthew Brophy 교수는 'AI를 어떻게 막을 것인가'가 아니라 'AI가 이미 들어와 있는 강의실을 어떻게 설계할 것인가'로 질문 자체를 바꿉니다. 교수자와 학습자, 수업 내 교육용 AI 조교가 각각 무엇을 맡을지 삼원 학습 생태계라는 이름으로 정리한 역할 분담을 함께 살펴봅니다.

KIRD Curation 03 | #조직문화 #AI활용정책 #투명한과제설계 #TILT #학업진실성

🏫 책임 있는 AI 활용을 위한 글로벌 대학들의 원칙

"이번 과제에서 AI는 어디까지 써도 되나요?" 같은 학기에 듣는 과목마다 방침이 다르면 학습자는 허용된 것과 그렇지 않은 것을 알기 어렵습니다. 규칙이 없어서가 아니라 규칙이 전달되지 않아서 생기는 문제인데요. 오하이오주립대학교는 학습과 교수의 투명성(Transparency in Learning and Teaching, TILT) 프레임워크를 AI 과제 설계에 그대로 적용하고, 학업 진실성 아이콘 8개 항목 가운데 하나로 AI 사용을 표시합니다. 스탠퍼드대학교는 교수자가 방침을 밝히지 않았을 때의 기본값을 정해 두었는데요. AI 사용을 다른 사람에게 도움을 받는 것과 동일하게 보고, 판단이 서지 않으면 밝히는 쪽을 기본으로 삼게 했습니다. 이 밖의 사례까지 책임 있는 AI 활용 원칙을 6가지로 갈무리했으니, 기관 차원의 AI 사용 안내를 마련하실 때 참고해 보셔도 좋겠습니다.

Trend & Issues 01 | #AI와교수학습 #인지부채 #메타인지게으름 #수행과학습 #지식전이

📉 AI를 쓸수록 덜 배우게 되는 이유, 인지 부채와 메타인지 게으름

AI를 쓰면 결과물은 분명히 나아지는데, 그 결과물이 나에게 무엇을 남기는지는 잘 모르겠는 때가 있습니다. 당장의 수고는 줄지만 부담은 나중으로 쌓이는 인지 부채, 계획하고 점검하는 몫을 AI에 넘기게 되는 메타인지 게으름. 요즘 이런 말들이 오가는데요. 튀르키예 고등학생 약 1,000명이 참여한 실험은 가드레일 없는 AI가 학습에 어떤 영향을 주는지를 보여줍니다. 일반 챗봇을 쓴 집단은 연습 문제에서 통제 집단(AI 없이 기존 학습 자료만 쓴 집단)보다 48% 높은 성과를 냈지만, 이어진 AI 없는 시험에서는 17% 낮았습니다. 반면 답 대신 교사가 설계한 힌트를 내주는 튜터형 챗봇을 쓴 집단은 달랐습니다. 연습 문제 성과가 세 집단 가운데 가장 높았는데도, 시험에서는 통제 집단과 차이가 없었는데요. 우리가 해야 할 고민은 AI를 쓰는 과정에서 무엇을 학습자 몫으로 남겨 둘지입니다.

Trend & Issues 02 | #학습플랫폼 #멀티모델 #연구용AI #AI워크벤치 #재현가능성

🔬 AI 모델 다양화 시대, 과학자를 위한 AI의 등장

하나의 범용 모델에 모든 일을 맡기던 시대가 지나가고 있습니다. Microsoft는 7월 말 실적 발표에서 여러 공급사의 모델을 함께 쓰는 고객이 올해 들어 5배 늘었다고 이야기했는데요. 품질과 지연시간, 비용, 규제 요건에 따라 작업마다 맞는 모델을 고르는 방식입니다. 같음 흐름에서 연구 현장을 겨냥한 도구들도 나란히 나왔습니다. OpenAI는 생명과학에 특화한 모델 GPT-Rosalind, Google은 연구 단계별 실험 도구를 묶은 Gemini for Science, Anthropic은 문헌 분석과 코드 실행을 잇는 연구 환경 Claude Science, Microsoft는 기업용 R&D 플랫폼 Microsoft Discovery를 선보이며 상반기에만 4가지가 공개되거나 정식 출시됐습니다. 각각의 도구가 어떤 연구 활동에 초점을 두었는지 본문 표에서 확인해 보세요.

Trend & Issues 03 | #AI와교수학습 #인간감독 #알고리즘순응 #비판적사고 #검토절차

⚠️ 전문가도 AI의 오류를 놓친다, 확신과 책임 귀인

AI 활용 논의는 대부분 '사람이 결과를 검토한다'는 전제 위에 서 있습니다. 그런데 그 검토, 실제로 이루어지고 있을까요? 지식노동자 319명이 자기 업무 사례를 적어 낸 조사에서 비판적 사고를 실제로 했다고 답한 사례는 10건 가운데 6건에 그쳤습니다. AI를 믿을수록 덜 따져 보고, 자신을 믿을수록 더 따져 보는 경향도 나타났는데요. 그리스 현직 교사 1,339명이 참여한 또 다른 실험은 검토가 이루어질 때 무슨 일이 생기는지 보여줍니다. 교사들에게 잘못 매겨진 점수를 다시 채점하게 하면서, 그 점수를 매긴 것이 동료 교사라고 한 쪽과 AI 채점 시스템이라고 한 쪽으로 무작위로 나누었습니다. 공정한 점수를 스스로 계산할 수 있는 조건이었지만 결과는 어떻게 나왔을까요? 전문가도 상황에 따라서는 AI의 오류를 놓칠 수 있다는 이야기를 본문에서 확인해 보세요.

Teaching & Learning Tips | #AI와교수학습 #사고를위한도구 #프롬프트설계 #스펙트럼워크숍

⚖️ 사고를 기르는 AI 활용, 정해 줄 것인가 판단하게 할 것인가

"이 활동에서 AI를 어디까지 쓰게 할까?" 교육을 설계하다 보면 마주하는 물음입니다. 이번 호 노하우는 러닝스파크 윤성혜 이사가 이화여자대학교 교육공학과 수업에서 학습자가 AI를 쓰면서도 스스로 판단하게 하려고 한 두 가지 시도를 정리한 기고입니다.

하나는 스펙트럼 배치 워크숍입니다. '내가 이 수업에서 키워야 할 역량을 키우는 데 AI가 도움이 되는가, 방해가 되는가'를 기준으로 AI 활용 상황 카드 10장을 5단계 척도에 놓게 했는데요. 각자 판단한 뒤 조별로 근거를 나누고 합의해 배치하자, 조마다 자리가 크게 갈린 카드가 3장 나왔습니다. 눈에 띈 것은 갈린 이유였습니다. 오리엔테이션에서 수업 목표를 제시했는데도 학습자마다 이해한 목표가 달랐던 것인데요. 다른 하나는 챗봇에 고쳐 주는 대신 반론을 요청하는 프롬프트로, Advait Sarkar의 도발자 개념을 일반 챗봇에서 쓸 수 있도록 4가지 질문으로 정리했습니다. 두 시도 모두 AI 사용을 막지 않되 하나는 판단의 기준을 다른 하나는 요청의 형태를 다룹니다. 다음 교육을 설계하실 때 어떻게 적용할지 참고해 보셔도 좋겠습니다.

📆 다가오는 HRD·교수학습 행사

앞으로 다뤄 주었으면 하는 주제가 있다면 언제든 들려주세요.
구독자분들의 의견 하나하나가 다음 호 콘텐츠를 만드는 큰 힘이 됩니다.

🌐 미래형 교수학습 동향, 더 가까이 만나기

전 세계 교수학습·HRD의 모든 동향을 한눈에! - 미래형 교수학습 동향 아카이브

기타 문의 - 📧 hspark@kird.re.kr