The Gen AI Generation: Student Views of Awareness, Preparedness, and Concern

본 연구는 교육 과정에서 GenAI 노출 정도에 따라 준비도와 인식의 격차가 발생하며, 학생들은 GenAI 에 대한 열정과 윤리적 우려 및 직업 대체에 대한 걱정이 공존하는 'GenAI 세대'의 특성을 보여준다고 요약할 수 있습니다.

핵심

1. 연구의 배경: 지도 없는 대륙으로의 항해

과거에는 구글 검색이 등장하면서 '정보를 찾는 방식'이 바뀌었고, 이제는 **생성형 AI(Gen AI)**가 등장하면서 '생각하고 배우는 방식'이 완전히 뒤바뀌고 있습니다.

이 논문은 AI 기술이 폭발적으로 성장하는 시기에 대학을 다니고 있는 학생들을 **'Gen AI 세대'**라고 부릅니다.

• 비유: 이들은 새로운 항해 기술 (AI) 이 개발되는 바로 그 순간에 배를 타고 바다로 나간 선원들입니다. 항해술이 어떻게 발전할지, 어떤 위험이 있을지, 어떤 규칙이 생길지 아무도 정해지지 않은 상태에서, 스스로 배를 조종해야 하는 상황인 거죠.

2. 주요 발견: "배우기"와 "공포"의 양면성

연구팀은 250 명 이상의 학생들에게 설문조사를 하고, 자유롭게 의견을 적어달라고 요청했습니다. 결과는 매우 흥미로웠습니다.

A. 준비도 (Preparedness): "어디서 배웠느냐가 중요해"

학생들이 AI 를 얼마나 잘 다루고 있는지, 미래 직업을 위해 준비가 되었는지는 학교 수업에서 AI 를 얼마나 접했느냐에 따라 극명하게 갈렸습니다.

• 비유: 컴퓨터공학 전공 학생들은 AI 라는 '새로운 엔진'을 직접 다뤄본 경험이 많아 "이 엔진을 쓰면 더 빨리 갈 수 있겠네!"라고 자신감 있게 말합니다. 반면, 다른 전공 (예: 공학, 인문) 학생들은 엔진이 뭔지도 잘 모르는데 갑자기 "이걸 써서 항해해"라고 하니까 **"내가 배를 조종할 수 있을까? 아니면 AI 가 나를 대신해서 배를 탈까?"**라고 불안해합니다.
• 결론: 수업에서 AI 를 가르쳐주는 곳은 학생이 자신감을 갖지만, 그렇지 않은 곳은 "내가 뒤처지는 건 아닐까?"라는 두려움이 커집니다.

B. 우려 (Concern): "로봇이 내 일자리를 뺏을까?"

학생들은 AI 의 가능성에 대해 매우 열광하지만, 동시에 깊은 불안감도 가지고 있습니다.

• 비유: 학생들은 AI 를 **"양날의 검"**으로 봅니다. 한 면은 "이걸로 더 멋진 작품을 만들 수 있어!"라는 기대이고, 다른 면은 "이 검이 내 손목을 베어낼지도 모른다"는 공포입니다.
• 주요 걱정:
  1. 일자리 상실: "AI 가 내 일을 다 해버리면 나는 뭐가 되지?"
  2. 윤리적 문제: "AI 가 거짓말을 하거나, 남의 작품을 훔쳐서 만들면 어떡하지?"
  3. 두뇌 퇴화: "AI 에게 모든 걸 맡기면 내가 직접 생각할 능력이 사라지지 않을까?" (디지털 치매 우려)

C. 감정적 반응: "우리는 혼란스럽다"

설문조사에서 학생들은 기대와 불안이 섞인 복잡한 감정을 드러냈습니다.

• 비유: 마치 어두운 터널을 지나는데, 터널 끝에서 빛이 보이지만 그 빛이 구원의 빛인지, 아니면 함정인지 확신이 안 서는 상태입니다.
• 특히 컴퓨터공학을 전공하지 않은 학생들일수록 "학교에서 아무 말도 안 해줘서 너무 불안하다"는 호소가 많았습니다. "적어도 이 도구가 있다는 것만이라도 알려줬으면 좋겠다"는 것이 그들의 간절한 바람이었습니다.

3. 연구의 결론: 학생들은 "도구"가 아니라 "가이드"를 원한다

이 논문은 단순히 "AI 가 좋다/나쁘다"를 논하는 것이 아니라, 학생들이 혼란스러운 시대에 어떻게 성장할지에 대한 통찰을 줍니다.

• 핵심 메시지: 학생들은 AI 를 막아달라고 하는 게 아니라, **"이 도구를 어떻게 안전하게, 그리고 똑똑하게 쓸지 가르쳐 달라"**고 요청하고 있습니다.
• 비유: 학생들은 AI 라는 새로운 비행기를 타고 싶어 하지만, 조종사 (교수진) 가 "타보라"만 하고 "비행 방법"이나 "위험 신호"를 알려주지 않으면, 그들은 하늘에서 떨어질까 봐 떨고 있는 것입니다.

4. 요약: 우리에게 필요한 것은 무엇인가?

이 연구는 교육자와 정책 입안자에게 다음과 같은 메시지를 전합니다.

1. 균형 잡힌 교육: AI 를 무조건 쓰게 하거나, 무조건 금지하는 게 아니라, **AI 와 함께 일하는 법 (협업)**과 **AI 의 한계를 아는 법 (비판적 사고)**을 동시에 가르쳐야 합니다.
2. 모두를 위한 가이드: 컴퓨터공학과 같은 특정 전공뿐만 아니라, 모든 전공의 학생에게 AI 리터러시 (이해력) 교육을 제공해야 합니다. 그렇지 않으면 AI 시대에 소외되는 '새로운 빈부격차'가 생길 수 있습니다.
3. 윤리적 나침반: 기술의 발전 속도가 빠르더라도, 윤리와 인간 중심의 가치를 잃지 않도록 나침반을 만들어주어야 합니다.

한 줄 요약:

"AI 라는 거대한 파도가 몰려오는 바다에서, 학생들은 스스로 헤엄치는 법을 배우는 대신, 어떻게 파도를 타야 할지, 그리고 언제 피해야 할지 알려주는 '스승'과 '안전장비'를 기다리고 있습니다."

기술 요약

논문 기술 요약: GenAI 세대 (The GenAI Generation)

1. 연구 배경 및 문제 제기 (Problem)

• 문제의 정의: 생성형 인공지능 (GenAI) 의 급속한 확산은 교육 및 노동 시장을 근본적으로 변화시키고 있으나, 이에 대한 통일된 정책이나 구조는 개발 속도를 따라가지 못하고 있습니다.
• 새로운 개념의 등장: 이러한 불규칙하고 규제되지 않은 환경에서 성장하는 학생들을 **'GenAI 세대 (Gen AI Generation)'**로 정의합니다. 이들은 Google 효과나 디지털 치매와 유사한 인지적, 사회적 변화의 시기를 겪고 있으며, 불확실성 속에서 새로운 기술과 전통적 역량을 동시에 습득해야 하는 독특한 도전에 직면해 있습니다.
• 핵심 문제: 학생들의 GenAI에 대한 **인식 (Awareness), 준비도 (Preparedness), 우려 (Concern)**가 학문적 배경 (전공) 과 교육 과정 내 노출도에 따라 어떻게 달라지는지, 그리고 교육 기관이 이를 어떻게 지원해야 하는지에 대한 실증적 데이터가 부족합니다.

2. 연구 방법론 (Methodology)

• 연구 대상: 조지아 공과대학교 (Georgia Tech) 의 두 가지 코호트 (Fall 2023):
  • 대학원생 (Graduate): 컴퓨터 과학 전공자 102 명.
  • 학부생 (Undergraduate): 컴퓨터 과학 (28 명), 공학 (60 명), 기타 전공 (27 명) 등 총 115 명.
  • 참고: 표본 수는 각각 약 12,000 명 (온라인/온캠퍼스 CS 대학원), 5,655 명 (학부) 이었으며, 층화 무작위 표본 추출을 사용했습니다.
• 설문 도구:
  • 8 개의 주요 질문, 3 개의 인구통계학적 항목, 2 개의 개방형 질문으로 구성.
  • 4 점 리커트 척도 (중립 옵션 제거) 를 사용하여 참여를 유도.
  • 완료 시간 5 분 미만으로 설계.
• 데이터 분석:
  • 정량적 분석: 기술 통계 및 빈도 분포를 통해 하위 그룹 간 패턴 비교.
  • 정성적 분석: 250 개 이상의 응답 중 40% 이상이 제공한 상세한 서술형 답변에 대한 토큰화, 불용어 제거, n-gram 추출 및 귀납적 코딩 (Inductive coding) 을 수행하여 주제 도출.

3. 주요 기여 (Key Contributions)

• 개념 정립: 'GenAI 세대'라는 용어를 정립하여, GenAI 의 실험적·규제되지 않은 성장기에 교육 및 발달 과정을 겪는 학생 집단을 정의했습니다.
• 인식 격차 규명: 전공 (CS vs 공학 vs 기타) 과 학위 수준 (학부 vs 대학원) 에 따른 인식, 준비도, 우려의 차이를 체계적으로 분석했습니다.
• 교육적 요구 사항 제시: 학생들의 자발적 학습 의존도가 높지만, 체계적인 교육 부재로 인한 불안과 불확실성이 존재함을 지적하고, 구체적인 커리큘럼 통합 방안을 제안했습니다.

4. 주요 결과 (Results)

가. 인식 (Awareness)

• 전반적 인식: 대부분의 학생 (대학원생 100%, CS 학부 96%, 공학 93%) 이 GenAI 를 중요한 기술적 진보로 인식함.
• 경험 차이: 대학원생 (93%) 이 GenAI 사용 경험이 가장 높고, 공학 학부생 (78%) 이 가장 낮음.
• 한계 인식: 공학 및 대학원생은 GenAI 의 한계에 대해 더 비판적으로 인식하는 경향이 있음 (대학원생 37%, 공학 34%).

나. 준비도 (Preparedness)

• 직무 변화 예측: CS 학부생 (82%) 과 대학원생 (77%) 은 GenAI 로 인한 직무 기술 변화가 곧 일어날 것으로 예상하는 반면, 공학 학부생 (38%) 은 변화가 느리게 올 것이라고 봄.
• 교육 만족도:
  • 공학: 교수진의 GenAI 고려도에 대한 신뢰도가 가장 높음 (64%), 커리큘럼 준비도에 대한 만족도도 높음 (79%).
  • CS: 교수진의 참여도에 대한 신뢰도가 가장 낮음 (35%), 수업 내 논의에 대한 만족도도 낮음 (38%). 이는 CS 전공생들이 오히려 교육적 공백을 더 크게 느끼고 있음을 시사.
• 결론: 커리큘럼에 GenAI 가 더 통합된 공학 전공생들이 CS 전공생들보다 상대적으로 더 준비된 것으로 보이나, CS 전공생들은 교수진의 논의 부재를 우려함.

다. 우려 (Concern) 및 정서적 반응

• 긍정적 전망: 모든 그룹에서 GenAI 의 긍정적 경력 영향에 대한 기대가 높았으나 (공학 70%, CS 대학원 81%), 우려의 비율이 이를 상회함.
• 주요 우려 사항: 윤리적 문제, 데이터 편향, 정보의 정확성, 직업 대체 (Job displacement), 비판적 사고 능력 저하.
• 정서적 차이:
  • 학부생: 개방형 응답의 50% 이상이 부정적 정서 (두려움, 좌절, 불확실성) 를 표출. 특히 CS 학부생의 참여율은 낮았으나 (20%), 응답한 이들은 "중산층의 소멸"과 같은 극단적 우려를 표출.
  • 대학원생: 긍정적 정서 표현 비율이 학부생보다 20% 높았으며, 비판적 사고와 도구로서의 활용에 초점을 맞춤.
• 자유 응답 주제:
  • 가장 빈번한 제안: GenAI 도구 사용법 교육 (50% 이상).
  • 기타 제안: 기존 커리큘럼 통합, 윤리 교육 강화, 기초 이론 (Hand calculation 등) 의 중요성 강조.

5. 의의 및 결론 (Significance & Conclusion)

• 교육적 격차의 재정의: GenAI 세대 학생들은 전통적인 STEM 대 비-STEM 의 구분을 넘어, **'실제 교육 과정 내 GenAI 노출 유무'**에 따라 준비도와 인식의 격차가 발생하고 있음.
• 심리사회적 영향: 학생들은 규범이 부재한 상태에서 스스로 기술을 학습해야 하며, 이로 인해 불안감과 정체성 혼란을 겪고 있음.
• 정책적 제언:
  • 균형 잡힌 접근: GenAI 를 '도구'로 활용하는 법을 가르치되, 기초 이론과 비판적 사고를 대체하지 않도록 해야 함.
  • 교수진 지원: 교수진의 GenAI 리터러시 향상 및 교육 과정 통합 가이드라인 마련이 시급함.
  • 윤리적 프레임워크: 데이터 프라이버시, 편향, 저작권 등 윤리적 문제를 명확히 교육해야 함.
• 미래 전망: GenAI 세대의 경험은 향후 교육 방향을 설정할 중요한 기준이 될 것이며, 모든 학생이 공평하게 이 기술을 활용할 수 있도록 구조화된 지원이 필수적입니다.

이 연구는 GenAI 가 단순히 기술적 도구가 아니라, 학생들의 발달 단계와 미래 진로에 깊은 영향을 미치는 사회적 현상임을 강조하며, 교육 기관의 즉각적이고 체계적인 대응을 요구합니다.