How Physics Professors Use and Frame Generative AI Tools

이 논문은 스칸디나비아의 한 연구대학 물리학 교수 12 명을 인터뷰하여 생성형 AI 를 코딩, 문헌 검토, 평가 등 다양한 교육 및 연구 활동에 활용하는 방식을 '인식적 프레임' 이론으로 분석한 결과, 교수들이 이를 유용한 도구로 인식하면서도 학습과 평가의 진정성에 대한 위협을 가장 큰 우려로 삼고 있음을 밝혔습니다.

핵심

🍳 연구의 배경: "요리사에게 새로운 로봇이 왔다"

100 년 전 요리사들은 손으로 재료를 다듬고, 레시피를 책에서 찾아보고, 손으로 요리를 했어요. 하지만 지금은 믹서기나 오븐 같은 기계가 많죠. 이제 '생성형 AI'라는 초고성능 요리 로봇이 등장했습니다. 이 로봇은 요리사 대신 레시피를 짜주고, 재료를 다지고, 심지어 요리를 완성해 줄 수도 있어요.

물리학자들도 마찬가지입니다. 예전엔 복잡한 계산을 손으로 하거나 책을 뒤적였지만, 이제는 컴퓨터로 하고, 이제 AI 가 대신 코딩을 짜주고 논문을 요약해 줍니다.

연구진은 노르웨이의 한 대학에서 물리학 교수님 12 분을 인터뷰해서, 이 '요리 로봇'을 어떻게 받아들이고 있는지 알아봤습니다.

---

🔍 교수님들의 생각 (6 가지 프레임)

교수님들은 이 로봇을 볼 때, 마치 서로 다른 안경을 쓴 것처럼 6 가지 다른 시각을 가지고 있었습니다.

1. 🚨 "이 로봇은 학생들의 공부를 방해하는 '사기꾼'이야!" (가장 큰 우려)

가장 많이 나온 생각이 바로 이겁니다.

• 비유: 학생들이 시험을 볼 때 로봇에게 답을 받아서 제출하면, 그 학생이 진짜로 요리를 할 줄 아는지 알 수 없죠.
• 현실: 교수님들은 "학생들이 로봇을 써서 공부를 대충 하고, 시험을 치는 건 사기 아니냐"고 걱정합니다. 그래서 구두 시험을 하거나, "AI 를 썼다면 꼭 밝히세요"라고 하거나, "AI 가 쓴 글에 대해 반성문을 쓰게 한다"는 식으로 대응하고 있어요.

2. 📚 "이 로봇은 훌륭한 '참고서'야" (지식의 원천)

• 비유: 로봇이 방대한 요리 레시피를 다 알고 있어서, "이 재료로 뭐 만들지?"라고 물으면 바로 알려줍니다.
• 현실: 교수님들은 AI 가 물리 개념을 잘 설명해 준다고 느낍니다. 하지만 "로봇이 가끔 헛소리를 하기도 하니까, 반드시 내가 한 번 더 확인해 봐야 한다"는 태도를 가집니다.

3. 💬 "이 로봇은 좋은 '대화 상대'야" (토론 파트너)

• 비유: 혼자 요리할 때 외로울 때, 로봇이 옆에서 "이 소금 양은 어때요?"라고 대화해 줍니다.
• 현실: 연구 아이디어를 낼 때나, 글쓰기를 할 때 로봇과 대화하며 영감을 얻습니다. 특히 친구나 선배와 대화하기 어려운 학생들에게는 훌륭한 '대화 친구'가 되어줍니다. (다만, 로봇이 너무 긍정적이거나 맥락을 모를 때도 있다는 점은 아쉬워합니다.)

4. 🛠️ "이 로봇은 훌륭한 '식칼'이야" (코딩 도구)

• 비유: 요리사가 식칼을 쓰는 것처럼, 물리학자는 코딩을 합니다. 로봇이 "이 식칼을 대신 써줄래요?"라고 하면, 간단한 다듬기는 로봇이 해줍니다.
• 현실: 복잡한 코딩 작업을 로봇에게 맡겨서, 교수님들은 **"진짜 물리 (요리 본질)"**에 집중할 시간을 벌고 있습니다. 다만, "로봇이 다 해버리면 학생이 식칼 쓰는 법을 배우지 못하지 않을까?"라는 걱정도 있습니다.

5. ✍️ "이 로봇은 훌륭한 '교정기'야" (텍스트 처리 도구)

• 비유: 요리사가 쓴 메뉴판의 맞춤법을 고쳐주거나, 번역을 해줍니다.
• 현실: 논문이나 보고서의 문장을 다듬거나, 외국어 번역을 할 때 아주 유용하게 씁니다. 하지만 "로봇이 요리의 **맛 (아이디어)**까지 대신 짜주면 안 된다"는 선을 그어요.

6. ⏱️ "이 로봇은 '시간 절약기'야" (노동 절약 도구)

• 비유: 설거지나 청소 같은 지루한 일을 로봇이 대신하면, 요리사는 새로운 요리를 개발하거나 손님과 대화할 시간을 가질 수 있죠.
• 현실: 교수님들은 이메일 작성, 행정 처리, 논문 정리 같은 지루한 일을 AI 에게 맡겨서 더 의미 있는 일에 시간을 쓰고 싶어 합니다.

---

💡 결론: "로봇은 도구일 뿐, 요리사는 인간이다"

이 연구의 핵심 결론은 다음과 같습니다.

1. 두 가지 마음: 교수님들은 AI 를 **"도구"**로 환영하면서도, 동시에 **"위협"**으로 느끼고 있습니다. "로봇이 요리를 대신하면 요리사가 사라지지 않을까?" 하는 두려움이 항상 존재합니다.
2. 적응 중: 하지만 교수님들은 두려움만 느끼지 않고, 수업 방식을 바꾸고 있습니다. (예: AI 사용 공개 의무화, 구두 시험 강화 등)
3. 미래의 물리학: AI 가 발전하면 물리학자도 변할 것입니다. 예전엔 '계산하는 사람'이 중요했지만, 이제는 **'로봇을 잘 활용하고, 로봇이 한 일을 검증하는 사람'**이 중요해질 것입니다.

한 줄 요약:

"물리학 교수님들은 AI 라는 '초고성능 로봇'을 '위험한 사기꾼'으로 경계하면서도, 동시에 **'아주 유용한 비서'**로 받아들여, 어떻게 하면 이 로봇을 활용해 더 좋은 '요리 (물리학)'를 할지 고민하고 적응 중입니다."

이 연구는 AI 시대에 물리학이 어떻게 변할지, 그리고 교수님과 학생들이 어떻게 이 새로운 기술을 받아들일지에 대한 첫걸음을 보여주는 중요한 보고서입니다.

기술 요약

논문 개요

이 연구는 노르웨이 오슬로 대학교의 물리학 교수 12 명을 인터뷰하여, 생성형 AI(GenAI) 가 물리학 교육 및 연구 분야에서 어떻게 활용되고 인식되고 있는지를 탐구했습니다. 연구는 인식론적 프레임 (Epistemic Framing) 이론을 적용하여 교수들이 GenAI 를 어떤 관점에서 바라보고 있는지 분석했습니다.

1. 연구 문제 (Problem)

• 배경: 생성형 AI 는 물리학 교육과 연구 방식을 급격히 변화시키고 있으나, 물리학 교수들이 이 변화에 어떻게 대응하고 있는지, 그리고 이를 어떻게 인식하고 활용하는지에 대한 실증적 연구는 부족합니다.
• 도전 과제:
  • 학문적 정직성: AI 가 논문 작성, 시험 해결, 실험 보고서 작성을 대체할 수 있어 저작권 및 학문적 정직성 문제가 대두됨.
  • 인지적 발달: AI 사용이 학생들의 인지적 성장과 학습 과정에 미치는 영향에 대한 불확실성.
  • 물리학의 특수성: 인문학과 달리 물리학은 실험 결과, 수학적 유도, 수치 모델이 핵심이므로 AI 의 역할이 다를 수 있음. 또한 물리학자들은 기술에 익숙하여 AI 를 새로운 도구로 수용할 잠재력이 있음.
• 연구 질문:
  1. 물리학 교수들은 교육 및 연구에서 GenAI 도구를 어떻게 사용하고 있는가?
  2. 교수들은 이 도구들을 어떻게 프레임화 (인식적 관점) 하고 있는가?

2. 연구 방법론 (Methodology)

• 참가자: 노르웨이 주요 연구 대학의 물리학 교수 12 명.
• 데이터 수집: 2024 년 봄부터 가을 사이에 실시된 반구조화 인터뷰 (Audio recording 및 전사).
  • 인터뷰 내용: 교육 및 연구에서의 GenAI 활용 경험, 학생들의 피드백, 미래 적용에 대한 생각 등.
• 분석 방법:
  • 이론적 프레임워크: 인식론적 프레임 (Epistemic Framing) 이론을 적용. (학습 상황과 도구를 어떻게 인식하고 정의하는지에 초점).
  • 분석 절차:
    1. 귀납적 코딩: 1 차 코딩을 통해 GenAI 인식 및 사용의 주제 도출.
    2. 범주화: 19 가지의 구체적인 실천 행위 (Practices) 를 식별하고, 이를 6 개의 중첩된 인식론적 프레임으로 그룹화.
    3. 연역적 재코딩: 정의된 프레임과 실천 행위를 기준으로 데이터를 재분석하여 일관성 검증.
    4. 타당성 확보: 각 프레임에 대한 근거 (Warrants) 와 구체적인 실천 행위를 매핑.

3. 주요 기여 및 결과 (Key Contributions & Results)

연구는 19 가지의 구체적인 활용 실천 행위를 식별하고, 이를 6 가지의 중첩된 인식론적 프레임으로 분류했습니다.

A. 식별된 6 가지 인식론적 프레임 (Epistemic Frames)

1. 진정한 학습 및 평가에 대한 위협 (Threat to genuine learning and assessment)

   • 특징: 가장 지배적인 프레임. AI 가 학생들의 학습을 우회하거나 사고를 대체하여 평가의 신뢰성을 훼손한다고 우려.
   • 실천 행위: 평가 방식 변경 (구두 시험 등), AI 사용 선언 의무화, 학생과의 AI 사용 논의, AI 사용 반성 과제 부여, AI 신뢰성 검증, AI 출력 비판적 평가.
   • 의미: 이 프레임은 다른 모든 프레임에 영향을 미치는 '지배적 우려'로 작용함.

2. 지식의 원천 (Source of knowledge)

   • 특징: AI 를 물리 개념 설명, 문제 해결, 주제 요약의 정보 저장소로 인식.
   • 실천 행위: AI 출력의 신뢰성 검증 (Vetting), 비판적 평가, 답변 및 힌트 획득, 새로운 주제 탐색.
   • 통찰: 교수들은 AI 가 종종 정확하지만, 때로는 오류를 범하므로 비판적 검증이 필수적이라고 강조함.

3. 토론 파트너 (Discussion partner)

   • 특징: AI 를 아이디어 브레인스토밍, 연구 질문 정제, 형식적 피드백을 위한 대화 상대 (Socratic partner) 로 인식.
   • 실천 행위: 아이디어 브레인스토밍, 언어 정제, 형식적 피드백 획득, 코드 디버깅 지원, 문헌 검토 보조.
   • 통찰: 이상적으로는 '소크라틱 대화'가 가능하나, 실제로는 학생들이 이를 저수준 기술 작업에만 사용하는 경향이 있음.

4. 코딩 도구 (Coding tool)

   • 특징: 물리학에서 코딩은 수단에 불과하다는 관점에서, 코드 작성 및 디버깅을 AI 에 위임하여 '실제 물리학'에 집중할 시간을 확보.
   • 실천 행위: 단순 코드 생성 위임, 시각 자료 생성 (코드 기반), 코드 디버깅 및 구조 개선.
   • 통찰: 계산이 자신의 정체성의 일부가 아닌 교수들은 이를 도구로 활용하나, 계산 전문가들은 학습 기회 상실을 우려하기도 함.

5. 텍스트 처리 도구 (Text-processing tool)

   • 특징: 텍스트 생성, 요약, 번역, 문법 교정 등 언어 관련 작업에 초점.
   • 실천 행위: 콘텐츠 초안 작성, 언어 정제, 형식적 피드백, 문헌 검토, 번역.
   • 통찰: '문법 교정'이나 '번역'은 허용되지만, '아이디어 생성'이나 '초안 작성'은 비판적 시각으로 바라봄.

6. 노동 절감 장치 (Labor-saving device)

   • 특징: 지루한 행정 업무나 반복적 작업을 자동화하여 시간과 에너지를 절약.
   • 실천 행위: 문헌 검토 보조, 번역, 행정 업무 자동화 (이메일 작성 등), 자동 채점 탐구.
   • 통찰: 교수들은 연구, 교육, 행정의 세 영역에서 효율성 증대를 기대함.

B. 핵심 발견

• 이중적 인식: 교수들은 GenAI 를 유용한 도구 (5 가지 긍정적 프레임) 로 보면서도, 동시에 학습과 평가에 대한 위협 (1 가지 부정적 프레임) 으로 인식하는 동시적 (Simultaneous) 인식을 가짐.
• 지배적 우려: '위협' 프레임이 다른 프레임들을 어떻게 해석할지 색칠 (Color) 하는 역할을 함. 즉, 도구로서의 유용성을 인정하더라도 학습 본질 훼손에 대한 우려가 항상 존재함.
• 실천의 다양성: 19 가지 실천 행위는 교육 (평가, 피드백, 메타인지) 과 연구 (코드, 문헌, 시각화) 전반에 걸쳐 분포함.

4. 의의 및 시사점 (Significance)

• 물리학자의 정체성 재정의: GenAI 는 물리학자가 무엇을 '하는지 (doing)'와 '가르치는지 (teaching)'를 재정의할 잠재력이 있음. 예를 들어, 교수 역할이 평가자에서 물리학 학습 환경의 설계자 (Engineer) 로 변화할 수 있음.
• 사회적 상호작용의 변화: AI 가 상시적인 대화 파트너가 됨으로써 동료 간의 논의 시간이 줄어들거나, 반대로 지루한 작업을 AI 에게 맡겨 논의 시간을 늘릴 수도 있는 양면적 가능성 제시.
• 교육적 대응:
  • 교수들은 이미 평가 방식 변경 (구두 시험 등) 과 AI 사용 선언 의무화 등을 통해 대응을 시작함.
  • 물리학 분야에 특화된 AI 리터러시 (AI Literacy) 교육과 교수/학생 대상 훈련의 필요성 강조.
• 연구적 기여: 물리학 교육 연구 (PER) 분야에서 GenAI 의 실제 활용과 인식을 체계적으로 분석한 초기 연구 중 하나로, 향후 다양한 기관과 학생 대상 연구의 기초를 제공함.

5. 결론

이 연구는 물리학 교수들이 GenAI 를 단순히 '사기 도구'나 '만능 해결사'가 아닌, 학습의 본질적 가치를 위협할 수 있는 동시에 업무 효율성을 극대화할 수 있는 복합적인 도구로 인식하고 있음을 보여줍니다. 물리학계는 계산기나 컴퓨터 소프트웨어의 도입과 마찬가지로 GenAI 를 새로운 도구로 수용하되, 학습의 본질과 학문적 정직성을 유지하기 위한 비판적 프레임과 실천적 대응이 필요함을 시사합니다.