The Trilingual Triad Framework: Integrating Design, AI, and Domain Knowledge in No-code AI Smart City Course

이 논문은 싱가포르 공과대학 (SUTD) 의 '코드 없는 스마트 시티' 대학원 과정을 사례로, 디자인, AI 아키텍처, 도메인 지식을 통합한 '삼언어 삼각형 (Trilingual Triad)' 프레임워크를 통해 학생들이 AI 를 단순한 도구가 아닌 협력적 팀메이트로 설계하고 구축하는 구성주의 학습 과정을 제시합니다.

핵심

1. 핵심 아이디어: "레시피를 배우는 것" vs "요리사를 양성하는 것"

과거의 교육은 AI 라는 완성된 요리를 어떻게 맛있게 먹느냐 (사용법) 를 가르쳤습니다. 하지만 이 논문은 학생들이 직접 요리 레시피를 개발하고, 새로운 요리를 만들어내는 요리사가 되는 과정을 강조합니다.

• 기존 방식 (사용자): AI 가 해주는 답을 그대로 받아먹는 수동적인 역할.
• 새로운 방식 (동료): "이 AI 는 내 전공 지식을 바탕으로 이렇게 생각해야 해"라고 가르쳐서, 나만의 맞춤형 AI 비서를 만드는 역할.

이론적으로 이 과정을 **'3 가지 언어의 삼위일체 (Trilingual Triad)'**라고 부릅니다. 마치 세 가지 재료가 섞여야 맛있는 요리가 나오듯, 다음 세 가지가 완벽하게 어우러져야 합니다.

1. 전문 지식 (Domain Knowledge): "무엇을 만들지?" (예: 인터뷰 기술, 도시 계획, 수업 내용)
2. 디자인 (Design): "어떻게 사람과 대화하게 할지?" (예: 친절한 선생님 말투, 실시간 피드백)
3. AI 기술 (AI): "기술적으로 어떻게 구현할지?" (예: 프롬프트 짜기, 데이터 처리)

---

2. 실제 사례: 학생들은 어떤 '동료'를 만들었나?

학생들은 코딩을 몰라도 되는 '노코드 (No-code)' 툴을 이용해 세 가지 독특한 AI 동료를 만들었습니다.

🎤 사례 1: "인터뷰 파트너 (Interview Companion)"

• 상황: 연구 인터뷰 연습을 하려면 실제 사람과 역할극을 해야 하는데, 시간이 부족하고 피드백이 어렵습니다.
• 기존: 그냥 녹음기만 켜고 연습.
• 새로운 AI 동료: 학생이 만든 이 AI 는 "가상의 까다로운 인터뷰 대상자" 역할을 합니다.
  • 학생이 질문을 하면 AI 가 "그건 너무 일반적이야. 더 깊게 물어봐!"라고 즉각 피드백을 줍니다.
  • 비유: 마치 연기 연습을 도와주는 베테랑 연기 코치가 옆에 앉아 "그 대사는 너무 매끄러워, 조금 더 당황한 척 해봐"라고 조언하는 것과 같습니다.

🏙️ 사례 2: "도시 관찰자 (Urban Observer)"

• 상황: 도시를 구경할 때 무엇을 봐야 할지 몰라 막연히 지나치기 쉽습니다.
• 기존: 그냥 눈으로 보고 메모만 함.
• 새로운 AI 동료: 이 AI 는 "지식 있는 가이드" 역할을 합니다.
  • 학생이 도시 사진을 찍으면 AI 가 "저기 건물은 물리적으로 예쁘지만, 사람들이 앉을 공간이 부족해. 사회학 이론에 따르면..."이라고 분석해 줍니다.
  • 비유: 현장 탐사를 도와주는 탐정이 "이건 단순한 건물이 아니야, 저기서 사람들이 어떻게 모이는지 봐!"라고 눈길을 돌려주는 것입니다.

🤝 사례 3: "버디 버디 (Buddy Buddy)"

• 상황: 수업을 듣기 전에 학생들의 배경 지식이 천차만별이라 교수님이 일일이 챙기기 힘듭니다.
• 기존: 그냥 PDF 자료만 읽음.
• 새로운 AI 동료: 이 AI 는 "개별 맞춤 튜터" 역할을 합니다.
  • 학생의 이력서나 경험을 분석해서, "너는 건축 경험이 있으니 이 이론을 이렇게 연결해 보면 돼"라고 알려줍니다.
  • 비유: 내 친구의 과거를 모두 기억하는 최고의 멘토가 "너는 예전에 이런 일을 했잖아? 이 수업 내용은 그 경험과 딱 맞아떨어져!"라고 연결해 주는 것입니다.

---

3. 왜 이 방식이 중요한가요? (핵심 교훈)

이 연구는 단순히 "AI 툴을 쓰는 법"을 가르치는 게 아니라, **"AI 를 내 손으로 조립하는 법"**을 가르칠 때 학생들의 뇌가 어떻게 변하는지 보여줍니다.

• 수동적인 소비자가 능동적인 설계자가 됨: 학생들은 AI 가 뭘 할 수 있는지 궁금해하는 게 아니라, "내 전공 지식을 AI 에 어떻게 심어줄까?"를 고민합니다. 이 과정에서 자신의 전문 지식이 훨씬 더 깊어집니다.
• AI 는 '대리'가 아닌 '파트너': AI 가 모든 일을 대신 해주는 게 아니라, AI 가 학생의 생각을 확장시켜주는 도구가 됩니다. 마치 자전거를 탈 때 페달을 밟는 건 학생이지만, 바퀴가 더 멀리 나가는 걸 도와주는 것이 AI 입니다.
• 자신감 (Agency) 의 탄생: "내가 이 복잡한 시스템을 만들었다"는 성취감이 학생들에게 큰 자신감을 줍니다.

📝 한 줄 요약

이 논문은 **"AI 를 단순히 사용하는 것을 넘어, 학생들에게 '내 전공 지식을 가르쳐서 나만의 AI 동료를 만드는' 경험을 제공하면, 학생들은 더 깊이 배우고 더 창의적으로 성장한다"**는 것을 증명합니다.

마치 레시피를 외우는 요리사가 아니라, 새로운 요리를 창조하는 셰프가 되는 교육 방식이라고 생각하시면 됩니다.

기술 요약

논문 개요

본 연구는 싱가포르 기술 디자인 대학 (SUTD) 의 'No-code Smart Cities' 대학원 과정을 사례로 삼아, 학생들이 생성형 AI 를 단순히 '사용하는 도구'로 인식하는 것을 넘어, 자신들의 도메인 지식과 설계 능력을 결합하여 AI 를 '협업 동료 (Teammate)'로 설계하는 과정에 초점을 맞추고 있습니다. 이를 위해 **디자인 (Design), 인공지능 (AI), 도메인 지식 (Domain Knowledge)**의 세 가지 언어를 통합한 '삼언어 삼각형 (Trilingual Triad)' 프레임워크를 제안합니다.

---

1. 연구 문제 (Problem Statement)

• 수동적 사용자에서 능동적 창조자로의 전환 부재: 생성형 AI 가 고등교육에 급속히 도입됨에 따라, 학생들은 주로 AI 가 생성한 산출물을 수동적으로 소비하는 '사용자'에 머무르고 있습니다.
• 표면적 활용의 한계: AI 도구 사용법 (프롬프트 엔지니어링 등) 을 가르치는 기존 접근 방식은 AI 의 원리를 이해하고, 윤리적으로 비판하며, 특정 도메인에 맞춰 커스터마이징하는 '심층적 AI 리터러시'를 함양하기에는 부족합니다.
• 해결 과제: 학생들을 AI 의 소비자에서 AI 시스템의 설계자이자 공동 창작자로 전환시키는 효과적인 교육적 메커니즘과 프레임워크가 필요합니다.

2. 연구 방법론 (Methodology)

• 연구 설계: 질적 다중 사례 연구 (Qualitative Multi-case Study) 접근법을 사용했습니다.
• 연구 대상: SUTD 의 'Creating the Frontier of No-code Smart Cities' 과정에 참여한 학생들의 3 가지 프로젝트 (Interview Companion GPT, Urban Observer GPT, Buddy Buddy) 를 심층 분석했습니다.
• 데이터 수집:
  • 프로젝트 보고서, 설계 명세서, 배포된 GPT 툴 문서화 자료.
  • 학생 프로젝트 리더 및 강사와의 반구조화 인터뷰.
  • 학생들의 성찰 에세이 (Reflective Essays).
• 분석 프레임워크:
  • 이론적 기반: 자기결정성 이론 (SDT), 구성주의 (Constructionism), TPACK(기술적·교육적·내용 지식), 분산 인지 (Distributed Cognition) 를 통합하여 분석했습니다.
  • 분석 프로세스: 각 사례별로 '디자인, AI 아키텍처, 도메인 전문성'이라는 세 가지 차원에서 'Before(일반적 도구 사용)'와 'After(맞춤형 AI 동료 설계)' 상태를 비교 분석하고, 이를 종합하여 교차 사례 분석 (Cross-case Synthesis) 을 수행했습니다.

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

가. 삼언어 삼각형 (Trilingual Triad) 프레임워크의 제안

세 가지 요소가 상호작용하여 효과적인 인간-AI 협업이 발생함을 규명했습니다.

1. 도메인 지식 (Domain Knowledge): AI 의 논리를 구조화합니다. 학생들은 암묵적인 도메인 지식을 명시적인 규칙과 프롬프트로 인코딩하여 AI 에게 가르칩니다.
2. 디자인 (Design): 인간과 AI 의 상호작용을 매개합니다. 인터페이스, 워크플로우, 대화 스타일 (예: '친절한 튜터' 페르소나) 을 설계하여 AI 의 능력을 교육적 목표에 부합하도록 조절합니다.
3. 인공지능 (AI): 학습자의 인지 능력을 확장합니다. AI 는 단순한 도구가 아니라 분산된 인지 시스템의 일부가 되어 학습자의 판단을 보조합니다.

나. 3 가지 사례 연구 결과

1. Interview Companion GPT (연구 인터뷰 동반자):
   • 문제: 고위험 연구 인터뷰 연습의 부족.
   • 해결: 다중 모달 (음성/텍스트) 시뮬레이터 설계. AI 가 '페르소나 기반' 프롬로팅을 통해 까다로운 인터뷰이를 연기하고, 놓친 후속 질문을 식별하도록 학습.
   • 결과: 국가기록원 (National Archives) 과의 실제 협력 프로젝트에서 구술 역사 인터뷰 시 실시간 인지 동반자로서 활용됨.
2. Urban Observer GPT (도시 관찰자):
   • 문제: 도시 관찰 시 이론과 현장 데이터의 괴리 및 정보 과부하.
   • 해결: '친절한 튜터' 페르소나를 통해 소크라틱 질문법으로 관찰을 유도. 컴퓨터 비전을 활용해 공간/사회 데이터를 '관찰 매트릭스'로 구조화.
   • 결과: 학생이 이론적 층위를 적용하여 도시를 '보는 (Seeing)' 방식을 체계화하도록 지원.
3. Buddy Buddy (플립드 러닝 파트너):
   • 문제: 사전 학습의 비효율 및 학생 배경과 수업 내용의 단절.
   • 해결: 학생의 이력 (CV) 과 경험을 분석하여 수업 내용과 연결하는 '개인화 엔진' 역할. 교사를 위한 '교육자 보고서' 생성.
   • 결과: 다양한 배경의 학생이 커리큘럼에 진입할 수 있는 고유한 지점을 찾도록 지원 (사회적 메타인지 촉진).

다. 교육적 효과

• Tool-to-Teammate 전략: 학생들은 AI 를 수동적으로 사용하는 것을 넘어, 자신의 도메인 지식을 외부화하여 AI 를 '동료'로 설계하는 과정을 통해 **메타인지 (Metacognition)**와 **학습 주체성 (Agency)**을 강화했습니다.
• AI 리터러시 심화: 단순한 도구 사용 능력을 넘어, AI 의 윤리적 한계, 편향성, 그리고 인간과 AI 의 역할 분담을 비판적으로 평가하고 설계하는 능력을 함양했습니다.

4. 연구의 의의 (Significance)

• 교육 패러다임의 전환: AI 를 '학습의 보조 도구'로만 보는 시각을 넘어, AI 를 '학습의 매개체이자 공동 창작자'로 활용하는 새로운 교육 모델을 제시합니다.
• 재현 가능한 커리큘럼 모델: 코딩 지식 없이도 (No-code) 도메인 전문가가 AI 시스템을 설계할 수 있는 구체적인 프레임워크를 제공하여, 고등교육 및 전문직 교육에 적용 가능한 모델을 제시합니다.
• 인간 중심 AI (Human-Centered AI) 의 실현: AI 가 인간의 능력을 대체하는 것이 아니라, 인간의 판단과 전문성을 증폭 (Augment) 하는 방향으로 설계되어야 함을 이론적, 실증적으로 입증했습니다.
• 이론적 통합: SDT, 구성주의, TPACK, 분산 인지 이론을 통합하여 AI 기반 학습 환경에서의 동기 부여와 인지 과정을 포괄적으로 설명하는 이론적 토대를 마련했습니다.

결론

본 논문은 학생이 AI 를 '만드는 (Making)' 과정 자체가 가장 강력한 학습 과정임을 입증했습니다. 디자인, AI, 도메인 지식의 삼각형이 조화될 때, 학생들은 수동적인 기술 소비자가 아닌, 윤리적이고 창의적인 **AI 리터러시를 갖춘 설계자 (AI-literate designers)**로 성장할 수 있음을 보여주었습니다. 이는 생성형 AI 시대의 고등교육을 재설계하는 데 중요한 시사점을 제공합니다.