Instructor-Created Custom GPTs as Pedagogical Partners Fostering Immersion in Online Higher Education: Two Case Studies

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 온라인 고등교육이 전 세계적으로 확대되고 있지만, 학생들의 참여도 (Engagement) 를 유지하는 것은 여전히 중요한 과제로 남아 있습니다. 특히 가속화된 과정이나 비동기식 학습 환경에서는 피드백의 적시성과 명확한 의사소통이 어렵습니다.
• 문제: 대규모 언어 모델 (LLM) 이 피드백 제공에 잠재력을 가지고 있음에도 불구하고, 기존 연구는 일반적인 ChatGPT 와 같은 범용 도구에 집중되어 있습니다. 교수자가 특정 교육 목표, 학문적 관례, 과정의 기대치에 맞춰 설계한 '커스텀 GPT(Custom GPT)'가 어떻게 학생과 교수자의 몰입 (Immersion) 을 촉진하는지에 대한 연구는 부족합니다.
• 목표: 커스텀 GPT 를 '교육적 파트너 (Pedagogical Partner)'로 위치시켜, 온라인 학습 환경에서 학생과 교수자의 몰입을 어떻게 강화할 수 있는지를 규명하는 것입니다.

2. 방법론 (Methodology)

• 연구 설계: 미국 (아칸소 대학교) 과 포르투갈 (아비erta 대학교) 에서 진행된 **두 가지 질적 사례 연구 (Case Studies)**를 수행했습니다. 연구자는 각 과정의 교수자로서 직관적 조사 (Practitioner-inquiry) 관점을 취했습니다.
• 이론적 프레임워크: 몰입 학습 큐브 (Immersive Learning Cube, ILC) 프레임워크를 적용했습니다. 몰입을 다음 세 가지 차원으로 정의하고 분석했습니다.
  1. 시스템 몰입 (System Immersion): 기술적 시스템이 참여자를 감싸는 능력 (응답성, 피드백의 적시성, 환경적 포용).
  2. 서사 몰입 (Narrative Immersion): 맥락적 의미와 이야기의 일관성 (학습 활동 간의 연결, 정서적 투자).
  3. 주체성 몰입 (Agency Immersion): 의미 생성에 대한 참여자의 헌신 (목표 지향적 활동, 학습 통제감, 자율성).
• 데이터 수집 및 분석:
  • 사례 1 (미국): 5 주 가속화 대학원 '그랜트 작성' 과정. 커스텀 GPT 를 피드백 파트너로 활용.
    • 자료: GPT 피드백 기록, 교수자 코멘트, 동료 평가, 학생 성찰 일지.
  • 사례 2 (포르투갈): 학부 '소프트웨어 공학' 과정. 커스텀 GPT(Catmming) 를 메타인지 튜터로 활용.
    • 자료: Moodle 포럼에 게시된 87 개의 GPT 관련 게시물, 교수자 응답, 팀 산출물.
  • 분석 방식: ILC 프레임워크에 기반한 질적 콘텐츠 분석. 연구자와 AI(GPT-5) 가 협력하여 코딩하고, 인간 연구자가 최종 판단을 내렸습니다.

3. 주요 연구 결과 (Key Results)

사례 1: 그랜트 작성 과정 (피드백 파트너)

• 시스템 몰입: GPT 의 즉각적인 피드백이 '항상 켜져 있는 (always-on)' 피드백 루프를 형성하여, 학생들의 작업 중단 시간을 줄이고 집중력을 유지시켰습니다. ("프로크라스티네이션이 불가능했다"는 학생 반응).
• 서사 몰입: GPT 와 교수자의 피드백이 제안서의 각 섹션을 연결하며 하나의 통일된 '이야기 (Proposal Story)'로 발전하도록 유도했습니다. 학생들은 제안서를 단순한 과제가 아닌 진화하는 서사로 인식하게 되었습니다.
• 주체성 몰입: 학생들은 GPT 의 제안, 교수자의 비판, 동료의 의견을 비교·조정하며 수정 작업을 주도했습니다. GPT 를 '권위'가 아닌 '토론의 시작점'으로 인식하며 학습 통제감을 높였습니다.

사례 2: 소프트웨어 공학 과정 (메타인지 튜터 - Catmming)

• 시스템 몰입: 'Catmming'은 야간 및 주말 등 교수자가 부재한 시간대에 즉각적인 설명과 개념 정리를 제공하여 인지적 마찰을 줄였습니다.
• 서사 몰입: 과정 전체가 가상의 소프트웨어 회사 시나리오 (Diegesis) 로 구성되어 있었으며, GPT 는 회사의 '지능형 자동 보조 도구' 역할을 수행했습니다. 이를 통해 기술적 피드백이 학습 서사 (인턴십 스토리) 와 자연스럽게 통합되었습니다.
• 주체성 몰입: 학생들은 GPT 의 조언을 맹목적으로 따르지 않고, 동료들과 논의하며 설계 트레이드오프 (Design Trade-offs) 를 정당화했습니다. GPT 를 메타인지 지원 도구로 활용하여 자기 조절 학습 (SRL) 능력을 키웠습니다.

4. 주요 기여 (Key Contributions)

1. 커스텀 GPT 의 교육적 역할 규명: 범용 LLM 과 달리, 교수자가 교육 목표에 맞춰 설계한 커스텀 GPT 가 '교육적 파트너'로서 시스템, 서사, 주체성 몰입의 세 차원을 동시에 강화할 수 있음을 실증했습니다.
2. ILC 프레임워크의 확장: 몰입 학습 큐브 (ILC) 를 가상현실 (VR) 이 아닌 AI 매개 학습 환경에 적용하여, 커스텀 GPT 를 '매개적 산물 (Mediating Artifact)'로 분석하는 새로운 관점을 제시했습니다.
3. 실천적 설계 휴리스틱 (Design Heuristics):
   • 서사적 통합 (Diegetic Embedding): GPT 를 과정의 이야기 흐름 속에 명시적으로 위치시킬 것.
   • 리듬 정렬: 빠른 AI 피드백과 인간 교수자의 고차원적 비판을 교차 배치할 것.
   • 인간 주도성 유지: GPT 를 '권위'가 아닌 '지원 도구'로 프레임하여 학생의 비판적 사고와 자율성을 유도할 것.
   • 지식 베이스 관리: GPT 의 오작동이나 지식 공백을 교수자가 지속적으로 모니터링하고 패치할 것.

5. 의의 및 결론 (Significance)

• 인간-AI 협력의 새로운 패러다임: 커스텀 GPT 는 인간 교수자를 대체하는 것이 아니라, 반복적이고 형식적인 피드백을 처리함으로써 교수자가 고차원적인 코칭, 서사 관리, 정서적 지원에 집중할 수 있게 함으로써 교육의 질과 규모를 동시에 확장합니다.
• 몰입의 심리적 상태 강화: 기술적 새로움 그 자체보다는, 적시성 (Immediacy), 일관성 (Coherence), 학습자 자율성 (Autonomy) 을 증폭시킴으로써 온라인 학습 환경에서의 심리적 몰입 상태를 유도합니다.
• 미래 연구 방향: 본 연구는 두 가지 사례에 기반한 설계적 추론 (Design Inference) 이므로, 향후 다양한 학문 분야와 문화적 맥락에서 커스텀 GPT 의 효과를 검증하고, '교육적 파트너'의 역할과 경계를 더 명확히 정의하는 연구가 필요함을 제안합니다.

요약하자면, 이 논문은 교수자가 직접 설계한 커스텀 GPT 가 단순한 도구를 넘어 학습 생태계의 활발한 파트너로 작용하여, 온라인 고등교육에서 학생들의 몰입을 시스템, 서사, 주체성 차원에서 어떻게 심화시킬 수 있는지를 두 가지 구체적인 사례를 통해 입증했습니다.