💻 computer science

AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report

이 논문은 캡스톤 프로젝트 과정에서 GitHub Pull Request에 통합된 LLM 기반 AI 리뷰어 도구를 활용하여, 학생들의 코드 품질 향상과 자기주도적 학습(Self-Regulated Learning)을 촉진하는 효과적인 교육적 설계 및 활용 방안을 혼합 연구 방법론을 통해 제시합니다.

원저자: Eduardo Oliveira, Michael Fu, Patanamon Thongtanunam, Sonsoles López-Pernas, Mohammed Saqr

게시일 2026-04-28

📖 2 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Eduardo Oliveira, Michael Fu, Patanamon Thongtanunam, Sonsoles López-Pernas, Mohammed Saqr

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

👨‍🏫 제목: AI는 정답지가 아니라, '거울'이 되어야 합니다

1. 문제 상황: "선생님은 바쁘고, 친구들은 잘 몰라요" (기존의 한계)

대학교 소프트웨어 공학 수업에서는 학생들이 팀을 이뤄 프로젝트를 합니다. 이때 서로의 코드를 검사하는 **'코드 리뷰(Code Review)'**라는 과정이 필수적이에요. 마치 글을 다 쓰고 나서 친구나 선생님께 "내 글에 오타나 어색한 문장이 있어?"라고 물어보는 것과 같죠.

하지만 문제가 있습니다.

선생님은 너무 바빠요: 학생이 수백 명인데 일일이 봐줄 시간이 없죠.
친구들은 잘 몰라요: 학생들끼리 서로 봐주자니, 서로의 실력이 비슷해서 "이게 맞나?" 싶고, 친구의 실수를 지적하는 게 미안해서 대충 넘어가기도 합니다.

2. 해결책: "똑똑하지만 참견은 적당히 하는 AI 조수" (LLM-Reviewer)

연구팀은 GitHub(코딩 저장소)에 **'AI 리뷰어'**라는 도구를 심었습니다. 이 AI는 학생이 코드를 올리면 즉시 댓글을 달아줍니다.

여기서 중요한 건 AI의 태도입니다.

나쁜 AI (정답지형): "이 코드 틀렸어. 자, 여기 정답 코드니까 그대로 복사해서 써!" $\rightarrow$ 학생은 생각하기를 멈추고 '복사-붙여넣기'만 하게 됩니다. (이걸 논문에서는 **'인지적 과부하 방지 실패'**라고 불러요.)
좋은 AI (가이드형): "이 부분은 이름이 좀 헷갈리네? 그리고 이 함수는 설명이 부족해. 다시 한번 확인해볼래?" $\rightarrow$ 정답을 알려주는 대신, **'생각할 거리'**를 던져줍니다.

3. 실험 결과: "AI가 말을 걸자, 학생들이 움직이기 시작했다!"

두 해 동안 100명이 넘는 학생을 대상으로 실험해봤더니 재미있는 결과가 나왔습니다.

AI의 말을 듣고 실제로 고쳤다! (Action Rate): AI가 피드백을 주면, 학생들의 약 **33%**가 즉시 코드를 수정했습니다. AI가 "이거 좀 이상해"라고 하면, 학생이 "아, 진짜네?" 하고 다시 코드를 짜는 **'자기 주도적 학습(SRL)'**이 일어난 것이죠.
AI를 의심하며 성장했다: 학생들은 AI를 맹신하지 않았습니다. "AI가 논리적인 부분은 가끔 틀리기도 하네?"라며 AI의 말을 비판적으로 검토했습니다. 마치 **'똑똑하지만 가끔 헛소리하는 조수'**를 다루는 법을 배운 셈입니다.

💡 핵심 요약 (비유로 정리)

이 논문의 핵심은 AI를 사용하는 **'방법론'**에 있습니다.

구분	잘못된 사용 (단순 도구)	이 논문이 제안하는 사용 (학습 도구)
비유	자동 계산기 (문제 넣으면 답만 툭!)	거울 (내 모습이 어떤지 비춰줌)
학생의 역할	구경꾼 (복사해서 붙여넣기)	운전사 (AI의 조언을 듣고 핸들을 돌림)
학습 효과	실력이 제자리걸음	스스로 문제를 찾고 고치는 힘이 생김

결론적으로 이 논문은:
"AI에게 정답을 물어보지 말고, **'내가 뭘 놓치고 있는지'**를 물어보게 설계하라. 그러면 AI는 학생의 머리를 대신하는 도구가 아니라, 학생의 사고력을 키워주는 최고의 **'러닝 스캐폴드(Learning Scaffold, 학습 지지대)'**가 될 것이다!"라고 말하고 있습니다.

AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report

👨‍🏫 제목: AI는 정답지가 아니라, '거울'이 되어야 합니다

1. 문제 상황: "선생님은 바쁘고, 친구들은 잘 몰라요" (기존의 한계)

2. 해결책: "똑똑하지만 참견은 적당히 하는 AI 조수" (LLM-Reviewer)

3. 실험 결과: "AI가 말을 걸자, 학생들이 움직이기 시작했다!"

💡 핵심 요약 (비유로 정리)

[기술 요약] AI 보조 코드 리뷰를 통한 코드 품질 향상 및 자기주도 학습(SRL) 스캐폴딩 연구

1. 문제 정의 (Problem Statement)

2. 연구 방법론 (Methodology)

3. 주요 기여 (Key Contributions)

4. 연구 결과 (Results)

5. 의의 및 결론 (Significance & Conclusion)

👨‍🏫 제목: AI는 정답지가 아니라, '거울'이 되어야 합니다

1. 문제 상황: "선생님은 바쁘고, 친구들은 잘 몰라요" (기존의 한계)

2. 해결책: "똑똑하지만 참견은 적당히 하는 AI 조수" (LLM-Reviewer)

3. 실험 결과: "AI가 말을 걸자, 학생들이 움직이기 시작했다!"

💡 핵심 요약 (비유로 정리)

[기술 요약] AI 보조 코드 리뷰를 통한 코드 품질 향상 및 자기주도 학습(SRL) 스캐폴딩 연구

1. 문제 정의 (Problem Statement)

2. 연구 방법론 (Methodology)

3. 주요 기여 (Key Contributions)

4. 연구 결과 (Results)

5. 의의 및 결론 (Significance & Conclusion)

유사한 논문