Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing

자전거 타는 법을 배우고 있다고 상상해 보세요. 그냥 앉아서 다른 사람이 타는 것을 구경할 수도 있고, 그들이 지나간 정확한 경로를 암기할 수도 있습니다. 하지만 진짜 마법은 여러분이 직접 작은 경사로를 만들고, 자신만의 장애물을 설계하며, 스스로 발명한 흔들리는 표면 위에서 균형을 잡는 법을 터득하기 시작할 때 일어납니다. 물리학 교육의 세계에서, 이처럼 자신만의 도전 과제를 만들어내는 행위를 "문제 제기(problem posing)"라고 부릅니다. 이것은 멋진 말로 표현하자면, 누군가가 준 수학 퍼즐을 단순히 푸는 대신, 규칙을 비틀고, 숫자를 바꾸거나, 새로운 시나리오를 상상함으로써 우주가 어떻게 작동하는지 진정으로 이해하는 과정을 의미합니다.

이제, 여러분에게 이 경사로를 만드는 것을 도와줄 수 있는 아주 똑똑하고 모든 것을 알고 있는 로봇 친구(생성형 AI)가 있다고 상상해 보세요. 하지만 여기에는 함정이 있습니다. 만약 여러분이 단순히 로봇에게 "어려운 자전거 경사로를 만들어줘"라고 요청한다면, 로봇은 이상하거나 쓸모없는 것을 줄 수도 있습니다. 하지만 여러분이 "프롬프트 엔지니어링"이라는 특별한 "비밀 언어"—즉, 매우 구체적인 지시, 역할, 단계들을 제공하는 법—를 사용하여 로봇에게 대화하는 법을 배운다면, 로봇은 놀라운 파트너가 됩니다. 이 논문은 학생들이 이 비밀 언어를 배울 때 어떤 일이 일나를 탐구합니다. 연구진은 학생들이 자신만의 물리 문제를 만드는 데 있어 AI를 사용하는 방식이 변화하는지를 알고 싶었습니다. 그리고 학생들이 공부를 위해 이 로봇 친구를 사용하는 것을 실제로 좋아하는지, 아니면 이 방법이 학습 과정을 저해한다고 생각하는지도 알고 싶었습니다.

---

실험: 학생들에게 로봇과 대화하는 법 가르치기

이 연구에서 퍼듀 대학교(Purdue University)의 연구진은 물리 수업을 듣는 대학생 그룹을 초대하여 생성형 AI와 함께 게임을 하도록 했습니다. 목표는 약간의 훈련을 통해 AI와의 서툰 상호작용을 강력한 학습 도구로 바꿀 수 있는지 확인하는 것이었습니다. 학생들은 일주일 동안 세 단계를 거쳤습니다.

먼저, "훈련 전(Before Training)" 단계에서 학생들은 자신이 이미 풀어본 물리 문제의 새로운 버전을 만들기 위해 자신이 선택한 AI 도구를 사용하라는 지시를 받았습니다. 그들은 AI와 대화하며 새로운 문제를 만들어야 했고, 그 대화에 대해 어떻게 생각하는지 적어야 했습니다. 이 시점에서 대부분의 학생은 "이것보다 더 어려운 버전을 줘"와 같은 기본적인 질문만을 던졌습니다.

다음은 "훈련(Training)" 단계입니다. 학생들은 15분짜리 영상을 시청했습니다. 이것은 단순히 지루한 강의가 아니었습니다. 이는 그들에게 "프롬프트 엔지니어링"을 사용하는 법을 가르쳐 주었습니다. 이것은 마치 GPS에 매우 구체적인 방향을 알려주는 법을 배우는 것과 같습니다. 단순히 "해변으로 가줘"라고 말하는 대신, "해변으로 가되, 경치 좋은 길로 가고, 고속도로는 피하며, 아이스크림 가게에 들러줘"라고 말하는 법을 배우는 것입니다. 또한 이 영상은 물리 문제를 바라보는 특별한 사고방식을 가르쳐 주었으며, 이를 통해 문제의 맥락이나 난이도를 의미 있는 방식으로 변경하는 법을 이해하도록 도왔습니다.

마지막으로, "훈련 후(After Training)" 단계에서 학생들은 다시 AI를 사용했습니다. 그들은 똑같은 일을 수행해야 했습니다. 즉, 새로운 물리 문제를 만드는 것이었습니다. 하지만 이번에는 방금 배운 새로운 "비밀 언어"와 사고 기술을 사용해야 했습니다. 그 후, 그들은 첫 번째 경험과 비교했을 때 경험이 어떻게 달랐는지 성찰했습니다.

학생들이 발견한 것

결과는 마치 새로운 비디오 게임 컨트롤러를 서툴게 다루던 사람들이 프로 플레이어가 되는 과정을 지켜보는 것과 같았습니다. 연구진이 학생들의 성찰 내용을 살펴보았을 때, **76%**의 학생들이 훈련 후에 AI와 상호작용하는 방식에서 긍정적인 변화를 느꼈다는 것을 발견했습니다.

훈련 전에는 많은 학생이 AI와의 대화를 "기본적"이거나 "집중되지 않음", 또는 "필요한 것과 딱 맞지 않는 답변을 얻는 것 같다"고 묘사했습니다. 그것은 마치 "피자 주세요!"라고 소리만 지른 채 운 좋게 원하는 피자가 나오기를 바라는 식으로 커스텀 피자를 주문하는 것과 같았습니다. 훈련 후, 학생들은 자신들의 대화가 실제적인 대화처럼 변했다고 느꼈습니다. 그들은 "역할극"(AI에게 특정 캐릭터처럼 행동하도록 지시하기)이나 "사고의 사슬(chain of thought)"(AI에게 단계별로 풀이 과정을 보여달라고 요청하기)과 같은 기법들을 사용했습니다. 한 학생은 이전에는 답변이 덜 상세했지만, 새로운 기법을 배운 후에는 AI의 답변이 "더 명확하고 철저하며, 관련된 단계들을 더 잘 설명해 주었다"고 언급했습니다.

흥미롭게도, 큰 변화를 느끼지 못한 소수의 학생들은 대개 이미 AI와 대화하는 법을 알고 있었거나 이미 스스로 간단한 요령을 사용하고 있던 학생들이었습니다. 그들에게 이 훈련은 그들이 이미 하고 있던 일들에 이름을 붙여주는 과정일 뿐이었습니다.

학생들은 AI를 사용하여 공부하는 것을 좋아할까요?

두 번째 큰 질문은, 학생들이 이 방법을 스스로 학습에 사용하고 싶어 하는가였습니다. 대답은 대부분 즐거운 "예"였지만, 몇몇 까칠한 "아니오"와 "글쎄요"도 있었습니다.

약 **68%**의 학생들이 AI를 통한 문제 제기에 대해 긍정적인 태도를 보였습니다. 그들은 AI를 개인 맞춤형 연습 문제를 얻고, 튜터링 스타일의 피드백을 받으며, 자신이 취약한 특정 영역을 공략하는 방법으로 보았습니다. 그들은 시험을 준비하거나 까다로운 개념에 대한 이해를 깊게 하기 위해 AI를 사용할 것이라고 상상했습니다. 그것은 마치 자신만을 위한 수만 가지의 드릴(연습)을 만들어낼 수 있는 개인 코치를 둔 것과 같았습니다.

또 다른 **17%**의 학생들은 복합적인 감정을 가졌습니다. 그들은 이 아이디어가 멋지고 유용할 수 있다고 생각하면서도 망설였습니다. 일부는 AI가 실수하거나 가짜 문제를 제공할 수 있다고 걱정하여 모든 것을 재확인해야 한다고 생각했습니다. 다른 이들은 AI가 도움이 될 수는 있지만, 선생님이 주신 공식 숙제와 연습 테스트를 고수하는 것을 선호한다고 느꼈습니다. 그들은 자신만의 레고 성을 만드는 아이디어를 좋아하면서도, 시작하기 전에 설명서가 완벽한지 확인하고 싶어 하는 아이들과 같았습니다.

마지막으로, 약 **9%**의 학생들은 AI 사용에 대해 부정적인 견해를 가졌습니다. 이 학생들은 학업에 AI를 사용하는 것에 단호히 반대했습니다. 그들의 이유는 문제의 질 때문이 아니라 윤리적인 문제였습니다. 어떤 이들은 학교 공부에 AI를 사용하는 것이 도덕적으로 옳지 않다고 느꼈고, 다른 이들은 이러한 강력한 컴퓨터를 구동하는 데 드는 환경적 영향에 대해 우려했습니다. 그들은 학생들이 AI 없이도 교과서와 인간 교사를 통해 수년간 물리를 배워왔으며, AI가 권장되어서는 안 된다고 믿었습니다.

전체적인 그림

모든 조각을 맞춰보면, 이 연구는 명확한 추세를 시사합니다: 훈련이 중요합니다. AI와의 상호작용이 개선되었다고 느낀 대다수의 학생은 결국 문제 제기를 위해 AI를 사용하는 것에 대해 긍정적인 견해를 가졌습니다. AI에 대해 전반적으로 회의적인 학생들 중에서도, AI와의 상호작용이 개선된 학생들은 프롬프트를 작성하는 법을 배우는 것이 매우 중요하다는 점을 인정했습니다.

연구진은 대부분의 학생이 AI를 학습 파트너로 사용하는 데 개방적이지만, 도덕적 반론 때문에 결코 사용하지 않을 소수의 집단이 존재한다는 것을 발견했습니다. 그러나 나머지 학생들에게 있어, AI에게 제대로 말하는 법을 가르치는 것은 그 잠재력을 끌어내는 핵심입니다. 이것은 학생을 로봇으로 대체하는 것이 아니라, 학생에게 로봇을 운전하는 법을 가르치는 것입니다.