Mediating Factors Between Artificial Intelligence Supported Microteaching and Digital Pedagogical Competence of Preservice Teachers

기술 요약: 예비 교사의 디지털 교수 역량과 인공지능 지원 마이크로티칭 간의 매개 요인

문제 제기
교육의 급격한 디지털 전환은 전통적인 교사 양성 프로그램과 현대의 기술 집약적 교실 요구 사이의 간극을 벌려 놓았다. 마이크로티칭(microteaching)은 교사 교육의 초석으로 남아 있으나, 확장성의 한계, 일관되지 않은 평가 표준, 그리고 반복 연습 기회의 제한이라는 문제점을 안고 있다. 기존 문헌들은 단순히 기술을 통합하는 것만으로는 불충분하며, 인공지능(AI)을 마이크로티칭 내에 어떻게 효과적으로 배치하여 디지털 교수 역량, 특히 TPACK(테크놀로지, 교수법, 내용 지식) 프레임워크 내의 역량을 강화할 것인지에 대한 심도 있는 이해가 필요함을 시사한다. 기존 연구들은 인지 과부하, 역량 습득의 발달 곡선, 그리고 AI가 촉매제 역할을 할지 혹은 장벽이 될지를 결정하는 매개 요인의 복잡성을 간과하는 경우가 많다.

연구 방법론
본 연구는 AI 통합 마이크로티칭이 예비 교사에게 미치는 영향을 평가하기 위해 순차적 설명 설계(sequential explanatory approach)를 적용한 혼합 연구 방법론을 채택하였다.

• 참여자: 대학 현장 실습 과정에 등록된 380명의 예비 교사를 대상으로 하였다.
• 데이터 수집: 다음의 세 가지 삼각 측량 방법을 통해 데이터를 수집하였다.
  1. 설문지: TPACK 프레임워크를 기반으로 디지털 교수 역량의 15개 지표를 측정하는 타당도가 검증된 도구(양적 데이터).
  2. 교실 관찰: AI 시뮬레이션 세션 중 구조화된 관찰을 통해 교수 행동과 AI 기능 통합의 능숙도를 기록함.
  3. 심층 인터해: 역량 수준이 서로 다른 15명의 목적적 표집 참여자를 대상으로 반구조화된 인터뷰를 실시하여 메타인지 과정과 성찰적 실천을 탐구함.
• 분석: 양적 데이터는 역량 추이를 파악하기 위해 기술 통계로 분석되었으며, 질적 데이터는 양적 결과 이면의 메커니즘을 설명하기 위해 주제 분석(코딩, 범주화, 주제 추출)을 거쳤다.

주요 결과
연구 결과, AI 통합은 TPACK 발달과 성찰적 실천을 유의미하게 가속화하였으며, 참가자의 **85~90%**가 "양호 내지 우수" 수준의 역량에 도달하였다. 그러나 성취도는 균일하지 않았으며, 약 **20%**의 학생들은 인지 과부하를 경험하거나 "보통 내지 미흡" 수준에 머물렀다.

• AI 활용 형태: AI는 전체 교수 주기 전반에 걸쳐 인지적 파트너로서 기능하였다.
  • 계획 단계: 자연어 처리(NLP) 알고리즘이 수업 계획의 교수학적 논리를 평가하고 기술과 내용의 정렬을 검토함.
  • 실행 단계: AI 아바타가 현실적인 학생 행동과 방해 요소를 시뮬레이션하여, 위험 부담 없는 교실 관리 연습을 가능케 함.
  • 관찰 단계: 컴퓨터 비전과 음성 센서가 인간 관찰자가 불가능한 정밀도로 미세 행동(예: 시선 접촉, 대기 시간, 비언어적 경직성)을 추적함.
  • 성찰 단계: 생성형 피드백 대시보드와 메타인지적 프롬프트는 학생들이 표면적인 기술을 넘어 분석적이고 변혁적인 성찰로 나아가도록 강제함.
• 역량 향상: 모든 TPACK 차원에서 유의미한 개선이 관찰되었으며, 특히 **통합 지식(TPACK)**과 성찰적 실천에서 두드러졌다. 학생들은 콘텐츠, 교수법, 기술을 합성하고 AI 대시보드를 활용해 비판적 자기 평가를 수행하는 능력이 향상되었다.
• 매개 요인: AI 통합의 성공은 다음과 같은 세 가지 비기술적 요인에 의해 결정적으로 매개되었다.
  1. 시간적 최적화: 역량 향상은 3주에서 5주 사이에 정점에 달했다. 피드백 주기가 주당 3~4회를 초과할 경우 수익 체감 현상이 나타나, 피드백의 포화 임계치가 존재함을 보여주었다.
  2. 동료 협업: AI 피드백을 동료와 함께 검토하는 데 참여한 학생들은 개인적으로 학습한 학생보다 교수 역량이 23% 더 높게 향상되었다.
  3. 전공 배경: STEM 계열 학생들은 기술 내용 지식(TCK)에서 지배적인 향상을 보인 반면, 인문 계열 학생들은 기술 교수 지식(TPK)에서 더 빠르게 가속화되었다.
  4. 심리적 적응: 기술 습득은 비선형적이었다. 기초적인 기술 숙달은 3회차 세션에서 이루어졌으나, 10회 이상의 세션 이후 최고 수준의 교수 전문성에 도달한 비율은 31%에 불에 그쳤다.

주요 기여

• 이론적 기여: 본 연구는 TPACK, DigCompEdu, 성찰적 실천 모델을 통합하여 AI 맥락에서의 디지털 교수 역량에 대한 포괄적인 이해를 명시한다. 또한, AI 적응 준비도와 인지 과부하를 기술 통합의 성공을 결정짓는 핵심 변수로 설정하였다.
• 방법론적 기여: 순차적 설명 혼합 연구 설계를 활용함으로써, 자동적인 역량 향상이라는 가설에 도전하는 실증적 근거를 제시하였다. 이는 양적 데이터만으로는 '노이즈'로 치부될 수 있는 소수 학생 집단의 '지연 현상'을 해석하기 위해 질적 데이터가 왜 필수적인지를 강조한다.
• 실무적 기여: AI가 단순한 대체재가 아닌 가속 촉매제로 기능하는 하이브리드 마이크로티칭 모델을 제안하며, 근거 기반의 커리큘럼 설계 방향을 제시한다. 또한, 강의자가 학생들의 AI 생성 분석 결과를 정밀한 교수 행동으로 전환하도록 돕는 교수학적 가이드로 재정립되어야 함을 강조한다.

의의 및 주장
본 논문은 AI 통합 마이크로티칭이 단순한 기술적 보완을 넘어 교사 교육의 질적 전환을 의미한다고 주장한다. 본 연구의 주요 의의는 AI의 효과가 결정론적이거나 자동적인 것이 아님을 입증한 데 있다. 대신, 성공적인 구현은 개입의 리듬, 사회적 협업, 그리고 개별 학습 곡선에 대한 민감한 정렬에 달려 있다.

결론적으로, AI는 '플러그 앤 플레이(plug-and-play)' 방식의 솔루션으로 간주되어서는 안 된다. 오히려 인지 과부하를 조절하고 AI 생성 통찰력을 실제 교수 실천으로 전이시키기 위해 인간 멘토의 역할이 필수적인 하이브리드 생태계가 필요하다. 본 연구는 기술 중심적 서사에서 벗어나, 디지털 교수 역량의 형평성 있는 발전을 위해 심리적 준비도, 윤리적 거버넌스, 그리고 제도적 지원을 우선시하는 사회 인지적 접근법으로의 전환을 촉구한다.