When Confidence Shifts Toward the Tool: AI Appropriation, Reliance Calibration, and School Guidance in High School Academic Work

기술 요약: 신뢰가 도구로 이동할 때

문제 제기
인공지능(AI)이 고등학교 교육에 스며듦에 따라, 전통적인 "채택"(즉, 학생들이 AI를 사용하는지 여부와 사용 빈도)의 지표는 기술의 진화하는 역할을 이해하기에 불충분해졌다. 현재 학교들은 사용 빈도와 공식 정책의 존재 여부를 모니터링하고 있지만, 이러한 지표들은 학생들이 AI를 자신의 인지 과정에 어떻게 통합하는지를 포착하지 못한다. 구체적으로, 기존 프레임워크는 학습을 지원하는 사용(예: 개념 설명)과 학습을 우회하는 사용(예: 전체 초안 생성)을 구분하지 못하며, AI에 대한 의존도가 높아짐에 따라 학생 스스로의 학업 능력에 대한 자신감이 침식되는지 여부도 평가할 수 없다. 핵심 문제는 AI를 쉽게 이용할 수 있는 환경에서 기술적 역량과 학생의 자기 유능감 사이의 역동적인 관계를 측정할 수 있는 진단적 프레임워크가 부족하다는 점이다.

연구 방법론
본 연구는 미국 내 가톨릭 대학 준비 고등학교 네트워크의 학생 1,444명을 대상으로 횡단적 설문 조사 설계를 채택하였다. 데이터는 2025년 봄에 수집되었다.

• 측정 도구: 본 도구는 AI 사용 빈도, 도구의 폭(breadth), 그리고 특정 "전유(appropriation)" 목적(학습 지향적 vs. 지름길 지향적 유형으로 분류)을 평가하였다. 결정적으로, 본 연구는 두 가지 구별된 자신감 수준을 측정하였다: AI 없이 학업을 수행하는 것에 대한 자신감과 학업을 돕는 AI의 능력에 대한 자신감.
• 핵심 구성 개념: 본 연구는 **의존 격차(reliance gap)**를 통해 "의존성 교정(reliance calibration)"을 조작적으로 정의하였다. 이는 AI의 도움에 대한 자신감과 독립적 능력에 대한 자신감 사이의 차이로 정의된다. 양(+)의 격차는 신뢰가 도구 쪽으로 이동했음을 나타낸다.
• 분석: 연구진은 학교별 클러스터링 표준 오차를 포함한 계층적 ordinary least squares (OLS) 회귀 분석을 사용하여 의존 격차를 예측하였다. 변수에는 인구통계학적 특성, 사용 빈도, 목적의 폭, AI 관련 신념(자기 효능감 및 낙관주의), 그리고 인지된 학교의 지도(guidance)가 포함되었다. 또한, k-평균 군집화(k-means clustering)를 사용하여 전유 패턴에 기반한 기술적 학생 프로필을 생성하였다.

주요 기여
본 논문은 세 가지 주요 기여를 한다:

1. 개념적 기여: 분석의 렌즈를 "채택"에서 전유(사용자가 기술에 어떤 목적을 부여하는가)로 전환하고, 교육적 맥락에 의존성 교정을 도입하였다. 이 프레임워크는 적절한 의존이 도구의 신뢰성뿐만 아니라, 독립적인 역량을 구축하려는 학생의 발달적 필요에 달려 있다고 가정한다.
2. 경험적 기여: AI 접근이 일상화되었으나 제도적 지침이 성숙하기 전인 결정적 시점에 대규모 다학교 표본을 포착하였다. 본 연구는 학습 지향적 사용과 지름길 지향적 사용이 동일한 학생 내에서 흔히 공존한다는 증거를 제시하며, "좋은" AI 사용자와 "나쁜" AI 사용자라는 이분법적 관점에 도전한다.
3. 실무적 기여: 학교 지도에서 발생하는 "누락된 중간 지대(missing middle)", 즉 정책 수준의 규칙은 존재하지만 페다고지적 실천(교사 주도의 교육)은 부족한 지점을 식별한다. 본 연구는 의존 격차가 독립적 자신감 그 자체보다 학생-AI 역학을 이해하는 데 더 진단적인 지표라고 주장한다.

결과

• 전유 패턴: 응답자의 94%가 적어도 하나 이상의 AI 도구를 사용했다. 학습 지향적 사용(예: 튜터링, 개요 작성)은 흔히 나타났으나(튜터링의 경우 65%), 지름길 지향적 사용(예: 정답 찾기, 초안 작성) 또한 상당했다(각각 32%와 18%). 결정적으로, 이러한 목적들은 빈번하게 공존하였는데, 이는 설명을 듣기 위해 AI를 사용하는 학생이 정답을 얻기 위해 AI를 사용하는 학생과도 동일한 경우가 많음을 시사하며, 이는 구별된 사용자 그룹이 아닌 복잡하고 뒤얽힌 사용 패턴을 보여준다.
• 의존 격차: 사용 빈도는 독립적 자신감과 부(-)의 상관관계($r = -0.18$)를 보였으나, 의존 격차와는 강한 정(+)의 상관관계($r = 0.45$)를 보였다. 매일 사용하는 사용자들 사이에서 AI의 도움에 대한 자신감($M=4.17$)은 독립적 능력에 대한 자신감($M=4.02$)을 약간 상회하였으며, 이는 도구가 자신감의 주요 닻(anchor)이 되는 "교차(crossover)" 현상을 나타낸다.
• 격차의 예측 변수: 계층적 회귀 분석 결과, 사용 빈도, 학습 및 지름길 목적의 폭, 그리고 AI 낙관주의가 더 큰 의존 격차를 예측하는 유의미한 변수임이 밝혀졌다. 주목할 점은, 사용 및 신념을 통제했을 때 인지된 학교의 지도는 격차를 유의미하게 예측하지 못했다는 것이다.
• 지도 불일치: 일반적인 가이드라인이 가장 흔하게 보고된 학교 지원 형태(48%)였으나, 가장 큰 미충족 수요는 교사 주도의 실습(42%가 원함 vs. 27%가 받음)과 전용 AI 수업이었다.
• 학생 프로필: 네 가지 뚜렷한 프로필이 나타났다:
  1. AI 회의적 독립 학습자 (18%): 드문 사용자, 높은 독립적 자신감, 음(-)의 격차.
  2. 지원받지 못하는 루틴 사용자 (36%): 빈번한 사용자, 낮은 지도, 높은 불일치.
  3. 지도를 받는 고효능 사용자 (31%): 빈번한 사용자, 높은 지도, 높은 독립적 자신감 유지.
  4. 지름길 의존형 파워 유저 (15%): 최고 수준의 사용량, 보편적인 지름길 사용, 가장 낮은 독립적 자신감, 그리고 유일하게 양(+)의 의존 격차를 보이는 집단.

의의 및 주장
본 논문은 AI가 학교 업무의 일상적인 인프라의 일부가 됨에 따라, 초점이 학생들이 AI를 사용하는지를 추적하는 것에서 그들이 어떻게 의존성을 교정하는지를 이해하는 것으로 전환되어야 한다고 주장한다. 본 연구는 의존 격차가 중요한 역동을 포착한다고 주장한다: 즉, 학생의 학업 역량에 대한 감각이 '자아'에서 '도구'로 이동하는 지점이다.

저자들은 지원적 사용과 대체적 사용의 공존이 단순한 "부정행위 vs. 학습"의 이분법을 복잡하게 만든다고 단언하며, 증강(augmentation)과 오프로딩(offloading) 사이의 경계는 범주적이라기보다 절차적이라고 제안한다. 나아가, 인지된 학교의 지도(특히 정책 수준의 규칙)가 더 나은 교정과 상관관계가 없다는 발견은 현재의 지도 모델이 학생들의 요구와 어긋나 있음을 시사한다. 본 논문은 학교가 허용 가능한 사용 정책을 넘어, 학생들이 학습을 지원하는 AI 보조와 기술 발전에 필요한 인지적 작업을 대체하는 AI 보조를 구분할 수 있도록 돕는 "지도된 실습(guided practice)"을 제공해야 한다고 결론짓는다. 의존 격차는 이러한 자신감과 역량의 변화를 모니터링하기 위한 실용적이고 확장 가능한 지표로 제안된다.