Artificial Intelligence-Mediated Active Methodologies and Meaningful Learning in University Students: A Systematic Literature Review

기술 요약: 대학생의 인공지능 매개 능동적 방법론과 의미 있는 학습

문제 제기
고등 교육의 급격한 디지털화는 개인 맞춤형 학습과 데이터 분석을 위한 변혁적 도구로서 인공지능(AI)을 도입했습니다. 그러나 인공지능 매개 능동적 방법론과 의미 있는 학습 사이의 구체적인 교육적 연결 고리에 관한 과학적 문헌에는 상당한 공백이 존재합니다. 수많은 연구가 기술적 도구를 설명하거나 그 수용도를 측정하고 있지만, AI가 능동적 교수 전략과 통합되었을 때 대학생의 지속 가능하고 전이 가능한 지식 구축에 구체적으로 어떻게 영향을 미치는지에 대한 응집력 있는 증거를 합성하는 데는 한계가 있습니다. 본 검토는 다음과 같은 질문을 다룹니다: 인공지능에 의해 촉진되는 능동적 방법론이 대학생의 의미 있는 학습에 미치는 영향에 관한 과학적 증거는 무엇인가?

연구 방법론
본 연구는 PRISMA 2020 가이드라인에 따라 수행된 체계적 문헌 고찰(SLR)을 채택하였습니다.

• 데이터 소스: Scopus, Web of Science Core Collection, ERIC, ScienceDirect, IEEE Xplore 등 5개의 주요 데이터베이스에서 검색을 수행하였습니다.
• 대상 기간: 본 검토는 2021년부터 2026년 사이에 발표된 학술 논문을 대상으로 합니다.
• 선정 기준: 고등 교육을 다루며 AI, 능동적 방법론, 그리고 의미 있는 학습을 명시적으로 연결하는 영어 또는 스페인어 피어 리뷰(peer-reviewed) 논문으로 제한하였습니다. 제외 기준으로는 사설, 컨퍼런스 초록, 교육적 접근법이 결여된 연구, 그리고 대학 맥락 이외의 연구를 제외하였습니다.
• 품질 평가: 선정된 연구들은 혼합 방법론 평가 도구(MMAT, 2018)를 사용하여 평가되었습니다. 최종 합성에는 높은 품질 또는 중간 품질으로 평가된 연구들만 포함되었습니다.
• 분석: 데이터 추출에는 서지 세부 사항, 방법론적 설계, 특정 AI 도구, 능동적 방법론, 그리고 보고된 이점 또는 과제를 분석하기 위한 맞춤형 매트릭스를 활용하였습니다. 경향성을 식별하기 위해 주제 분석과 기술 통계가 사용되었습니다.

주요 기여 고등 교육 내 AI 통합의 현재 상태에 대한 포괄적인 개요를 제공하는 48개의 고품질 연구에 대한 구조화된 합성을 제공합니다. 주요 기여는 다음과 같습니다:

1. 지배적 트렌드 식별: 일반적인 AI 기술 묘사에서 특정 능동적 교수법과의 통합으로 진화하는 연구의 흐름을 지도화하였으며, 생성형 AI에 의해 주도된 2024년과 2025년 사이의 출판물 급증을 주목하였습니다.
2. 도구 및 방법의 범주화: 가장 빈번하게 나타나는 능동적 방법론(예: 플립 러닝, 문제 기반 학습)과 이 맥락에서 사용되는 AI 도구(예: ChatGPT, 지능형 튜터링 시스템)를 체계적으로 분류하였습니다.
3. 개념적 모델링: 본 검토는 AI와 의미 있는 학습 사이의 관계가 직접적이지 않고, 능동적 방법론에 의해 매개된다는 통합적 개념 모델을 제안합니다. AI는 지원 기술로서 기능하며, 능동적 전략은 기술적 잠재력을 심층 학습으로 전환하는 교수적 메커니즘 역할을 합니다.
4. 과제의 비판적 분석: 기술적 이점을 넘어 학업적 정직성, 알고리즘 편향, 교사 교육 격차를 포함한 윤리적, 교육적, 제도적 장벽을 엄격하게 기록하였습니다.

결과

• 과학적 생산량: 연구는 꾸준한 상승 추세를 보이며, Q1 및 Q2 분위수 저널에 발표된 연구가 우세합니다. 지리적으로는 중국, 미국, 스페인, 영국, 호주에 집중되어 있으나, 라틴 아메리카의 기여도 증가하고 있습니다.
• 방법론적 설계: 본 코퍼스는 실험, 준실험, 체계적 문헌 고찰, 혼합 방법 연구를 포함하며, 이는 경험적 증거를 중시하는 성숙한 분야임을 나타냅니다.
• 능동적 방법론: 플립 러닝(31.3%)과 문제 기반 학습(20.8%)이 가장 자주 인용되는 방법론입니다. 이들은 종종 프로젝트 기반 학습, 협동 학습, 게이미피케이션과 결합됩니다.
• AI 도구: ChatGPT 및 기타 생성형 AI 도구(33.3%)가 가장 많이 활용되며, 그 뒤를 일반적인 생성형 AI 애플리케이션(20.8%)과 교육용 챗봇이 잇고 있습니다. 트렌드는 적응형 학습 시스템에서 콘텐츠 생성 및 개인화된 피드백이 가능한 생성 모델로의 변화를 보여줍니다.
• 이점: AI와 능동적 방법론의 통합은 다음과 같은 측면에서 개선을 일관되게 보고합니다:
  • 의미 있는 학습: 새로운 지식을 기존 지식과 연결하고 이를 실제 상황에 전이하는 능력 향상.
  • 비판적 사고: 분석, 논증 및 의사결정 능력 개선.
  • 동기 부여 및 참여: 상호작용적이고 개인화된 경험을 통한 참여도 증가.
  • 자기 조절: 즉각적인 피드백을 통한 학습 과정의 계획 및 모니터링 능력 향상.
• 과제: 본 검토는 윤리적 사용(29.2%), 학업적 정직성(27.1%), 교사 교육(25.0%)을 가장 많이 언급된 우려 사항으로 꼽으며 상당한 장애물을 식별하였습니다. 다른 중요한 이슈로는 데이터 프라이버시, 알고리즘 편향, 디지털 격차가 있습니다.

의의 및 주장
본 논문은 인공지능이 견고한 교육적 원칙과 윤리적 기준에 근거하여 구현될 때 능동적 방법론의 효과를 증폭시킨다고 주장합니다. 기술 그 자체만으로는 더 나은 교육적 성과를 보장할 수 없으며, 교사의 "매개"와 학생 중심 활동의 설계가 성공의 결정적 요인이라고 단언합니다.

저자들은 AI 매개 능동적 방법론이 고등 교육에서 의미 있는 학습, 비판적 사고, 전문 역량을 육성하기 위한 실행 가능한 전략이라고 결론짓습니다. 그러나 이러한 잠재력은 강력한 교사 교육, 명확한 제도적 정책, 윤리적 AI 사용에 대한 약속과 같은 제도적 및 교육적 과제를 극복하는 것에 달려 있음을 강조합니다. 본 검토는 AI가 교육자를 대체한다고 주장하는 것이 아니라, 능동적 교육 프레임워크의 안내를 받을 때 개인화되고 심층적인 학습을 확장하는 도구로서 AI를 위치시킵니다.