📄 social_science

Generating Culturally Responsive Visual Aids for Teaching and Learning

이 혼합 연구 방법론을 통한 연구는 맞춤형 AI 도구(CReVAG)가 가나의 예비 교사들이 실습 기간 동안 문화적으로 반응적인 시각 자료를 제작하고 수업을 개선하는 데 효과적으로 지원함을 입증하는 동시에, 기술적 및 언어적 과제를 해결하기 위한 안내된 사용의 필요성을 강조한다.

원저자: Macharious Nabang, Harry Barton Essel, Akosua Tachie-Menson, Prosper Setsoafia, Charles Atta Kodua Kodua, Juliet Appiah Kubi, Edmund Boamah Acheampong, Matthew Nyaaba

게시일 2026-07-10

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Macharious Nabang, Harry Barton Essel, Akosua Tachie-Menson, Prosper Setsoafia, Charles Atta Kodua Kodua, Juliet Appiah Kubi, Edmund Boamah Acheampong, Matthew Nyaaba

원본 논문은 CC BY 4.0 (https://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

당신이 가나의 한 교실 앞에 서 있는 학생 교사라고 상상해 보세요. 당신의 임무는 까다로운 개념을 설명하는 것입니다. 하지만 당신에게는 멋진 프로젝터도, 알록달록한 포스터 상자도 없습니다. 학생들의 이해를 돕기 위해 시각 자료—그림이나 차트—가 필요합니다. 보통이라면 직접 손으로 그리느라 몇 시간을 보내거나, 실제 학생들의 삶과 전혀 닮지 않은 사진을 찾기 위해 인터넷을 헤매야 했을 것입니다.

CReVAG(발음은 "크레이-백")를 소개합니다. 이 도구는 인공지능으로 구동되는 초고속의 마법 같은 스케치북이라고 생각하면 됩니다. 하지만 반전이 있습니다. 이것은 단순한 스케치북이 아닙니다. 가나 타말레(Tamale)의 교실이 뉴욕의 교실과는 어떻게 다른지 알 수 있도록 훈련되었습니다. 학생들이 즉시 알아볼 수 있는 지역 시장, 친숙한 옷차림, 그리고 공동체의 활동들을 그려내도록 설계되었습니다.

거대한 실험

연구자들은 이 "마법 같은 스케치북"이 학생 교사들이 더 나은 수업을 만드는 데 실제로 도움이 될 수 있는지 확인하고 싶었습니다. 그들은 32명의 졸업 예정 학생 교사들에게 12주간의 교육 실습 기간 동안 이 특별한 버전의 AI 도구를 제공했습니다. 이 교사들은 실제 수업을 위해 시각 자료를 만드는 데 이 도구를 사용해야 했으며, 이후 숙련된 교사 교육자들이 그들의 수업을 관찰하고 성적을 매겼습니다.

결과 (좋은 점들)

결과는 꽤 흥в興미로웠습니다. 전문가들이 AI가 만든 그림들을 검토했을 때, 높은 점수를 주었습니다.

명확성: 그림들은 명확하고 정확했으며, 5점 만점에 4.44점을 기록했습니다.
문화적 적합성: 그림들은 "집에 있는 듯한" 느낌을 주었습니다. 지역 문화와 친숙한 환경을 보여주었으며, 5점 만점에 4.40점을 받았습니다.
수업 도움 정도: 그림들은 실제 수업 목표와 잘 일치하여 5점 만점에 4.38점을 받았습니다.

실제로 검토된 45개의 시각 자료 중, 29개는 "우수함", 14개는 "좋음", 단 2개만이 "보통"으로 평가되었습니다. "나쁨"으로 평가된 것은 하나도 없었습니다.

이 AI 제작 그림을 사용한 교사들은 또한 더 나은 수업을 수행했습니다. 그들의 수업은 그림 활용도(5점 만점에 4.24점)와 지시의 명확성(4.27점) 면에서 높은 평가를 받았습니다. 학생들은 더 흥미를 느끼고 몰입했으며, 학생 교사들은 교실 앞에 서는 것에 대해 더 큰 자신감을 느꼈습니다.

한 학생 교사는 이 도구가 "시간을 아껴주는 도구"라고 말하며, 몇 시간 대신 몇 분 만에 맞춤형 그림을 만들 수 있게 해준다고 했습니다. 또 다른 이는 이 도구가 자신을 "더 준비되고 조직적으로" 만들어 주었다고 말했습니다. 마치 AI가 자전거 타기를 배우는 동안 균형을 잡도록 도와주는 보조 바퀴처럼, 그들에게 자신감을 불어넣어 준 것 같았습니다.

주의 사항 (논문이 배제하는 것)

여기 가장 중요한 부분이 있습니다: 이 논문은 이 AI가 교사를 대체하는 것이 아님을 매우 명확히 하고 있습니다.

연구자들은 AI가 매번 마법처럼 완벽한 그림을 뱉어내는 것이 아니라는 것을 발견했습니다.

인간 조종사가 필요함: 만약 학생 교사가 "교실을 그려줘"와 같이 모호한 질문을 던지면, AI는 일반적이거나 심지어 틀린 그림을 그릴 수 있습니다. 교사들은 올바른 결과를 얻기 위해 구체적인 프롬프트(상세한 지침)를 작성하는 법을 배워야 했습니다.
실수를 저지름: 때때로 AI는 가나의 문화와 맞지 않는 옷을 그리거나, **다그바니(Dagbani)**와 같은 현지 언어를 쓰는 데 어려움을 겪었습니다.
완벽하지 않음: 논문은 이 도구들이 때때로 "외국의 설정"이나 특정 지역의 현실에 맞지 않는 "광범위한 아프리카"의 개념을 보여줄 수 있다고 명시적으로 언급합니다.

따라서 이 논문은 버튼 하나만 누르고 떠나면 된다는 생각에 반대합니다. AI는 조력자이지, 상사가 아닙니다. 학생 교사들은 그림을 검토하고, 오류를 수정하며, 아이들에게 보여주기 전에 문화적 세부 사항이 맞는지 확인하는 '편집자' 역할을 해야 했습니다. 한 학생의 말처럼, 그들은 이 도구를 "나의 전문적인 판단과 함께" 사용해야 했습니다.

어려움들

모든 과정이 순탄했던 것은 아닙니다. 학생들은 현실적인 문제들에 직면했습니다:

"프롬프트" 퍼즐: 많은 학생이 자신이 원하는 것을 AI가 정확히 수행하도록 올바른 지침을 쓰는 데 어려움을 겪었습니다. 단순히 "시장"이라고 하는 대신 "파란색 옷을 입은 여성들이 있는 타말레의 시장 풍경"이라고 요청하는 법을 배우는 데 연습이 필요했습니다.
인터넷 문제: 때때로 인터넷 연결이 느리거나 불안정하여 도구를 사용하는 데 답답함을 유발했습니다.
언어의 한계: AI가 때때로 현지 언어를 틀리게 작성했기 때문에, 교사들은 모든 것을 재검토해야 했습니다.

결론

이 연구는 CReVAG와 같은 도구가 가나와 같은 곳의 교사 훈련에 있어 게임 체인저가 될 수 있음을 시사합니다. 이 도구들은 시간을 절약하고, 수업을 더 재미있게 만들며, 교사들이 더 자신감을 갖도록 도울 수 있습니다. 하지만 논문은 이 도구가 현명하게 사용되도록 훈련받았을 때만 이것이 가능하다는 점을 신중하게 밝히고 있습니다.

이렇게 생각해 보세요: AI는 강력한 붓이지만, 학생 교사는 여전히 화가입니다. 만약 화가가 붓을 어떻게 잡는지, 무엇을 그려야 하는지 모른다면 그 그림은 결코 좋을 수 없습니다. 하지만 화가가 자신의 기술을 알고 그 붓을 사용하여 지역의 색채와 세부 사항을 더한다면, 그 결과물은 학생들의 학습을 돕는 정말 특별한 것이 될 수 있습니다.

연구자들은 이것이 교육의 모든 문제를 해결한다는 것을 증명한 것이 아니며, 학생들의 시험 점수가 올라갔는지도 테스트하지 않았습니다. 그들은 적절한 안내가 있다면, 이러한 AI 도구들이 학생 교사들이 더 문화적으로 적절한 그림을 만드는 데 도움을 줄 수 있다는 것을 보여주었을 뿐입니다.

기술 요약: 교수 학습을 위한 문화적 반응성을 갖춘 시각 자료 생성

문제 제기
가나의 교육 환경에서 예비 교사들은 종종 자원 부족 문제에 직면하며, 현지의 문화적, 언어적, 공동체적 현실을 반영하지 못하는 수입된 교과서 이미지나 일반적인 인터넷 시각 자료에 의존하곤 한다. 이러한 괴리는 학습자의 정체성을 소외시키고 커리큘럼 내용과 삶의 경험 사이의 간극을 넓힐 수 있다. 생성형 인공지능(GenAI)은 교육 자료를 신속하게 제작할 수 있는 잠재력을 제공하지만, 예비 교사들이 실제 실습 현장에서 문화적으로 반응적인 시각 자원을 만들기 위해 어떻게 맞춤형 AI 시스템과 상호작용하는지에 대한 실증적 근거는 부족한 실정이다. 더욱이, 안내되지 않은 AI 사용은 서구 중심적인 편향, 고정관념 또는 현지 언어 및 문화적 표현의 부정확성을 영속시킬 수 있다는 우려가 존재한다.

연구 방법론
본 연구는 가나 타말레(Tamale) 지역의 바가바가 사범대학(Bagabaga College of Education) 예비 교사들과 교사 교육자들을 대상으로 한 혼합 방법론 기반 실습 개입 설계를 채택하였다.

개입 도구: 연구진은 맞춤형 ChatGPT 기반 어시스턴트인 **CReVAG (Culturally Responsive Visual Aids Generator)**를 활용하였다. CReVAG는 대화형 반자동(Interactive Semi-Automated, ISA) 아키텍처를 기반으로 작동하며, 시각 자료를 생성하기 전 특정 맥락 데이터(예: 지역, 학년 수준, 과목, 현지 언어, 문화적 민감도)를 수집하기 위해 사용자에게 구조화된 대화를 유도한다. 이러한 "인간 참여형(human-in-the-loop)" 접근 방식은 교사의 주체성과 맥락적 구체성을 보장한다.
참여자: 32명의 예비 교사(유치 단계, 초등 고학년, 중등 단계 전공자)와 이들을 지도하는 교사 교육자들.
절차: 필수 12주 교육 실습 기간 동안, 예비 교사들은 CReVAG를 사용하여 시각 자료를 생성, 정교화 및 적용하였다.
데이터 수집:
- 양적 데이터: 교사 교육자들은 두 가지 변형된 루브릭을 사용하여 45개의 AI 생성 시각 자료와 그 수업 적용을 평가하였다: 시각 자원 품질(명확성, 문화적 반응성, 교수학적 정렬, 창의성) 및 수업 전달 효과성(통합, 교수 명확성, 학습자 참여, 교사 자신감).
- 질적 데이터: C-ReVAG에 대한 경험, 직면한 과제, 자신감 및 교수법에 미치는 인지된 영향에 관한 32명 예비 교사들의 성찰 내용을 주제 분석하였다.
분석: 양적 데이터는 기술 통계(평균, 표준 편차)를 사용하여 분석되었다. 질적 데이터는 브라운과 클라크(Braun and Clarke)의 방식에 따라 주제별로 코딩되었다.

주요 결과

시각 자원 품질: 교사 교육자들은 AI가 생성한 시각 자료를 높게 평가하였다. 평균 점수는 다음과 같다: 명확성 및 정확성(4.44/5), 문화적 반응성(4.40/5), 교수학적 정렬(4.38/5), 창의성/참여도(4.16/5). 시각 자원의 전체 평균 점수는 17.38/20이었다. 특히, 시각 자료의 95.6%가 명확성 측면에서 "우수" 또는 "매우 우수"로 평가되었으며, 문화적 반응성 측면에서는 88.9%가 그러했다.
수업 전달 효과성: 이러한 시각 자료를 수업에 통합한 결과 역시 긍정적으로 평가되었다(평균 16.78/20). 시각 자원 품질과 수업 전달 효과성 사이에는 강한 양의 상관관계( $r = .81$ )가 발견되었으며, 이는 높은 품질의 시각 자료가 더 효과적인 수업과 상관관계가 있음을 나타낸다.
질적 결과:
- 이점: 참가자들은 CReVAG가 수업 준비 시간을 크게 단축하고, 창의적인 아이디어를 촉발하며, 수업 전달에 대한 자신감을 높여주었다고 보고하였다. 시각 자료는 수업을 더욱 상호작용적으로 만들고 학습자들이 친숙한 문화적 맥락과 내용을 연결하도록 돕는 것으로 나타났다.
- 과제: 주요 과제로는 프롬프트 구성(구체적이고 문화적으로 미묘한 프롬프트를 만드는 데 어려움), 출력물의 부정확성(간혹 발생하는 일반적인 설정, 철자 오류 또는 비(非)가나식 표현), 현지 언어의 한계(특히 다그바니어 관련), 인프라 문제(불안정한 인터넷 연결)가 포함되었다.
- 교사 주체성: 참가자들은 이 도구가 문화적 및 교수학적 정확성을 보장하기 위해 비판적 검토와 적응이 필요한 '시작점' 역할을 한다고 강조하였다.

주요 기여

글로벌 사우스 맥락에서의 실증적 근거: 본 연구는 이론적 논의를 넘어 실제 실습 적용을 통해, 가나 교사 교육 내에서 문화적으로 반응적인 교수법을 위한 맞춤형 GenAI 사용에 대한 드문 실증적 데이터를 제공한다.
ISA 아키텍처의 검증: 본 연구는 대화형 반자동(ISA) 접근 방식의 효용성을 입증하며, 예비 교사들에게 맥락 데이터를 수집하도록 유도하는 것이 일반적인 프롬프트 입력보다 더 문화적으로 적절한 결과물을 산출함을 보여준다.

이중 평가 프레임워크: 본 연구는 제품(시각적 품질)과 과정(수업 전달 효과성)을 모두 평가하는 이중 루브릭 평가 모델을 도입하여, 고품질 AI 생성 자원과 개선된 수업 수행 능력 사이의 연결 고리를 확립하였다.

인간 참여형(Human-in-the-Loop) 모델: 본 연구는 AI 도구가 문화적 타당성과 커리큘럼 정렬을 보장하기 위한 인간의 비판적 검토가 수반되는 가이드된 교수적 파트너로서 기능할 때 가장 효과적임을 보여줌으로써 교사의 주체성을 강화한다.

의의 및 주장
본 논문은 CReVAG가 자율적인 생성기가 아닌 가이드된 교수 도구로서 사용될 때, 문화적으로 반응적인 시각 자원 개발을 지원하고 수업 전달을 효과적으로 향상시킬 수 있다고 주장한다. 저자들은 이 도구의 가치가 다음을 수행하는 능력에 있다고 단언한다:

수업 준비 시간을 절약하고 고품질 시각 자료 제작에 따르는 기술적 장벽을 완화함.
예비 교사의 자기 효능감과 자신감을 강화함.
프롬프트가 구체적이고 출력을 비판적으로 검토한다는 전제하에, 커리큘럼 내용과 학습자의 문화적 현실 사이의 간극을 메움.

그러나 저자들은 도구가 교사의 전문성을 대체할 수 없음을 인정하며 신중한 태도를 유지한다. 그들은 성공적인 구현이 프롬프트 리터러시(prompt literacy), 출력물에 대한 비판적 평가, 그리고 기관 차원의 지원(특히 인터넷 인프라 관련)에 달려 있다고 강조한다. 본 연구는 결론적으로, GenAI가 자원이 제한된 환경의 교사 교육에 상당한 잠재력을 제공하지만, 반드시 문화적 민감성, 커리큘럼 정렬, 그리고 교사의 주체성을 우선시하는 교수 전략 내에서 프레임화되어야 한다고 밝히고 있다.

거대한 실험

결과 (좋은 점들)

주의 사항 (논문이 배제하는 것)

어려움들

결론

기술 요약: 교수 학습을 위한 문화적 반응성을 갖춘 시각 자료 생성

유사한 논문