Hierarchical differences in generative AI impacts and tiered educational support needs among health professions students: A descriptive qualitative study

기술 요약: 보건 의료 전공 학생들의 생성형 AI 영향에 대한 계층적 차이 및 단계별 교육 지원 요구

문제 제기
생성형 인공지능(GAI)은 간호 및 의학 교육에 빠르게 통합되어 학술적 관행을 변화시키고 있다. 그러나 기존 문헌에는 다양한 교육 수준(학부, 석사, 박사)에 걸쳐 핵심 학술 역량—특히 비판적 사고, 연구 역량, 학술적 정직성—의 발달에 미치는 GAI의 미묘하고 단계적인 효과에 관한 실증적 근거가 부족하다. 또한, 다양한 훈련 단계의 학생들을 안내하기 위해 필요한 차별화된 교육적 지원 요구를 이해하는 데에도 공백이 존재한다. 본 연구는 GAI가 역량 발달에 어떻게 영향을 미치는지에 대한 모호함을 해결하고, 서로 다른 훈련 단계의 보건 의료 전공 학생들에게 필요한 구체적인 지원 구조를 식별한다.

연구 방법론
본 연구는 질적 연구 보고를 위한 통합 기준(COREQ)을 준수하여 기술적 질적 설계(descriptive qualitative design)를 채택하였다.

• 참가자: 중국 서부의 종합 의과대학에서 모집된 4와 44명의 보건 의료 전공 학생(학부생 16명, 석사 16명, 박사 12명)을 유의 표집하였다. 참가자 선정 기준은 임상 의학 또는 간호학 전공자이며, 지난 6개월 동안 학술 또는 연구 목적으로 GAI 도구를 주 1회 이상 빈번하게 사용했다고 자가 보고한 자로 하였다.
• 데이터 수집: 2026년 2월부터 6월 사이에 반구조화된 심층 인터뷰를 실시하였다. 인터뷰 가이드는 연구 목적을 바탕으로 개발되었으며, 사용 패턴, AI 출력물과의 상호작용, 워크플로의 인지된 변화, 기관 지원 요구 등을 다루도록 파일럿 테스트를 거쳤다.
• 데이터 분석: 오디오 녹음본을 축자적으로 전사하였으며, NVivo 15 소프트웨어를 사용하여 귀납적 내용 분석(inductive content analysis)을 수행하였다. 분석은 데이터로부터 직접 주제를 도출하기 위해 Colaizzi의 7단계 프레임워크를 따랐다.
• 이론적 프레임워크: 분석은 귀납적이었으나, 채택 동인과 역량 발달에 관한 발견을 맥락화하기 위해 기술 수용 모델(TAM)과 AI 리터러시 프레임워크가 민감한 개념 및 해석적 렌즈로서 활용되었다.
• 신뢰도: 멤버 체킹(member checking), 동료 디브리핑(peer debriefing), 감사 추적(audit trail), 그리고 코더 간 신뢰도 평가(초기 일치도 87.6%)를 통해 엄격성을 확보하였다.

주요 결과
데이터에서 세 가지 핵심 주제가 도출되었다:

1. 계층적 사용 패턴: GAI 채택은 학술 수준에 따라 유의미하게 차이가 났다.

   • 학부생은 주로 편의성과 효율성에 의해 동기 부여되어 일상적인 교과 과정, 정보 검색, 발표 준비를 위해 GAI를 사용한다.
   • 석사 및 박사 과정생은 문헌 검토, 실험 설계, 데이터 분석, 연구 제안서 개발을 포함한 고급 학술 과업을 위해 GAI를 활용한다. 박사 과정생들은 약 95%의 학술적 맥락에서 AI를 사용한다고 보고했다.

2. 역량에 미치는 차별적 영향:

   • 비판적 사고: 발달 궤적이 관찰되었다. 학부생들은 기본적인 사실 확인(fact-checking)에 참여했으나, 일부는 수동적 수용을 보여 "인지적 오프로딩(cognitive offloading)"과 얕은 학습으로 이어졌다. 석사 과정생들은 방법론과 맥락에 대한 엄격한 평가를 보여주었다. 박사 과정생들은 AI가 생성한 지식의 기원, 편향성 및 한계를 질문하는 "인식론적 비판(epistemological critique)"을 수행했다.
   • 연구 역량: 대학원생들은 문헌 합성, 방법론적 이해, 데이터 해석 측면에서 상당한 향상을 보고했다. 학부생들은 제한된 연구 경험으로 인해 최소한의 이득만을 보고했다.
   • 임상 기술: 모든 수준에서 학생들은 GAI가 임상 기술 습득에 미치는 영향이 미미하다고 보고했으며, 경험적 학습과 직접적인 환자 케어가 여전히 대체 불가능함을 강조했다.
   • 학술적 정직성: 인식은 다양했다. 많은 이들이 AI를 책임감 있는 사용이 요구되는 중립적인 도구로 보았으나, 박사 과정생들은 직접적인 작문이나 번역을 통한 학술적 부정행위의 위험을 강조하며, 정직성은 도구 자체가 아니라 개인의 인격의 반영임을 강조했다.

3. 단계별 교육 지원 요구:

   • 학부생은 교과 과정을 위한 기초적인 운영 가이드와 실질적인 사례를 요청했다.
   • 석사 과정생은 알고리즘 논리, 연구 설계 통합, 학술적 글쓰기 적용에 관한 교육을 원했다.
   • 박사 과정생은 사용 표준, 연구 윤리, 윤리적 거버넌스에 대한 지침을 우선시했다.
   • 모든 수준에서 교수진의 지도와 체계적인 기관 차원의 훈련에 대한 강력한 요구가 있었다.

주요 기여
본 연구는 보건 의료 교육 맥맥 내에서 기술 수용 모델(TAM)을 확장하는 교육 내 기술 채택의 3단계 모델을 제안한다:

1. PEOU 기반 채택 (학부): 채택 동기가 일상적 과업을 위한 인지된 사용 용이성(PEEO)에 의해 주로 유발된다.
2. PU 기반 채택 (석사): 채택이 복잡한 연구 과업에서의 성과 향상을 위한 인지된 유용성(PU)으로 전환된다.
3. 비판적-성찰적 채택 (박사): PU를 넘어선 단계로, 한계, 윤리적 함의에 대한 비판적 성찰과 학술적 자기 절제의 실행을 특징으로 한다.

또한, 본 연구는 학생의 사용 전략에 따라 GAI 사용이 비판적 사고를 강화할 수도 있고, 수동적 인지 오프로딩을 통해 이를 저해할 수도 있다는 "비판적 사고의 역설(critical thinking paradox)"을 식별한다.

의의 및 주장
저자들은 본 연구가 일률적인 개입이 아닌 단계별 AI 리터러시 커리큘럼을 설계하기 위한 실증적 근거를 제공한다고 주장한다. 편의 중심에서 비판적 성찰 중심으로 이어지는 GAI 채택의 발달 궤적을 매핑함으로써, 본 연구는 교육자가 지원을 맞춤화할 수 있는 프레임워크를 제공한다:

• 학부 커리큘럼은 기초적 인식, 기본 운영 기술, 정보 검증에 집중해야 한다.
• 석사 프로그램은 GAI를 연구 워크플로와 학술적 글쓰기에 전략적으로 통합하는 것을 우선시해야 한다.
• 박사 교육은 비판적 평가 능력, 윤리적 거버넌스, 독립적 사고의 유지를 육성해야 한다.

본 논문은 GAI가 지식 습득과 연구 효율성 측면에서 상당한 이점을 제공하지만, 인지적 오로딩과 깊은 학습의 침식이라는 위험을 수반한다고 결론짓는다. 따라서 교육 기관은 GAI가 비판적 참여의 대체물이 아닌 "인지적 스캐폴드(cognitive scaffold)" 역할을 할 수 있도록 단계별 지원 시스템과 명확한 거버넌스 정책을 구현해야 한다. 이러한 발견은 단계별 GAI 훈련에 대한 근거가 제한적인 간호 교육뿐만 아니라, 표준화된 AI 리터러시 프레임워크 개발을 위한 의학 교육 전반에 걸쳐 매우 유의미하다.