Cognitive Offloading and Human Interaction with Generative Artificial Intelligence in Low-Resource Higher Education

대학 도서관의 고요한 웅성거림이나 학생의 노트북 화면에서 뿜어져 나오는 빛 속에서, 사람들이 학습하는 방식에 미묘한 변화가 일어나고 있습니다. 수 세기 동안 교육은 인간의 정신이 중량감 있는 일을 수행하는 것에 의존해 왔습니다. 즉, 사실을 기억하고, 아이디어를 연결하며, 답이 나타날 때까지 어려운 질문과 씨름하는 일입니다. 이러한 정신적 노력은 단순히 극복해야 할 장애물이 아니라, 이해가 뿌리를 내리는 바로 그 메커니즘입니다. 최근, 에세이를 쓰고, 문제를 해결하며, 복잡한 주제를 몇 초 만에 설명할 수 있는 새로운 유형의 컴퓨터 프로그램이 등장했습니다. 생성형 인공지능이라 불리는 이 기술은 매혹적인 지름길을 제공합니다. 이는 사용자가 생각하는 정신적 작업을 기계에 넘기거나, 즉 위임하거나, 떠넘길 수 있게 해줍니다. '인지적 오프로딩(cognitive offloading)'이라 불리는 이 관행은 완전히 새로운 것은 아닙니다. 인류는 항상 책이나 계산기와 같은 도구를 사용하여 사고를 도와왔습니다. 그러나 이 새로운 시스템들은 단순히 정보를 저장하는 것이 아니라 정보를 생성하며, 지식 창출의 능동적인 파트너로서 역할을 한다는 점에서 다릅니다. 오늘따로 교육자와 학생들이 직면한 질문은 이 기술이 도착할 것인가의 여부가 아니라, 사람들이 학습을 정의하는 바로 그 과정에 대해 이 기계들에 의존하기 시작할 때 인간의 정신에 어떤 일이 일어날 것인가 하는 점입니다.

가나 대학교의 연구자 도지 코쿠 하토(Dodzi Koku Hattoh)는 자원이 풍부하지 않은 고등 교육 환경에 대한 이론적 함의에 초점을 맞추어 이 변화하는 지형을 조사했습니다. 세계의 많은 지역에서 고등 교육 기관들은 과밀한 강의실, 제한된 도서관 접근성, 학술적 멘토의 부족 등 심각한 제약에 직면해 있습니다. 이러한 환경에서 학생들은 일을 피하기 위해서가 아니라, 다른 선택지가 없기 때문에 인공지능으로 눈을 돌리곤 합니다. 연구자는 이 기술의 영향을 단순히 그것이 좋은지 나쁜지를 묻는 것만으로는 이해할 수 없다고 주장합니다. 대신, 이 분석은 결과가 기술이 사용되는 맥락에 전적으로 달려 있다고 제안합니다. 연구는 이 도구들이 누군가에게는 지식에 대한 접근성을 확장하여 소외된 이들에게 필수적인 생명줄 역할을 할 수 있지만, 동시에 시간이 흐름에 따라 축적되는 숨겨진 비용을 수반한다고 시사합니다.

이 연구는 이 숨겨진 비용을 설명하기 위해 '인지적 부채(cognitive debt)'라는 개념을 도입합니다. 재정적 부채가 갚을 수단 없이 돈을 빌릴 때 늘어나는 것처럼, 인지적 부채는 학생이 알고리즘에 사고의 작업을 반복적으로 넘겨줄 때 늘어납니다. 만약 학생이 텍스트를 요약하거나, 논거를 생성하거나, 문제를 해결하기 위해 매번 인공지능 시스템을 사용한다면, 그 순간에는 시간을 절약할 수 있을 것입니다. 그러나 연구자는 이러한 지속적인 위임이 시간이 지남에 따라 깊고 성찰적인 사고를 하는 뇌의 능력을 약화시킬 수 있다고 제안합니다. 비판적 판단, 기억 유지, 그리고 독립적 추론에 필요한 정신적 근육이 사용 부족으로 인해 위축되기 시작하는 것입니다. 이것은 갑작스러운 실패가 아니라 점진적인 침식입니다. 학생은 답을 만들어내는 데는 효율적이 될 수 있으나, 그 답에 의문을 제기하거나 기초부터 지식을 구축하는 능력은 상실할 수 있습니다. 분석 결과, 이러한 위험은 기계에 대한 의존이 학습의 기본 방식이 되어, 유용한 도구를 인간 정신의 대체물로 바꿀 때 특히 심각해지는 것으로 나타났습니다.

이 논문의 또 다른 중요한 발견은 저자가 '호기심의 역설(curiosity paradox)'이라고 부르는 것입니다. 호기즘은 학습의 엔진입니다. 그것은 사람이 탐구하고, 불확실성과 싸우며, 해결책을 찾을 때까지 지속하도록 만드는 '모른다는 느낌'입니다. 생성형 인공지능은 호기심을 즉각적으로 충족시키는 데 매우 뛰어납니다. 그것은 즉각적인 답변, 설명, 연결을 제공하여 지식을 찾는 과정에 수반되는 마찰과 기다림을 제거합니다. 연구자는 이것이 학습을 더 쉽고 접근 가능하게 만들 수는 있지만, 동시에 호기심을 지속하게 만드는 바로 그 과정을 단축할 수 있다고 제안합니다. 모르는 상태의 불확실성이 너무 빨리 제거되면, 더 깊이 파고들거나, 어려운 개념과 씨름하거나, 여러 각도에서 주제를 탐구하려는 동기가 사라질 수 있습니다. 기술은 학생이 질문할 수 있는 지평을 넓혀주지만, 동시에 답을 찾기 위해 필요한 고통을 견디려는 의지는 축소시킬 수 있습니다. 그 결과, 깊은 탐구가 습관화되는 대신 빠른 소비의 습관으로 대체되는, 넓고 빠르지만 잠재적으로 얕은 학습의 형태가 나타납니다.

연구자는 이러한 역학 관계가 필연적인 것은 아니라고 강조합니다. 학생이 걷게 될 경로는 기술이 교육에 어떻게 통합되느냐에 달려 있습니다. 그들은 '적응적 인지 증강(adaptive cognitive augmentation)'에서 '인식론적 의존(epistemic dependency)'에 이르는 연속체, 즉 슬라이딩 스케일을 제안합니다. 한쪽 끝에서 인공지능은 학습자를 지원하고 그들이 혼자서는 도달할 수 없는 높이에 도달하도록 돕는 비계(scaffold) 역할을 합니다. 이 모드에서 도구는 참여를 확대하고 자원의 부족을 보완하여, 저예산 대학의 학생들이 부유한 기관들과 동일한 수준의 지도를 받을 수 있게 합니다. 반대편 끝에는 의존성이 존재하는데, 여기서는 학생이 기계에 너무 과하게 의존하여 자신의 지적 자율성을 상실합니다. 연구자는 이 두 가지 결과의 차이가 기술 자체에 의해 결정되는 것이 아니라, 교육 환경에 의해 결정된다고 주장합니다. 만약 대학이 학생들이 도구를 사용하여 아이디어를 생성한 다음, 그것을 비판하고, 정제하고, 도전하도록 장려한다면 그 결과는 성장이 될 것입니다. 만약 환경이 무엇보다 속도와 효율성을 우선시한다면, 그 결과는 독립적 사고의 쇠퇴가 될 것입니다.

이 분석은 특히 글로벌 사우스(Global South)의 기관들에게 더 깊은 정치적, 문화적 무게를 가집니다. 연구자는 이러한 인공지능 시스템 대부분이 서구 세계의 데이터로 훈련되었으며, 지배적 문화의 가치, 언어, 역사를 반영하고 있다는 점을 지적합니다. 자원이 부족한 환경의 학생들이 이 시스템들을 주요 지식원으로 의존할 때, 그들은 디지털 식민주의의 한 형태를 강화할 위험이 있습니다. 그들의 교육은 자신의 현실을 반영하지 않을 수도 있는 세계관에 의해 형성되며, 지역적인 지식 체계는 주변부로 밀려나게 됩니다. 연구는 진정한 교육적 형평성이 단순히 기술에 대한 접근성을 넘어, 이 시스템들이 생산하는 지식에 다양한 관점이 포함되도록 보장하고 학생들이 자신의 지적 경로를 정의할 수 있는 권한을 유지하도록 하는 의식적인 노력이 필요하다고 제사합니다.

이러한 과제를 헤쳐 나가기 위해, 저자는 대학이 인공지능에 접근하는 방식의 변화를 권고합니다. 그들은 학생들에게 도구 사용법을 가르치는 단순한 '리터러시(문해력)'를 넘어 '인지적 회복탄력성(cognitive resilience)'으로 나아갈 것을 제안합니다. 이는 자동화된 답변에 둘러싸여 있을 때도 비판적으로 생각하는 능력을 유지하도록 훈련하는 것을 의미합니다. 여기에는 학생들이 기계의 결과물을 비판하고, 오류를 찾아내며, 자신의 추론을 정당화하도록 요구하는 과제를 설계하는 것이 포함됩니다. 목표는 '생산적 마찰(productive friction)', 즉 깊은 이해로 이어지는 필수적인 고통을 보존하는 것입니다. 나아가, 연구자는 수입된 모델에만 의존하는 것이 아니라, 사용되는 지역의 문화와 지식 체계를 반영하는 지역적이고 맥락에 민감한 AI 시스템의 개발을 촉구합니다.

궁극적으로, 논문은 인공지능 시대의 고등 교육의 미래는 기술이 얼마나 정교해지느냐가 아니라, 기관들이 독립적인 사고를 위한 인간의 능력을 얼마나 잘 보호하느냐에 의해 결정될 것이라고 결론짓습니다. 과제는 이 강력한 도구들을 거부하는 것이 아니라, 인간의 정신을 약화시키기보다 강화하는 방식으로 이들을 통합하는 것입니다. 성공의 척도는 학생들이 여전히 자신만의 질문을 던지고, 불확실성을 헤쳐 나가며, 기계를 주인이 아닌 파트너로서 사용하여 새로운 지식을 창출할 수 있는지 여부가 될 것입니다. 연구자는 만약 교육이 이 균형을 유지할 수 있다면, 인간다움을 만드는 바로 그 특성들을 희생하지 않으면서 인공지능의 힘을 활용하여 인간의 잠재력을 확장할 수 있다고 제안합니다.