📄 social_science

Artificial Intelligence, Learning and Social Engagement among Undergraduate Students: A PRISMA-Guided Systematic Review with Narrative Thematic Synthesis

29개의 연구를 대상으로 한 이 PRISMA 가이드 기반 체계적 문헌고찰은 지능형 튜터링 시스템 및 생성형 AI 챗봇과 같은 AI 도구들이 학부생의 학습과 사회적 참여를 향상시킬 수 있는 반면, 그 효과는 교수 설계, 학습자의 자기 조절, 그리고 제도적 맥락에 크게 좌우되며 비판적 사고와 형평성에 대한 상당한 위험을 동반한다는 증거를 종합하여 보여준다.

원저자: Menyene-Abasi Andem Udo, Imafidon Faith Iniabasi², Anthony Godwin³

게시일 2026-07-23

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Menyene-Abasi Andem Udo, Imafidon Faith Iniabasi², Anthony Godwin³

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

미래의 교실을 단순히 책상이 줄지어 있는 방이 아니라, 학생들이 숙제와 우정, 그리고 자신의 동기부여를 끊임없이 조절해야 하는 북적이는 디지털 시장이라고 상상해 보십시오. 이 시장에 새로운 종류의 조력자가 도착했습니다: 바로 인공지능(AI)입니다. AI를 아주 똑똑하고 언제나 곁에 있는 튜터라고 생각해보세요. 까다로운 수학 문제를 설명해주거나, 당신의 하루에 대해 대화를 나누거나, 에세이 작성을 도와줄 수 있는 존재 말이죠. 하지만 여기서 과학자들이 던지는 중요한 질문이 있습니다: 이 로봇 조력자가 실제로 학생들을 더 똑똑하고 행복하게 만들고 있을까요, 아니면 그들을 게으르고 외롭게 만들 수도 있는 화려한 장난감에 불과할까요?

이 답을 이해하기 위해서는 두 가지 주요 개념을 살펴봐야 합니다. 첫째, "몰입(engagement)"이 있습니다. 몰입을 자동차의 연료라고 상상해 보세요. 이는 단순히 운전석에 앉아 있는 것(행동적 측와)이 아니라, 운전하고 싶다는 열정(정서적 측면)을 느끼고, 실제로 조종하고 항해하는 법을 아는 것(인지적 측면)을 의미합니다. 학생이 높은 몰입도를 보인다면, 그들은 게임에 완전히 참여하고 있는 것입니다. 둘째, "사회적 실재감(social presence)"은 여러분이 그 방에 혼자가 아니라는 느낌입니다. 설령 여러분이 자신의 침실에서 공부하고 있더라도, 사회적 실재감은 여러분의 선생님과 반 친구들이 바로 곁에서 여러분의 말을 듣고 있고 여러분을 아끼고 있다는 따뜻한 느낌을 의미합니다. 우리가 탐구할 논문은 AI 도구가 이 자동차를 위한 완벽한 연료이자 모두가 연결되어 있다고 느끼게 만드는 최선의 방법인지, 아니면 오히려 엔진을 꺼뜨려 학생들을 고립되게 만들 것인지에 대해 깊이 파고듭니다.

이 논문은 "체계적 문헌 고찰(systematic review)"이라는 거대한 탐정 소설과 같습니다. 단 하나의 실험을 수행하는 대신, 저자인 메니에네-아바시 안뎀 우도(Meniene-Abasi Andem Udo)와 그의 팀은 문학 탐정처럼 행동했습니다. 그들은 스마트 튜터링 프로그램부터 새롭고 유행하는 챗GPT와 같은 챗봇에 이르기까지, 전 세계의 29가지 서로 다른 연구를 추적하여 전체적인 그림이 어떤 모습인지 확인했습니다. 그들은 단순히 숫자를 세는 것이 아니라, 이러한 도구들이 학생들의 학습 방식과 상호작용 방식을 어떻게 변화시키는지에 대한 패턴을 찾아냈습니다.

그들이 발견한 결과는 다음과 같으며, 이는 단순히 "좋다" 또는 "나쁘다"로 나뉘는 간단한 이야기가 아닙니다.

먼저, 학습과 관련하여 이 논문은 두 가지 유형의 AI 사이에 명확한 선을 긋습니다. 더 오래되고 확립된 유형은 "지능형 튜터링 시스템(ITS)"입니다. 이것들을 수학 코치처럼 한 가지 과목만을 가르치기 위해 만들어진 특화된 로봇이라고 생각하세요. 이 분야의 증거는 매우 확실합니다. 세 개의 주요 연구는 이러한 튜터들이 시험 점수를 유의미하게 높여, 일반적인 학생을 중간 그룹에서 상위 25%로 끌어올린다는 것을 보여주었습니다. 이는 마치 당신이 강화해야 할 근육이 정확히 어디인지 아는 개인 트레이너를 둔 것과 같습니다.

하지만 챗GPT와 같이 더 새롭고 화려한 도구들인 "생성형 AI(GenAI)"는 성격이 다릅니다. 논문은 이러한 도구들이 다소 복합적인 결과를 낳는다고 시사합니다. 이 도구들은 분명 학생들이 일을 더 빠르게 처리하도록 돕고 동기를 부여할 수 있지만, 그 결과는 전적으로 어떻게 사용하느냐에 달려 있습니다. 만약 학생이 단순히 AI에게 에세이를 써달라고 요청하고 "전송" 버튼을 누른다면, 좋은 점수는 얻을 수 있겠지만 비판적 사고 능력은 잃게 될 것입니다. 이는 단순한 수학 문제를 풀 때 계산기를 사용하는 것과 같습니다. 효율적이긴 하지만, 모든 것에 그것을 의존한다면 스스로 수학을 하는 법을 잊어버리게 됩니다. 논문은 GenAI가 자동으로 학습을 위한 마법 지팡이가 될 수 있다는 생각을 명시적으로 부정하며, 대신 그 혜택은 "조건부"라고 제안합니다. 즉, 교사가 적절한 규칙을 설정하고 학생이 주도권을 유지할 때만 혜택이 발생한다는 뜻입니다.

둘둘째, 논문은 사회적 측면을 다룹니다. 로봇이 친구가 될 수 있을까요? 저자들은 AI 챗봇이 특히 온라인 수업을 듣는 학생들에게 고립감을 줄여주는 "디지털 단짝" 역할을 할 수 있다는 것을 발견했습니다. 챗봇은 가벼운 "안녕" 인사를 건네거나 목표 설정을 돕는 등, 아무것도 없는 것보다는 나은 역할을 할 수 있습니다. 하지만 논문은 한 가지 점을 매우 분명히 합니다. 챗봇은 실제 인간 친구나 선생님을 대체할 수 없다는 것입니다. 만약 학생이 반 친구들 대신 봇과 대화를 시작한다면, 오히려 더 외로움을 느낄 수도 있습니다. AI는 인간적 연결이라는 메인 요리가 아니라, 곁들임 요리 같은 보조 수단입니다.

마지막으로, 논문은 "AI 매개 몰입 조건부 모델(AI-Mediated Engagement Contingency Model)"이라는 새로운 사고방식을 소개합니다. 이것을 세 다리 의자라고 상상해 보세요. AI가 잘 작동하려면 세 다리가 모두 튼튼해야 합니다:

과업(The Task): 교사는 AI가 사고를 위한 도구로 사용되도록 수업을 설계해야 하며, 단순히 일을 대신 해주는 지름길이 되어서는 안 됩니다.
학생(The Student): 학생은 AI가 자신을 대신해 모든 생각을 하게 두지 않고 도구를 사용할 수 있는 자기 통제력을 갖추어야 합니다.
학교(The School): 학교는 기술을 안전하게 지원할 수 있는 인터넷, 규칙, 그리고 교육을 갖추어야 합니다.

논문은 이 세 다리 중 하나라도 약해지면 의자가 넘어질 것이라고 주장합니다. 예를 들어, 학교에 훌륭한 인터넷 환경(강한 다리)이 있더라도, 학생들이 AI를 단순히 부정행위에 사용하거나 교사가 좋은 수업을 설계하지 않았다면(약한 다리), AI는 학습에 도움이 되지 않을 것입니다. 이는 인터넷 환경이 열악하거나 교육이 부족할 수 있는 아프리카나 라틴 아메리카와 같은 지역의 학교들에게 특히 중요합니다.

요약하자면, 이 논문은 AI가 강력한 도구이지만 기적의 치료제는 아니라고 제안합니다. AI는 잘 계획된 수업의 일부로서, 학생이 스스로 학습을 주도하고, 준비된 학교의 지원을 받을 때 가장 잘 작동합니다. 만약 우리가 AI를 모든 것을 해결해 주는 마법 지팡이로 취급한다면, 우리는 더 빠르지만 덜 사려 깊고, 로봇과는 더 연결되어 있지만 서로와는 덜 연결된 학생들을 마주하게 될지도 모릅니다. 학습의 미래는 인간을 기계로 대체하는 것이 아니라, 기계가 인간을 빛나게 돕는 완벽한 균형점을 찾는 데 있습니다.

기술 요약: 학부생의 인공지능, 학습 및 사회적 참여

문제 제기
인공지능(AI)은 주변적인 호기심의 대상에서 학부생의 일상적인 학업 생활을 매개하는 필수적인 구성 요소로 전환되었으며, 학생들이 학습하고, 피드백을 구하며, 사회적으로 상호작용하는 방식을 변화시키고 있다. 그러나 AI 도구가 학습과 사회적 참여를 어떻게 형성하는지에 대한 증거는 학문적, 지리적 경계에 따라 파편화되어 있다. 기존 문헌은 네 가지 결정적인 공백을 보여준다: (1) 초기 연구는 학습과 사회적 결과의 결합보다는 성취도와 기술 자체에 치중했다; (2) 생성형 AI(GenAI)에 관한 최근 문헌은 참여도와 관련하여 혼재되고 때로는 모순적인 결론을 내리는 등 매우 이질적이다; (3) 챗봇과 사회적 실재감에 관한 연구는 학습 성과 연구에 비해 방법론적 성숙도가 낮다; (4) 나이지리아나 라틴 아메리카와 같은 지역의 독특한 인프라 및 정책적 제약에도 불구하고, 글로벌 사우스(Global South)로부터의 증거는 북미, 유럽, 동아시아에 비해 부족하다. 결과적으로, 왜 AI의 효과가 연구와 맥락에 따라 그토 much 다르게 나타나는지를 설명하는 통합된 이론적 설명이 부족한 실정이다.

연구 방법론
본 연구는 연구 설계와 결과 측정치의 이질성을 해결하기 위해 Whittemore와 Knafl(2005)의 방식에 따른 서사적 주제 합성(narrative thematic synthesis)을 사용하는 PRISMA 2020 가이드라인 기반의 체계적 문헌 고찰이다.

검색 전략: 주요 출판 플랫폼(ScienceDirect, Springer, Wiley 등), 색인 서비스(ERIC), 검색 엔진(Google Scholar, Semantic Scholar)을 대상으로 2단계 검색을 수행하였다. 검색어는 AI(예: "generative AI," "intelligent tutoring systems," "chatbots")와 고등 교육 및 참여 관련 용어를 결합하였으며, 글로벌 사우스(예: "Nigeria," "Latin America")를 명시적으로 포함하는 용어도 포함하였다.
선별 과정: 식별된 235개의 레코드 중 46개의 중복 항목을 제거하였다. 189개의 레코드를 제목/초록으로 스크리닝하였고, 58개를 전문(full text) 검토하였다.
선정 기준: 선정된 연구는 2011~2026년 사이에 발표된 영문 피어 리뷰 논문이어야 하며, 학부생 집단에 초점을 맞추고, 학생의 학습 또는 사회적 참여에 영향을 미치는 AI 적용에 관한 실증적 결과 또는 체계적 문헌 고찰/메타 분석을 보고해야 한다.
최종 코퍼스: 29개의 연구가 모든 기준을 충족하였으며, 여기에는 메타 분석, 체계적 문헌 고찰 및 일차 실증 연구가 포함된다.
분석: 설계와 측정치의 다양성으로 인해, 데이터는 통계적 메타 분석 대신 서사적 및 주제적 방식으로 합성되었다. 분석은 Fredricks 등(2004)의 다차원적 참여 모델(행동적, 정서적, 인지적, 주체적 참여)과 사회적 실재감 이론을 가이드로 삼았다.

주요 기여 및 결과

1. AI 애플리케이션과 학습 성과 (RQ1)
본 검토는 AI 문헌을 두 가지 흐름으로 구분한다:

지능형 튜터링 시스템(ITS): 증거가 강력하고 수렴적이다. 세 개의 독립적인 메타 분석(Ma et al., 2014; Kulik & Fletcher, 2016; VanLehn, 2011)은 ITS 사용이 전통적인 교수법에 비해 성취도 면에서 유의미한 긍정적 효과(효과 크기 $g=0.42$ 에서 $0.66$ 사이)를 낸다는 것을 일관되게 보여준다. 이러한 이점은 개별화된 피드백을 제공하는 ITS의 능력 덕분이다.
생성형 AI(GenAI) 및 챗봇: 증거가 혼재되어 있으며 구현 방식에 따라 달라진다. 일부 리뷰(예: Xia et al., 2025; Wu & Yu, 2024)는 인지적, 행동적, 정서적 참여에 긍정적인 효과를 보고하는 반면, 다른 연구들(예: Lo et al., 2024; Deng et al., 2024)은 일관되지 않은 결과를 발견했다. Deng 등(2024)은 성취도와 고차원적 사고의 향상을 언급했으나 자기 효능감에는 유의미한 효과가 없음을 지적했다. 결정적으로, GenAI의 이점은 도구 자체의 고유한 속성이라기보다 교수 설계(예: 스캐폴딩, 플립드 러닝)의 창발적 속성으로 나타난다.

2. 사회적 참여와 사회적 실재감 (RQ2)
사회적 참여에 관한 연구는 대화형 에이전트에 집중되어 있다.

챗봇의 역할: 사회적 실재감 이론에 기반한 챗봇은 반응성과 상호작용의 연속성을 제공함으로써 온라인 학습에서의 고립을 완화할 수 있다(Hew et al., 2022; Wollny et al., 2021).
한계점: 문헌들은 일관되게 챗봇을 인간 관계의 대체물이 아닌 '보완재'로 규정한다. 챗봇이 동료나 교수자와의 상호작용을 대체할 경우, 오히려 참여 저하를 초래할 수 있다. 다양한 맥락(가나, 사우디아라비아, UAE)의 연구들은 챗봇이 인지적, 정서적 스캐폴딩을 제공할 수는 있지만, 진정한 사회적 실재감의 응집력 있는 차원을 완전히 복제할 수는 없음을 확인해 준다.

3. 조절 요인 (RQ3)
네 가지 요인이 AI의 효과를 일관되게 조절한다:

교육적 통합: AI 도구는 구조화되지 않은 자원으로 사용될 때보다 능동적이고 스캐폴딩이 적용된 교수 설계 내에 내재되어 있을 때 더 나은 성과를 낸다.
인지적 과의존: AI에 대한 과도한 의존은 비판적 사고의 저하 및 "인지적 부하 경감(cognitive offloading)"과 연결된다(Zhai et al., 2024; Gerlich, 2025).
학술적 정직성: GenAI의 효율성 증대는 학업 부정행위의 상당한 위험과 공존한다.
구조적/지리적 맥락: 글로벌 사우스(예: 나이지리아, 라틴 아메리카)에서는 디지털 격차, 데이터 프라이비시 문제, 기관의 준비 부족으로 인해 혜택이 제한된다. AI의 위험을 관리할 역량이 가장 부족한 환경이 역설적으로 AI의 혜택이 가장 필요한 곳이다.

이론적 기여: AI 매개 참여 조건부 모델 (AI-MECM)
본 논문은 AI 결과의 변동성을 설명하기 위해 **AI 매개 참여 조건부 모델(AI-MECM)**을 제안한다. 이 모델은 AI가 참여에 미치는 영향이 기술의 고정된 속성이 아니라, 다음의 세 가지 상호작용하는 수준의 정렬에 공동으로 달려 있다고 가정한다:

미시적 수준 (과제 설계 스캐폴딩): AI가 구조화되고 상호작용적인 교육적 과제 내에 얼마나 깊이 내재되어 있는가.
중범위 수준 (학습자 자기 조절 능력): 학습자가 참여를 모니터링하고 노력이 필요한 사고 과정을 생략하려는 유혹(offloading)에 저항하는 능력.
거시적 수준 (기관의 준비도): 인프라/정책 역량과 거버넌스 역량(특히 학술적 정직성을 위한)을 모두 포함한다.

모델은 이 단계들이 **곱셈적(multiplicatively)**으로 작동한다고 주장한다: 단 하나의 단계에서라도 실패가 발생하면(예: 스캐폴딩은 강력하지만 자기 조절 능력이 약하거나, 인프라는 강력하지만 정직성 거버넌스가 취약한 경우), 일관되지 않거나, 효과가 없거나, 혹은 부정적인 결과가 초래될 수 있다.

의의 및 주장
본 논문은 자신의 의의가 AI를 단순히 유익하거나 해로운 것으로 보는 이분법적 논쟁을 넘어 진단적 프레임워크를 제시하는 데 있다고 주장한다.

실무자를 위한 시사점: AI-MECM은 왜 특정 AI 개입이 실패하는지를 진단하는 휴리스틱을 제공하며, 초점을 기술 자체가 아닌 과제 설계, 학습자 자기 조절, 또는 기관 거버넌스의 불일치로 전환한다.
정책 입안자를 위한 시사점: 자원이 제한된 환경(예: 나이지리아 대학)에서의 AI 도입은 인프라, 교직원 교육, 정직성 거버넌스에 대한 병행 투자가 필요함을 강조한다. 즉, 도입만 한다고 해서 혜택이 자동으로 따라오는 것이 아니다.
주장의 겸허함: 저자들은 AI-MECM이 합성을 통해 도출된 휴리스틱 모델이며, 경험적으로 검증된 인과 모델이 아님을 명시한다. 제안된 곱셈적 관계는 직접적인 경험적 테스트를 필요로 한다. 또한 본 검토는 이중 독립 스크리닝의 부재, 독점적 데이터베이스 API(Scopus/Web of Science)의 제외, 그리고 GenAI 도구의 급격한 진화로 인해 특정 연구 결과의 지속 가능성이 제한될 수 있다는 점 등 한계를 인정한다.

결론적으로, 본 검토는 AI가 학부생의 참여에 주는 약속은 실재하지만, 이는 교육적 설계, 학습자의 주체성, 그리고 기관의 준비도라는 복잡한 상호작용에 달려 있는 조건부적인 것임을 논한다.

기술 요약: 학부생의 인공지능, 학습 및 사회적 참여

유사한 논문