📄 social_science

Fostering Critical Thinking in Early Childhood Teacher Education: The Roles of Teaching Materials, Media Literacy, and AI-Enhanced Learning

318명의 인도네시아 유아 교육 전공 학생들을 대상으로 한 이 양적 연구는 교수 자료와 미디어 리터러시가 AI 강화 학습과 서사적 결과를 유의미하게 예측하는 반면, 단편 소설 학습의 효과성이 비판적 사고 기술의 가장 강력한 예측 요인임을 밝힘으로써 AI 지원 교사 교육을 위한 통합적 교육학적 프레임워크를 뒷받침한다.

원저자: Nurmalina Nurmalina, Putri Asilestari, Deddy Gusman, Gyöngyi Bujdosó

게시일 2026-09-04

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Nurmalina Nurmalina, Putri Asilestari, Deddy Gusman, Gyöngyi Bujdosó

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 교실에서 학습 도구는 빠르게 변화하고 있습니다. 컴퓨터가 텍스트를 생성하고, 피드백을 제공하며, 학생의 속도에 맞춰 적응할 수 있게 해주는 기술인 인공지능은 이제 공상 과학의 영역을 넘어 학교 교육 과정으로 들어오고 있습니다. 그러나 단순히 학생에게 강력한 새로운 도구를 쥐여준다고 해서 그들이 깊이 있게 사고하는 법을 배울 수 있다는 보장은 없습니다. 정보를 분석하고, 가정을 의심하며, 복잡한 문제를 해결하는 능력인 진정한 비판적 사고는 단지 기술에 접근할 수 있는 것 이상의 것을 요구합니다. 그것은 그 기술이 어떻게 사용되는지, 학생을 이끄는 자료의 질이 어떠한지, 그리고 디지털 세상을 항해하는 학생 자신의 능력에 달려 있습니다. 학교가 차세대 교사들을 준비함에 따라 중요한 질문이 제기됩니다. 우리는 학생들이 정보의 수동적인 소비자가 아닌, 예리하고 독립적인 사고가가 되도록 하기 위해 이러한 디지털 도구들을 전통적인 방식과 어떻게 결와야 할까요?

인도네시아의 한 연구팀은 이 질문에 답하기 위해 유아 교육 전문가로 훈련받고 있는 318명의 학부생을 대상으로 연구를 수행했습니다. 이 예비 교사들은 매우 중요한 단계에 있습니다. 이들은 높은 수준의 판단력과 적응력을 요구하는 작업인 어린 아이들의 정신을 형성하는 법을 배우고 있기 때문입니다. 연구진은 세 가지 특정 요인이 비판적 사고 기술을 구축하기 위해 어떻게 상호작용하는지 이해하고자 했습니다: 제공되는 교수 학습 자료의 질, 디지털 미디어를 이해하고 평가하는 학생들의 능력, 그리고 수업에서의 인공지능 활용입니다. 구체적으로, 그들은 이러한 요소들이 공감과 분석적 추론을 발달시키는 고전적인 방법인 짧은 이야기를 통해 학습하는 능력에 어떤 영향을 미치는지 살펴보았습니다.

답을 찾기 위해 연구진은 학생들에게 그들의 경험에 관한 상세한 설문조사를 실시했습니다. 학생들은 자신들의 교수 학습 자료가 얼마나 명확하고 도움이 되었는지, 디지털 정보를 분석하는 데 얼마나 자신감을 느끼는지, 그리고 AI 도구의 활용이 이야기 이해와 자신의 글쓰기 발전에 얼마나 도움이 되었는지를 평가했습니다. 또한 그들은 문제 해결, 논증 평가, 그리고 성찰적 사고 능력에 대해서도 보고했습니다. 연구진은 이후 정교한 통계적 방법을 사용하여 이러한 다양한 요인들 사이의 연결 고리를 지도화하였으며, 하나의 요소가 다음 요소에 어떻게 영향을 미치는지 추적하여 학습 과정의 완전한 그림을 그려냈습니다.

연구 결과, 비판적 사고를 발달시키는 명확하고 상호 연결된 경로가 드러났습니다. 연구는 교수 학습 자료의 질이 기초적인 요소라는 것을 발견했습니다. 자료가 명확하고 체계적이며 AI 도구와 원활하게 작동하도록 설계되었을 때, 학생들은 기술에 더 깊이 몰입했습니다. 마찬가지로, 디지털 정보를 비판적으로 평가하는 능력, 즉 미디어 리터러시는 필수적이었습니다. 편향성을 찾아내고, 출처를 확인하며, 알고리즘이 어떻게 작동하는지 이해할 수 있는 학생들은 AI 도구를 더 잘 활용했으며 이야기 기반 학습에서도 더 성공적이었습니다.

그러나 가장 중요한 발견은 이야기 자체의 역할에 관한 것이었습니다. AI 도구와 좋은 자료들이 도움을 주기는 했지만, 짧은 이야기 학습 경험의 효과성이 비판적 사고 기술을 이끄는 단일한 가장 강력한 동력이었습니다. 캐릭터를 분석하고, 숨겨진 의미를 추론하며, 텍스트를 성찰하며 이야기에 깊이 몰입한 학생들은 비판적 사고 능력이 가장 크게 향상되었습니다. 이 연구는 AI가 개인화된 피드백을 제공하고 학생들이 복잡한 텍스트를 탐색하도록 돕는 강력한 지원 시스템 역할을 하지만, 진정으로 정신을 날카롭게 만드는 것은 서사와 씨름하는 행위 그 자체라고 시사합니다.

연구진은 또한 AI 강화 학습이 비판적 사고에 기여하기는 하지만, 그 영향력이 이야기 기반 학습 자체보다 작다는 것을 발견했습니다. 이는 기술 그 자체가 마법 같은 해결책은 아니며, 풍부하고 인간 중심적인 교육 경험 속에 내재되어 있을 때 가장 잘 작동한다는 것을 시사합니다. 이 연구는 미래의 교사들이 필요한 고차원적 사고 기술을 개발하기 위해서는 단순히 AI를 사용하는 법뿐만 아니라, 깊고 성찰적인 학습을 위해 AI를 어떻게 활용해야 하는지도 배워야 함을 나타냅니다. 수업 계획의 질과 정보를 비판적으로 생각하는 학생의 능력은 기술 그 자체만큼이나 중요합니다.

이 연구는 교사 교육 프로그램에 실질적인 로드맵을 제공합니다. 이는 학교가 단순히 새로운 AI 도구를 채택하는 것에 그치지 않고, 이러한 도구들을 사려 깊게 통합하는 고품질의 교육 자료를 만드는 데 집중해야 함을 시사합니다. 나아가, 미래의 교육자들이 디지털 환경을 비판적인 시각으로 항해할 수 있도록 미디어 리터러시를 가르쳐야 할 긴급한 필요성을 강조합니다. 무엇보다도, 이 연구는 스토리텔링의 지속적인 힘을 재확인합니다. 급격한 기술 변화의 시대에도 이야기를 분석하고, 그 뉘앙스를 이해하며, 의미 있는 결론을 도출하는 능력은 비판적 사고 기술을 배양하는 데 가장 효과적인 방법으로 남아 있습니다. 연구는 결론적으로, 가장 성공적인 학습 환경은 기술, 고품질의 자료, 그리고 서사 학습이 함께 어우러지며, 이야기가 그 경험의 중심에 있는 환경이라고 밝히고 있습니다.

기술 요약: 유아 교사 교육에서의 비판적 사고 함양

문제 제기
교육 분야에서 인공지능(AI)의 급격한 통합은 적응형 및 개인화된 학습 기회를 도입하였으나, 비판적 사고를 촉진하는 데 있어 AI의 효능은 교수법의 질과 학습자의 디지털 역량에 따라 달라진다. 지능형 튜터링 시스템, 생성형 AI와 같은 AI 기술이 고등 교육에서 점점 더 많이 채택되고 있음에도 불구하고, 비판적 사고에 미치는 직접적인 영향에 관한 실증적 근거는 일관되지 않다. 기존 문헌은 주로 기술 수용성(사용성, 행동 의도)에 초점을 맞추고 있으며, 인지 발달을 주도하는 교수학적 메커니즘에 대해서는 연구가 부족하다. 또한, 특히 유아 교사 교육(ECTE) 맥락에서 AI 강화 학습의 선행 요소로서 교수 자료와 미디어 리터러시를 동시에 통합하는 연구도 드물다. 본 연구는 교수 자료, 미디어 리터러시, AI 강화 학습, 단편 소설 학습 효과성, 그리고 비판적 사고 기술 간의 구조적 관계를 조사함으로써 이러한 격차를 해소하고자 한다.

연구 방법론
본 연구는 부분 최소 제곱 구조 방정식 모델링(PLS-SEM)을 활용한 양적, 횡단적 연구 설계를 채택하였다.

참가자: 표본은 인도네시아의 여러 고등 교육 기관에 재학 중인 유아 교사 교육 전공 학부생 318명으로 구성되었다. 인구 통계학적으로 여성 비율이 압도적(89.9%)이었으며, 대부분의 연령대는 20~21세였다. 참가자들은 반드시 재학 중이어야 하며, 단편 소설 학습 활동에 참여하고 있어야 하고, AI 기반 학습 플랫폼에 대한 사전 경험이 있어야 한다는 조건을 충족해야 했다.
도구: 데이터는 5점 리커트 척도를 사용한 구조화된 웹 기반 설문지를 통해 수집되었다. 도구는 다섯 가지 잠재 변수, 즉 교수 자료(TM), 미디어 리터러시(ML), AI 강화 학습(AIL), 단편 소설 학습 효과성(SSL), 비판적 사고 기술(CT)을 측정하였다. 문항은 디지털 학습, 미디어 리터러시, 비판적 사고 문헌에서 검증된 척도를 수정 및 보완하여 제작되었다.
분석: 데이터는 2단계 접근 방식에 따라 SmartPLS 4.0을 사용하여 분석되었다. 첫째, 지표 신뢰도, 내부 일관성(Cronbach's alpha, 합성 신뢰도), 수렴 타당도(AVE), 판별 타당도(HTMT 비율)에 대해 측정 모델을 평가하였다. 둘째, 경로 계수, 유의 수준( $p < 0.05$ ), 효과 크기( $f^2$ ), 예측 타당도( $Q^2$ )를 평가하기 위해 부트스트래핑(5,000회 재표본 추출)을 통해 구조 모델을 테스트하였다.

주요 결과
구조 모델은 견고한 적합도 지수(SRMR = 0.061, NFI = 0.912)와 모든 내생 변수에 대한 높은 설명력( $R^2$ )을 보여주었다. 가설로 설정된 6가지 관계 모두 통계적으로 유의미했다 ( $p < 0.001$ ):

학습 과정의 선행 요인:
- **교수 자료(TM)**는 AI 강화 학습( $\beta = 0.517$ )과 단편 소설 학습 효과성( $\beta = 0.238$ ) 모두를 유의미하게 예측하였다.
- **미디어 리터리시(ML)**는 AI 강화 학습( $\beta = 0.397$ )을 유의미하게 예측하였으며, 단편 소설 학습 효과성( $\beta = 0.645$ )에 더 강력한 영향을 미쳤다.
비판적 사고의 예측 요인:
- **AI 강화 학습(AIL)**은 비판적 사고 기술( $\beta = 0.257$ )에 긍정적인 영향을 미쳤으나, 중간 정도의 효과 크기( $f^2 = 0.142$ )를 보였다.
- **단편 소설 학습 효과성(SSL)**은 비판적 사고 기술의 가장 강력한 예측 변수로 나타났으며( $\beta = 0.749$ ), 매우 큰 효과 크기( $f^2 = 1.214$ )를 보였다.
모델 설명력:
- 모델은 AI 강화 학습 분산의 68.8%, 단편 소설 학습 효과성 분산의 70.2%를 설명하였다.
- 특히, 모델은 비판적 사고 기술 분산의 87.1%를 설명하였으며, 이는 높은 예측 정확도를 나타낸다.

주요 기여
본 논문은 해당 분야에 세 가지 주요 기여를 한다고 주장한다:

교수학적 프레임워크: 교수법의 질(교수 자료), 학습자의 디지털 역량(미디어 리터리시), AI 지원 프로세스, 그리고 서사 기반 학습(단편 소설)을 비판적 사고의 상호 연결된 결정 요인으로 연결하는 통합 모델을 제시한다.
맥락적 특수성: 미래의 교육 방법론을 형성하는 데 중요한 역할을 함에도 불구하고 AI 기반 교육 연구에서 종종 간과되는 대상인 유아 교사 교육생들에게 초점을 맞춘다.
메커니즘 명확화: 초점을 기술 수용성에서 교수학적 메커니즘으로 전환하여, AI의 비판적 사고 기여가 내재적인 것이 아니라 양질의 교수 자료와 학습자의 미디어 리터러시에 의해 매개된다는 점을 입증한다.

의의 및 주장
저자들은 본 연구가 비판적 사고를 교수법의 질, 디지털 역량, 서사적 참여 사이의 역동적인 상호작용의 결과물로 보는 통합적 교수학적 프레임워크를 발전시킨다고 주장한다. 연구 결과는 AI 강화 학습이 비판적 사고에 긍정적으로 기여하지만, 그것이 단독 해결책은 아니라는 점을 시사한다. 오히려 그 효과는 고품질의 교수 환경 내에 내재되어 있는지에 달려 있다.

본 연구는 단편 소설 학습 효과성이 이 맥락에서 비판적 사고 발달의 가장 강력한 동력이라고 주장한다. 이는 AI 지원 환경 내에서도 서사 기반 교수법(분석, 해석, 성찰)의 가치를 강조한다. 저자들은 AI가 교사 교육에서 비판적 사고를 효과적으로 함양하기 위해서는 잘 구조화된 교수 자료와 탄탄한 미디어 리터러시 훈련을 우선시하는 일관된 교수학적 생태계 내에 목적을 가지고 통합되어야 한다고 결론짓는다.

한계점
저자들은 인도네시아 유아 교사 교육생에게만 국한된 연구 대상(일반화의 한계), 횡단적 설계(인과적 시간 관계 주장 불가), 자기 보고식 데이터 의존성 등의 한계를 인정한다. 이들은 향후 연구에서 종단적 및 실험적 설계를 채택하고 디지털 자기 효능감 및 인지적 몰입과 같은 추가 변수를 포함할 것을 제안한다.

유사한 논문