From Fragmentation to Integration: A Delphi-Validated AI Literacy Competency Framework for Higher Education Teachers in China

고등 교육은 현재 중대한 변화를 겪고 있습니다. 에세이를 쓰고, 복잡한 문제를 해결하며, 대화를 나눌 수 있는 도구의 이면에 있는 기술인 생성형 인공지능이 놀라운 속도로 대학에 등장했습니다. 교사들에게 이 기술은 두 가지 현실을 동시에 제시합니다. 학습을 개인화하고 연구를 지원할 수 있는 강력한 방법을 제공하는 동시에, 학문적 정직성, 데이터 프라이버시, 그리고 학습의 본질 자체에 대한 심각한 질문을 던집니다. 이 새로운 지형을 헤쳐 나가기 위해 교육자들에게는 단순히 버튼을 누르는 능력 이상의 것이 필요합니다. 그들은 이러한 도구가 어떻게 작동하는지, 어떻게 윤리적으로 사용하는지, 그리고 자신의 전문적 주체성을 잃지 않으면서 어떻게 자신의 가르침에 이를 통합할 수 있는지에 대한 깊은 이해가 필요합니다. 정부와 대학들이 이 새로운 시대를 위한 가이드라인을 초안하기 시작했지만, 이러한 지침들은 종종 고립된 상태로 존재하여 혼란스럽고 일관성 없는 규칙의 조각들을 만들어냅니다.

이러한 파편화에 대응하여, 일련의 연구진은 중국 대학 교사들을 위한 통합된 지도를 구축하기 위해 착수했습니다. 그들은 중국 고등 교육의 특수한 맥락 내에서 인공지능 리터러시(AI 문해력)가 무엇을 의미하는지 정의하는 단일하고 일관된 프레임워크를 만들고자 했습니다. 연구진은 단순히 교사들에게 무엇이 필요한지 추측하지 않았습니다. 그들은 먼저 중국의 기존 공식 문서 및 정책 프레임워크 4개와 2개의 국제 모델을 면밀히 비교하는 것부터 시작했습니다. 이 초기 분석은 상당한 괴리를 드러냈습니다. 어떤 문서들은 AI를 단순한 도구로 취급한 반면, 다른 문서들은 학습 과정에서의 파트너로 보았습니다. 어떤 것들은 기술을 정적인 체크리스트로 나열한 반면, 다른 것들은 성장의 경로를 설명하려고 시도했습니다. 연구진은 이 분야의 발전을 저해하는 세 가지 주요 긴장 관계를 식계했습니다: 모두에게 적용되는 하나의 표준 규칙을 만드는 것과 지역적 맥락을 허용하는 것 사이의 갈등, 기술을 고정된 집합으로 나열하는 것과 그것이 시간에 따라 어떻게 발전하는지를 보여주는 것 사이의 충돌, 그리고 AI가 단순한 기계인지 아니면 교육의 능동적인 참여자인지에 대한 이견입니다.

이러한 긴장을 해결하기 위해, 연구진은 세 가지 뚜렷한 발전 단계로 구성된 27개의 구체적인 기술과 이해를 포함하는 예비 프레임워크를 합성했습니다. 첫 번째 단계인 '기초(Foundation)'는 AI가 무엇인지 이해하고, 도구 사용법을 익히며, 윤리적 규칙을 파악하는 기초적인 내용을 다룹니다. 두 번째 단계인 '실행(Practice)'은 교실에 집중합니다: AI를 활용한 수업 설계, 새로운 학습 자료 제작, 그리고 AI가 풍부한 환경에서의 공정한 학생 평가를 다룹니다. 세 번째 단계인 '혁신(Innovation)'은 미래를 바라봅니다: 전체 코스를 재설계하고, 연구를 주도하며, 동료를 멘토링하는 것을 포함합니다. 결정적으로, 연구진은 윤리를 단순히 체크해야 할 하나의 상자가 아니라 세 단계 모두를 관통하는 실로 배치하여, 모든 단계에서 책임 있는 사용이 고려되도록 했습니다.

이 초안 프레임워크는 델파이 기법(Delphi study)이라고 알려진 엄격한 전문가 컨설팅 과정을 통해 검증되었습니다. 연구진은 교육과 기술 분야에서 깊은 경험을 가진 15명의 선도적인 학자와 대학 행정가들을 초청하여 제안된 기술들을 검토하게 했습니다. 첫 번째 라운드에서 이 전문가들은 27개 지표 각각에 대해 중요도와 명확성을 평가했습니다. 피드백은 즉각적이고 구체적이었습니다. 전문가들은 중복되는 항목들을 병합하고, 불필요한 하나를 제거하며, 장애 학생을 위해 AI를 사용하여 교수법을 더 접근 가능하게 만드는 것과 같이 누락되었던 세 가지 새로운 핵심 기술을 추가할 것을 제안했습니다. 또한 그들은 윤리적 차원이 단순히 목록의 한 항목이 아니라 횡단적인 원칙으로 격상되어야 한다고 강조했습니다.

두 번째 라운드에서 전문가들은 수정된 프레임워크를 검토했습니다. 결과는 결정적이었습니다. 26개의 지표가 강력한 합의에 도달했는데, 이는 전문가들이 이 지표들이 필수적이며 명확하게 정의되었다는 점에 동의했음을 의미합니다. 이 26개의 기술은 이제 중국 대학 교사를 위한 검증된 역량 프레임워크의 핵심을 형성합니다. 그러나 학생들이 AI를 사용할 때의 교실 역동성 관리와 관련된 한 가지 지표는 요구되는 수준의 합의에 도달하지 못했습니다. 전문가들은 이 영역이 표준 요구 사항으로 선언하기에는 여전히 너무 새롭고 불확실하다고 느꼈습니다. 결과적으로 연구진은 이 특정 기술을 별도로 유지하여, 공식적으로 채택되기 전에 추가 연구가 필요한 잠정적 항목으로 분류했습니다.

최종 결과물은 단순한 기술 목록을 넘어선 구조화되고 증거에 기반한 가이드입니다. 이는 교사가 기초적인 인식을 시작으로 기술을 통해 혁신을 일으키는 리더로 성장할 수 있음을 인정하는 발전 경로를 제공합니다. 이 프레임워크는 기존의 국제 모델들을 중국의 맥락에 맞게 명시적으로 조정하고, 역량을 기초 학습에서 기술 혁신으로 이어지는 명확한 단계로 조직함으로써 이를 확장합니다. 이 프레임 While 이 프레임워크가 대학들이 교육 프로그램을 설계하고 정책 입안자들이 표준을 설정하는 데 견고한 토대를 제공하지만, 연구진은 이것이 아직 완성된 측정 도구는 아니라고 경고합니다. 이것은 전문가의 의견에 의해 검증되었지만, 교사가 얼마나 잘 수행하는지를 정확하게 예측하는지 확인하기 위해 실제 교실에서 테스트되지는 않았습니다. 이 분야의 다음 단계는 이 프레임워크를 사용하여 실제 테스트를 구축하고 교사들의 활동을 관찰함으로써, 그들이 그린 지도가 인공지능 시대의 효과적이고 윤리적이며 인간 중심적인 가르침이라는 목적지로 진정으로 인도하는지 확인하는 것입니다.