A Sovereignty Centred Model of AI Literacy for African Higher Education

현대 대학에서 조용한 혁명이 지식이 생성되고, 공유되고, 판단되는 방식을 재편하고 있습니다. 수 세기 동안 교육은 인간 저자와 물리적 텍스트에 의존해 왔으며, 학생은 아이디어를 그 근원으로 추적하여 그것이 탄생한 맥락을 이해할 수 있었습니다. 오늘날 인공지능 시스템은 텍스트를 생성하고, 연구를 요약하며, 어떤 정보가 가장 신뢰할 수 있는지 결정합니다. 이 시스템들은 학습자와 아이디어의 세계 사이에 서 있는 강력한 중개자 역할을 합니다. 학교들이 학생들이 이러한 도구를 사용하는 법을 가르치기 위해 서두르고 있지만, 한 가지 중요한 질문은 여답되지 않은 채 남아 있습니다. 기계를 작동하는 법을 아는 것이 그 기계가 생산하는 지식을 진정으로 이해한다는 것을 의미하는가? 이것이 바로 아프리카 고등 교육에서 부상하고 있는 새로운 관점의 핵심이며, 이곳의 학자들은 수입된 기술을 그 이면에 숨겨진 가정을 이해하지 못한 채 사용하는 법을 배우는 것이 오히려 학생들을 더 자유롭게 하기보다 더 의존적으로 만들지는 않을지 묻고 있습니다.

이러한 관점을 제시한 연구진은 콩고민주공화국을 비롯한 학자들로 구성된 팀으로, 이들은 현재의 "AI 리터러시(AI 문해력)" 교육 방식이 그들의 맥락에서 근본적으로 결함이 있다고 주장합니다. 대부분의 기존 프로그램은 AI 기술을 체크리스트 형태의 과업처럼 취급합니다. 프롬프트를 작성하는 법을 배우고, 오류를 찾아내는 법을 배우고, 소프트웨어를 사용하는 법을 배우는 식입니다. 이들은 만약 학생이 이러한 과업들에 능숙해진다면 더 독립적인 사고가 될 것이라고 가정합니다. 저자들은 이것이 위험한 실수라고 제안합니다. 그들은 기술이 다른 곳에서 만들어지고, 다른 문화권의 데이터로 훈련되었으며, 먼 곳의 기업들에 의해 통제되는 곳에서, 단순히 도구를 사용하는 데 능숙해지는 것은 오히려 그 도구에 대한 학생의 의존도를 심화시킬 수 있다고 제안합니다. 학생은 기계에게 답을 요구하는 데는 유창해질 수 있지만, 그 답이 진실한지 혹은 자신의 현실에 적절한지를 의심하는 능력은 상실할 수 있습니다.

이를 해결하기 위해 연구팀은 '주권적 학습을 위한 AI 리터러시(AI Literacy for Sovereign Learning)'라는 새로운 프레임워크를 개발했습니다. 리터러시를 별개의 기술들의 집합으로 보는 대신, 그들은 이를 네 가지 서로 다른 역량 사이의 복잡한 관계로 봅니다. 첫째는 시스템을 작동시키는 기술적 능력입니다. 둘째는 시스템이 무엇을 알고 그 지식이 어디에서 왔는지 질문하는 비판적 능력입니다. 셋째는 시스템이 공정성과 정의에 어떻게 영향을 미치는지 판단하는 윤리적 감각입니다. 넷째는 시스템이 지역적 사고방식 및 공동체의 필요에 어떻게 부합하는지, 혹은 왜 부합하지 못하는지를 이해하는 문화적 역량입니다. 저자들은 진정한 독립, 즉 "인식론적 주권(epistemic sovereignty)"은 이 네 가지 역량이 함께 성장할 때만 가능하다고 주장합니다. 만약 학생이 기술을 사용하는 데 매우 숙련되었지만 그것을 의심할 비판적 또는 문화적 기술이 부족하다면, 그들은 자율적인 존재가 되는 것이 아니라 기계의 더 효율적인 하인이 될 뿐입니다.

이 논문은 표준 컴퓨터 수업에 "윤리"나 "주권"에 관한 수업을 단순히 추가한다고 해서 좋은 결과가 나올 것이라는 생각에 도전합니다. 연구진은 학생들이 배우는 순서가 매우 중요하다고 제[]안합니다. 만약 커리큘럼이 시스템의 편향성을 비판적으로 분석하는 법을 배우기 전에 도구를 사용하는 법을 먼저 가르친다면, 학생들은 잘못된 자신감을 갖게 될 수 있습니다. 그들은 단지 기계를 잘 작동시키는 법을 안다는 이유만으로 기계의 결과물을 신뢰하게 될 수도 있습니다. 저자들은 이것이 학습자가 기술에 너무 익숙해진 나머지 그 한계를 인지하지 못하게 되는 특정한 종류의 의존성을 만든다고 경고합니다. 그들은 아프리카 학생들에게, 그리고 실제로 기술을 현지에서 소유하지 않은 모든 곳에서, 비판적 사고가 기술적 숙련도의 부수적인 것이 아니라 그 위에 구축되어야 할 토대가 되어야 한다고 주장합니다.

이 관점은 성공을 측정하는 방식의 격차 또한 강조합니다. 저자들은 AI 리터러시를 측정하기 위해 설계된 16가지의 서로 다른 테스트가 있지만, 그중 어느 것도 다양한 문화권에서 제대로 작동하는지 적절히 테스트되지 않았다고 지적합니다. 한 지역에서 설계된 테스트는 "비판적 사고"가 특정한 방식으로 나타난다고 가정할 수 있으며, 이는 다른 문화권의 학생이 편향이나 오류를 식별하는 특정한 방식을 놓칠 수 있습니다. 연구진은 이를 해결하지 않는다면, 대학들이 잘못된 것을 측정하는 도구를 수입하게 되어, 실제로는 외국 시스템에 더 의존해 가고 있음에도 불구하고 기관들에게 잘못된 안정감을 줄 위험이 있다고 제안합니다.

이 논문이 시사하는 바는 교사들에게도 상당합니다. 논문은 이 새로운 종류의 학습에서 가장 큰 병목 현상은 바로 교사들이라고 주장합니다. 학생은 매뉴얼을 읽고 프롬프트를 입력하는 법을 배울 수 있지만, 시스템의 세계관을 비판적으로 의심하는 법을 배우려면 그러한 행동을 모델링할 수 있는 교사가 필요합니다. 만약 교사가 AI에 대한 자신만의 비판적이고 문화적인 이해를 발전시키지 못했다면, 학생들에게도 이를 지도할 수 없습니다. 저자들은 교육자를 위한 전문성 개발의 초점이 단순히 소프트웨어를 가르치는 것에서 벗어나, 소프트웨어가 제기하는 지식, 권력, 문화에 대한 더 깊은 질문들을 이해하도록 돕는 것으로 전환되어야 한다고 제안합니다.

마지막으로, 연구진은 개인의 학습만으로는 문제를 해결할 수 없음을 강조합니다. 설령 대학이 뛰어난 비판적 사고가를 배출한다 하더라도, 대학 자체가 어떤 기술을 구매할지 또는 그것을 어떻게 사용할지에 대해 아무런 목소리를 내지 못한다면 그 학생들은 시스템을 바꿀 수 없습니다. 논문은 대학이 학생과 교직원이 AI 도입에 관한 결정에 영향을 미칠 수 있는 통로를 마련할 것을 촉구합니다. 이러한 통로가 없다면, 비판적인 정신을 기르기 위한 노력은 헛수고가 될 수 있습니다. 대학이 학생들이 저항하도록 배우고 있는 바로 그 의존성을 강화하는 시스템을 계속해서 구매하고 사용하게 될 것이기 때문입니다.

저자들은 자신들의 작업이 완성된 실험 보고서라기보다는 문제에 대해 생각하는 방식에 대한 개념적 제안임을 주의 깊게 명시하고 있습니다. 그들은 아직 새로운 데이터를 통해 구체적인 예측을 테스트하지는 않았지만, 기존 연구에 대한 면밀한 검토와 아프리카 학자들의 생생한 경험을 바탕으로 논거를 구축했습니다. 그들은 미래에 테스트 가능한 일련의 명확한 주장들을 제시하며, 다른 연구자들이 자신들의 모델이 타당한지 확인해 볼 것을 권하고 있습니다. 단순한 기술적 숙련도를 넘어 더 깊고 문화적으로 뿌리박힌 형태의 독립성으로 초점을 전환함으로써, 이 연구는 지능형 기계의 시대에 교육이 나아가야 할 필수적인 새로운 방향을 제시합니다. 이는 교육의 목표가 단순히 학생들에게 미래의 도구를 사용하는 법을 가르치는 것이 아니라, 그 도구를 사용하는 동안에도 자신의 정신에 대한 주인으로 남을 수 있도록 보장하는 것이어야 함을 시사합니다.