Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
이 관점 논문은 생성형 AI가 자원 평가를 통해 고등 교육 학습자들을 어떻게 고갈시키거나 혹은 활력을 불어넣을 수 있는지를 설명하기 위해 다섯 가지 심리학 이론을 통합한 다차원적 모델인 '학습 에너지(Learning Energy)' 프레임워크를 소개하며, 이를 통해 AI 매개 환경에서 학업적 웰빙을 이해하고 지속하기 위한 포괄적인 접근법을 제시한다.
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
현대 대학에서 학습이라는 행위의 질감은 조용히 변화하고 있다. 수십 년 동안 교육은 학생들이 어떻게 동기를 유지하는지, 어떻게 어려운 자료에 몰입하는지, 그리고 어떻게 정신적 안녕을 유지하는지를 이해하는 데 의존해 왔다. 이것들은 익숙한 개념들이다. 동기는 학생이 과업을 시작하게 하는 이유이고, 몰입은 그들이 쏟는 노력이며, 안녕은 그들이 건강하게 기능하고 있다는 감각이다. 그러나 이제 강의실에는 단순히 선반 위에 놓여 있는 것이 아니라 사고 과정에 능동적으로 참여하는 새로운 힘이 등장했다. 에세이를 초안하고, 복잡한 아이디어를 설명하며, 즉각적인 피드백을 제공할 수 있는 기술인 생성형 인공지능이 주변부에서 벗어나 일상적인 학술 생활의 중심으로 이동했다. 그것은 속도와 명확성을 제공하지만, 동시에 역설을 가져온다. 학생은 생각을 덜 하면서 과제를 더 빨리 끝낼 수도 있고, 혹은 동일한 도구를 사용하여 자신의 아이디어를 심화하고 검증하는 데 사용할 수도 있다. 교육자와 연구자들이 직면한 질문은 더 이상 이 기술이 작동하느냐가 아니라, 이 기술이 학습자를 계속 나아가게 하는 내부의 연료를 어떻게 변화시키느냐 하는 것이다.
푸옹동 대학교(University of Phuong Dong)의 새로운 관점은 이 내부의 연료를 측정하는 방법으로 '학습 에너지(Learning Energy)'라고 불리는 개념을 제안한다. 이 개념은 흥분이나 피로와 같은 단일한 감정이 아니라, 사람이 학습을 시작하고, 지속하고, 조절할 수 있게 하는 역동적인 자원이다. 저자인 반 흐엉 응우옌(Van Huong Nguyen)은 이 에너지가 재생 가능하며 사회적으로 공유되는 것이라고 제안한다. 이는 학생이 머릿속에 홀로 지니고 다니는 것이 아니라, 기술, 동료, 교사, 그리고 소속 기관의 규칙과 상호작용함으로써 생성되기도 하고 소진되기도 한다. 논문은 인공지능의 영향을 단순히 최종 성적이나 작업 속도만으로 파악해서는 안 된다고 주장한다. 대신, 기술이 학생이 명확하게 생각하고, 위험을 감수할 만큼 안전하다고 느끼며, 어려움을 견뎌내고, 타인과 연결되며, 자기 작업의 진정한 저자로 남을 수 있도록 돕는지 살펴보아야 한다.
연구는 기존의 학습 개념들이 현재 일어나고 있는 현상을 설명하기에는 너무 파편화되어 있다는 관찰에서 시작된다. 우리는 동기에 관한 이론, 자원을 관리하는 방법에 관한 이론, 사회적 연결이 행동을 돕는 방식에 관한 이론들을 가지고 있지만, 이들은 종종 고립되어 연구된다. 이 논문은 이러한 분리된 실타래들을 하나의 일관된 틀로 엮어낸다. 저자는 학습 에너지가 다섯 가지의 구별되면서도 연결된 차원을 가지고 있다고 제설한다. 첫째는 정보 처리에 필요한 정신적 명료함인 인지적 에너지이다. 둘째는 불확실성을 다룰 수 있게 하는 안전감과 자신감인 정서적 에너지이다. 셋째는 과업이 어려워질 때 학생을 계속 움직이게 하는 힘인 동기적 에너지이다. 넷째는 동료 및 교사와 연결되어 있다는 느낌에서 오는 학습 준비 상태인 사회-관계적 에너지이다. 마지막으로, 결정권자이자 작업의 책임 있는 저자로 남을 수 있는 능력인 주체적 에너지이다.
이 프레임워크는 인공지능이 어떻게 사용되고 학생이 이를 어떻게 인식하느냐에 따라 이 에너지를 구축하거나 소진할 수 있다고 설명한다. 학생이 혼란스러운 아이디어를 명확히 하거나, 빠른 예시를 얻거나, 판단에 대한 두려움 없이 어려운 개념을 연습하기 위해 기술을 사용할 때, 이 도구는 발전기 역할을 한다. 이는 과업을 시작하는 장벽을 낮추고 학생이 더 유능하다고 느끼게 할 수 있다. 그러나 동일한 도구가 과도한 의존으로 이어질 경우 소진의 원인이 될 수 있다. 만약 학생이 생각 없이 결과물을 단순히 복사하거나, 기술이 사실을 검증해야 할 필요성을 대체해 버린다면, 학습에 필요한 정신적 노력은 사라지고 그와 함께 주인 의식도 사라진다. 논문은 이것이 학생이 작업을 빠르게 생산하면서도 동료로부터 단절되고 자신의 능력에 확신을 갖지 못하는 '효율적 고립(efficient isolation)' 상태로 이어질 수 있다고 지적한다.
이러한 다양한 결과를 이해하기 위해, 저자는 학생들이 이 환경을 경험하는 네 가지 가능한 프로필을 개략적으로 설명한다. 강력한 인간적 지원과 효과적인 기술 활용 모두 결여된 그룹은 고갈과 불안을 느낄 수 있다. 인간적 지원(교사와 동료)은 풍부하지만 기술 의존도는 낮은 또 다른 그룹은 회복 탄력성을 보일 수 있다. 세 번째 그룹은 높은 수준의 인공지능을 사용하지만 인간적 연결은 부족한 상태로, 속도를 얻는 대신 깊이 있는 학습과 사회적 소속감을 잃는 '효율적 고립' 상태에 빠질 수 있다. '활기찬 공동 주체성(energized co-agency)'이라 묘사된 이상적인 프로필은 고품질의 인공지능이 강력한 인간적 지원과 결합될 때 나타난다. 이 시나리오에서 기술은 아이디어를 생성하는 것을 돕지만, 학생은 교사와 동료의 안내에 따라 그 아이디어를 검증하고, 비판하고, 정교화한다. 그 결과, 학생이 명확하고, 자신감 있으며, 연결되어 있고, 완전히 주도권을 쥐고 있다고 느끼는 학습 과정이 만들어진다.
저자는 이 에너지가 고정된 특성이 아니라 오르내림이 있는 순환 과정임을 강조한다. 학생은 과업을 시작할 때 기술을 사용하여 빠르게 시작하며 높은 에너지를 가질 수 있다. 작업이 진행됨에 따라, 만약 지원 없이 검증과 비판적 사고에 대한 요구가 커진다면 그 에너지는 고갈될 수 있다. 그러나 학생이 잠시 멈추어 성찰하거나, 동료와 작업을 논의하거나, 교사의 명확한 지도를 받는다면, 그 에너지는 재충전될 수 있다. 이 프레임워크는 지속 가능한 학습이 이러한 회복 능력에 달려 있다고 제안한다. 단순히 강력한 도구에 접근할 수 있는 것만으로는 충분하지 않으며, 교육 환경은 학생이 정신적, 정서적 자원을 회복할 수 있는 조건을 제공해야 한다. 여기에는 규칙에 대한 불안을 줄이는 명확한 정책, 최종 결과물보다 사고 과정을 가치 있게 여기는 평가 방식, 그리고 기술이 말하는 바를 의심하고 검증하도록 독려하는 문화가 포함된다.
저자는 이 새로운 학습 관점이 인공지능을 둘러싼 혼란에 대한 해결책을 제시한다고 제안한다. 이는 논의를 기술이 좋은가 나쁜가라는 단순한 질문을 넘어로 옮겨놓는다. 대신, 학생이 도구를 사용하는 구체적인 방식이 그들이 생각하고, 느끼고, 책임감 있는 학습자로서 행동하는 데 도움이 되는지를 묻는다. 연구는 인공지능이 학생의 자율성, 유능함, 연결에 대한 욕구를 지원할 때 학습을 촉진한다고 제안한다. 반면, 그것이 학생의 선택을 대체하거나 학생을 고립시킨다면 에너지를 소진시킨다. 이 논문은 인공지능으로 어떻게 가르칠 것인가에 대한 문제를 해결했다고 주장하는 것이 아니라, 기술의 숨겨진 비용과 이익을 이해하기 위한 어휘와 지도를 제공한다. 이는 교육자들이 단순히 더 빠른 결과를 만들어내는 것이 아니라, 기계에 의해 점점 더 형성되어 가는 세상 속에서 인간의 학습하고, 생각하고, 번창하는 능력을 보존하고 새롭게 하는 학습 경험을 설계하도록 권고한다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.