The Lecturers’ Experiences and Generative AI in Developing Communicative Speaking Materials in English Education Program

전 세계의 교실에서 교사들은 끊임으로 직면하는 과제에 놓여 있습니다. 어떻게 하면 학생들이 새로운 언어를 단순히 정확하게 말하는 것을 넘어, 의미 있게 말하도록 도울 것인가 하는 문제입니다. 수십 년 동안 가장 효과적인 접근 방식은 의사소통 중심 언어 교수법(Communicative Language Teaching)이었으며, 이는 문법 규칙을 암기하는 것보다 실제적인 상호작용을 우선시하는 방법입니다. 목표는 학습자들이 일상생활에서 그러하듯 정보를 교환하거나, 문제를 해결하거나, 의견을 공유해야 하는 상황을 만드는 것입니다. 이 접근 방식은 학습자 자신의 삶과 관련 있고 실질적인 활동을 설계하는 교사의 능력에 크게 의존합니다. 오늘날, 강력한 새로운 도구가 등장했습니다. 바로 생성형 인공지능입니다. 이것들은 초 단위로 독창적인 텍스트, 이야기, 대화 스크립트를 만들어낼 수 있는 컴퓨터 시스템입니다. 이것들은 즉각적으로 무수히 많은 교수 자료를 생산할 수 있는 방법을 제공하지만, 교육자들에게 근본적인 질문을 던지기도 합니다. 기계가 특정 학생 집단의 미묘한 요구를 이해할 수 있을 것인가, 아니면 문법적으로는 완벽하지만 사회적으로는 공허한 수업을 만들 위험이 있는가 하는 점입니다.

한 연구팀은 인도네시아의 대학교 강사 5명이 이 새로운 지형을 어떻게 헤쳐 나가는지 관찰함으로써 이 질문에 답하기 위해 나섰습니다. 이 교육자들은 예비 교사가 될 학생들에게 영어를 가르칩니다. 연구진은 이 전문가들이 인간적인 손길, 즉 언어 학습을 효과적으로 만드는 요소를 잃지 않으면서 인공지능을 사용하여 말하기 자료를 어떻게 만드는지 보고 싶어 했습니다. 그들은 심층 인터뷰를 실시하여, 강사들에게 그들의 일상적인 업무와 두려움, 그리고 이러한 디지털 도구를 사용할 때의 전략을 설명하도록 요청했습니다. 연구 결과 명확한 패턴이 드러났습니다. 강사들은 기계가 운전대를 잡도록 내버려 두지 않는다는 것입니다. 대신, 그들은 인공지능을 원시 아이디어를 생성하는 유용한 조수로 취급하며, 인간 교사는 최종 수업을 형성하고 편집하며 승인하는 전문가로 남습니다.

연구에 참여한 강사들은 인간적 요소가 타협 불가능한 요소인 워크플로우를 설명했습니다. 그들은 교과서가 유용하기는 하지만, 학생들의 구체적인 관심사, 문화적 배경, 또는 미래의 직업 목표를 포착하는 데 실패하는 경우가 많다고 설명했습니다. 교사는 보니(Bone) 지역의 관광이나 남술라웨이의 환경 문제와 같은 지역적인 주제에 대한 말하기 활동이 필요할 수 있는데, 일반적인 교과서는 이러한 주제를 놓칠 수 있습니다. 강사들이 인공지능을 사용할 때, 그들은 보통 그것에게 아이디어 목록이나 대화의 초안을 요청하며 시작합니다. 그들은 역할극 시나리오나 토론 주제를 요청할 수도 있습니다. 그러나 그들은 인공지능의 결과물을 있는 그대로 사용하는 경우는 거의 없습니다. 한 강사는 컴퓨터가 모든 사람이 매우 예의 바르고 서로를 즉각적으로 이해하는 대화를 만들어낼 수 있다고 언급했는데, 이는 실제 생활에서는 거의 일어나지 않는 시나리오입니다. 실제 대화는 무질서합니다. 사람들은 말을 끊고, 주저하며, 때로는 서로를 오해하기도 합니다. 강사들은 컴퓨터의 초안을 가져와 이러한 자연스러운 불완전함을 포함하도록 다시 써서, 자료가 실감 나게 느껴지도록 만듭니다.

이 편집 과정이야말로 교사의 전문적 판단이 빛을 발하는 지점입니다. 연구진은 강사들이 문화적 관련성과 실용성을 확인하며 컴퓨터의 작업을 걸러내는 필터 역할을 한다는 것을 발견했습니다. 그들은 특정 학생들에게 어휘가 너무 어렵지는 않은지, 혹은 묘사된 상황이 인도네시아 교실에서 실제로 말이 되는지를 스스로에게 묻습니다. 또한 그들은 학습의 정서적인 측면도 고려합니다. 만약 교사가 학생이 말할 때마다 문법을 교정한다면, 학생은 말하기를 너무 두려워하게 될 수 있습니다. 연구에 참여한 강사들은 학생들의 자신감을 북돋우기 위해 먼저 자유롭게 말하게 하고, 교정은 나중을 위해 아껴두는 경우가 많다고 설명했습니다. 그들은 컴퓨터가 학생을 계속 참여시키기 위해 언제 교정을 자제해야 하는지를 본질적으로 알지 못한다고 지적했습니다. 인간 교사는 눈앞에 있는 특정 집단과의 수년간의 경험을 바탕으로, 언제 개입하고 언제 대화가 흐르게 둘지를 결정합니다.

또한 이 연구는 강사들이 이러한 도구들을 '창의적 피로'를 극로하는 방법으로 보고 있다는 점을 강조합니다. 학기마다 같은 과정을 가르치는 것은 지칠 수 있는 일이며, 강사들은 컴퓨터가 신선한 아이디어를 빠르게 생성하는 데 도움이 된다고 인정했습니다. 컴퓨터는 특정 기술을 연습하는 수십 가지의 다른 방법들을 몇 초 만에 제안할 수 있어, 교사에게 선택할 수 있는 더 넓은 메뉴를 제공합니다. 그러나 강사들은 최종 결과물에 대한 자신들의 권위를 유지하기 위해 주의를 기울입니다. 그들은 컴퓨터를 브레인스토밍과 초안 작성을 처리하는 도구로 보며, 이를 통해 자신들이 더 깊이 있는 교수법에 집중할 수 있도록 자유를 얻습니다. 한 강사는 그 관계를 간단히 설명했습니다. 컴퓨터는 초안을 제공하지만, 교사는 최종 교수 자료를 만들어낸다는 것입니다. 이 구별은 매우 중요합니다. 기술은 과정을 가속화하지만, 학습자에게 무엇이 최선인지 결정하는 인간의 필요성을 대체하지는 않습니다.

아마도 가장 중요한 발견은 강사들이 학생들에게도 이러한 도구들에 대해 비판적이 되도록 적극적으로 가르치고 있다는 점일 것입니다. 연구진은 교육자들이 기술을 직접 사용할 뿐만 아니라, 학생들에게도 그것에 의문을 제기하도록 권장한다는 것을 관찰했습니다. 수업 중에 그들은 학생들에게 컴퓨터가 생성한 대화를 실제 녹음 파일이나 교과서의 예시와 비교해 보라고 요청할 수 있습니다. 그들은 컴퓨터가 어떻게 실수를 하거나, 특정 패턴을 반복하거나, 문화적 뉘앙스를 놓칠 수 있는지에 대해 논의합니다. 이러한 접근 방식은 인공지능의 사용 자체를 하나의 학습 기회로 바꿉니다. 학생들은 기술이 강력하지만, 중립적이거나 절대적인 오류가 없는 것은 아니라는 점을 배웁니다. 그들은 정보를 검증하고, 컴퓨터의 출력물이 단지 시작점일 뿐 최종적인 진리가 아님을 인식하도록 교육받습니다.

연구는 인공지능의 가장 성공적인 언어 교육 통합은 기술이 인간의 전문성을 대체하는 것이 아니라 지원할 때 일어난다는 결론을 내립니다. 이 연구의 강사들은 컴퓨터가 아이디어 생성이라는 힘든 일을 처리하고, 인간 교사가 자료가 의미 있고, 문화적으로 적절하며, 교육적으로 타당하도록 보장하는 건강한 균형을 찾았습니다. 연구는 교사들이 목표를 설정하고, 학생의 요구에 적응하며, 상호작용의 질을 판단하는 등 중요한 교육적 결정을 내리는 주체로 남아 있는 한, 기술이 강력한 동맹이 될 수 있음을 시사합니다. 이것은 인간 교사와 기계 중 하나를 선택하는 문제가 아니라, 인간이 항상 방향을 잡으며 그들이 함께 일할 방법을 찾는 문제입니다. 이 교육자들에 따르면, 언어 교육의 미래는 인간의 판단을 중심에 두고, 기계를 사용하여 가르침의 기술을 지우는 것이 아니라 강화하는 것에 달려 있습니다.