The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
이 연구는 2016년부터 2026년까지 교육 분야의 AI 관련 문헌이 5배 성장했음에도 불구하고, 특정 세부 분야들이 기능적 노후화가 아닌 '기질 이동성(substrate portability)'—즉, 새로운 데이터 환경에 대한 연구 구성 개념의 적응성—에 의해 차별적인 성장률을 경험했음을 입증함으로써, 출판 점유율의 감소가 곧 해당 분야의 쇠퇴를 의미한다는 오해에 도전한다.
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
수십 년 동안 연구자들은 사람들이 어떻게 학습하는지 이해하기 위해 컴퓨터를 활용하려고 노력해 왔습니다. 그들은 학생의 행동을 추적하고, 누가 어려움을 겪을지 예측하며, 실시간으로 수업을 조정하는 시스템을 구축했습니다. 이 작업은 모든 클릭과 키스트로크를 기록하여 분석할 수 있는 방대한 데이터 흔적을 생성하는 디지털 플랫폼에 크게 의존했습니다. 2022년경, 텍스트를 생성하고 질문에 답하며 콘텐츠를 즉각적으로 만들어낼 수 있는 거대 언어 모델이라는 새로운 종류의 기술이 등장했습니다. 이러한 변화는 교육자와 연구자들의 상상력을 자극하며 새로운 연구의 폭발적인 증가를 불러일으켰습니다. 그러나 연구의 양이 급증함에 따라 혼란스러운 패턴이 나타났습니다. 기존의 데이터 중심적 방법론에 할애된 논문의 비중이 사라지는 것처럼 보였고, 이는 해당 분야들이 사멸했다는 믿음을 심어주었습니다. 질문은 이것이었습니다. 학습을 연구하는 오래된 방식들이 버려진 것인가, 아니면 단순히 새로운 물결의 엄청난 크기에 의해 압도당한 것인가?
한 연구팀은 단순히 비율만이 아니라 실제 출판된 연구의 수를 살펴봄으로써 이 질문에 답하고자 했습니다. 그들은 2016년부터 2026년 중반까지 약 1,200편의 학술 논문을 수집하여, 생성형 인공지능의 부상 전과 후로 시기를 나누었습니다. 그들의 목표는 문헌의 구성과 그 내부의 실제 활동을 분리하는 것이었습니다. 인구가 100명에서 1,000명으로 늘어나는 도시를 상상해 보십시오. 만약 특정 동네에 살던 사람이 30명이었다면, 그 인구가 30명으로 유지되더라도 도시 전체에서 차지하는 비중은 30%에서 3%로 떨어집니다. 비율만을 보고 관찰하는 사람에게 그 동네는 축소되었거나 사라진 것처럼 보일 것입니다. 하지만 실제로는 그곳에 사는 사람의 수는 전혀 변하지 않았으며, 도시가 훨씬 더 커졌을 뿐입니다. 연구진은 이와 동일한 논리를 교육 분야의 인공지능에 적용했습니다. 그들은 교육 데이터 마이닝(educational data mining)이나 학습 분석학(learning analytics) 같은 오래된 주제에 관한 논문의 비중이 실제로 급격히 감소했다는 것을 발견했지만, 이러한 주제들에 관한 논문의 절대적인 수는 반드시 사라지지는 않았다는 점을 찾아냈습니다. 사실, 어떤 주제들은 새로운 생성형 주제들만큼 빠르게 성장하지는 못했을지라도, 연구의 수는 일정하게 유지되거나 심지어 증가하기도 했습니다.
이 연구는 완전한 대체라기보다는 차별적 성장의 이야기를 보여주었습니다. 해당 분야 전체는 10년 동안 5배 이상 확장되었습니다. 학생들로부터 장기적인 행동 데이터를 수집하는 데 의존하는 기존 연구 프로그램들은 이토록 격렬한 속도로 성장하지 못했습니다. 교육 데이터 마이닝과 학습 분석학이라는 두 가지 특정 영역은 매년 발표되는 논문의 수가 실제로 감소했습니다. 반면 지능형 튜터링 시스템(intelligent tutoring systems)은 전체 분야에서의 비중이 크게 줄어들었음에도 불구하고, 이전과 거의 비슷한 수의 논문을 발표하며 자리를 지켰습니다. 한편, 학문적 정직성, 윤리, 그리고 수업 자료 생성을 위한 생성형 도구의 활용과 같은 새로운 주제들은 평균적인 분야의 성장 속도보다 훨씬 빠르게 인기를 얻으며 폭발적으로 증가했습니다. 연구진은 연구 주제의 생존 여부가 무엇이라 불리는가보다는 그것이 존재하기 위해 무엇을 필요로 하는가에 달려 있다는 것을 발견했습니다. 복잡하고 정교하게 설계된 플랫폼을 통해 수년간의 학생 데이터를 수집해야 하는 주제들은 속도를 맞추기 어려워했습니다. 반면 윤리를 논하거나 수업 계획안을 생성하는 것과 같이 단순한 텍스트나 즉각적인 상호작용을 통해 탐구할 수 있는 주제들은 번창했습니다.
이러한 구분은 이 분야의 현재 상태를 이해하려는 모든 이들에게 매우 중요합니다. 오늘날 이 분야에 입문하는 새로운 연구자는 인기 있는 주제 목록을 보고 학생 데이터를 분석하는 능력이 버려졌다고 결론 내릴 수도 있습니다. 그러나 데이터는 이러한 능력이 새로운 도구들을 둘러싼 열풍보다 느리고 꾸준한 속도로 여전히 개발되고 있음을 보여줍니다. 오래된 연구는 지워진 것이 아니라, 더 큰 성장에 의해 가려진 것입니다. 이 연구는 이러한 변화가 기존 방식의 실패가 아니라, 누구나 즉시 사용할 수 있는 새로운 기술이 만들어낸 자연스러운 결과임을 시사합니다. 즉, 많은 질문을 던지기 위해 동일한 무거운 인프라를 필요로 하지 않는 기술이 등장했기 때문입니다. 이러한 기술을 도입하려는 기관이나 교육자들에게 교훈은 명확합니다. 가장 눈에 띄는 주제가 유일하게 존재하는 주제는 아닙니다. 데이터를 통해 학습을 이해하려는 기초적인 작업은, 비록 더 이상 헤드라인을 장식하지는 않을지라도 계속 진행되고 있습니다. 이 분야는 과거를 잃어버린 것이 아니라, 단지 그 주변으로 확장되었으며, 구시대의 것과 신시대의 것을 모두 품은 채 서로 다른 속도로 나아가고 있는 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.