전 세계 교실에서는 아이들이 자신의 감정을 이해하고 타인과의 관계를 탐색하는 법을 배우는 방식에 있어 조용한 혁명이 일어나고 있습니다. 사회정서학습(social-emotional learning)이라고 알려진 이 교육 분야는 학생들이 감정을 조절하고, 목표를 설정하며, 공감 능력을 보여주고, 책임감 있는 결정을 내리도록 가르칩니다. 수년 동안 교육자들은 이 섬세한 작업을 지도하기 위해 인간 교사에게 의존해 왔습니다. 하지만 최근 몇 년 사이, 새로운 파트너가 교실에 들어섰습니다. 바로 인공지능입니다. 이들은 감정을 인식하고, 대화를 시뮬레이션하며, 학생들의 필수적인 삶의 기술 발달을 돕기 위해 개인화된 피드백을 제공할 수 있는 컴퓨터 시스템입니다. 그 약속은 엄청납니다. 배경에 상관없이 모든 아이에게 무한한 인내심과 즉각적인 지원, 그리고 맞춤형 지도를 제공할 수 있는 기술입니다.

그러나 이러한 도구들이 더욱 정교해짐에 따라, 여전히 해결되지 않은 비판적인 질문이 남아 있습니다. 연구자들이 이러한 지능형 시스템을 구축하고 테스트하는 데 몰두하는 동안, 그들은 누가 이 시스템을 관리해야 하는지, 어떤 규칙이 사용을 규제해야 하는지, 그리고 학교가 그 도입을 어떻게 준비해야 하는지에 대해서는 대체로 잊어버렸습니다. 기술은 앞서 달려 나가고 있지만, 이를 안전하고 공정하게 사용하는 방법에 대한 지도는 부재한 상태입니다. 이러한 단절은 가능한 것과 실질적인 것 사이의 위험한 간극을 만들어내며, 학교들이 가이드 없이 복잡한 윤리적, 법적 과제를 헤쳐 나가게 만듭니다.

한 연구팀은 과학 문헌 자체를 면밀히 조사함으로써 이 간극을 조사하기 위해 나섰습니다. 그들은 인공지능과 사회정서학습의 접점을 다룬 65개의 동료 검토 논문을 수집했습니다. 그들의 목표는 기술을 다시 테스트하는 것이 아니라, 기술을 만든 과학자들이 그것을 사용하는 규칙에 대해 무엇이라고 말했는지 읽는 것이었습니다. 그들은 이 연구들이 정책 입안자, 학교 지도자, 그리고 교사들에게 명확하고 실행 가능한 조언을 제공하는지, 아니면 거버넌스(governance)라는 주제가 무시되고 있는지를 확인하고자 했습니다.

그들이 발견한 것은 놀라운 침묵이었습니다. 검토한 연구의 거의 4분의 3이 정책적 함의를 전혀 언급하지 않았습니다. 연구진이 이 주제를 다룬 나머지 연구들을 살펴보았을 때, 그 조언들은 종종 모호하고 수준이 높으며 교실의 현실과는 동떨어져 있다는 것을 발견했습니다. 논문의 저자들은 흔히 자신들의 도구가 가진 잠재력을 찬양하면서도, 누가 행동해야 하는지, 구체적으로 어떤 조치가 필요한지, 혹은 언제 어디서 그 조치가 이루어져야 하는지를 설명하는 단계까지는 나아가지 못했습니다. 이는 마치 건축가 그룹이 웅장한 새 다리를 설계해 놓고는, 엔지니어들에게 지지대를 어떻게 세울지, 그리고 누가 다리를 건널 수 있을지를 알아내라고 떠넘긴 것과 같았습니다.

연구진은 이러한 패턴을 밝혀내기 위해 단순하지만 강력한 방법을 사용했습니다. 그들은 이 논문들에서 정책에 대한 모든 언급을 하나의 짧은 이야기로 취급하고 다섯 가지 기본 질문을 던졌습니다. 누구에게 무언가를 하라고 요구하는가? 정확히 무엇을 해야 하는가? 그것이 왜 필요한가? 언제 어디에 적용되는가? 그리고 이것이 얼마나 강력하게 권고되는가? 이렇게 텍스트를 분해함으로써, 그들은 이야기가 어디에서 무너지는지를 정확히 볼 수 있었습니다. 그들은 일부 연구가 윤리적 가이드라인이나 더 나은 교육의 필요성을 언급하긴 했지만, 어떤 정부 기관이 규칙을 작성해야 하는지, 어떤 학교에 예산을 지원해야 하는지, 또는 아이들의 정서적 데이터를 수 collection하는 특정한 위험을 어떻게 처리해야 하는지를 구체적으로 명시하는 경우는 드물다는 것을 발견했습니다.

이러한 세부 사항의 결여는 현재 과학이 수행되는 방식에 있어 더 깊은 문제를 시사합니다. 이 분야는 기술적 혁신에 대한 흥분이 거버넌스의 고된 작업을 압도하는 함정에 빠져 있는 듯 보입니다. 연구자들은 작은 실험에서 새로운 도구가 작동함을 보여줄 때 보상을 받지만, 그 도구를 실제 학교 시스템에서 안전하게 사용하기 위해 필요한 복잡한 단계들을 생각하도록 장려받지는 못합니다. 연구 결과, 학술지에 발표된 논문들이 컨퍼런스 프로시딩(conference proceedings)에 발표된 논문들보다 정책을 논할 가능성이 약간 더 높았지만, 학술지에서조차 대화는 빈약했습니다. 과학의 인센티브 구조는 기술의 '무엇(what)'을 구현하는 것보다 구현의 '방법(how)'을 우선시하는 것으로 보입니다.

정책적 조언을 제공한 소수의 연구들은 "프라이버시 보호"나 "공정성 보장"과 같은 광범위하고 추상적인 아이디어에 집중하는 경향이 있었습니다. 이것들은 중요한 목표이지만, 지침은 아닙니다. 학교 교장은 '공정성'이라는 개념만으로 정책을 세울 수 없습니다. 데이터 검증 책임이 누구에게 있는지, 어떤 특정 소프트웨어 기능이 허용되는지, 그리고 교사들이 학생들에게 과도한 부담을 주지 않으면서 도구를 사용하도록 어떻게 교육할 것인지 알아야 합니다. 연구진은 이러한 세부 사항이 누락될 때, 그 결과로 "파일럿 연구의 역설(pilot-study paradox)"이 발생한다고 지적했습니다. 도구는 통제된 테스트 환경에서는 완벽하게 작동할 수 있지만, 규제가 뒷받침되지 않고, 직원 교육을 위한 예산이 없으며, 취약한 아동을 보호할 명확한 규칙이 없는 혼란스러운 학교의 현실 속으로 출시될 때 실패하게 됩니다.

분석 결과, 이 논문들에서 사용된 언어가 긴박함이나 명확성이 부족한 경우가 많다는 점도 드러났습니다. 어떤 제안들은 "할 수도 있다" 또는 "일지도 모른다"와 같은 단어를 사용하여 약한 가능성으로 작성된 반면, 다른 제안들은 그 이유를 설명하지 않은 채 절대적인 요구로 제시되었습니다. 이러한 불일치는 의사 결정자들이 그 조언을 얼마나 진지하게 받아들여야 할지 판단하기 어렵게 만듭니다. 또한, 연구들은 그들의 권고가 작동할 구체적인 조건들을 거의 설명하지 않았습니다. 한 국가의 대학에 적용되는 제안이 다른 나라의 초등학교에는 맞지 않을 수 있음에도 불구하고, 논문들은 이러한 차이를 구분하는 데 실패했습니다.

이를 해결하기 위해, 연구진은 과학자들이 자신의 연구에 대해 쓰는 방식의 변화를 제안합니다. 그들은 정책적 사고가 단순히 요건을 충족하기 위해 논문 끝에 몇 문장을 덧붙이는 사후 처리가 되어서는 안 된다고 주장합니다. 대신, 그것은 방법론의 일부로서 연구 시작부터부터 엮여 들어가야 합니다. 그들은 모든 연구가 구체적으로 행동해야 할 행위자가 누구인지, 그들이 취해야 할 구체적인 단계가 무엇인지, 그리고 왜 그 단계들이 중요한지를 명확히 식별해야 한다고 제안합니다. 이러한 접근 방식은 모호한 윤리적 지평을 실질적인 로드맵으로 바꿀 것입니다.

연구는 인공지능이 교육 분야에서 갖는 미래가 이 간극을 메우는 데 달려 있다고 결론짓습니다. 기술은 준비되었고, 사회정서적 지원에 대한 필요성은 시급하지만, 이 도구들을 책임감 있게 사용하기 위한 프레임워크는 여전히 구축 중입니다. 연구자들이 명확하고 구체적이며 실행 가능한 지침을 제공하도록 요구함으로써, 과학계는 이 강력한 도구들이 학생들에게 효과적이고 안전하게 봉사할 수 있도록 보장할 수 있으며, 학생들이 지도 없이 복잡한 새로운 풍경을 헤매게 두지 않을 수 있습니다. 앞으로 나아가는 길은 "우리는 이것을 어떻게 거버넌스(관리)할 것인가?"라는 질문이 "이것은 어떻게 작동하는가?"라는 질문과 동일한 강도로 던져지는 문화적 변화를 요구합니다.