Structural Modelling of Generative AI Cognitive Integration, Algorithmic Literacy, and Academic Dependency in Peruvian Higher Education

현대 교육의 급변하는 지형 속에서, 생성형 인공지능이라는 새로운 종류의 학습 도구가 해일과 같은 기세로 몰려왔습니다. 이것들은 한때 인간의 정신이 필요했던 에세이를 쓰고, 복잡한 문제를 해결하며, 아이디어를 생성할 수 있는 컴퓨터 프로그램들입니다. 페루의 학생들에게도 다른 많은 곳과 마찬가지로, 이 도구들은 이제 클릭 한 번으로 손쉽게 이용 가능합니다. 그러나 강력한 도구를 갖는 것과 그것을 휘두르는 법을 아는 것은 별개의 문제입니다. 오늘날 교육자와 연구자들이 직면한 핵심 질문은 학생들이 이러한 기계를 사용할 수 있는지 여부가 아니라, 그것을 사용하는 것이 그들의 뇌가 작동하는 방식을 어떻게 변화시키느냐 하는 것입니다. 기계가 생각하는 방식을 이해하는 것이 학생의 학습을 돕는가, 아니면 단순히 기계에 의존하는 것이 스스로 생각하는 법을 잊게 만드는가? 이러한 긴장감은 기술이 어떻게 작동하는지를 아는 것, 학생들이 이를 자신의 사고에 어떻게 통합하는지, 그리고 그것에 의존하게 되는지 사이의 보이지 않는 경로를 파악하고자 했던 페루의 세 주요 지역에서 수행된 새로운 연구의 중심에 있습니다.

연구진은 먼저 리마, 아레키파, 쿠스코의 대학생 642명을 대상으로 조사를 시작했습니다. 이들은 공립 및 사립 기관과 공학부터 보건 과학에 이르는 다양한 전공 분야를 아우르는 집단입니다. 연구진은 이들에게 자신의 습관과 기술, 특히 네 가지 핵심 영역에 초점을 맞추어 성찰하도록 요청했습니다. 첫째, 그들은 '알고리즘 문해력(algorithmic literacy)'을 측정했는데, 이는 인공지능이 어떻게 답변을 생성하는지 이해하고, 오류를 찾아내며, 편향될 수 있는 시점을 인식하는 능력을 의미합니다. 둘째, '인지적 통합(cognitive integration)', 즉 학생이 자신의 이해를 심화하고, 복잡한 개념을 연결하며, 논거를 개선하기 위해 AI를 어느 정도 활용하는지를 살펴보았습니다. 셋째, '학업적 의존성(academic dependence)', 즉 학생이 기계 없이는 과제를 완수할 수 없다고 느끼거나 기계에 접속할 수 없을 때 불안함을 느끼는 상태를 조사했습니다. 마지막으로, '인지된 학업 성취도(perceived academic performance)', 즉 자신의 성적과 생산성에 대해 학생들이 느끼는 정도를 평가했습니다. 또한 연구는 기술의 책임 있는 사용에 관한 개인의 도덕적 나침반인 '디지털 윤리(digital ethics)'도 고려했습니다.

조사 결과, 이러한 요인들이 어떻게 상호작용하는지에 대한 명확하고 강력한 이야기가 드러났습니다. 데이터에 따르면, 인공지능이 어떻게 작동하는지에 대한 강한 이해를 가진 학생들은 자신의 사고를 증진하기 위한 도구로서 AI를 활용할 가능성이 현저히 높았습니다. 이 학생들은 기계가 자신을 대신해 일을 하게 두는 대신, 자신의 논거를 정교화하고 어려운 개념을 연결하는 데 AI를 사용했습니다. 즉, 기술이 어떻게 기능하는지 아는 것이 더 정교한 학습 방식으로 나아가는 열쇠 역할을 한 것입니다. 반대로, 이러한 이해는 의존성에 대한 방패 역할도 했습니다. AI의 메커니즘에 문해력을 갖춘 학생들은 학업을 수행하기 위해 반드시 기계가 필요하다고 느끼거나, 기계가 없을 때 불안감을 느낄 가능성이 훨씬 낮았습니다. 연구는 학생들이 알고리즘이라는 '블랙박스'를 이해할 때, 자신의 정신적 노력을 완전히 외주 주는 함정에 빠질 확률이 낮아진다는 것을 발견했습니다.

하지만 AI를 사용하는 것과 학업 성적이 우수한 것 사이의 관계는 직선적이지 않았으며, 전적으로 도구가 어떻게 사용되느냐에 달려 있었습니다. 연구는 학생들이 자신의 사고 과정에 AI를 성공적으로 통합했을 때, 더 생산적이라고 느끼며 성적이 향상되었다고 보고했음을 확인했습니다. 그러나 학생들이 비판적 검토 없이 기계가 힘든 일을 대신 하도록 맡기는 의존 패턴에 빠졌을 때, 그들의 인지된 학업 성취도는 저하되었습니다. 이 경우 기계는 그들의 메타인지 기술을 약화시키는 목발이 되었습니다. 윤리의 역할에 관한 중요한 발견도 나타났습니다. 기술을 책임감 있게 사용하는 것에 대해 강한 윤리적 원칙을 가진 학생들은 더 잘 보호받았습니다. 이 학생들의 경우, 기술에 대한 이해가 의존성을 더욱 강력하게 감소시켰는데, 이는 도덕적 인식이 기술적 지식의 이점을 증폭시킨다는 것을 시사합니다.

또한 이 연구는 결과가 학생의 부나 인터넷 접속 여부와 같은 다른 숨겨진 요인들을 반영한 것이 아닌가 하는 교육 연구의 흔한 우려를 다루었습니다. 연구진은 이러한 변수들을 통제하기 위해 고급 통계 방법을 사용함으로써, 발견된 관계가 견고하고 직접적임을 확인했습니다. 연구 모델은 학생들이 자신의 학업적 성공을 어떻게 인지하는지에 대한 변동성의 절반 이상을 설명해 냈는데, 이는 사회과학에서 보기 드문 명확한 수준입니다. 데이터는 이러한 효과가 무작위적이거나 외부 환경에 의한 것이라는 생각을 배제하며, 대신 구체적인 인과 체계를 가리켰습니다. 즉, 기술을 이해하는 것이 더 나은 통합과 낮은 의존성으로 이어지고, 이것이 다시 더 나은 학업 결과로 이어진다는 것입니다.

이러한 결과는 페루와 그 너머의 미래 교육에 중요한 메시지를 전달합니다. 증거에 따르면, 인공지능이 제기하는 과제에 대한 해결책은 이를 금지하거나 무시하는 것이 아니라, 학생들이 이를 이해하는 법을 가르치는 것입니다. 연구는 금지만에 치중한 정책은 불충분하다는 점을 시사합니다. 대신, 대학들은 학생들이 사용하는 알고리즘 뒤에 숨겨진 논리를 해독할 수 있도록 돕는 '비판적 컴퓨팅 사고(critical computational thinking)'를 개발하는 데 집중해야 합니다. 교육자들은 기술에 대한 깊은 이해를 기르고 이를 강력한 윤리적 가이드라인과 결합함으로써, 학생들이 이러한 도구를 의존의 원천이 아닌 지적 성장의 도구로 변화시킬 수 있도록 도울 수 있습니다. 연구는 결론적으로, 앞으로 나아갈 길은 학생들이 기술의 주인이 되어, 기계가 정신을 대체하는 것이 아니라 정신을 보조하도록 만드는 데 있다고 밝히고 있습니다.