Perceptions of undergraduate health professions students on the utilisation of artificial intelligence tools for teaching, learning and assessment: a cross-sectional questionnaire study at a health sciences university in southern India

인공지능은 교육의 변두리에서 학생들의 일상 속으로 조용히 스며들었습니다. 인공지능은 더 이상 강의실에서 논의되는 미래 지향적인 개념이 아닙니다. 그것은 이미 많은 젊은이들이 학습하고, 글을 쓰고, 문제를 해결하기 위해 사용하는 도구입니다. 의사, 간호사 및 기타 보건 의료 전문가가 되기 위해 훈련하는 학생들에게 이 기술은 복잡한 의학적 개념을 학습하고 위험 부담 없이 임상적 추론을 연습할 수 있는 새로운 방법을 제공합니다. 그러나 이러한 도구의 채택 속도는 학교가 수립한 공식적인 규칙과 수업의 속도를 앞질렀습니다. 대학들이 인공지능을 활용해 가르치는 방법을 여전히 고민하고 있는 동안, 학생들은 이미 자신의 학업을 수행하기 위해 종종 스스로 인공지능을 사용하고 있습니다. 이는 중요한 질문을 던집니다. 이 미래의 보건 의료 전문가들은 이 기술을 신뢰하고 있을까요, 아니면 의구심을 가지고 바라보고 있을까요? 학생들의 감정을 이해하는 것은 필수적입니다. 왜냐하면 학생들이 이 도구들을 받아들이지 않는다면, 더 빠른 피드백과 개인화된 학습이라는 잠재적 이점을 실현할 수 없기 때문입니다.

남부 인도의 한 연구팀은 학생들의 목소리를 직접 듣는 방식으로 이 질문에 대한 답을 찾고자 했습니다. 그들은 단일 보건 과학 대학교의 학부생 612명을 대상으로 대규모 설문 조사를 실시했습니다. 이 대학교는 홈오파시(동종요법), 간호학, 물리치로테라피(물리치료), 약학, 치의학, 아유르베다 등 6가지의 서로 다른 보건 전문 분야를 한 울타리 안에 두고 있다는 점에서 독특했습니다. 연구진은 이 모든 다양한 배경을 가진 학생들을 연구함으로써, 학생의 특정 전공 분야가 개인의 기술 경험보다 더 중요한지를 확인하고자 했습니다. 설문 조사는 학생들에게 인공지능의 과거 사용 경험, 교수 학습 및 성적 평가에 대한 태도, 그리고 그들이 생각하는 가장 큰 이점과 위험 요소에 대해 물었습니다.

결과는 '조심스러운 낙관론'을 보여주었습니다. 학생들은 일반적으로 교육에서의 인공지능에 대해 긍정적인 견해를 가졌으나, 그 열정은 상당한 불확실성에 의해 절제되어 있었습니다. "AI가 강의를 더 매력적으로 만들 수 있다"거나 "AI가 어려운 개념을 이해하는 데 도움을 줄 수 있다"와 같은 문장에 동의하느냐는 질문에 대다수가 그렇다고 답했습니다. 이러한 긍정적인 진술에 대한 동의율은 약 61%에서 71% 사이였습니다. 그러나 학생 그룹의 상당 부분, 즉 모든 질문에 대해 약 4분의 1에서 3분의 1 정도가 중립적인 답변을 선택했습니다. 그들은 찬성하지도 반대하지도 않았습니다. 연구진은 이러한 중립성이 학생들이 무관심하다는 것을 의미하는 것이 아니라, 오히려 경험의 부족을 반영하는 것이라고 제안합니다. 설문에 참여한 학생의 약 절반은 학습을 위해 인공지능 도구를 사용해 본 적이 없었습니다. 직접적인 경험이 없었기에, 그들은 기술이 실제로 교실에서 어떻게 작동하는지 지켜보며 강한 의견을 내기를 주저했습니다.

학생들이 인공지능의 장점에 대해 이야기할 때, 그들의 답변은 실용적이고 이해에 초점이 맞춰져 있었습니다. 그들이 꼽은 가장 흔한 이점은 인공지능이 개념적 이해와 명확성을 향상할 수 있다는 것이었습니다. 그들은 인공지능을 어려운 아이디어를 설명하고 의문점을 빠르게 해소하는 강력한 도구로 보았습니다. 또한 정보 습득의 속도와 편의성도 높게 평가했습니다. 그러나 그들의 우려 또한 현실에 기반을 두고 있었습니다. 가장 큰 걱정은 이러한 도구에 너무 의존함으로써 비판적이고 독립적으로 사고하는 능력을 상실하는 것이었습니다. 또한 그들은 기계가 제공하는 정보가 부정확하거나, 시대에 뒤떨어지거나, 오해의 소지가 있을 수 있다는 점을 우려했습니다. 흥미롭게도, 실무적인 임상 기술을 잃거나 기술이 자신들의 미래 직업을 대체할 것이라고 우려를 표한 학생은 매우 적었는데, 이는 그들이 이 도구들을 전문적인 역할의 대체물이 아닌 주로 학습 보조 도구로 보고 있음을 시사합니다.

가장 드러나는 발견 중 하나는 학생의 성별이나 재학 연수보다 특정 전공이 태도에 더 큰 영향을 미친다는 점이었습니다. 홈오파시를 공부하는 학생들은 가장 호의적인 견해를 보였고, 간호학과 물리치료 전공 학생들은 가장 신중한 태도를 보였습니다. 이러한 차이는 특정 프로그램의 문화와 커리큘럼이 기술을 바라보는 관점을 형성한다는 것을 시사합니다. 예를 들어, 간호 및 물리치료 프로그램은 직접적인 실습과 인간 간의 상호작용을 강조하는데, 현재의 텍스트 기반 인공지능은 이 영역에서 거의 도움을 줄 수 없습니다. 이 학생들은 단순히 기술이 자신의 구체적인 훈련 요구에 덜 적합하다는 점을 인식하고 있는 것일 수 있습니다. 반면, 연구진은 학생의 개인적인 인공지능 사용 이력이 전공 분야를 고려했을 때 전체적인 태도를 유의미하게 변화시키지는 않는다는 것을 발견했습니다. 이는 도구를 더 많이 사용할수록 자동으로 그 도구에 더 익숙해질 것이라는 일반적인 가정이 틀릴 수 있음을 보여주며, 대신 교육의 맥락이 더 중요하다는 것을 입증합니다.

학생들의 신뢰가 가장 취약했던 지점은 인공지능을 성적 평가에 사용하는 것에 대한 생각이었습니다. 학생들은 학습을 위한 조력자로서의 AI는 수용할 용의가 있었지만, 자신의 성과를 판단하게 하는 데에는 훨씬 덜 개방적이었습니다. 인공지능 시스템이 객관적인 시험에서 자신의 과업을 공정하게 평가할 수 있는지 묻는 질문에, 동의율은 최저치를 기록했고 중립적인 응답은 최고치를 기록했습니다. 이러한 망설임은 공정성과 책임성에 대한 깊은 우려를 부각합니다. 학생들은 학습을 위해 이 도구들을 사용할 준비가 되어 있지만, 명확한 인간의 감독 없이 평가의 권한을 기계에 넘겨줄 준비는 아직 되어 있지 않습니다.

이 연구는 보건 의료 분야의 미래 전문가들이 교육 과정에서의 인공지능 도입에 개방적이지만, 아직 완전히 확신하지는 못하고 있다고 결론짓습니다. 그들은 더 나은 학습의 가능성을 보면서도, 비판적 사고와 자동화된 평가의 공정성에 대한 위험을 경계하고 있습니다. 연구진은 대학들이 학생들이 스스로 이를 깨닫기를 기다려서는 안 된다고 주장합니다. 대신, 학교는 모든 보건 의료 전공 학생들이 이러한 도구를 현명하게 사용하는 방법, 정보의 진위 여부를 확인하는 방법, 그리고 그 한계가 어디까지인지를 가르치는 공통 커리큘럼을 도입해야 합니다. 교육을 통해 불확실성을 해소하고 신뢰를 구축함으로써, 기관들은 학생들이 곧 자신의 경력을 정의하게 될 기술을 향해 '조심스러운 중립'에서 '자신감 있고 책임감 있는 사용'으로 나아갈 수 있도록 도울 수 있습니다.