Ten recommendations for the use of generative artificial intelligence into epidemiology teaching: Results from an expert workshop
2026년 전문가 워크숍에 이어, 본 논문은 역학 강사들이 핵심적인 과학적 기술을 보존하고 윤리적 문제를 해결하면서 생성형 AI를 책임감 있게 교육에 통합할 수 있도록 안내하기 위해 거버넌스, 역량, 피드백 영역으로 구성된 10가지 근거 기반 권고안을 제시한다.
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
질병이 어떻게 확산되는지, 그리고 인구가 어떻게 건강을 유지하는지를 연구하는 역학(epidemiology)이라는 분야에서, 핵심적인 작업은 언제나 인간의 판단력에 의존해 왔습니다. 전문가들은 데이터를 살펴보고, 패턴을 포착하며, 그 패턴이 공중 보건에 무엇을 의미하는지 결정해야 합니다. 이를 위해서는 인과관계에 대한 깊은 이해, 정보 수집 방식의 오류를 찾아내는 능력, 그리고 복잡한 조사 결과를 명확하게 설명하는 기술이 필요합니다. 수십 년 동안 이러한 기술을 가르치는 것은 학생들이 문제를 해결하기에 앞서 스스로 생각하는 힘을 기르고 탄탄한 지식의 토대를 쌓을 수 있도록 안내하는 과정이었습니다. 이제 텍스트를 작성하고, 숫자를 분석하며, 거의 즉각적으로 답을 생성할 수 있는 새로운 종류의 기술이 등장했습니다. 생성형 인공지능이라 불리는 이 기술은 학습을 도울 수 있는 강력한 도구를 제공하지만, 동시에 숨겨진 위험도 안고 있습니다. 만약 학생들이 이 도구들을 너무 일찍 혹은 너무 쉽게 사용한다면, 스스로 생각하는 고된 과정을 건너뛰게 되어, 기술이 곁에 없을 때 스스로 문제를 해결할 수 없는 상태가 될 수도 있습니다. 오늘날 교사들이 직면한 질문은 이 도구들을 사용할 것인가의 여부가 아니라, 전문가를 전문가답게 만드는 바로 그 기술을 잃지 않으면서 어떻게 이 도구들을 사용할 것인가 하는 것입니다.
독일, 노르웨이, 오스트리아 전역의 대학 및 연구 기관에서 모인 전문가 집단이 이 질문에 답하기 위해 모였습니다. 이들은 인공지능 시대에 역학을 가르치기 위한 일련의 규칙을 만들기 위해 3일간 워크숍을 열었습니다. 이 열 가지 권고안은 교수자들이 새로운 기술의 이점을 활용하면서도 학생들이 예리함과 역량을 유지할 수 있도록 돕기 위해 설계되었습니다. 숙련된 교사, 학생, 그리고 인공지능 전문가들을 포함한 이 그룹은 목표가 이러한 도구들을 금지하는 것이 아니라, 학생들이 기초를 숙달하면서도 책임을 가지고 도구를 사용하는 법을 배울 수 있도록 신중하게 통합하는 것이라고 결정했습니다.
전문가들이 권고하는 첫 번째이자 가장 중요한 단계는 명확한 규칙을 세우는 것입니다. 모든 수업에는 학생들이 인공지능을 어떻게 사용할 수 있고 사용할 수 없는지에 대해 정확히 알려주는 서면 정책이 있어야 합니다. 여기에는 일부 정보는 사적이며 보호되어야 하므로, 어떤 종류의 데이터를 이러한 도구와 공유할 수 있는지에 대한 규칙이 포함됩니다. 또한 학생들은 과학자가 특정 결과를 얻기 위해 사용한 방법론을 밝혀야 하는 것처럼, 기술을 사용했을 때 이를 어떻게 공개해야 하는지에 대한 규칙도 설명되어야 합니다. 만약 학생이 문법을 점검하거나 어려운 개념을 이해하는 데 도움을 받기 위해 도구를 사용했다면, 이를 밝혀야 합니다. 만약 과제 전체를 쓰는 데 도구를 사용했다면, 그것은 대개 금지됩니다. 교사들 또한 동일한 규칙을 준방하며, 기술을 정직하고 투명하게 사용하는 법을 학생들에게 보여주어야 합니다.
규칙을 세우는 것을 넘어, 전문가들은 교사들이 최신 상태를 유지해야 한다고 강조합니다. 기술은 매우 빠르게 변하기 때문에, 작년에 기술에 대해 배웠던 교사는 이미 뒤처져 있을 수 있습니다. 강사들은 이러한 도구들이 어떻게 작동하는지, 그 한계는 무엇인지, 그리고 학습 과정을 대체하는 것이 아니라 학습을 돕는 방식으로 어떻게 사용할 것인지 이해하기 위해 정기적인 교육을 받아야 합니다. 이 교육은 단순히 컴퓨터에 질문을 입력하는 법뿐만 아니라, 컴퓨터가 주는 답이 옳은지 판단하는 법까지 다루어야 합니다. 또한 교사들은 학생이 기계에 너무 의존하고 있는 상태, 즉 연구자들이 "네버 스킬링(never-skilling, 기술을 습득하지 못함)"이라고 부르는 문제, 즉 기계가 대신 일을 해줌으로써 학생이 실제로 기술을 배우지 못하는 상황을 포착하는 법도 배워야 합니다.
이를 방지하기 위해, 전문가들은 학생들이 인공지능의 도움 없이 먼저 기초를 배워야 한다고 제안합니다. 코드를 작성하거나 데이터를 분석하는 데 도구를 사용하기 전에, 학생들은 반드시 손으로 직접 혹은 표준 소프트웨어를 사용하여 이러한 일들을 할 수 있어야 합니다. 그들은 위험도를 계산하고, 연구의 결함을 찾아내며, 결과를 스스로 해석하는 법을 알아야 합니다. 이러한 토대를 구축한 후에야 비로소 자신의 작업을 확인하거나, 글쓰기를 다듬거나, 새로운 아이디어를 탐구하기 위해 도구를 사용할 수 있습니다. 이는 기술이 '조력자'가 아닌 '지팡이'가 되지 않도록 하기 위함입니다. 만약 학생이 자신의 분석에서 왜 특정 결정을 내렸는지 설명할 수 없다면, 설령 최종 답안이 올바르게 보인다 하더라도 그는 자료를 진정으로 배운 것이 아닙니다.
학생들이 배운 것을 평가할 때, 전문가들은 기존의 방식인 '가져가서 쓰는 에세이(take-home essays)'는 더 이상 충분하지 않다고 경고하는데, 왜냐하면 학생이 단순히 컴퓨터에게 에세이를 써달라고 요청할 수 있기 때문입니다. 대신, 교사들은 구술 시험, 대면 발표, 또는 인공지능 사용이 허용되지 않는 감독 하의 쓰기 세션과 같은 다양한 방식으로 학생들을 테스트해야 합니다. 이러한 방식은 학생들이 실시간으로 자신의 사고 과정을 보여주고 논리를 설명하도록 강제합니다. 또한 전문가들은 학생이 인공지능을 사용했는지 감지한다고 주장하는 소프트웨어 사용을 지양하라고 조언합니다. 이러한 탐지 도구들은 종-종 신뢰할 수 없으며 실수를 저질러, 학문적 정직성을 위반하지 않은 학생을 부당하게 처벌할 수 있습니다. 명확한 규칙, 정직한 공개, 그리고 인간의 판단력에 의頼하여 공정성을 확보하는 것이 더 낫습니다.
권고안은 또한 학생들에게 컴퓨터와 효과적으로 대화하는 법을 가르치는 것의 중요성을 강조합니다. 이것은 '프롬프트 엔지니어링(prompt engineering)'이라 불리며, 단순히 최선의 답을 얻기 위해 올바른 질문을 던지는 기술을 의미합니다. 모호한 질문을 던지는 학생은 모호한 답을 얻을 것이지만, 구체적이고 잘 구조화된 질문을 던지는 학생은 훨씬 더 나은 결과를 얻을 수 있습니다. 교사들은 학생들이 복잡한 문제를 작은 단계로 나누고, 컴퓨터가 제공하는 정보를 검증하는 법을 배우도록 지도함으로써 이 기술을 가르쳐야 합니다. 여기에는 사실 관계를 확인하고, 오류를 찾아내며, 컴퓨터가 존재하지 않는 출처나 데이터를 지어내지 않았는지 확인하는 과정이 포함됩니다.
마지막으로, 전문가들은 교사들이 서로 배운 것을 공유할 것을 촉구합니다. 이 분야는 새로운 분야이기에 아직 정답을 가진 사람은 아무도 없습니다. 교사들은 다양한 접근 방식을 시도하고, 무엇이 효과적이고 무엇이 그렇지 않은지 확인한 뒤, 동료들에게 그 내용을 알려야 합니다. 이는 잘 작동했던 수업 계획안을 공유하거나, 특정 도구가 예상보다 더 많은 문제를 일으켰음을 인정하는 것을 의미할 수 있습니다. 서로의 경험으로부터 배우고 협력함으로써, 역학 분야 전체는 학생들이 안전하고 숙련되며 미래를 준비할 수 있는 방식으로 이 새로운 기술에 적응할 수 있습니다. 궁극적인 목표는 학생들이 이 강력한 도구들을 사용하여 더 나은 성과를 낼 수 있으면서도, 기계를 믿어야 할 때와 자신의 판단을 믿어야 할 때를 구분할 수 있는 비판적 사고 능력을 갖춘 역학 전문가를 양성하는 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.