Content, implementation, and evaluation of artificial intelligence literacy education for nursing students : A scoping review

병원은 변화하고 있습니다. 수십 년 동안 간호의 도구는 청진기, 차트, 그리고 간호사의 숙련된 손길이었습니다. 이제 새로운 종류의 도구가 도착했습니다. 바로 인공지능입니다. 이들은 읽고, 쓰고, 문제를 해결할 수 있으며, 종종 인간의 대화를 모방하는 컴퓨터 시스템입니다. 현실 세계에서 이들은 의사들이 어떤 환자가 병들 가능성이 있는지 예측하고 방대한 양의 의료 기록을 관리하는 것을 돕습니다. 하지만 오늘날 간호사가 되기 위해 훈련받는 학생들에게 이 도구들은 독특한 과제를 제시합니다. 단순히 기계를 켜는 법을 아는 것만으로는 충분하지 않습니다. 간호사는 언제 기계를 믿어야 하는지, 언제 그 답변에 의문을 제기해야 하는지, 그리고 자신의 직업을 정의하는 인간적인 유대감을 잃지 않으면서 어떻게 도구를 사용해야 하는지를 이해해야 합니다. 이 새로운 기술 세트를 'AI 리터러시(AI 문해력)'라고 부릅니다. 이는 이러한 기술을 현명하게 사용하고, 오류를 찾아내며, 환자의 안전을 모든 결정의 중심에 두는 능력입니다.

한 연구팀은 간호 대학들이 이 필수적인 기술을 어떻게 가르치고 있는지 알아보기 위해 나섰습니다. 그들은 단 하나의 완벽한 방법을 찾으려 한 것이 아니라, 간호 학생들에게 인공지능과 함께 일하는 법을 가르치려고 시도한 모든 연구, 보고서 또는 커리큘럼을 찾기 위해 넓은 그물을 던졌습니다. 그들은 전 세계 데이터베이스에서 2018년 초부터 2026년 중반 사이에 발표된 작업들을 검색했습니다. 면밀한 검토 끝에 그들은 초점을 14개의 특정 출처로 좁혔습니다. 여기에는 미국, 중국, 호주, 터키와 같은 국가들의 실험, 강의 보고서, 커리큘럼 설계가 포함되었습니다. 참여한 학생들은 대학교 1학년부터 박사 학위를 취득하는 학생들까지 다양했습니다.

연구자들이 발견한 것은 여전히 매우 초기 단계이지만 명확한 방향으로 움직이고 있는 분야였습니다. 교육은 더 이상 학생들에게 컴퓨터에 질문을 입력하는 법을 보여주는 것에 그치지 않습니다. 초점은 훨씬 더 깊은 곳, 즉 책임감 있는 사용과 비판적 사고로 이동했습니다. 그들이 연구한 강의실에서 가장 흔한 수업은 소프트웨어의 기술적인 부분이 아니라, '프롬프팅(prompting)'이라 불리는 올바른 질문을 던지는 법과 컴퓨터가 주는 답변을 확인하는 법에 관한 것이었습니다. 학생들은 컴퓨터를 유능하지만 실수할 수 있는 조수로 대하도록 배웠습니다. 그들은 사실을 검증하고, 숨겨진 편향을 찾아내며, 기계가 생성한 조언이 실제 환자의 구체적인 요구에 부합하는지 확인하는 법을 배웠습니다.

이러การ 가르침은 종종 실용적이고 직접적인 방식으로 이루어집니다. 많은 프로그램에서 학생들은 간호 계획을 작성하거나 사례 연구를 분석하는 것과 같은 과제를 부여받은 뒤, AI 도구를 사용하여 도움을 받도록 요청받았습니다. 교수진은 단순히 도구를 자유롭게 사용하게 두는 것이 아니라, 답변을 생성하고, 오류를 확인하고, 이를 수정하는 과정을 안내했습니다. 이 '생성, 검증, 수정'의 순환이 가장 흔한 패턴이었습니다. 학생들은 환자 교육 자료를 초안하거나 복잡한 의료 정보를 정리하기 위해 이러한 도구를 사용하는 연습을 했습니다. 그러나 연구자들은 학생들이 가장 어려워했던 부분은 도구를 사용하는 것이 아니라, 언제 도구에 대한 의존을 멈춰야 하는지를 아는 것이라고 언급했습니다. 상황이 매우 복잡해지거나 깊은 정서적 요구가 개입될 때, 학생들은 컴퓨터의 제안이 안전하거나 적절한지 판단하는 데 종종 어려움을 겪었습니다.

학생들이 배우고 있는지 테스트하기 위해 사용된 방법은 상당히 다양했습니다. 어떤 학교는 학생들이 자신의 자신감이나 지식을 평가하는 표준 설문조사를 사용했습니다. 다른 학교는 학생이 AI의 도움을 받아 작성한 간호 계획의 질을 평가하기 위해 채점 루브릭(grading rubrics)을 사용했습니다. 결과는 일반적으로 학생들이 기술에 대해 더 편안함을 느끼고 작동 방식에 대해 더 많이 알고 있음을 보여주었습니다. 그들은 컴퓨터의 글에서 명백한 오류를 찾아내는 데 더 능숙해졌습니다. 하지만 연구자들은 증거의 공백을 지적했습니다. 학생들이 교실 환경에서 시험을 통과하거나 더 나은 보고서를 쓸 수는 있지만, 이 기술을 바쁜 실제 병원으로 가져갈 수 있는지에 대한 증거는 아직 거의 없다는 것입니다. 조용한 강의실에서 AI의 작업을 검토하는 법을 배운 학생이, 환자가 고통스러워하고 시간이 촉박한 상황에서도 똑같이 할 수 있을지는 알 수 없습니다.

연구들은 또한 이러한 교육의 대부분이 짧은 기간 동안, 종종 단일 수업 내에서 또는 학기의 몇 주 안에 이루어진다는 것을 밝혔습니다. 간호 학위의 4년 전체에 걸쳐 AI 리터러시를 엮어 넣는 장기적인 계획을 세운 프로그램은 매우 드물었습니다. 연구자들은 일부 학교가 이러한 종류의 장기 학습을 위한 프레임워크를 만들기 시작했지만, 아직 대규모 학생 집단을 대상으로 이를 테스트하지 않았음을 발견했습니다. 이는 현재의 지형이 통합된 시스템이라기보다는 유망한 실험들의 집합체임을 의미합니다. 교육은 일어나고 있지만, 흩어져 있으며 성공을 측정하는 방법 또한 아직 일관되지 않습니다.

궁극적으로 나타나는 모습은 신중한 진전의 모습입니다. 간호 대학들은 AI 리터러시가 단순한 기술적 추가 요소가 아니라 전문적 판단의 핵심 부분임을 깨닫기 시작했습니다. 목표는 간호사들이 자신의 비판적 사고를 대체하게 두지 않으면서, 이러한 강력한 도구들을 사용하여 간호를 강화할 수 있도록 하는 것입니다. 연구자들은 이것이 성공하기 위해서 교육이 짧은 수업을 넘어 간호 커리큘럼 전체의 꾸준한 부분이 되어야 한다고 제안합니다. 미래의 프로그램은 소프트웨어를 사용하는 법보다는, 환자 간호라는 무질서하고 예측 불가능한 현실 속에서 그 결과물을 판단하는 법에 더 집중해야 합니다. 그때까지 이 분야는 인간 간호사와 지능형 기계가 함께 협력하되, 인간이 항상 환자의 안녕에 대한 최종 책임을 지는 미래를 향한 기초를 쌓아가는 초기 단계에 머물러 있습니다.