Student Experiences of an AI Mediated PatientBot Simulation for Interviewing Skills in Psychology and Social Work Education A South African Pilot Study
이 남아프리카 공화국의 예비 연구는 AI 매개 환자 챗봇 시뮬레이션이 심리학 및 사회복지학 전공 학생들의 면담 자신감과 성찰 기술을 구축하는 데 있어 일반적으로 사용 가능하고 유익한 것으로 인식되었으나, 그 효과가 현재 상호작용의 경직성과 타이핑 부담에 의해 제한되고 있음을 발견하였으며, 이는 해당 도구가 명확한 오리엔테이션 및 전통적인 대면 실습과 병행하여 보조적인 도구로 활용될 때 가장 효과적임을 시사한다.
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
미래의 심리학자와 사회복지사를 양성하는 과정에서 중요한 기술은 고통 속에 있는 사람 곁에 머물며, 적절한 질문을 던지고, 진정한 공감으로 경청하는 능력입니다. 이 전문가들은 신뢰를 쌓고, 복잡한 감정을 다루며, 해를 끼치지 않고 대화를 이끌어가는 법을 배워야 합니다. 전통적으로 이러한 학습은 동료들과의 역할극이나 실제 클라이언트를 대상으로 한 지도하의 실습을 통해 이루어지지만, 이러한 기회는 종종 부족하고, 압박감이 크며, 반복하기 어렵습니다. 이 간극을 메우기 위해 교육자들은 점점 더 인공지능으로 눈을 돌리고 있습니다. 이 기술은 학생이 환자 역할을 하는 컴퓨터 프로그램에 맞서 인터뷰 기술을 연습할 수 있는 시뮬레이션 환경을 구축할 수 있습니다. 목표는 인간의 상호작용을 대체하는 것이 아니라, 학생들이 실제 도움이 필요한 사람을 만나기 전에 실수하고, 즉각적인 피드백을 받으며, 접근 방식을 다듬을 수 있는 안전하고 위험 부담이 적은 공간을 제공하는 것입니다.
최근 남아프리카 공화국의 한 대학교에서 실시된 파일럿 연구는 학생들이 "페이션트봇(PatientBot)"이라 불리는 도구를 어떻게 경험했는지 탐구했습니다. 연구진은 이러한 디지털 시뮬레이션이 심리학 및 사회복지 전공 학생들의 교육을 효과적으로 지원할 수 있는지 이해하고자 했습니다. 연구진은 챗봇을 사용하여 인터뷰를 연습한 주로 여성으로 구성된 11명의 학생이라는 특정 집단에 집중했습니다. 학생들에게는 특정 배경을 가진 가상의 클라이언트가 주어졌으며, 질문을 던지고 클라이언트의 정서적 신호에 반응하며 인터ما를 진행하도록 요청되었습니다. 챗봇은 학생이 선택한 언어로 응답하도록 설계되었는데, 이는 12개의 공식 언어가 존재하는 국가에서 매우 중요한 기능인 영어 또는 학생의 모국어로 연습할 수 있게 해주었습니다. 세션이 끝난 후, 봇은 학생의 성과에 대해 피드백을 제공하여 놓친 기회를 지적하거나 질문을 더 나은 방식으로 구성하는 방법을 제안했습니다.
학생들은 경험이 전반적으로 긍관적이고 유용했다고 보고했습니다. 그들은 시스템 사용이 용이하다고 느꼈으며, 동료나 강사보다 기계와 연습하는 것이 주는 심리적 안전감을 높게 평가했습니다. 한 학생은 봇이 자신이 놓쳤을 수도 있는 개선 영역을 식별하는 데 도움을 주었다고 언급했습니다. 피드백은 특히 질문의 깊이가 부족했거나 질문의 흐름을 너무 빨리 종결짓는 것과 같은 구체적인 결함을 짚어주었기에 가치가 높았습니다. 이러한 즉각적이고 개인화된 피드백을 통해 학생들은 자신의 사각지대를 인식하고 저위험 환경에서 전략을 조정할 수 있었습니다. 많은 참가자는 시뮬레이션이 자신감을 높여주었으며, 이후 실제 사람과 연습하거나 역할극을 할 때 불안감을 덜 느끼게 되었다고 느꼈습니다.
그러나 이 연구는 봇이 인간의 상호작용을 완전히 대체하지 못하게 만드는 중대한 한계점들도 드러냈습니다. 주요 과제는 대화의 텍스트 기반 특성이었습니다. 학생들은 질문을 타이핑하는 데 시간이 오래 걸린다고 보고했으며, 목소리, 얼굴 표정, 몸짓의 부재로 인해 상호작용이 경직되고 덜 현실적이라고 느꼈습니다. 사회복지나 심리학 분야에서는 비언어적 신호를 읽는 것이 필수적이지만, 텍스트 전용 인터페이스는 사람의 어조, 망설임, 자세와 같은 미묘한 차이를 재현할 수 없습니다. 봇은 인터뷰의 구조와 질문의 문구를 연습하는 데는 도움이 되었지만, 학생들에게 방 안의 정서적 분위기에 어떻게 대응해야 하는지를 가르칠 수는 없었습니다.
연구진은 페이션트봇이 보완적인 도구로서 가능성을 보여주지만, 단독으로 사용되기보다는 더 넓은 교육 프로그램 내에 통합될 때 가장 잘 작동한다고 결론지었습니다. 연구는 가장 효과적인 모델이 혼합형 모델임을 시사합니다. 즉, 학생들이 초기 단계의 반복적인 연습을 통해 자신감을 쌓고 질문의 기초를 배운 뒤, 인간 강사의 구조화된 성찰과 피드백을 받는 방식입니다. 이러한 인간의 감독은 피드백이 정확한지 확인하고 학생들이 시뮬레이션의 한계를 해석하는 데 도움을 주기 위해 필수적입니다. 또한 연구는 학생들이 결국 봉사하게 될 다양한 사람들을 준비시킬 수 있도록, 다양한 문화와 언어를 반영하는 더 다양한 시나리오가 필요함을 강조했습니다.
궁극적으로, 이번 연구 결과는 인공지능이 전문 교육에서 귀중한 디딤돌 역할을 할 수 있으며, 학생들이 기술을 연습하고 다듬을 수 있는 안전한 공간을 제공한다는 것을 보여줍니다. 그것은 모든 교육적 과제를 해결하는 마법 같은 해결책도 아니며, 인간적 연결의 필요성을 대체하는 것도 아닙니다. 대신, 그것은 학생들이 실제 클라이언트에게 상처를 줄지도 모른다는 두려움 없이 실수하고 그로부터 배울 수 있도록 돕는 지원적인 비계(scaffold) 역할을 합니다. 기술이 발전함에 따라 음성 상호작용과 더 현실적인 정서적 반응을 통합함으로써 그 가치를 더욱 높일 수 있겠지만, 현재로서 이 기술의 가장 큰 강점은 인간적 연결이라는 섬세한 기술을 배우기 위한 구조적이고 반복 가능하며 판단을 배제한 환경을 제공하는 데 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.