Profiles of generative AI chatbot use for schoolwork and achievement among Indonesian 15-year-olds: A latent class and multilevel analysis of PISA 2025 data
14,168명의 인도네시아 15세 청소년을 대상으로 한 PISA 2025 데이터를 분석한 이 연구는 네 가지 뚜렷한 생성형 AI 챗봇 사용 프로필을 식별하였으며, 드물게 사용하는 사용자가 선택적 사용자보다 과학 및 독해 점수가 약간 낮게 나타나는 반면 집중적인 사용은 성취도 저하와 관련이 없다는 점을 발견하여, 학교가 단순히 빈번한 사용자만을 넘어선 지침 제공에 집중해야 함을 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
현대적인 교실에 새로운 종류의 조력자가 등장했습니다. 그것은 사람이 아니라 에세이를 쓰고, 수학 문제를 풀고, 복잡한 개념을 몇 초 만에 설명할 수 있는 컴퓨터 프로그램입니다. 생성형 인공지능(generative artificial intelligence)으로 알려진 이 기술은 교육자들 사이에서 조용한 논쟁을 불러일으켰습니다. 한쪽에서는 이 도구들이 모든 학생에게 개인화된 튜터링을 제공하여 이해의 격차를 메우고 학습을 더 효율적으로 만들 수 있다는 희망을 품고 있습니다. 다른 한쪽에서는 이 도구들에 너무 과도하게 의존하면 학생들이 학습에 몰입하는 것을 방해하여, 진정으로 배우고 기억하는 데 필요한 정신적 노력을 건너뛰게 만들 수 있다는 우려를 표합니다. 핵심 질문은 단순히 학생들이 이 도구들을 사용하는지 여부가 아니라, 그들이 어떻게 사용하는가, 그리고 그 결과로 그들의 학습에 어떤 일이 일으로 발생하는가 하는 점입니다. 챗봇에게 초안 작성을 요청하는 것이 학생의 학습을 돕는 것일까요, 아니면 단순히 학습 과정을 우회하는 것일까요?
답을 찾기 위해 연구진은 인도네시아 학생들의 삶을 담은 거대한 스냅샷을 활용했습니다. 그들은 15세 학생들의 기술 수준을 측정하는 글로벌 테스트인 2025년 국제 학생 평가 프로그램(PISA)의 데이터를 분석했습니다. 이 특정 연구는 수백 개의 학교에 걸친 약 14,000명의 학생을 대상으로 했으며, 이는 인도네네시아의 약 400만 명의 십 대를 대표합니다. 연구진은 학생들이 학교 과제를 위해 AI 챗봇을 사용하는 방식에 따라 서로 다른 '유형'이 존재하는지 확인하고자 했습니다. 그들은 학생들이 이 도구를 사용하는 네 가지 구체적인 방식, 즉 텍스트 요약, 새로운 주제 연구, 글쓰기 과제 초안 작성, 또는 단순히 학습 보조 용도로 사용하는 방식을 살펴보았습니다. 유사한 방식으로 도구를 사용하는 학생들을 그룹화함으로써, 연구팀은 이러한 사용 패턴이 과학 및 독해 성적에 더 나은 결과를 가져오는지 혹은 더 나쁜 결과를 가져오는지 확인할 수 있었습니다.
분석 결과, 네 가지 뚜렷한 학생 그룹이 드러났습니다. 첫 번째 그룹은 전체 학생의 약 28%를 차지하는 '드문 사용자(rare users)'입니다. 이 십 대들은 학교 과제를 위해 챗봇을 거의 사용하지 않습니다. 두 번째 그룹은 가장 큰 비중을 차지하는 35%의 '선택적 학습 지원 사용자(selective learning-support users)'입니다. 이 학생들은 개념을 이해하거나 새로운 아이디어를 배우는 데 도움을 받기 위해 가끔씩 도구를 사용하지만, 모든 과제에 의존하지는 않습니다. 7%의 작은 집단은 모든 유형의 과제를 위해 월 단위로 도구를 사용하며, 마지막 그룹인 약 30%는 거의 매일 모든 종류의 학교 과제에 챗봇을 사용하는 '집중 사용자(intensive users)'입니다. 놀랍게도, 이 그룹들 간의 차이는 무엇을 위해 사용하느냐가 아니라 기술을 얼마나 자주 사용하느냐에 있었습니다. 연구진은 학생들이 자신의 업무를 떠넘기기 위해(즉, 컴퓨터가 대신 생각하게 하기 위해) 주로 도구를 사용하는 그룹이 나타날 것이라고 예상했으나, 그러한 특정 패턴은 별도의 그룹으로 나타나지 않았습니다.
연구진이 이 그룹들의 테스트 점수를 비교했을 때, 명확한 그림이 나타났습니다. 챗봇을 거의 사용하지 않는 학생들은 챗봇을 선택적으로 사용하는 학생들보다 과학과 독해 모두에서 점수가 약간 낮았습니다. 이 격차는 연구진이 가족 소득, 학생이 다니는 학교 유형, 일반적인 학습 습습 등을 고려한 후에도 유지되었습니다. 그러나 매일 모든 과제에 도구를 집중적으로 사용하는 학생들은 선택적 사용자들보다 낮은 점수를 받지 않았습니다. 그들은 동일한 성적을 기록했습니다. 이 발견은 AI의 과도한 사용이 자동으로 학습 저하로 이어진다는 생각에 도전합니다. 이는 인도네시아 십 대들에게 있어 챗봇을 빈번하게 사용하는 것이 과학적 이해나 효과적인 독해 능력에 해를 끼치지 않았음을 시사합니다.
연구진은 또한 학생의 계획 능력과 자기 주도 학습 능력이 이러한 결과에 변화를 주는지도 살펴보았습니다. 일부 이론은 스스로 학습 시간을 관리하는 능력이 뛰어난 학생들이 그렇지 않은 학생들과 다르게 AI를 사용할 것이며, 아마도 프로세스를 우회하기보다는 학습을 위해 AI를 사용할 것이라고 제안합니다. 그러나 데이터에 따르면 학생의 자기 조절(self-regulation) 능력이 챗봇 사용과 테스트 점수 사이의 관계를 변화시키지는 못했습니다. 학생이 학습 계획을 세우는 데 능숙하든 그렇지 않든, 점수의 패턴은 동일했습니다. 드문 사용자는 점수가 약간 낮았지만, 빈번한 사용자는 피해를 입지 않았습니다. 연구진은 또한 학생들이 AI가 생성한 콘텐츠를 비판적으로 평가하도록 가르치는 학교에서 다른 결과가 나타나는지 탐구했습니다. 그들은 이러한 실천이 흔한 학교에서 드문 사용자와 선택적 사용자 사이의 격차가 약간 더 커진다는 것을 발견했으나, 이 결과는 확정적인 규칙으로 간주될 만큼 강력하지는 않았습니다.
연구진은 이 연구가 챗봇 사용이 점수의 향상이나 저하를 유발한다는 것을 증명할 수는 없다는 점에 주의를 기울였습니다. 데이터가 단일 시점에 수집되었기 때문에, 학교 공부에 어려움을 겪는 학생들이 이 도구들을 사용하지 않는 것일 수도 있고, 혹은 이미 학습 능력이 뛰어난 학생들이 도구를 효과적으로 사용하는 방법을 찾아낸 것일 수도 있기 때문입니다. 또한 이 연구는 학생들이 자신의 습관을 스스로 보고하는 방식에 의존했으므로, 이는 때때로 불완전할 수 있습니다. 그럼에도 불구하고, 이 결과는 이 새로운 기술을 어떻게 다룰지 여전히 고민 중인 국가에 안심할 만한 관점을 제공합니다. 데이터는 AI를 과도하게 사용하는 것에 대한 페널티가, 적어도 여기서 측정된 방식으로는 존재하지 않는다는 것을 보여줍니다. 대신, 문제는 도구에 대한 접근성 자체가 아니라, 사고의 대체재가 아닌 학습 파트너로서 도구를 사용하는 데 필요한 지도력에 관한 것입니다. 즉, 도구를 전혀 사용하지 않는 학생들, 즉 선택적으로 사용하는 동료들에 비해 약간 뒤처지는 것처럼 보이는 학생들에게서 문제가 발생할 수 있음을 시사합니다. 이는 단순한 기술 접근성의 문제가 아니라, 기술을 사고의 대체물이 아닌 학습 파트너로 활용하기 위한 가이드의 문제라는 새로운 형태의 디지털 격차를 가리키고 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.