📄 social_science

Invisible Inequality in Peer–AI–Peer Interaction: Rethinking Inclusion in Digital EFL Classrooms

사회문화 이론을 바탕으로 한 이 질적 연구는 디지털 EFL 교실 내에서의 동료-AI-동료 상호작용이 전문가적 역량을 갖춘 동료가 AI 매개 지식 구축을 주도하는 보이지 않는 인식론적 불평등을 생성한다는 점을 밝히며, 이는 진정한 포용을 위해 단순한 기술적 접근성을 넘어 공평한 참여와 협력적 학습을 지속시키기 위한 전문가적 비계 설정의 전략적 역할로 초점을 전환해야 함을 시사한다.

원저자: Van Huong Nguyen, Minh Tuan Dang, Anh Tuan Nguyen, Nhu Huong Nguyen

게시일 2026-09-23

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Van Huong Nguyen, Minh Tuan Dang, Anh Tuan Nguyen, Nhu Huong Nguyen

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

전 세계 교실에서 조용한 혁명이 일어나고 있습니다. 교사들은 학생들에게 인공지능이라는 강력하고 새로운 도구를 건네주고 있습니다. 이 디지털 비서들은 아이디어를 구상하고, 문법을 고치며, 생각을 정리할 수 있어 모든 학습자에게 공평한 기회를 제공할 것을 약속합니다. 모두에게 동일한 스마트 기기에 대한 접근성을 제공함으로써 교육이 더 공정해질 것이라는 희망입니다. 하지만 이러한 낙관론은 사람들이 함께 배우는 방식에 대한 미묘한 진실을 종종 간과합니다. 학습은 결코 혼자 하는 행위가 아닙니다. 그것은 더 경험 많은 학생이 덜 경험 많은 학생을 돕는, 사람들 사이의 공간에서 일어납니다. '동료 스캐폴딩(peer scaffolding)'이라고 알려진 이 역동성은 신뢰와 대화에 의존합니다. 제3자인 컴퓨터 프로그램이 이 대화에 개입하면 규칙이 바뀝니다. 연구자들이 이제 던지는 질문은 단순히 학생들이 도구를 사용할 수 있는지 여부가 아니라, 도구가 존재할 때 실제로 대화를 통제하는 이가 누구인가 하는 것입니다. 기계가 모두를 똑같이 돕고 있습니까, 아니-아니면 이미 가장 많이 알고 있는 학생에게 조용히 권력을 옮기고 있습니까?

베트남의 한 연구팀은 학생들이 AI 챗봇의 도움을 받아 에세이를 쓰는 실제 모습을 관찰하며 이 질문에 답하고자 했습니다. 그들은 글쓰기에 능숙한 학생과 아직 배우는 단계인 학생으로 구성된 쌍에 주목했습니다. 그들은 이 설정을 '동료-AI-동료(Peer–AI–Peer)' 상호작용이라고 불렀습니다. 연구진은 이 두 학생이 함께 협력하고, AI에게 도움을 요청하고, 그 답변을 바탕으로 무엇을 할지 결정할 때 어떤 일이 일어나는지 보고 싶었습니다. 그들은 학생들의 대화를 녹음하고, 망설임이나 혼란의 징후를 포착하기 위해 학생들의 표정을 관찰했으며, 컴퓨터와의 채팅 텍스트를 저장했습니다. 그들은 아이디어를 처음 떠올리는 순간부터 문장을 다듬는 마지막 순간까지 글쓰기 과정 전체를 살펴보았습니다. 목표는 눈에 보이지 않는 불평등, 즉 눈에 잘 띄지는 않지만 학습에 실질적인 영향을 미치는 참여 방식의 차이를 찾아내는 것이었습니다.

연구진이 발견한 것은 AI의 존재가 공정한 삼각 상호작용을 만들어내지 못했다는 점이었습니다. 대신, 그것은 불균형한 관계를 만들었습니다. 거의 모든 그룹에서 더 뛰어난 학생, 즉 '전문가'가 기기를 통제했습니다. 이 학생이 질문을 입력하고, AI의 답변을 먼저 읽은 다음, 파트너에게 공유할 부분을 결정했습니다. 더 약한 학생, 즉 '초보자'는 종종 지켜보거나 기다리는 처지가 되었습니다. 두 학생 모두 동일한 기술에 접근할 수 있었음에도 불구하고, 전문가는 문지기 역할을 했습니다. 그들은 필터 역할을 하며 기계의 복잡한 제안을 해석하고 이를 파트너를 위해 번역했습니다. 이는 초보자가 AI와 직접 대화하는 일이 드물었음을 의미하며, 설령 대화를 하더라도 그들의 의견은 종종 무시되거나 묵살되었습니다. 불평등은 누가 도구를 가졌느냐의 문제가 아니라, 그 도구가 무엇을 의미하는지 결정할 권한을 누가 가졌느냐의 문제였습니다.

이러한 불균형은 글쓰기 과제가 진행됨에 따라 더욱 강해졌습니다. 초기에 아이디어를 구상할 때, 전문가는 AI를 사용하여 가능한 목록을 생성한 다음 이를 초보자에게 제시했습니다. 초보자는 동의하거나 작은 수정을 제안할 수는 있었지만, 최종 방향을 선택하는 권한은 전문가가 쥐고 있었습니다. 학생들이 에세이를 쓰는 중간 단계로 넘어가면서, 전문가는 문장을 수정하고 글의 흐름을 개선하기 위해 AI를 사용했습니다. 여기서도 전문가는 어떤 수정을 적용할지 결정했습니다. 학생들이 작업을 마무리하며 오류를 점검할 때쯤 패턴은 가장 극단적이었습니다. 전문가는 AI에게 최종 조언을 구하고, 제안을 평가하며, 무엇을 남기고 바꿀지에 대한 마지막 결정을 내렸습니다. 초보자 학생은 종 oftenly 단순한 관찰자로 전락하여, 고개를 끄덕이거나 단순히 전문가가 시키는 대로 타이핑할 뿐이었습니다.

연구 결과, 가장 큰 문제는 접근성의 부족이 아니라 '인식적 권위(epistemic authority)'의 부족임이 드러났습니다. 이것은 어려운 표현이지만, 한 학생이 지식의 원천으로서 인정받을 권리를 상실했다는 뜻입니다. 초보자 학생이 좋은 아이디어나 타당한 우려를 가지고 있을 때조차, AI에 대한 전문가의 통제력 때문에 초보자의 목소리는 덜 중요하게 느껴졌습니다. 기계의 출력값은 전문가가 먼저 검증했을 때만 최종적인 결론으로 취급되었습니다. 만약 전문가가 초보자의 제안을 무시한다면, 초보자는 좀처럼 반박하지 못했습니다. 연구진은 이것이 초보자는 전문가를 신뢰하고 전문가는 기계를 신뢰함으로써, 초보자를 뒤처지게 만드는 권위의 사슬이 형성되었기 때문이라고 주목했습니다. 모두가 기술적으로는 '참여'하고 있었기에 불평등은 보이지 않았지만, 그 참여의 질은 매우 달랐습니다.

흥미롭게도, 연구진은 이러한 불평등한 역동성이 항상 학습을 막는 것은 아니라는 점을 발견했습니다. 어떤 경우에는 전문가 학생이 파트너가 도움이 필요하다는 것을 인식하고, AI를 사용하여 추가적인 지원을 제공하기도 했습니다. 그들은 기계의 답변을 더 쉬운 용어로 설명하거나 초보자에게 특정 부분의 과업을 시도해 보라고 요청했습니다. 이는 불평형한 권력 관계일지라도, 때로는 그룹을 앞으로 나아가게 하는 데 사용될 수 있음을 시사합니다. 그러나 연구진은 이것이 깨지기 쉬운 균형이라고 경고했습니다. 만약 전문가가 너무 통제적이라면, 초보자는 스스로 생각하기를 멈추고 그저 명령을 따르게 됩니다. 이 연구는 단순히 학생들에게 컴퓨터를 주는 것만으로는 공정한 교실을 보장할 수 없음을 보여줍니다. 진정한 포용은 기술에 대한 접근을 넘어, 누가 말하고 있고, 누가 듣고 있으며, 누가 최종 결정을 내리는지에 대한 세심한 주의를 필요로 합니다.

연구진은 AI가 교육에서 진정으로 도움이 되는 도구가 되기 위해서, 교사들이 모둠 활동을 조직하는 방식을 바꿔야 한다고 결론지었습니다. 그들은 초보자가 질문을 던지고 답변을 해석할 기회를 가질 수 있도록, 학생들이 기기를 번갈아 가며 제어해야 한다고 제안했습니다. 또한, 기계가 대화를 대체하는 것이 아니라 대를 지원하도록, AI를 사용하기 전후에 토론을 강제하는 과업을 설계해야 합니다. 이 연구는 AI가 나쁘다거나 금지해야 한다고 주장하는 것이 아닙니다. 대신, 세심한 지도 없이는 기술이 의도했던 격차를 오히려 강화할 수 있음을 보여주었습니다. 진짜 과제는 기계의 코드가 아니라, 교실 안의 인간적 습관에 있습니다. 만약 우리가 AI가 모두의 학습을 돕기를 원한다면, 그것을 사용하는 권한이 이미 가장 많이 알고 있는 학생에게 독점되지 않고 공유되도록 보장해야 합니다.

기술 요약: 동료-AI-동료(Peer–AI–Peer) 상호작용 내의 보이지 않는 불평등

문제 제기
영어 외국어(EFL) 작문 교실에 인공지능(AI)을 통합하는 것은 흔히 접근성을 확대하고 학습자 자율성을 증진하는 도구로 프레임화되지만, 본 논문은 이러한 낙관론이 협력적 학습 내에 존재하는 미묘하고 "보이지 않는" 불평등을 간과하고 있다고 주장한다. 구체적으로, 동료-AI-동료(PAP) 상호작용 모델에서 AI의 존재 자체가 공평한 참여를 보장하는 것은 아니다. 본 연구는 기존 문헌의 결정적인 공백, 즉 AI에 의해 매개될 때 전문가 학습자와 초보 학습자 간에 참여 권리, 의사결정권, 지식 검증이 어떻게 배분되는지에 대한 미시적 분석의 부재를 식별한다. 핵심적인 문제는 AI가 단순히 학습을 지원하는 것을 넘어 상호작용 역학을 능동적으로 재편하여, 잠재적으로 전문가 동료에게 통제권을 집중시키고 초보자를 주변부적이거나 순응적인 역할로 격하시킴으로써, 탐지하기는 어렵지만 학습 결과에는 상당한 영향을 미치는 형태의 불평등을 창출할 수 있다는 점이다.

연구 방법론
본 연구는 사회문화적 이론(SCT)에 기반한 질적 연구 설계를 채택하였으며, 특히 매개(mediation), 근접 발달 영역(ZPD), 내면화(internalization)의 개념을 활용하였다.

참여자: 베트남의 한 대학교에서 영어 전공 3학년 학생 5쌍을 전문가-초보자 매칭 모델에 따라 유의 표집하였다. 전문가는 GPA와 작문 점수(7~~9점)를 기준으로, 초보자는 점수(4~~6점)를 기준으로 선정되었다.
데이터 수집: 학술적 글쓰기 과정 중 5주 동안 세 단계(작문 전, 작문 중, 작문 후)에 걸쳐 데이터를 수집하였다. 도구로는 동료 간 상호작용의 오디오 녹음, AI 채팅 로그 스크린샷(ChatGPT 5.1), 그리고 행동 지표(예: 망설임, 침묵, 차례 주고받기)를 포착하는 관찰 노트를 사용하였다.
분석: 상호작용 로그를 전사하고 SCT 및 동료 스캐폴딩(scaffolding)과 디지털 형평성에 관한 선행 연구를 변형한 프레임워크를 사용하여 코딩하였다. 코딩 체계는 동료 스캐폴딩 전략, AI 매개 기능, 그리고 다섯 가지 유형의 "보이지 않는 불평등" 지표(상호작용적(II-INT), 접근 관련(II-ACC), 의사결정 관련(II-DEC), 지식 위치/인식론적(II-EPI), 결과 관련(II-BEN))를 분류하였다.
양적 보완: 스캐폴딩과 불평등 사이의 관계를 탐색하기 위해, 불평등 지표의 빈도에 대해 스피어먼 상관 분석(Spearman correlation analysis)을 적용하였다.

주요 결과
분석 결과, 모든 작문 단계에서 일관된 PAP 상호작용의 비대칭성이 나타났으며, 이는 지배적인 "동료 1(전문가)–AI" 채널과 현저히 약한 "동료 2(초보자)–AI" 채널로 특징지어진다.

상호작용의 분포: 작문 전 단계에서 동료 1–AI 상호작용(38회)은 동료 2–AI 상호작용(7회)보다 압도적으로 많았다. 이러한 패턴은 작문 중(29 대 6)과 작문 후(43 대 11) 단계에서도 지속되었다. 동료 1은 기기 제어, 프롬프트 입력, 그리고 AI 출력물의 초기 수용을 일관되게 통제하였다.
인식론적 불평등의 지배성: 다섯 가지 유형의 보이지 않는 불평등 중, **인식론적 불평등(II-EPI)**이 모든 단계에서 가장 지배적인 지표로 나타났다. 이는 핵심 문제가 단순히 도구에 대한 물리적 접근성이 아니라, AI가 생성한 지식을 해석, 검증 및 결정할 수 있는 권위의 문제임을 시사한다.
단계별 역동성:
- 작문 전: 불평등은 아이디어의 생성과 정당화 과정에서 가장 뚜렷하게 나타났으며, 여기서 전문가는 초보자에게 전달하기 전에 AI의 응답을 먼저 해석하였다.
- 작문 중: 텍스트 생산으로 초점이 옮겨감에 따라 표면적인 불평등은 감소하는 듯 보였으나, 스캐폴딩이 텍스트로 전환되는 방식에 대한 통제권은 여전히 전문가에게 있었다.
- 작문 후: 피드백을 평가하고 최종 수정 결정을 내리는 권한과 관련하여 불평등이 다시 급증하였다.
상관관계 결과: 스피어먼 상관 분석 결과, 총 스캐폴딩과 접근(II-ACC), 의사결정(II-DEC), 인식론적 지위(II-EPI)와 관련된 불평등 사이에 유의미한 정적 상관관계가 있음이 밝혀졌다. 특히, 의사결정 불평등이 가장 강한 상관관계( $\rho = 0.664$ )를 보였는데, 이는 학습자가 의사결정에서 배제될 때 동료들이 보상 기제로서 스캐폴딩을 늘릴 수 있음을 시사한다. 반면, 차례 주고받기 양(II-INT) 및 학습 이득(II-BEN)의 불평등은 스캐폴딩 빈도와 유의미한 상관관계를 보이지 않았다.

주요 기여

포용성의 재개념화: 본 연구는 디지털 포용이 기술적 접근과 동일하다는 관점에 도전한다. AI 매개 교실에서의 진정한 포용은 해석, 검증 및 의사결정 과정에서의 공평한 참여를 필요로 한다고 주장한다.
비대칭적 시스템으로서의 PAP 삼각형: 본 논문은 PAP 모델의 구조적 이해에 기여하며, AI가 단순히 동료 상호작용에 제3자를 추가하는 것이 아니라 매개 흐름을 재구조화한다는 것을 보여준다. 전문가는 종종 AI로부터 초보자에게로 흐르는 정보를 통제하는 "AI 증강된 더 유능한 타자(AI-aMKO)"가 된다.
보이지 않는 불평등 프레임워크: 특정 보이지 않는 불평등 지표(특히 인식론적 불평등)를 식별하고 코딩함으로써, 본 연구는 전통적인 결과 기반 평가가 놓칠 수 있는 미묘한 권력 불균형을 탐지하기 위한 방법론적 도구를 제공한다.
기능적 비대칭성: 연구는 불평등이 존재함에도 불구하고 그것이 항상 순수하게 제한적인 것만은 아님을 시사한다. 어떤 경우, AI 채널에 대한 전문가의 통제는 상호작용의 연속성을 유지하고 초보자가 압도당하는 것을 방지하는 교육적 기능을 수행하기도 하지만, 이는 초보자의 주체성 감소라는 대가를 치른다.

의의 및 주장
본 논문은 연구 결과가 디지털 교육에서의 포용성에 대한 재고를 필요로 한다고 주장한다. AI 매개 협업은 개입이 없다면 기존의 위계 구조를 의도치 않게 강화하여, 동료 스캐폴딩을 상호 호혜적인 과정에서 전문가가 불균형한 권력을 갖는 불평등한 매개 채널로 변질시킬 수 있다고 경고한다.

본 연구는 이러한 불평등의 "보이지 않는" 성격—즉, 누가 프롬프트를 제어하고 누가 지식을 검증하는가에 뿌리를 둔—이 학습자의 자율성과 비판적 참여에 심각한 위험을 초래한다고 결론짓는다. 다만, 저자들은 본 연구가 단일 대학의 5쌍의 사례에 국한되어 있으며 심층 인터뷰 없이 관찰 데이터에 의존했다는 점을 들어 연구의 한계를 겸허히 밝히고 있다. 따라서, 역할 순환이나 AI 전후의 토론을 의무화하는 과제 설계와 같은 교육적 전략의 필요성을 강조하면서도, 본 연구 결과가 다양한 맥락과 AI 플랫폼 전반에 걸쳐 보편적으로 일반화될 수 있다고 주장하지는 않는다. 주요 의의는 초점을 "기술에 대한 접근"에서 매개된 학습 환경에서의 "실질적 참여"로 전환하는 데 있다.

유사한 논문