Developing a Smart Teacher AI-Based Blended Training Model for Enhancing Elementary School Teachers’ Professional Competence

기술 요약: 스마트 티처(Smart Teacher) AI 기반 블렌디드 트레이닝 모델

문제 제기
본 연구는 인공지능(AI) 및 디지털 학습과 같은 급격한 기술 발전이 교사들의 전문적 준비도를 앞질러 가고 있는 초등 교육의 심각한 격차 문제를 다룬다. 인도네시아 보고르(Bogor) 소재 SD Islam Al Ittihad의 예비 조사 데이터에 따르면, 교사의 73%가 디지털 학습 기술을 최적으로 숙달하지 못했으며, 63%는 개인 맞춤형 학습을 위한 AI 활용 경험이 부족했고, 53%는 문화 응답적 교수법(Culturally Responsive Teaching, CRT) 및 창의적 디지털 애플리케이션에 대한 친숙도가 미흡한 것으로 나타났다. 기존의 전문성 개발 모델은 디지털 리터러시나 AI 구현과 같이 고립된 구성 요소에 집중하며, 이를 통합적이고 적응 가능한 프레임워크로 결합하지 못해 파편화되어 있는 경우가 많다. 또한, 많은 프로그램이 교수법의 사회문화적 차원을 다루지 못해, 교사들이 포용적이고 맥락에 민감한 학습 환경을 조성하는 데 필요한 역량을 갖추지 못하게 만든다.

연구 방법론
본 연구는 **델파이 기법(Delphi technique)**을 통한 전문가 검증을 결론으로 하는 Borg와 Gall의 R&D 모델에 기반한 개발 연구(Research and Development, R&D) 방식을 채택하였다. 연구는 인도네시아 보고르의 두 곳의 이슬람 초등학교에서 수행되었다:

• 예비 현장 테스트: 15명의 교사를 대상으로 SD Islam Al Ittihad에서 실시됨.
• 본 현장 테스트: 20명의 교사를 대상으로 SD Islam Amalia Cibinong에서 실시됨.

개발된 스마트 티처 AI 모델은 다음 세 가지 핵심 구성 요소를 합성한 적응형 디지털 트레이닝 플랫폼이다:

1. 인공지능(AI): 개인 맞춤형 학습 경로, 자동화된 교수 지원 및 진도 모니터링에 활용된다.
2. 블렌디드 러닝(Blended Learning): 대면 환경과 온라인 환경을 결합하여 유연성과 접근성을 보장한다.
3. 문화 응답적 교수법(CRT): 학생들의 문화적 배경과 정체성을 교수 실무에 통합한다.

개발 과정에는 요구 분석, 프로토타입 설계, 전문가 검증(교육 경영, 기술 및 교사 개발 전문가를 대상으로 한 델파이 기법 활용), 반복적 수정, 그리고 효과성 평가가 포함되었다. 데이터 수집에는 사전-사후 테스트 도구가 사용되었으며, **대응표본 t-검정(paired sample t-tests)**을 통해 분석되었다.

주요 결과
본 연구는 두 가지 특정 트레이닝 모듈, 즉 Canva 기반 모듈(기술 통합)과 PjBL-CRT 모듈(문화 응답적 교수법이 통합된 프로젝트 기반 학습)의 효과성을 평가하였다.

• 예비 현장 테스트: 결과는 혼재되어 나타났다. Canva 모듈은 유의미한 개선을 보이지 않았으며($p = 0.189$), 이는 교사들의 기술적 준비도와 초기 정렬이 어긋났음을 시사한다. 그러나 PjBL-CRT 모듈은 유의미한 개선을 보여($p = 0.003$), 문화 응답적 교수 접근법이 교육학적 역량에 긍정적인 영향을 미쳤음을 입증했다.
• 본 현장 테스트: 예비 피드백을 바탕으로 트레이닝 설계 및 적응형 지원 메커니즘을 반복적으로 수정한 결과, 본 현장 테스트에서는 두 모듈 모두에서 유의미한 긍정적 결과가 도출되었다. Canva 모듈은 통계적으로 유의미한 개선을 보였으며($p = 0.035$), PjBL-CRT 모듈은 매우 유의미한 개선을 보였다($p < 0.001$).

양적 분석을 통해 수정된 스마트 티처 AI 모델이 교사의 전문적 역량, 특히 교육학적 기술, 기술 통합 및 적응형 교수 실무를 유의미하게 향상시켰음을 확인하였다.

핵심 기여
본 논문은 해당 분야에 대한 세 가지 주요한 독창성을 식별한다:

1. 통합적 결합: AI, 블렌디드 러닝, 그리고 CRT를 초등 교사를 위한 단일한 적응형 전문성 개발 모델에 동시에 통합한 드문 연구 중 하나이다.
2. 적응형 플랫폼 개발: 개인 맞춤형 학습 경로와 맥락 민감형 교육을 지원하는 "스마트 티처 AI" 디지털 플랫폼을 구축하였다.
3. 체계적 검증 프레임워크: 엄격한 모델 검증 및 개선을 위해 Borg와 Gall의 R&D 프레임워크를 델파이 기법과 결합하여 적용하였다.

의의 및 주장
저자들은 본 연구가 디지털 시대의 지속적인 교사 전문성 개발을 위한 유연하고 확장 가능하며 맥락에 민감한 프레임워크를 제공한다고 주장한다. 이론적으로, 본 연구는 기술적 혁신을 교육학적 및 문화적 고려사항과 결합하는 것이 고립된 접근 방식보다 더 효과적인 결과를 낳는다는 것을 보여줌으로써 AI 통합 교사 개발 문헌에 기여한다. 실무적으로, 이 모델은 교사들의 전문적 책임을 고려하면서도 그들의 구체적인 역량 격차를 해결할 수 있는 지속 가능한 교사 훈련 솔루션을 제공한다.

본 연구는 연구 범위에 대해 겸허한 입장을 유지하며, 결과가 상대적으로 작은 표본 크기와 인도네시아 보고르의 특정 학교 두 곳에 국한되어 있음을 인정한다. 따라서 저자들은 보편적 적용성을 주장하지 않으며, 향후 연구를 통해 더 넓은 교육적 맥락과 다양한 학교급에서 모델의 장기적인 효과성을 검토할 것을 제안한다.