Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
2020년부터 2025년까지 401개 문헌에 대한 계량서지학적 분석을 통해, 본 연구는 AI 기반의 정동(affective) 및 감정(emotion) 연구가 2023년에 상당한 성장 변곡점을 맞이하며 하나의 일관된 생태계로 성숙했음을 밝히는 동시에, 두 개념이 서로 다른 지향점을 보이고 있음—즉, '정동' 연구는 교육적 실천에, '감정' 연구는 기술적 발전에 초점을 맞추고 있음—을 드러내며, 이에 따라 학제 간 협업을 안내하기 위한 이중 지식 생산 모델(Dual Knowledge Production Model)을 제안한다.
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
인공지능 교육 분야를 거대하고 북적이는 건설 현장이라고 상상해 보세요. 수년 동안 두 그룹의 건설업자들이 학생들의 기분을 좋게 하고 학습을 더 잘 돕는다는 동일한 프로젝트를 위해 작업해 왔습니다. 한 그룹은 스스로를 "정동(Affective)" 팀이라 부르고, 다른 그룹은 "감정(Emotion)" 팀이라 부릅니다.
오랫동안 사람들은 이 두 그룹이 단지 같은 것을 두고 다른 단어를 사용하고 있을 뿐이라고 생각했습니다. 하지만 2020년부터 2025년까지의 수백 편의 연구 논문을 살펴본 이 새로운 연구는 놀라운 사실을 발견했습니다. 그들은 실제로 매우 다른 유형의 구조물을 짓고 있다는 것입니다.
다음은 이 연구가 발견한 내용을 쉬운 비유를 들어 정리한 내용입니다.
1. 두 가지 서로 다른 설계도
연구진은 이 두 그룹이 실제로 무엇을 하고 있는지 알아내기 위해 "계량서지학적 분석(아이디어가 어디에서 연결되는지 추적하는 하이테크 지도와 같은 것)"을 사용했습니다. 그 결과, 두 그룹이 같은 동네에 있지만 서로 다른 설계도를 가지고 있다는 것을 발견했습니다.
"감정(Emotion)" 팀 (엔지니어들):
- 하는 일: 이들은 카메라 기술자와 같습니다. 이들의 주요 목표는 학생의 얼굴을 즉각적으로 포착하거나 목소리를 듣고 "행복한가? 슬픈가?"를 추측할 수 있는 더 나은 센서와 카메라를 만드는 것입니다.
- 활동 영역: 주로 실험실이나 일반적인 테스트 그룹을 대상으로 작업합니다. 이들은 카메라의 정확도에 관심을 둡니다.
- 분위기: "우리 기계가 지금 이 감정을 감지할 수 있는가?"
"정동(Affective)" 팀 (교육자들):
- 하는 일: 이들은 교실 코치와 같습니다. 이들은 카메라 자체보다는 관계에 더 관심을 가집니다. 학생이 학기 전체 동안 어떻게 느끼는지, 학습 가치를 어떻게 느끼는지, 그리고 교사가 학생의 기분을 지원하기 위해 AI를 어떻게 활용할 수 있는지 알고 싶어 합니다.
- 활동 영역: 주로 대학이나 K-12(유초중고)와 같은 실제 교실에서 활동합니다. 이들은 경험에 관심을 둡니다.
- 분위기: "이 도구가 학생이 성장하고 지지를 받는 데 어떻게 도움이 되는가?"
2. 네 개의 동네 (클러스터)
연구는 전체 분야를 매핑하여 네 개의 뚜렷한 "동네" 또는 클러스터를 찾아냈습니다:
- 기술 실험실 (녹색): 얼굴과 목소리를 읽는 알고리즘을 코딩하는 사람들이 모여 있는 곳입니다.
- 교실 (빨간색): 교사들이 수업과 커리큘럼에 이러한 도구들을 실제로 어떻게 적용할지 고민하는 곳입니다.
- 심리학 실험실 (진한 파란색): 연구자들이 AI가 학생의 불안이나 자신감에 어떤 영향을 미치는지 엄격한 실험을 수행하는 곳입니다.
- 특별 케어 유닛 (노란색): 자폐 아동이나 특정 공포증이 있는 아이들처럼 특정 집단을 돕기 위해 AI가 테스트되는 곳입니다.
3. "생성형 AI(GenAI)"의 폭발적 성장
연구는 2023년부터 연구가 급격히 폭발하는 것을 관찰했습니다.
- 2023년 이전: AI는 주로 수동적인 관찰자였습니다. 마치 창문을 통해 학생을 지켜보며 표정을 바탕으로 기분을 추측하는 보안 요원과 같았습니다.
- 2023년 이후 (생성형 AI의 변화): ChatGPT와 같은 도구의 등장으로 AI는 능동적인 파트너가 되었습니다. 이제 단순히 지켜보는 것이 아니라 대화를 나눕니다. 연구의 초점은 "어떻게 이 감정을 감지할 것인가?"에서 "어떻게 학생의 기분을 개선하는 대화를 나눌 것인가?"로 이동했습니다. 마치 보안 요원이 갑자기 학생에게 격려의 대화를 건네기 시작한 것과 같습니다.
4. "이중 지식(Dual Knowledge)"의 발견
가장 중요한 발견은 "정동(Affective)"과 "감정(Emotion)"이라는 단어 사이의 혼란이 단순한 실수가 아니라, 두 가지 서로 다른 문화의 징후라는 점입니다.
- 만약 논문에서 **"감정(Emotion)"**이라는 단어를 본다면, 연구자들이 기술 개발(기계를 더 똑똑하게 만드는 것)에 집중하고 있음을 의미합니다.
- 만약 **"정동(Affective)"**이라는 단어를 본다면, 연구자들이 교육적 실천(교실을 더 좋게 만드는 것)에 집중하고 있음을 의미합니다.
저자들은 이를 **"이중 지식 생산 모델"**이라고 부릅니다. 이는 한 그룹은 자동차의 엔진을 만들고 있고(감정), 다른 그룹은 승객을 위한 주행 경험을 설계하고 있다(정동)는 것을 깨닫는 것과 같습니다. 둘 다 필요하지만, 하는 일은 서로 다릅니다.
요약
이 논문은 AI가 교사를 대체할 준비가 되었다거나 내일 당장 모든 교실에 이 도구들을 도입해야 한다고 말하는 것이 아닙니다. 대신, 이 연구는 지형을 그려 보여줍니다. 이 분야가 네 개의 뚜렷한 영역을 가진 복잡한 생태계로 성숙했음을 알려주며, "감정" 연구자들과 "정동" 연구자들이 비록 같은 큰 프로젝트를 수행하고 있지만 서로 다른 목표를 가진 두 개의 서로 다른 부족임을 밝혀냅니다.
연구는 이 분야가 앞으로 나아가기 위해서는 이 두 부족이 서로를 같다고 생각하는 것을 멈추고 협력해야 한다고 제안합니다. 즉, 엔지니어가 더 나은 엔진을 만드는 동안 교육자가 더 나은 주행 경험을 설계하도록 해야 한다는 것입니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.