Beyond Efficiency: Critical Thinking, Trust, and Learning Outcomes in Human-GenAI Partnerships within UAE Higher Education
UAE 학부 경영학 전공 학생들을 대상으로 한 이 연구는 생성형 AI가 참여도, 생산성 및 신뢰도를 높이는 반면, 비판적 사고를 유의미하게 개선하지 못하며 오히려 미루는 습관을 유발할 수 있다는 점을 밝혀내며, AI 기반의 효율성과 심층 학습 결과 사이의 결정적인 괴리를 강조한다.
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 파트너가 등장했다. 그것은 교사도, 동료 학생도 아닌, 몇 초 만에 에세이를 쓰고 문제를 해결하며 아이디어를 생성할 수 있는 기계다. 생성형 인공지능으로 알려진 이 기술은 대학가에 놀라운 속도로 퍼져나가며 학생들이 과업에 접근하는 방식을 바꾸어 놓았다. 수십 년 동안 교육자들은 우리 뇌가 한 번에 처리할 수 있는 정신적 에너지가 제한되어 있다는 생각과 같은 마음이 학습하는 방식에 대한 이론들에 의존해 왔다. 도구가 기초적인 과업의 힘든 과정을 줄여준다면, 이로 인해 확보된 에너지가 학생들이 더 깊이 생각하고, 더 잘 추론하며, 더 효과적으로 학습할 수 있게 해줄 것이라는 희망이 있었다. 이제 대학들에 던져진 질문은 단순하면서도 심오하다. 이 강력한 새로운 조수가 실제로 학생들을 더 똑똑하게 만드는가, 아니면 그저 더 빠르게 만들 뿐인가?
두바이의 한 대학교 연구팀은 학생들이 일상적인 학습에서 이러한 도구들을 실제로 어떻게 사용하는지 관찰함으로써 이 질문에 답하고자 했다. 그들은 단순히 학생들에게 무엇을 생각하는지 묻는 데 그치지 않고, 학생들이 기술을 얼마나 자주 사용하는지, 어떻게 상호작용하는지, 그리고 그 결과로 무엇을 배웠다고 느끼는지 추적했다. 연구는 브레인스토밍부터 최종 프로젝트 보고서 작성에 이르기까지 인공지능 도구 사용이 명시적으로 허용된 특정 학부생 그룹에 집중되었다. 연구진은 도구를 더 자주 사용하는 것이 더 나은 성적, 더 깊은 이해, 또는 더 날카로운 비판적 사고 능력으로 이어지는지 확인하고자 했다. 또한, 빠른 답변의 가용성이 학생들로 하여금 과업 시작을 늦추게 하는지와 같은 숨겨진 행동 양상도 살펴보았다.
결과는 두 가지 서로 다른 경로의 이야기를 보여주었다. 한편으로는, 인공지능 도구를 더 빈번하고 깊이 있게 사용한 학생들은 자신들의 교과 과정에 훨씬 더 몰입하게 되었다. 그들은 스스로 더 생산적이라고 느꼈고, 상당한 양의 시간을 절약했으며, 문제에 접근하는 방식에 있어 더 창의적이라고 느꼈다. 도구들은 이러한 과업들을 수행하는 데 있어 의도된 대로 정확히 작동하는 듯 보였으며, 업무를 완수하기 위한 신뢰할 수 있는 엔진 역할을 했다. 그러나 연구진이 가장 중요한 척도인 비판적 사고를 살펴보았을 때 놀라운 괴리를 발견했다. 도구들이 학생들이 과업을 더 빠르게 완료하고 더 많은 아이디어를 내도록 도왔지만, 연구 결과 단순히 기술을 사용하는 것이 학생들을 정보를 분석하거나 비판적으로 생각하는 데 더 능숙하게 만들지는 않는 것으로 나타났다. 사실, 데이터는 비판적 사고 능력이 인공지능을 얼마나 많이 사용했는지와는 대체로 독립적으로 유지된다는 것을 보여주었다.
이러론 결과는 기술이 자연스럽게 우리의 사고 능력을 업그레이드할 것이라는 일반적인 기대를 뒤엎는다. 이 연구는 인공지능이 정보 수집과 텍스트 초안 작성을 위한 힘든 작업을 대신 처리할 수는 있지만, 학생들에게 그 정보를 평가하는 법을 자동으로 가르쳐주지는 않는다는 점을 시사한다. 연구 대상 학생들은 수동적이지 않았다. 그들 중 대다수인 거의 90%가 기계가 제공한 사실과 참조 문헌을 사용하기 전에 검증했다. 그러나 이러한 세심한 확인 작업이 비판적 사고 점수의 측정 가능한 상승으로 이어지지는 않았다. 연구진은 비판적 사고가 학생의 전반적인 학습 성공을 예측하는 가장 강력한 변수였지만, 그것은 인공지능 도구 자체가 생성해낼 수 있는 기술이 아니라는 점을 발견했다. 대신, 그것은 학생들이 이미 보유하고 있거나 다른 수단을 통해 발달시킨 기술이었으며, 이를 도구를 사용하는 동안 적용하는 것으로 보였다.
데이터에서는 또 다른 예상치 못한 행동, 즉 연구진이 '시작의 지연'이라고 설명하는 현상이 나타났다. 학생들은 인공지능의 도움을 받아 과업을 빠르게 끝낼 수 있다는 것을 알았기 때문에, 과제를 시작하기 전까지 더 오래 기다리는 경향을 보였다. 도구를 많이 사용하는 학생 그룹은 그렇지 않았을 때보다 약 1주일 반 정도 늦게 프로젝트를 시작했다. 이는 기술로부터 얻은 효율성이 행동적 비용을 수반한다는 것을 시사한다. 도구의 속도는 즉각적인 긴박함을 줄어들게 하여 프로크라스티네이션(미루기)을 유발했다. 그들은 작업 중에 절약한 시간을 시작 단계에서의 시간 손실과 맞바꾼 셈인데, 이는 마감일이 다가올 때까지는 명확히 드러나지 않을 수도 있는 거래였다.
또한 연구는 학생들이 행한 일과 그들이 보고한 내용 사이의 간극을 강조했다. 대부분의 학생이 기계가 준 정보를 검증하는 데 주의를 기울였음에도 불구하고, 최종 제출물에서 도구의 사용을 공식적으로 밝힌 학생은 매우 적었다. 학생들의 약 3분의 1만이 자신의 작업에 인공지능을 인용했는데, 이는 그들이 출력물의 정확성을 확인했음에도 불구하고 발생한 일이다. 이는 학생들이 사실 관계는 확인하며 책임감 있게 행동하고 있지만, 출처 표기에 관한 표준적인 학술 규칙은 따르지 않고 있다는 복잡한 상황을 만든다. 연구진은 검증과 인용 사이의 이러한 불일치가 고등 교육에서 커지는 우려 사항임을 지적하며, 이러한 도구들을 윤리적으로 사용하는 방법에 대한 더 명확한 가이드라인의 필요성을 언급했다.
궁극적으로, 이 연구는 효율성에는 탁월하지만 깊은 인지적 성장에는 중립적인 도구의 모습을 그려낸다. 인공지능은 학생들이 더 빠르게 작업하고, 더 많은 아이디어를 생성하며, 과업을 완수할 수 있다는 자신감을 갖도록 도왔다. 그러나 그것이 학생들을 스스로 더 나은 비판적 사고가로 만들지는 못했다. 연구는 학생들이 이 기술으로부터 진정으로 혜of을 얻기 위해서는, 상호작용 과정에서 자신만의 분석적 기술을 가져와야 한다고 결론지었다. 기계는 원재료를 제공할 수 있지만, 평가와 판단이라는 힘든 작업은 여전히 인간의 정신이 수행해야 한다. 그러한 능동적이고 비판적인 참여 없이는, 도구의 속도가 단지 더 빠르지만 더 얕은 학습으로 이어질 뿐이다. 연구진이 제안하듯, 교육이 나아가야 할 길은 도구를 금지하거나 그것이 모든 것을 가르쳐줄 것이라고 가정하는 것이 아니라, 학생들이 도구를 사용하는 동시에 스스로 생각하는 어려운 과업을 연습할 수 있도록 수업을 설계하는 데 있다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.