인공지능기술 학습도구와 PBL중심 교양영어 교과목 개발 및 적용

PBL Using AI Technology-based Learning Tools in a College English Class

Article information

Korean J General Edu. 2023;17(2):169-183
Publication date (electronic) : 2023 April 30
doi : https://doi.org/10.46392/kjge.2023.17.2.169
김미경
초당대학교 조교수, mikyongkim@cdu.ac.kr
Assistant Professor, Chodang University
Received 2023 March 20; Revised 2023 April 02; Accepted 2023 April 17.

Abstract

교양영어를 포함한 영어교육은 기존의 기능적이고 공학적인 언어교육에 대한 대안으로 학습자중심 학습모형으로 학습자 주도 탐구과정이 핵심인 PBL(프로젝트기반학습/문제중심학습) 관련 연구가 이뤄지고 있다. 본 연구는, 내용중심 언어교수법인 PBL중심 교양영어 학습활동에서 학습자의 탐구와 지식구성(영어와 주제관련 내용) 측면 도움을 주는 목적으로 인공지능 기술기반 학습도구의 가능성을 고찰하고자 한다. 이에 인공지능 기술기반 학습도구(네이버 파파고, 구글 번역기, 문법검수기)를 활용한 PBL중심 교양영어 교과목을 개발하고 운영하였다. 6주 과정 인공지능 기술기반 학습도구를 활용한 PBL중심 교육과정은 교양선택 영어교과목에 도입하였다. 연구에는 해당 교과목(AI를 활용한 기초영어) 수강생 중 총 20명의 학습자가 참여하여 인공지능 기술기반 학습도구를 활용한 PBL중심 교양영어 학습경험에 관한 설문조사(19세트)와 조별보고서(4세트)를 작성하였다. 그 결과를 요약하면 다음과 같다. 첫째, 학습자는 인지적, 정의적, 언어적, 만족도 영역, 지식구성, 성찰적 사고력 측면에서 긍정적인 학습경험을 한 것으로 드러났다. 둘째, 인공지능 기술기반 학습도구의 기술적 한계와 학습자의 해당 학습도구에 대한 의존성은 부정적인 학습경험으로 나타났다. 본 연구는 다음과 같은 교육적인 제안으로 마무리하였다. (1) 기술적 한계로 문법검수도구(Grammarly)가 제공한 불충분한 피드백을 이해하는 별도의 수업이 필요하다. (2) 인공지능기술기반 학습도구의 의존성을 낮추기 위해 영어 말하기와 영어 쓰기 관련 별도의 교실 내 수업이 필요하다.

Trans Abstract

This study aims to develop and implement a PBL framework using AI technology-based learning tools, namely, Naver Papago, Google Translate, and Grammarly. The six-week framework was embedded into a General English course at a university, and a total of 20 students participated in the study. After collecting 19 students’ questionnaires and 4 sets of group journals in which 20 students participated in four groups, the data were analyzed in order to investigate the students’ English learning experiences through the General English course. The findings are as follows. The students had positive English learning experiences in terms of cognitive factors, affective factors, satisfaction, linguistic factors, knowledge construction, and reflective practices. On the other hand, the students had negative learning experiences in relation to the inadequate quality of AI technology-based tools and the rather over-reliance on the tools. The study concludes with some pedagogical implications: the inclusion of a student-initiated grammar session involving feedback provided by Grammarly, and English language practices involving speaking and writing, both of which should serve to lower the over-reliance of the technology-based tools.

1. 서론

4차산업혁명 기술의 발달과 모바일 기기의 보급과 코비드 19 팬데믹과 함께 교육에서도 교육적 패러다임이 급속하게 바뀌고 있다(안종배, 2017; 이원규, 김자미, 2020). 이에 따라 인터넷과 스마트폰을 어릴 때부터 생활처럼 사용하는 학습자가 Artificial Intelligence(인공지능기술)과 같은 관련 기술을 적극적으로 사용하고(Bennett & Maton, 2010) 비판적인 사고를 하면서 복잡한 문제를 찾아내고 창의적으로 해결하면서(홍선주, 최인선, 2020; Holmes et al., 2019; Schwab, 2017) 주도적으로 지식을 구성하는 학습자중심 교육 패러다임(김경근, 2019)이 대두되고 있다. 영어교육에서도 교육적 패러다임의 변화에 따른 대안적인 교수학습모형 개발이 요구된다(신동광, 2019; Kessler, 2021; Kim, 2019). 즉, 미리 지정된 영어 언어 지식을 전달하고 영어 스킬을 훈련하는 기존의 영어교육방식을 넘어서, 인공지능기술과 같은 4차 산업기술을 활용하면서 정보에 대한 탐색과 성찰을 통해 학습자들 스스로 언어 지식을 포함한 지식정보를 구축하는 방식으로 재구성할 필요가 있다(김인석, 김봉규, 2019).

이러한 패러다임의 변화와 함께 자동번역기의 문자언어 영역 활용 관련 연구가 이뤄지고 있다. 다시 말해, 인공지능기술 기반 학습도구인 자동번역기의 기능 중 문자자료를 영작문 교과목에서 활용하면서 이에 대한 학습자의 사용 형태와 학습효과와 그에 대한 학습자의 인식 관련 연구가 활발히 이뤄지고 있다(김경란, 2020; 김혜경, 한수미, 2021; Ahn & Chung, 2020; Garcia & Pena, 2011; Lee, 2020; Lee, 2021; Tsai, 2019). 반면에 자동번역기의 음성언어 영역인 음성합성(Text to Speech, TTS) 기술 기반 음성자료 활용에 관한 연구는 상대적으로 미비하다. 대안적인 교수학습모형은 (1) 인공지능기술 기반 학습도구의 기능 중 문자자료를 넘어서 음성자료를 활용하면서, (2) 학습자가 동료와 함께 주도적으로 지식을 탐구하고 구성하는 학습자중심 영어교육 교수법을 포함한다. 이러한 대안적인 수업모형을 사용한 연구가 최근에 이뤄지고 있다. 윤광진, 맹은경(2021)은 중학교 영어교실에서 교사가 지정한 문제를 해결하는 즉, 문제중심학습에 자동번역기의 문자/음성자료를 포함한 인공지능 도구 활용에 따른 영어 능력 향상을 포함한 학습효과에 관한 연구를 실행하였다.

이에 본 연구는 대학에서 실행할 대안적인 영어 수업모형을 개발하고 운영하고자 한다. 그리고 학습자의 영어 능력 향상보다는, 학습경험의 여러 측면을 탐구하고자 한다. 이를 위해 첫째, 학습자중심 학습모형으로 학습자 탐구과정이 핵심인 PBL(project-based learning/problem-based learning) 교수법을 사용할 것이다. 둘째, 인공지능기술 기반 학습도구를 영어의 문자언어와 음성언어 영역 즉, 영어기능별 즉 듣기 쓰기 말하기 읽기 측면에서 사용할 것이다. 즉, 인공지능 기술기반 학습도구를 활용한 PBL 교양영어 교수⋅학습 수업모형을 개발하고 운영한 결과를 분석하고자 한다. 본 연구에서 탐색할 연구 문제는 다음과 같다.

  • (1) 인공지능기술 기반 PBL중심 교양영어 교수⋅학습은 어떻게 이루어지는가?

  • (2) 인공지능기술 기반 PBL중심 교양영어 수업에서 인공지능 활용과 영어학습과 지식구성에 대한 학습자의 관점은 무엇인가?

2. 문헌 연구

2.1. PBL과 영어교육

프로젝트학습(Project-Based Learning)과 문제기반학습(Problem-Based Learning)은 학습자중심과 배움과 적용의 일치 즉, 실생활과 연결되는 학습활동이라는 공통점에 근거하여 혼용해서 사용한다(강인애, 2017). 나아가 본 연구에서는 대안적 교육 패러다임 측면에서 학습자 중심과 맥락적 학습과 문제해결 중심 학습활동이라는 공통점을 가진 두 학습법을 구분하기보다는 공통 약자인 PBL을 사용하려고 한다. PBL은 학습자 중심 탐구과정을 통해 지식 구성과 문제해결 능력과 협동학습 훈련을 목표로 한다(강인애, 2003). 학습자는 교수자와 동료와 함께 주도적으로 문제를 선정하고 탐구하고 해결하면서 관련 지식을 구성하고, 교수자는 조력과 촉진자 역할을 하는 교수학습 방법이다(Beckett & Miller, 2006; Beckett & Slater, 2005).

일반적인 PBL 단계는 (1) 문제제시, (2) 과제수행, (3) 발표와 평가로 이뤄진다(강인애, 2017). 영어교육에서 PBL 단계는 단계별 필요에 따라 관련 언어학습 단계를 추가한다(Stoller, 1997). PBL 1단계와 2단계 즉, 문제제시와 과제수행은 학습자 탐구과정으로, 이를 촉진할 수 있는 구체적인 수업모형으로 Nixon-Ponder(1995)의 문제제기식 다섯 단계가 있다. 이는 (1) 문제가 되는 주제 선정 (2) 문제 정의 (3) 문제를 개인의 경험과 연결 (4) 사회문화적 관점에서 문제에 대해 토의 (5) 문제에 대한 대안 관련 토의로 이뤄진다. PBL 영어교육 수업은 (1) 문제제기식 다섯 단계에 (2) 영어학습을 추가하고 (3) 발표와 성찰 단계로 마무리할 수 있다.

국내 PBL 영어교육에서는 영어 능력 향상과 학습자 주도 지식 구성과 관련한 연구가 이뤄지고 있다(정숙희, 2019; Kim, 2019; Shin, 2018, 2019). 나아가 학습자 탐구 중심 교수법인 PBL은 비판적이고 성찰적인 사고능력을 향상한다는 연구도 진행되고 있다(Kim, 2019; Kim & Pollard, 2017). 반면에 강력한 학습자중심 교수모형인 PBL의 경우 생소한 학습환경에서 학습 관련 긴장도가 높을 수 있다. 이를 위해 과업 관련 모델링을 제공할 수 있다(김미경, 2021). 또한 구성원 간 다양한 영어능력 특히 낮은 영어 능력은 조별 과업 수행 시 제한요소가 될 수 있다. 이를 위해 언어 횡단적 실천 중 하나인 코드스위칭 활용을 제안한다(Gorter, 2006; Goerter & Arocena, 2020; Liu et al., 2005). 담화 구성 활동인 코드스위칭은 한글과 영어를 함께 사용하는 것으로 과업 수행을 도울 수 있다.

본 연구에서는 상기 PBL 영어교육 수업모형에 인공지능기술 기반 학습도구를 다양하게 활용하는 교수⋅학습 수업모형을 개발하고 운영하고자 한다.

2.2. 인공지능 기술기반 학습도구를 사용한 영어교육

영어교육과 같은 언어교육에서 학습자는 자기 주도적으로 (1) 인공지능 기술기반 학습도구를 활용하면서(Nino, 2020) (2) 영어를 포함한 주제/탐구 관련 지식을 구성할 수 있다(Groves & Mundt, 2015). 영어교육에서 이러한 학습도구는 크게 문자언어와 음성언어 측면에서 학습 자료와 기회를 제공한다. 문자언어 영역에서 활발하게 사용하는 인공지능기술 기반 학습도구는 기계 번역기를 모태로 하는 자동번역기와 문법 검수 도구가 있다. 자동번역기(예, Google translate, Naver Papago, Kakao i 번역)는 기계학습 기술의 발달과 함께 오류 수정 과정을 거치면서 번역의 정확도가 상승하면서 문자언어 학습(예, 글쓰기) 도구로써 활용 가능성이 커지고 있다(Lee, 2020; Tsai, 2019). 더하여 학습자의 문법 오류에 대한 수정과 피드백을 제공하는 문법 검수 도구(예, Grammarly)도 문자언어 학습 과정에서 유용하게 사용되고 있다(Yang, 2018).

음성언어 영역에서 인공지능기술 기반 학습도구는 자동번역기의 음성자료와 인공지능 챗봇이 있다. 자동번역기는 인공지능기술 발달과 함께 즉각적인 문자 번역과 함께, 최근에는 해당 번역 글을 읽어주는 음성합성(Text to Speech, TTS) 기술 기반 음성자료도 제공하고 있다. 그러나 이와 관련한 연구는 최근에야 관심을 받고 있다(윤관진, 맹은경, 2021). 이와 함께 음성언어 학습도구는 인공지능 챗봇(예, Alexa, Siri, Google Assistant)이 있다. 이는, 자연어 처리와 기계학습 기술의 발달을 기반으로 학습자의 발화를 파악하고 기존 데이터에서 추출한 적합한 반응을 발화자에게 제공하는 방식으로 이뤄진다. 이는 기존 일방적인 듣기 학습에 있던 음성학습자료를 넘어서 인공지능기술 기반 음성인식 기술이 있는 음성학습자료와 함께 발화와 쌍방향 의사소통 기회를 제공한다 (Hubbard, 2017).

영어교육에서 활발한 연구가 이뤄지는 자동번역기 활용의 경우, 다양한 측면이 보고된다. 부정확한 번역이라는 기술적 제한점(Lee & Briggs, 2020)과 부정행위로 간주하는 비윤리적인 관점(Giannetti, 2016; Jolley & Maimone, 2015)과 언어학습의 효과성에 대한 의구심(Clifford et al., 2013)과 학습도구에 대한 학습자의 의존성(Stapleton & Kin, 2019)을 문제로 지적하고 있다. 반면에 학습 심리 측면에서 불안감을 낮추고(Lee, 2021) 나아가 학습자가 주도적으로 이러한 학습도구를 사용하면서 말이나 글을 수정하고 표현하면서 메타언어 인식을 개발하면서(Roehr, 2007) 개인화 학습을 돕는 긍정적인 측면(김혜영, 2021)을 지적하였다.

PBL에 자동번역기의 문자/음성자료와 같은 인공지능기술 기반 도구를 사용한 연구는, 최근 중학교 영어수업에서 실행되고 학습자의 영어 능력 향상을 포함한 효과성을 분석하였다(윤관진, 맹은경, 2021). 본 연구에서는 (1) 대학교에서 PBL에 인공지능기술 기반 도구를 사용한 후 (2) 효과성을 포함한 학습자의 다양한 학습경험을 탐구하고자 한다. 다시 말해, 주제 탐구와 지식구성과 발표와 성찰 과정에서, 학습자 사용 빈도가 높은 자동번역기(Naver Papago나 Google translate)의 문자자료와 음성자료를 모두 사용할 것이다. 이와 함께 무료 문법 검수 도구(Gammarly)를 사용할 것이다.

3. 연구 방법

3.1. 연구 맥락

본 연구는 인공지능기술 기반 학습도구를 활용한 PBL 교양영어 수업모형을 개발하고 운영하면서 학습자의 학습경험을 탐구하려고 한다. 본 연구자가 2021년 2학기에 해당 수업모형을 연구 개발하고 2022년 1학기에 신설교과목(1주 1회, 100분, 2학점)으로 개설신청 후 운영하였다. 참여자는 지방소재 C대학교 2022년 1학기 교양선택 영어교과목(AI를 활용한 기초영어)을 수강한 학생 중 연구에 동의한 20명을 대상으로 하였다. 수강등록생 22명 중 두 명은 건강 등 개인적인 이유로 불참하고 나머지 20명은 조별 단위(각 5명씩 총 4조)로 연구에 참여하였다. 전원 한국 학생으로 남학생이 12명, 여학생 8명이었다. 참가자는 전 학년에 거쳐 다양한 학과 소속으로 분포되어 있었다. 이를 표로 제시하면 <표 1>과 같다.

연구 참여 학습자 정보 (n=20)

연구참여자는 설문조사와 조별 보고서(한글과 영문) 제공하는 형태의 연구 참여에 동의하였다. 사전 조사를 통해 파악한 참여자의 영어 능숙도는 수능 영어 등급 평균 4등급 또는 토익점수 평균 400점대이며, 영어 구두 발표 사전 학습경험은 없었고 다양한 장르 글쓰기(예, narrative, descriptive, explanatory, argumentative) 학습경험 또한 생소하였다. 더하여 한 학생(여, 4학년)을 제외하고 PBL 사전 학습경험 또한 없었다. 사전 조사를 통해 참여학습자의 (1) 영어 능력과 (2) 인공지능을 활용한 수업모형 학습경험과 (3) 학습자중심 수업 학습경험 여부를 파악하였다. 참여학습자의 영어 능력은 공인영어시험인 토익점수 기준 300점대에서 900점대로 다양하였다. 인공지능을 활용한 수업 형태는 모든 학생이 경험한 적 없는 것으로 드러났다. 학습자중심 수업 학습경험에 대해서는 한 학생이 PBL 학습경험이 있고 다른 두 학생은 거꾸로 수업을 통한 학습경험이 있는 것으로 나타났다. 나머지 참여학습자는 기존 강의형 수업에 익숙하였다.

3.2. 연구 도구 및 자료 분석

본 연구는 6주 동안 운영한 인공지능기술 기반 학습도구를 활용한 PBL 수업을 운영한 사례를 통하여 참여학습자의 학습경험을 이해하고자 하였다. 이를 위해 자료수집과 분석에서 혼합연구 방법을 사용하였다. 단일연구에서 양적⋅질적 접근을 모두 활용하는 이 연구 방법은, 단일연구방법보다는 연구 문제에 대한 답변에 집중하는 것을 우선순위로 해서 그에 적합한 연구 방법을 사용하여 서로 보완하면서 포괄적인 연구를 가능케 한다(Creswell, 2017). 본 연구에서는 동일 연구 집단 내에서 연구 수업모형에 대한 학습경험에 대해 양적⋅질적 자료를 수집하고 분석하였다.

분석데이터는 마지막 주에 해당하는 14주에 실시한 설문조사(Part 1과 2) 결과지와 대학 내 학습관리시스템(Learning Management System, 이하 LMS)에 제출한 조별 보고서(Part 1과 2) 최종안이다. 연구 수업모형에 대한 학습경험을 표현하는 언어적 장벽을 낮추기 위해, 설문조사와 조별 보고서 성찰일지(Part 2) 부분에서는 한글을 사용토록 하였다. 교과목 과업으로 영문과 한글 조별 보고서를 제출토록 하였다.

첫째, 설문조사는 인공지능기술 기반 영어학습에 관한 학습자의 학습경험 특히 그 효과성을 측정하였다. 설문조사 문항은 교수모형 효과성을 측정한 설문조사(도숙진, 진영선, 2018)를 기반으로 본 연구에 맞게 변형하였다. 구체적인 내용은 <부록>과 같다. 효과성 측정을 위해 양적연구방법을 도입하였다. 전체 31문항으로 설문조사는 전체 무기명으로 Part 1(폐쇄형 설문조사)과 Part 2(개방형 설문조사)로 나눠서 측정하였다. Part 1(1번-28번)은 인공지능기술 기반 영어학습에 대한 학습자의 학습경험(인지적 영역, 만족도 영역, 정의적 영역, 언어적 영역)을 리커트 5점 척도를 활용한 문항들로 구성하여 기술통계를 통해 측정하였다. Part 2(29번-31번)는 참여학습자의 학습경험을 심도 있게 파악하기 위해 개방형 설문지 형태를 사용하였다. 구체적으로 (1) 인공지능기술 기반 학습도구를 사용한 PBL 수업의 장점과 (2) 단점과 (3) 전반적인 느낌 기술을 통해 측정하였다.

둘째, 조별 보고서는 학습자 주도 탐구를 통한 영어를 포함한 문제 관련 지식구성 학습법에 대한 학습자의 학습경험을 이해하려 하였다. 이러한 학습자의 성찰적인 측면을 알기 위해 질적연구방법을 도입하였다. 전체 두 부분으로 나뉜다. Part 1은 Nixon-Ponder(1995)의 문제제기식 다섯 단계를 저널 형태로 구성하여 전체 다섯 항목으로 이뤄졌다. 즉, (1) 글로벌이슈를 다룬 영문 기사 내용에서 문제/질문이 있는 부분 인용, (2) 문제/질문 규정, (3) 문제/질문 관련 개인적 경험 묘사, (4) 문제/질문 사회⋅문화⋅역사적 관점에서 파악, (5) 문제/질문에 대한 대안 제시이다. Part 2는 수업에 대한 성찰하는 부분으로 이뤄졌다. 조별 보고서는 공동으로 진행하는 공동과제(Part 1의 항목 1과 2)와 조원 개개인이 담당하는 개별과제(공동과제 제외한 모든 부분)로 이뤄졌다.

양적⋅질적 연구 방법을 사용한 본연구는 학습경험에 대한 포괄적인 측면과 심층적인 측면에서 분석이 이뤄졌다. 수집한 분석자료는 총 19개의 설문조사 결과지(설문조사 1-19)와 20명이 네 조로 나눠 작성한 조별 보고서(조별 보고서 1-20)이다. 단일 양적 연구의 경우 통상적으로 30명이 넘을 때 통계적 타당성이 있으나, 혼합적 연구 방법을 사용한 본 연구는 19개의 설문조사는 양적연구방법을 사용하여 전반적인 학습경험을 측정하였다. 자료를 수집한 설문조사 Part 1(인공지능 기술기반 학습도구를 활용한 PBL중심 영어학습 경험) 자료는 정량적인 분석 프로그램인 SPSS를 사용하여 리커트 5점 척도를 활용한 설문 문항들에 대한 평균과 표준편차를 위한 기초 통계량과 수업 전과 후 변화하는 학습경험을 측정하는 대응표본 t-검정 분석자료를 통해 학습자의 학습경험을 분석하였다. 구체적으로 설문조사 Part 1에서 네 가지 영역(인지적 영역, 만족도 영역, 정의적 영역, 언어적 영역)에 대한 응답(매우 그렇다, 그렇다, 보통이다, 아니다, 매우 아니다)은 리커드 5점 척도(5, 4, 3, 2, 1)로 변환하여 기술통계값을 도출하였다.

질적연구방법을 사용하여 자료를 수집한 설문조사 Part 2(Part 1에 대한 심층적 학습경험)와 조별 보고서(학습자 주도 탐구과정을 통한 지식 구성 학습법에 대한 학습경험) 자료는 정성적인 내용분석을 통해 자료 분석이 이뤄졌다. 연구자는 조별 보고서를 반복적으로 읽으며 순환적인 방식으로 참여 학생의 인공지능기술 기반 학습도구를 사용한 PBL 학습경험에 대한 주제를 도출하였다(Krippendorff, 2013). 도출 방식은 (1) 연구주제 관련 중요 주제를 나열한 후 (2) 관련 연관 개념을 범주화하고 (3) 범주들을 통합하면서 핵심 범주를 도출하였다. 중요 키워드의 빈도와 통합을 보여주는 정성적인 연구 분석 프로그램인 NVIVO를 사용하여 코딩하였다. 이를 통해 연구 키워드 나열과 연관 개념 범주화와 핵심 범주를 도출하였다.

질적 분석접근에서 범주화 구조에는 크게 긍정적인 측면과 부정적인 측면으로 나뉘었다. 각 범주화 구조는 핵심 범주로 나뉜다. 긍정적인 측면은 (1) 지식 구성, (2) 성찰적 사고력, (3) 개인별 학습, (4) 조별 활동, (5) 학습의 편리성으로 나뉜다. 부정적인 측면은 (1) 인공지능기술 기반 학습도구의 기술적 한계, (2) 인공지능기술 기반 학습도구에 대한 의존성으로 나뉜다.

4. 인공지능기술 학습도구와 PBL중심 교양영어 설계

4차 산업기술 핵심인 인공지능을 활용하면서 정보에 대한 탐색과 성찰을 통해 학습자들 스스로 언어 지식을 포함한 지식정보를 구축하는 방식의 대학 교양영어 교과목 개발을 위해, 본 연구는 인공지능기술 기반 학습도구를 사용한 PBL 방식을 제안하였다. 첫 번째 연구 질문인 수업 설계 및 운영은 다음과 같이 개발하고 운영하였다.

본 연구 전 단계(1주-7주)는 인공지능기술 기반 학습도구인 자동번역기의 문자자료와 음성자료와 함께 문법 검수 도구를 활용하면서 자신의 이상을 포함한 자기소개서를 작성하였다. 이는 주로 ”묘사” 장르(descriptive writing)에 해당한다. 이를 작성한 후 조원들과 구두로 말하는 활동으로 구성되었다. 이때 (1) 영어 논리와 문장구조와 어휘와 문법과 함께 (2) 영어 구어체 특성(stress, intonation, clustering 등)을 학습하였다.

본 연구인 인공지능기술 기반 학습도구를 활용한 PBL 영어수업은 교양영어 교과목(AI를 활용한 기초영어) 후반 즉 중간고사 후 9주 차부터 총 6주(9주-14주) 동안 이뤄졌다. 이 기간 평가는 보고서 제출과 발표⋅토론 참여 시 동일 점수(보고서 3개 각 5점, 발표와 토론 각 5점, 총 25점)를 부여하는 방식으로 진행하였다. 이는 (1) 학습자 대다수에게 PBL 학습환경은 생소하면서(3.1 참조) (2) 낯선 영어 구두 발표(3.1 참조)가 갖는 과업 부담감과 (3) 영어 장르별 글쓰기에 대한 미흡한 지식(3.1참조)과 (4) 말하기⋅쓰기 평가가 갖는 높은 주관성을 고려하여, 평가보다는 학습자 참여를 높이는 방식으로 진행하였다.

개발된 6주 과정 PBL중심 교양영어 교과목은 (1) 비판적인 탐구과정을 촉진할 Nixon-Ponder(1995)의 다섯 단계 문제제기식 수업모형에 (2) Stoller(1997)의 제안에 따라 총 6회 영어학습을 추가하고 (3) 발표와 성찰 단계로 마무리되었다. 전 과정에 거쳐 학습자는 인공지능기술 기반 학습 도구인 자동번역기(Naver Papago나 Google Translate)의 기능인 문자/음성자료와 무료 문법 검수 도구(Grammarly)를 주도적으로 사용할 수 있도록 하였다. 개발된 수업모형은 12단계로 구성되었다.

1단계: 글로벌이슈 이해(AI 활용, 영어학습 I 제공)

2단계: 문제 선정

3단계: 문제 정의(AI 활용)

4단계: 문제를 개인적으로 연결(AI 활용, 영어학습 II 제공)

5단계: 문제 관련 토의(AI 활용, 영어학습 III 제공)

6단계: 대안 제시(AI 활용, 영어학습 IV 제공)

7단계: 조별 보고서 초안 작성(AI 활용)

8단계: 피드백(AI 활용, 영어학습 V 제공)

9단계: 조별 보고서 수정안 작성(AI 활용)

10단계: 영어 구두 발표 준비(AI 활용, 영어학습 VI 제공)

11단계: 영어 구두 발표와 질의응답

12단계: 질의응답과 성찰 포함한 조별 보고서 최종안 제출(AI 활용)

학습자는 3개 과업을 수행하였다. 첫째, 영문 조별 보고서 완성이다. 1단계에서 조별로 탐구 주제 선정 후 Nixon-Ponder(1995)의 문제제기식 다섯 단계를 조별 보고서 형태로 구성하였고 학습자는 이 조별 보고서를 단계별로 완성하였다. 둘째, 조별 영어 구두 발표다. 완성한 영문 조별 보고서를 조별로 나와서 영어로 구두 발표하고 토의하였다. 셋째, 개인별 성찰이다. 조별 보고서의 한 부분인 성찰일지(Part 2)를 통해 총 6주 동안 이뤄진 학습 과정에 대한 성찰을 포함하였다. 성찰일지를 제외하고 나머지 두 과업(조별 보고서와 조별 구두 발표)은 영어 사용을 전제로 이뤄졌다. 인공지능기술 기반 학습도구 활용은 영어가 사용된 첫 번째 과업(영문 조별 보고서 작성)과 두 번째 과업(조별 영어 구두 발표)이다. 첫 번째 과업에서는 자동번역기의 문자자료와 문법 검수 도구를 사용하였고, 두 번째 과업에서는 자동번역기의 음성자료를 사용하였다. 전체 6주 과정 인공지능기술과 PBL중심 교양영어 교육과정은 <표 2>와 같다.

AI기술 기반 학습도구를 사용한 PBL 교양영어 교육과정

1단계: 글로벌이슈를 이해하였다. 글로벌이슈는 본 연구가 진행되던 2022년 상반기 최대 글로벌이슈인 ”우크라이나 전쟁”으로 정하고 학습자와 연관이 있는 영문신문 기사로 Korean Diaspora in Ukraine(Park, 2022)을 선정 후 내용 파악과 함께 해당 글로벌이슈를 이해하였다. 교수자는 영어학습(영어학습 I: Reading)을 제공하였다. 이는 (1) 영어 논리, (2) 글의 응집력, (3) 문장구조, (4) 영어 어휘, (5) 영문 독해 순서로 진행하였다.

2-9단계: 전체 과정을 통해 영문 조별 보고서를 작성하였다. 먼저, 2단계에서는 문제를 선정하였다. 조별로 영문 기사에서 궁금한 점이 있거나 더 알고 싶은 부분이 있는 문단이나 문장을 선정하였다. AI는 기사문 번역에 주로 사용하였다. 3단계는 문제 정의이다. 조별로 선정한 문제를 한글 번역한 후 설명을 덧붙였다. AI는 문제로 정한 문장을 한글로 번역하는 과정에서 사용하였다. 4단계에서 학습자는 선정한 문제를 개인 경험과 연결하였다. 개인의 경험은 서사장르에 해당한다. 교수자는 모델링을 통해 ”서사 장르”에 대한 언어학습을 제공하였다(영어학습 II: Narrative writing). AI는 개인 경험을 영어로 번역하는 과정에서 사용하였다. 5단계에서는 문제 관련 토의이다. 선정한 문제를 사회⋅문화⋅역사적 관점에서 토의하면서 배경지식과 현상과 이유를 이해하였다. 교수자는 모델링을 통해 ”설명문 장르”에 대한 언어학습을 제공하였다(영어학습 III: Exploratory writing). AI는 관련 주제를 탐구하면서 영어 글은 한글로 번역하고, 보고서 작성에는 한글에서 영어로 번역하는 과정에서 사용하였다. 6단계에서는 문제에 대한 대안을 마련하였다. 교수자는 모델링을 통해 대안을 논리적으로 제시하는 ”주장문 장르”에 대한 언어학습을 제공하였다(영어학습 IV: Argumentative writing). AI는 영어 번역과 영어문법 관련하여 주로 사용하였다. 7단계에서는 영문 조별 보고서 초안을 완성하고 8단계에서는 그에 대한 교수자 피드백(영어학습 V: 영어 논리와 장르별 글쓰기 복습)이 이뤄지고 9단계에서는 영문 조별 보고서 수정안이 완성되었다. 7-8단계에서 AI는 한글에서 영어 번역과 영어 문법 측면에서 사용하였다.

10-11단계: 이 두 단계에서는 조별 영어 구두 발표가 이뤄졌다. 먼저, 10단계에서는 조별 영어 구두 발표를 준비하였다. 교수자는 모델링을 통해 영어 구어체의 특성인 filler, clustering, stress, intonation 등에 대한 언어학습을 제공하였다 (영어학습 VI: Spoken language features). AI는 파파고의 TTS기능을 활용하여 말하기 연습을 조별과 개인별로 하였다. 구체적으로 (1) 제한적인 수업시간을 고려하여 수업시간에는 조장의 발표문을 공동으로 연습하고, (2) 수업 후에는 개인별 발표 내용을 개별적으로 AI를 사용하면서 발표 준비를 하였다. 학습자는 조별 보고서 수정안에서 각자 작성한 부분을 담당하는 형식으로 역할을 분담하고 이를 학습한 구어체로 변환하면서 발표 스크립트를 완성 후 조원과 함께 발표 연습을 하였다. 11단계에서는 조별 보고서 내용을 영어로 발표하였다. 조별발표 후 표현의 폭을 확대하기 위해 한국어를 사용한 질의응답 시간을 갖고 그 내용은 조별보고서 최종안에 포함하였다.

12단계: 개인별 성찰 일지를 포함한 조별보고서 최종안을 작성하였다. 총 6주 과정 수업에 대한 성찰일지 또한 표현의 폭을 확대하기 위해 한국어로 작성한 후 조별 보고서 최종안(Part 2)에 포함한 후 LMS를 통하여 제출하였다.

본 연구는 20명 학습자가 다섯 명씩 전체 4개 조로 참여하여 영문기사에서 탐구할 주제를 선정하고(2단계) 탐구 내용을 영문 조별 보고서로 작성하고(7, 10, 12단계) 조별 영어 구두 발표를 하였다(11단계). 영문 조별 보고서 최종안에 표기된 조별 탐구 주제를 정리하여 제시하면 <표 3>과 같다.

조별 탐구 주제 (n=4)

5. 인공지능기술 학습도구와 PBL중심 교양영어 학습경험

본 연구는 인공지능 기술기반 학습도구를 활용한 PBL중심 교양영어 교과목을 제안하고 개발하고 운영하였다. 두 번째 연구 질문인 본 수업모형에 대한 학습자의 경험은 크게 호감도와 부정적인 측면에서 시작하여 각 경험에 대한 세분화를 하였다 (3.2. 범주화 구조와 핵심 범주 참조).

5.1. 긍정적인 반응

설문조사 Part 1(인공지능 기술기반 학습도구를 활용한 PBL중심 영어학습 경험) 정량적 자료와 Part 2(심층적인 학습경험) 정성적 자료와 조별보고서 성찰일지의 정성적 자료 분석을 통해 다음과 같은 긍정적인 반응을 도출하였다.

5.1.1. 인지적 영역, 정의적, 언어적, 만족도 영역

설문조사 Part 1에서 네 가지 영역(인지적 영역, 만족도 영역, 정의적 영역, 언어적 영역)에 대한 응답은 모두 높은 평균(4.00 이상)으로 긍정적인 학습경험을 보여줬다. 그 결과는 <표 4>와 같다. ”인지적 영역” 평균은 4.30(표준편차 .63)으로 가장 높게 나타났고, ”정의적 영역” “언어적 영역” “만족도 영역” 순으로 나타났다.

인공지능 기술기반 영어학습에 대한 학습자 관점 (n=19)

“인지적 영역”에 미친 영향을 구체적으로 알아보기 위하여 하위 영역 문항 군들을 수업 전과 수업 후로 설정하여 묻고 대응표본 t-검정을 통해 학습경험의 변화를 분석하였고 그 결과는 <표 5>와 같다. 인지적 영역의 하위 영역 모두 통계적으로 유의미한 차이를 나타냈다. 참여학습자들은 (1) 인공지능기술 기반 학습도구를 활용한 영어학습에 대한 지식과 (2) 활용과 (3) 그에 대한 필요성이 높아진 것으로 나타났다. 구체적으로 한 학습자는 ”이번 수업을 통해 어려운 단어, 문장들을 AI를 활용해 더 쉽게 알 수 있었고 발음이나 강조 등을 들으면서 보완할 점을 찾을 수 있어 좋았다”(설문조사 9)라고 표현하였다. 즉, AI기술 기반 학습도구를 활용하면서 ”[자신이 필요한 영어의] 보완할 점을 [스스로] 찾아”서 학습하는 주도적인 개인화 학습을 통해 관련 학습도구 활용에 대한 지식과 활용이 향상되고 그에 대한 필요성도 높아진 것으로 보인다. 이는, 자동번역기를 활용하면서 학습자는 자신의 영어 수준과 필요에 따라 관련 정보를 스스로 찾아서 수정하면서 과업을 완성하는 메타언어 인식 개발(Nino, 2009; Roehr, 2007)과 함께 스스로 주도적인 학습을 개인화 학습경험(김혜영, 2021, Lee, 2019)을 한 것으로 본 기존 연구와 맥락을 같이 한다.

인지적 영역 (n=19)

두 번째 높은 평균을 보인 ”정의적 영역”에 포함된 하위 영역들에 속하는 문항 글들의 기술통계 결과의 경우, 다섯 개의 하위 영역(영어에 대한 흥미, 영어에 대한 자신감, 영어학습에 대한 동기부여, 자기주도적 학습태도, 수업참여도 향상) 중 수업 참여도 향상이 4.53(표준편차 .51)으로 가장 높은 평균을 보였으며, 전반적으로 리커트 5점 척도의 중간 점인 3점 이하의 평균을 보인 영역은 없었다: 자기주도적 학습태도 (평균, 4.32, 표준편차 .671), 영어에 대한 흥미 (평균 4.16, 표준편차 .764), 영어학습에 대한 동기부여(평균 4.11, 표준편차 .937), 영어에 대한 자신감 (평균 3.95, 표준편차 .911). 이를 구체적으로 한 학습자는 ”AI[기술 기반 학습도구를 사용한] 영어학습에서 읽는 방법, 어투 등 더 자세히 알 수 있어 흥미를 갖게 되어 영어학습에 대한 동기부여를 해줘서 좋았다” (설문조사 14) 라고 표현하였다. 즉 기존의 일방적인 정보전달 방식이 아닌, 학습자가 직접 주도적으로 언어정보를 찾아 동료와 서로 익히면서 즉 양방향 학습환경에서 학습 동기부여가 상승하고 그러한 재미있고 유의미한 활동이 수업 참여도 향상과 연관된 듯하다(황요한, 2021; Oh, 2022).

세 번째 높은 평균을 보인 ”언어적 영역” 즉, 영어기능별 AI기술 기반 학습도구 활용 능력에 대한 하위 영역 분석 결과는 다음과 같다. 영어기능별 AI 활용 능력의 경우 여섯 개의 하위 영역 (듣기, 말하기, 읽기, 쓰기, 문법, 어휘) 중 영어 말하기 관련 인공지능 기술기반 학습도구 활용 능력이 4.34(표준편차 .579)로 가장 높은 평균을 보였으며, 나머지 하위 영역도 모두 높은 평균(4.00 이상)을 보였다: 영어 듣기(평균 4.18, 표준편차 .768), 영어읽기(평균 4.16, 표준편차 .688), 영어쓰기 평균 4.13, 표준편차 .831), 영어문법 (평균 4.11, 표준편차 .848), 영어어휘 (평균 4.05, 표준편차 .797). 이를 구체적으로 한 학습자는 다음과 같이 표현하였다. ”AI[기술 기반 학습도구]를 활용하여 평소에 알던 단어보다 더 심화한 단어를 알 수 있었고, 어려워하던 단어의 발음도 알 수 있게 되어서 유익한 시간이었다” (조별 보고서 13, 간호학과 1학년).

마지막 만족도 영역의 분석 결과는 5개 하위 영역(전반적으로 만족, 영어학습 향상에 도움, 주당 수업 시간 충분, 그룹 발표 활동 만족, 본 강좌 친구에게 권유) 중 전반적으로 만족하는 견해가 4.26으로 가장 높은 평균(표준편차 .733)을 보였으며, 나머지 하위 영역 모두 높은 평균(4.00 이상)을 보였다. 즉, 본 강좌 친구에게 권유(평균 4.16, 표준편차 .958), 영어학습 향상에 도움(평균 4.11, 표준편차 .809), 주당 수업 시간 충분(평균, 4.00, 표준편차, 1.054), 그룹 발표 활동 만족(평균 4.00, 표준편차 .882) 순서이다. 낮은 정의적 여과기가 학습을 촉진한다는 주장(Krashen, 1985)에 근거하여 인공지능 기술기반 학습도구를 활용하면서 정의적 여과기가 낮아지며 학습이 촉진되고 과업을 완성하면서 만족도가 높아진 것으로 드러났다(Lee, 2021). 영어 수준이 낮아 불안감이 높았던 한 학습자는 AI기술 기반 학습도구 활용으로 학습에 적극적 참여가 가능하였다고 기술하였다(“평소 영어를 어려워하는데 파파고나 구글 번역기를 통해 발음 연습도 할 수 있고 새로운 단어들을 연습할 기회가 되어서 좋았다”, 설문조사 11). 더 나아가 자신이 사용하는 영어에 대한 자신감 향상으로도 연결된다고 표현하였다(“파파고나 구글 번역 같은 단순 번역 AI만 사용했는데 수업을 들으면서 문법에 관한 도움을 받을 수 있는 AI를 알게 되었습니다. AI의 도움을 받아서 내가 사용한 영어에 대한 자신감이 붙게 되는 것 같습니다”).

5.1.2. 지식 구성

문제 관련 탐구를 조원과 함께 수행하면서 관련 지식이 구성되는 PBL 학습이 참여율을 높이는 요인이 된 것으로 나타났다(김미경, 2021; Beckett & Miller, 2006). 학습자의 현실 맥락과 별개로 이뤄지는 기존 영어학습과 달리 학습자 스스로 ”다양한 정보와 자료를 직접 수집하는 재미를 느끼며”(조별 보고서 15, 간호학과 1학년) 맥락이 있는 지식 구성 기반 영어학습을 하는 수업모형에 대해 ”AI를 활용하지 않는 일반적인 영어 수업보다 내가 얻어가는 지식이 많았고 재미있는 주제로 조별 과제를 하다 보니 참여율도 높아졌다”(설문조사 8)라고 표현하였다.

나아가 글로벌이슈인 Korean Diaspora in Ukraine의 여러 측면을 조별로 선정하고 탐구하고 PBL 마지막 과정에서 이뤄진 발표를 하면서 학습자들은 통합적이고 심층적인 지식 구성이 가능했던 것으로 나타났다. 이를 구체적으로 한 학습자는 ”그리고 이 수업을 들으며 좋았던 점은 하나의 기사에서 서로 겹치지 않는 다른 주제를 선정해 고려인과 관련한 내용을 배울 수 있었던 점입니다. 소련의 붕괴 이유나, 고려인들의 음식 문화 등은 평소 저의 관심사가 아니었기 때문에, 다른 팀의 발표를 듣는 흥미롭고 재미있었습니다”(조별 보고서 3, 항공 서비스학과 4학년)로 기술하였다.

5.1.3. 성찰적 사고력

학습자 주도 탐구과정은 문제를 제기하고 사회⋅문화⋅역사적 관점에서 문제를 탐구하고 대안을 제시하는 과정(Nixon-Ponder, 1995)을 통해 학습자는 비판적이고 성찰적인 사고력 훈련을 경험한 것으로 나타났다. 성찰적 사고력은 낮은 단계에서 높은 단계로 발전하는 단계적 측면에서 이해하는 견해(Schon, 1991)와 통합적으로 보는 견해(Jay & Johnson, 2002)가 있다. 본 연구에서는 정교하게 학습자의 성찰적 사고력 단계를 분석하는 대신, 단계 사이 경계 없이 겹쳐있는 사고력의 특성상 통합적으로 보는 견해에 따랐다. 즉, 성찰적 요소를 찾는 Jay and Johnson (2002, p. 323)의 개념적 틀(주제에 대한 추가적인 관점 제시, 주제를 경험과 믿음과 가치 기반 이해, 주제를 넓은 관점에서 이해)을 활용하여 분석하였다.

학습자의 학습경험에서 나타난 성찰적 사고력 증거는 다음과 같다. 첫째, 조별로 탐구 주제와 문제에 대한 사회⋅문화⋅역사적 관점에서 토의하고 그에 대한 대안을 제시하였다. 이는 조별 보고서 Part 1에서 문항 4번(Discussion of the problem from social perspectives)과 문항 5번(Its alternatives or changes)에서 나타났다. 둘째, 조별 보고서 Part 2(성찰일지)에서 더 나아가 자신의 일상 안에서의 대안적인 실행계획을 제시하기도 하였다. 이를 구체적으로 한 학습자는 ”우크라이나에서 전쟁이 벌어지고 있고 우크라이나에 존재하는 인구와 민족 수가 얼마나 되는지 알면서 우리나라로 들어오는 난민들을 위해 우리가 할 수 있는 일이 무엇인지 생각해보는 시간을 가질 수 있어서 좋았었다” (조별 보고서 9, 항공 서비스학과 2학년)라고 기술하였다. 셋째, 나아가 조별 보고서 Part 2(성찰일지)에서 실행계획을 제시하면서 문제 제기한 주제를 자신의 믿음과 가치와 연결하였다. 이를 구체적으로 한 학습자는 ”그리고 고려인의 후손들은 어떻게 살고 있는지 궁금해졌다. 러시아에 사는 고려인, 한국에 사는 고려인 등 다양한 고려인들의 이야기가 공유될 수 있으면 좋겠다. 이를 통해 고려인들에게 관심을 두고 고려인들이 우리 동포임을 기억하면 좋을 것이다”(조별 보고서 13, 간호학과 1학년)라고 성찰하였다.

5.2. 부정적인 반응

부정적인 학습요인은 개방형 설문조사인 Part 2의 문항 2를 통해 탐구하였다. 크게 (1) 인공지능 기술 기반 학습도구의 기술적 한계와 (2) 그 학습도구에 대한 의존성이 중점적으로 나타났다.

5.2.1. 인공지능 기술적 한계

인공지능 기술기반 학습도구가 갖는 기술적 한계는 부정확성(Ahn & Chung, 2020; Lee & Briggs, 2020), 비학습 용도, 비맥락화한 언어 제공(Hwang & Lee, 2021)으로 나타났고 이러한 요인이 부정적인 학습경험과 연결된 것으로 보았다. 먼저, 부정확성에 대해 ”가끔 단어를 찾으면 이상하게 해석됨. Grammarly 같은 경우는 돈을 내야 틀린 이유를 알려준다”(설문조사 8)라고 기술하였다. 또한 인공지능 기술 기반 학습도구의 비학습 용도 측면은 ”파파고 같은 경우에 긴 문장들을 중간부터 듣는 기능이 없어서 원하는 부분을 들으려면 처음부터 다시 들어야 하는 게 번거로웠다” (설문조사 11) 라고 토로하였다. 마지막으로, 비맥락화한 언어제공 측면에서는 ”영어로 적어줄 때 오류가 있다. 예로 45435이라는 숫자를 글로 four five four three five라고 적어준다” (설문조사 17) 라고 기술하였다. 인공지능기술 기반 학습도구가 갖는 이러한 기술적 한계(부정확성과 비맥락화한 언어제공)는 급속도로 발달하고 있는 기술(예, 신경망 기계번역 도입)과 함께 완화되리라 본다(Koehn, 2020).

5.2.2. 인공지능 기술기반 학습도구에 대한 의존성

또 다른 부정적인 인식은 인공지능 기술기반 학습도구에 대한 의존성(Oh, 2022; Stapleton & Kin, 2019)인 것으로 드러났다 (“AI[기술 기반 학습도구의] 활용이 너무 간편해서 내가 스스로 생각하고자 하는 의지가 없어진다. 예를 들면 영작을 해야 할 때 바로 번역기를 쓰는 것이다”, 설문조사 9). 의존성을 낮추는 방법 등 의존성 관련한 연구가 이뤄지고 있다. 첫째, 교사의 피드백을 통한 일부 개입이 필요하다는 주장이 제기된다(O’Neill & Russell, 2019). 본 연구에서도 총 6회 영어수업을 실시하면서 영어의 글과 말과 문법과 어휘를 학습하였다(표 2 참조). 예를 들어, 조별보고서 초안에 대한 피드백 과정에서 주제 관련 내용과 함께 영어 측면 수업이 이뤄졌다. 의존성을 낮추는 다양한 교수법이 필요해 보인다. 둘째, 영작에서 자동번역기 제한적인 사용(Kim & Han, 2021)과 관련하여 특히 낮은 단계 학습자가 갖는 높은 의존성을 고려하여 수준별 인공지능기술 기반 학습도구 사용 제한 필요성(Somers et al., 2006) 등 연구가 진행되고 있다.

부정적인 관점과 함께, 의존성의 긍정적인 관점 또한 논의되고 있다. 예를 들어, 학습자 주도로 지식을 구성하는 과정에서 마주치는 Vygotsky의 근접발달영역에서 인공지능기술 기반 학습도구가 일종의 중재 역할을 하는 측면 또한 있다(Oh, 2022). 이를 한 학습자는 다음과 같이 기술하였다. ”너무 편하게 모든 것을 찾게 된다면 공부에 도움이 안 될 수도 있다. 반대로 인공지능을 활용하여 모르는 것을 찾고 새롭게 알게 되는 계기가 될 수 있다” (설문조사 5). 따라서 의존성 문제는 여러 관점에서 파악할 필요가 있어 보인다. 인공지능기술 기반 학습도구를 제한 없이 사용하는 교수법을 6주 동안 사용한 본 연구에서 의존성 문제를 단순히 단기적인 의존성의 문제로 보기보다는, 단기적인 의존성과 만족도의 관계(Ahn & Chung, 2020)와 장기적인 효과성 등 여러 측면에서 볼 필요가 있어 보인다.

6. 결론 및 제언

교양영어 교과목에서도 인공지능기술과 같은 4차 산업기술 향상과 함께 학습자 주도적으로 정보를 탐색하고 성찰하면서 영어 지식을 구성하는 대안적인 교수학습모형 개발이 요구된다. 이에 첫째, 인공지능 기술기반 학습도구를 활용하면서, 둘째, 학습자 중심 교수법인 PBL 중심 교양영어 수업모형을 설계하고 운영하였다. 본 수업의 목표는 (1) 영어연습과 함께, (2) 학습자의 삶과 연결된 주제를 탐색하면서 문제를 제기하고 대안을 제시하면서 성찰적 사고력을 훈련하는 것이다. 총 12단계로 구성된 교수설계모형은 (1) 영어기능별 인공지능기술 기반 학습도구 활용과 함께 (2) 학습자 주도 탐구과정을 촉진할 Nixon-Ponder(1995)의 다섯 단계 수업모형에 (3) Stoller (1997)의 제안에 따라 영어학습을 추가하고 (4) 발표와 성찰 단계로 마무리되었다. 이 수업모형을 적용한 교양영어 교과목에 참여한 학습자의 학습경험은 인지적, 정의적, 언어적, 만족도, 지식 구성, 성찰적 사고력 측면에서 긍정적이었다. 반면 인공지능 기술 기반 학습도구의 기술적 한계와 의존성은 부정적인 학습경험 요인으로 드러났다.

이를 기반으로 인공지능과 함께 학습자중심 영어교육을 실천하는데 다음과 같은 교육적 제안을 하려고 한다. 첫째, 학습자 주도의 영어 문법 수업을 포함할 필요가 있다. 범용목적으로 개발된 인공지능기술 기반 도구는 학습에서 제한이 있었다. 예를 들어, Grammarly의 경우 문법 수정을 무료로 제공하나 구체적인 이유 관련 피드백에는 별도 비용 청구가 있어서 학습자들이 사용하기 어려웠다. 따라서 수업 중 미니 문법 시간을 통해 학습자 주도로 문법 수정에 대한 이유를 탐구하는 시간이 영어학습에 유익할 것이다. 예를 들어 조별로 돌아가면서 문법 수정 예문을 제시하고, 나머지 조가 수정이유를 찾고, 교수가 피드백을 주는 방식이 있겠다. 둘째, 영어 말하기와 글쓰기 관련 다양한 형태의 영어연습을 포함할 필요가 있다. 학습자 대다수가 경험한 기존 영어교육은 듣기와 읽기 위주이다 보니 상대적으로 영어 말하기와 쓰기 관련 학습은 등한시된 측면이 있다(3.1 참조). 인공지능 기술기반 학습도구 사용의 의존성을 낮추고 적극적인 영어 말하기와 글쓰기 연습을 위해, 영어의 말과 글에서 중요한 부분(예, 논리와 억양)은 교수자 언어학습 제공 단계에서 학습자 참여가 높은 퀴즈와 writing laboratory와 쉐도잉 등을 활용한 영어 말하기와 글쓰기 수업은 인공지능기술 기반 학습도구 사용의 의존성을 낮추고 적극적인 영어학습 참여를 촉진할 것이다.

본 연구는 지속적인 코비드 19 팬데믹 상황에서 사회적 거리두기가 실시되는 대면 교실 환경에서 이뤄졌다. 문제를 제기하고 탐구하면서 해결점을 찾아가는 PBL 수업에서 제한적인 토론만이 이뤄졌다. 또한 다양한 인공지능기술 기반 학습도구 사용보다는 문자자료와 음성자료와 문법 영역에서 인공지능기술 기반 학습도구를 주로 사용하였다. 이 도구들은 제기된 문제 관련 상당한 분량의 정보 탐색과 분석과 토론과 대안을 보고하는 과정에서 한계가 있었다. 예를 들어, 대안을 보고하는 단계에서 영어로 변환된 많은 분량과 높은 수준의 영어(설명문, 주장문 등) 정보를 충분히 이해하고 보고하는데 제한적일 수 있었다. 이에 따라 차후 사회적 거리두기 환경에서도 토론을 확대하는 교수법(예, 워크시트 활용)과 다양한 인공지능기술 기반 학습도구 활용(예, 요약해주는 도구) 관련 후속 연구가 이뤄지기를 기대한다.

References

1. 강인애(2003). PBL의 이론과 실제, 서울: 문음사.
2. 강인애(2017). “4차 산업혁명 시대에 PBL의 재조명”, 서울교육 59(4). https://webzine-serii.re.kr/ (검색일: 2020.08.10.).
3. 김경근(2019). “변화의 시대에 한국교육은 미래세대를 적절히 준비시키고 있는가?”, 교육학연구 57(1), 221-252.
4. 김경란(2020). “대학 L2 글쓰기에서 번역기 사용은 필요한가?: 타당성에 대한 초급반 학습자의 인식”, 교양교육연구 18(6), 99-108.
5. 김미경(2021). “중등영어 예비교사의 프로젝트 기반 문화교육 운영사례”, 교과교육학연구 25(6), 452-460.
6. 김인석, 김봉규(2019). “4차산업혁명에 따른 쌍방향 인공지능을 통한 영어학습의 변화”, 영어영문학21 32(1), 119-138.
7. 김혜경, 한수미(2021). “AI 기반 영작문 학습도구에 대한 대학생 학습자 인식: Google Translate, Naver Papago, 그리고 Grammarly를 중심으로”, 현대영어교육 22(4), 90-100.
8. 김혜영(2021). “포스트 코로나 영어교육을 위한 방향과 과제”, 영어교육 76(1), 87-105.
9. 도숙진, 진영선(2018). “플립 러닝을 기반으로 한 토익영어(ETP) 수업의 효과”, 교양교육연구 12(2), 149-167.
10. 신동광(2019). “영어 쓰기능력 향상을 위한 AI 챗봇 활용 방안 탐색”, 교원교육 35(1), 41-55.
11. 안종배(2017). “4차산업혁명에서의 교육패러다임의 변화”, 미디어와교육 7(1), 21-34.
12. 윤광진, 맹은경(2021). “AI를 활용한 PBL 기반 블렌디드 수업이 영어학습에 미치는 영향”, 현대영어교육 22(3), 45-56.
13. 이원규, 김자미(2020). “AI 융합 교육을 위한 교사 교육 과정 개발”, 한국융합인문학 8(3), 29-52.
14. 정숙희(2019). “프로젝트 기반 교양영어 수업운영사례”, 교육문화연구 25(5), 325-347.
15. 황요한(2021). “영어교육을 위한 인공지능(AI) 스피커의 활용과 교육적 가치에 관한 연구”, 영어영문학연구 47(1), 225-251.
16. 홍선주, 최인선(2020). “학교 교육에서의 인공지능의 개념 및 활용”, KICE Position Paper, 12(3). https://bit.ly/2YyWvVR (검색일: 2022.08.10).
17. Ahn Soojin, Chung Eun Seon. 2020;“Students'perceptions of the use of online machine translation in L2 writing”. Multimedia-Assisted Language Learning 23(2):10–35.
18. Beckett G, Miller P, eds. 2006;Project-based second and foreign language education:Past, present, and future Greewich, CT: Information Age Publishing;
19. Beckett G, Slater T. 2005;“The project framework:A tool for language, content and skills integration”. ELT Journal 59(2):108–116.
20. Bennett S, Maton K. 2010;“Beyond the 'digital natives'debate:Towards a more nuanced understanding of students'technology experiences”. Journal of Computer Assisted Learning 26(5):321–331.
21. Clifford J, Merschel L, Munné J. 2013;“Surveying the landscape:What is the role of machine translation in language learning?”. Research in Education and Learning Innovation Archives 10:108–121.
22. Creswell J. W. 2017. Research design:Qualitative and quantitative approaches 5th edth ed. Thousand Oaks, CA: Sage.
23. Garcia I, Pena M. 2011;“Machine transltion-assisted language learning:Writing for beginner”. Computer Assisted Language Learning 24(5):541–487.
24. Giannetti T. 2016. “Google translate as a resource for writing” Unpublished Master's Thesis, St. John Fisher College. NY, United States:
25. Groves M, Mundt K. 2021;“A ghostwriter in the machine?Attitudes of academic staff towards machine translation use in internationalised Higher Education”. Journal of English for Academic Purposes 50(1):1–11.
26. Gorter D. 2006. Linguistic landscape:A new approach to multilingualism Clevedon, UK: Multilingual Matters.
27. Gorter D, Arocena E. 2020;“Teachers'beliefs about multilingualism in a course on translanguaging”. System 92:102272.
28. Holmes W, Bialik M, Fadel C. 2019;:Artificial intelligence:Promise and implications for teaching and learning”. Center for Curriculum Redesign
29. Hubbard P. 2017. “Technologies for teaching and learning L2 listening”. In : Chapelle C, Sauro S, eds. The handbook of technology and second language teaching and learning p. 93–106. John Wiley &Sons.
30. Hwang Y, Lee H. 2021;“Artificial intelligence and its potential in English education:Deployment and creation of an AI chatbot by pre-service EFL teachers”. Multimedia- Assisted Language Learning 24(1):104–133.
31. Jay J, Johnson K. 2002;“Capturing complexity. A typology of reflective practice for teacher education”. Teaching and Teacher Education 18(1):73–85.
32. Jolley J, Maimone L. 2015. “Free online machine translation:Use and perceptions by Spanish studentsand instructors”. In : Moeller A, ed. Learn languages, explore cultures, transform lives p. 181–200. Minneapolis: 2015 Central States Conference on the Teaching of Foreign Languages.
33. Kessler G. 2021;“Current realities and future challenges for CALL teacher preparation”. CALICO Journal 38(3):1–20.
34. Kim Mi Kyong. 2019;“Reflective practice in project-based culture learning:Content and quality of reflection”. English Language Teaching 31(4):67–94.
35. Kim Mi Kyong, Pollard V. 2017;“A modest critical pedagogy for English as a foreign language education”. Education as Change 21(1):50–72.
36. Koehn P. 2020. Neural machine translation UK: Cambridge University Press.
37. Krashen S. 1985. The input hypothesis issues and implications New York, NY: Longman.
38. Krippendorff K. 2013. Content analysis. An introduction to its methodology 3rd edth ed. California, CA: Sage Publications.
39. Lee Sangmin-Michelle. 2019;“The impact of using machine translation on EFL students'writing”. Computer Assisted Language Learning 33(2):1–19.
40. Lee Sangmin-Michelle. 2020;“The impact of using machine translation on EFL students'writing”. Computer-Assisted Language Learning 33(3):157–175.
41. Lee Sangmin-Michelle, Briggs N. 2020;“Effects of using machine translation to mediate the revision process of Korean university students'academic writing”. ReCALL 33(1):18–33.
42. Lee Yoo-Jean. 2021;“Still taboo?Using machine translation for low-level EFL writers”. ELT Journal 75(4):432–441.
43. Liu D, Ahn G, Baek K, Han N. 2005;“South Korean high school English teachers'code switching:Questions and challenges in the drive for maximal use of English in teaching”. TESOL Quarterly 38(4):605–638.
44. Nino A. 2008;“Evaluating the use of machine translation post-editing in the foreign language class”. Computer Assisted Language Learning 21(1):29–49.
45. Nixon-Ponder S. 1995. Using problem-posing dialogue in adult literacy education:Teacher to teacher Washington: Department of Education. ERIC, 381677.
46. Oh EunJou. 2022;“Exploratory study on the use of machine translation for reading in college English classes”. Multimedia-Assisted Language Learning 25(4):66–92.
47. O'Neill R, Russell A. 2019;“Grammarly:Help or hindrance?Academic learning advisors'perceptions of an online grammar checker”. Journal of Academic Language &Learning 13(1):A88–A107.
48. Roehr K. 2007;“Metalinguistic knowledge and language ability in university-level L2 learners”. Applied Linguistics 29(2):173–99.
49. Schon D. 1991. The Reflective practitioner:How professionals think and act Oxford: Avebury.
50. Schwab K. 2017. The fourth industrial revolution London: Penguin.
51. Shin Myeong-Hee. 2018;“Effects of project-based learning on students'motivation and self-efficacy”. English Teaching 73(1):95–114.
52. Shin Myeong-Hee. 2019;“Study of English teaching method by convergence of project-based learning and problem- based learning for English communication”. Journal of Korea Convergence Society 10(2):82–88.
53. Somers H, Gaspari F, Niño A. 2006. “Detecting inappropriate use of free online machine translation by language students- A special case of plagiarism detection”. Proceedings of the eleventh annual conference of the European association for machine translation p. 41–48. Oslo, Norway:
54. Stapleton P, Kin B. 2019;“Assessing the accuracy and teachers'impressions of Google translate:A study of primary L2 writers in Hong Kong”. English for Specific Purposes 56:18–34.
55. Stoller F. 1997;“Project work:A means to promote language content”. Forum 35(4):1–10.
56. Tsai S. 2019;“Using google translate in EFL drafts:A preliminary investigation”. Computer Assisted Language Learning 32(5-6):510–526.
57. Yang Hyejin. 2018;“Efficiency of online grammar checker in English writing performance and students'perceptions”. Korean Journal of English Language and Linguistics 18(3):328–348.
58. Park Jeong-ho. (2022. 3. 14). “Korean diaspora in Ukraine”, Korea JoongAng Daily https: //koreajoongangdaily.joins.com. (검색일:2022.08.20).

<부록>

AI를 활용한 기초영어 수업에 대한 설문조사

Article information Continued

<표 1>

연구 참여 학습자 정보 (n=20)

구분 인원
성별 남자(12명, 60%), 여자(8명, 40%)
학년 1학년(6명, 30%), 2학년(2명, 10%), 3학년(6명, 30%), 4학년(6명, 30%)
학과 간호학과(4명, 20%), 항공서비스학과(4명, 20%), 항공정비학과(3명, 15%), 항공드론학과(2명, 10%), 경찰행정학과(2명, 10%), 의약관리학과(2명, 10%), 항공운항학과(1명, 5%), 소방행정학과(1명, 5%), 사회복지학과(1명, 5%), 호텔조리학과(1명, 5%)

<표 2>

AI기술 기반 학습도구를 사용한 PBL 교양영어 교육과정

단계 단계별 목표 활동 내용
9 1-2 - 글로벌이슈 이해 - 영어학습 (I): Reading
- 문제 선정 - AI 활용(자동번역기 문자자료)
10 3-5 - 문제 정의 - 영어학습 (II): Narrative writing
- 문제 개인화 - AI 활용(자동번역기 문자자료, Grammarly)
- 문제 관련 토의 - 영어학습 (III): Exploratory writing
11 6-7 - 문제 관련 대안 마련 - 영어학습 (IV): Argumentative writing
- 조별 보고서 초안 - AI 활용(자동번역기 문자자료, Grammarly)
12 8-10 - 피드백 - 영어 발표 준비
- 조별 보고서 수정안
- 영어학습 (V): 영어 논리와 장르별 글쓰기 복습 - 영어학습 (VI): Spoken language features - AI 활용(자동번역기 문자/음성자료, Grammarly)
13 11 - 영어 발표 - 조별 영어 구두 발표
- AI 활용(자동번역기 음성자료)
14 11-12 - 영어 발표 - 조별 영어 구두 발표
- 조별 보고서 최종안 - AI 활용(자동번역기 문자/음성자료, Grammarly)

<표 3>

조별 탐구 주제 (n=4)

조별 탐구 주제
1 When post-Soviet republics across Central Asia became independent, a wall was set up between Korean descendants in Ukraine and those in mainland Russia.
2 Reverse diaspora of Koryoin in Korea
3 The collapse of the Soviet Union in 1991
4 An ethnic Korean village in Tashkent

<표 4>

인공지능 기술기반 영어학습에 대한 학습자 관점 (n=19)

하위 영역 N 문항 수 평균 표준편차
인지적 영역 19 3 4.30 .628
만족도 영역 19 5 4.11 .747
정의적 영역 19 5 4.21 .675
언어적 영역 19 12 4.16 .593

<표 5>

인지적 영역 (n=19)

하위구인 수업 전/후 평균 표준편차 t p
AI기술 기반 학습도구를 활용한 영어학습에 대한 지식 수업 전 2.90 1.24 -4.588 <.001**
수업 후 4.26 .73
AI기술 기반 학습도구를 활용한 영어학습에 대한 활용 수업 전 3.69 1.20 -2.467 .024*
수업 후 4.32 .67
AI기술 기반 학습도구를 활용한 영어학습에 대한 필요성 수업 전 3.32 1.53 -3.376 .003**
수업 후 4.32 .67
*

p<.05,

**

p<.01

AI를 활용한 기초영어 수업에 대한 설문조사

영역 하위 영역
인지적 영역 (사전) AI기술기반 도구를 활용한 영어학습에 대한 지식
(사전) AI기술기반 도구를 활용한 영어학습에 대한 활용
(사전) AI기술기반 도구를 활용한 기반 영어학습에 대한 필요성
(사후) AI기술기반 도구를 활용한 영어학습에 대한 지식
(사후) AI기술기반 도구를 활용한 영어학습에 대한 활용
(사후) AI기술기반 도구를 활용한 기반 영어학습에 대한 필요성
만족도 영역 AI기술기반 도구를 활용한 영어 수업에 대체로 만족한다.
AI기술기반 도구를 활용한 영어 수업이 자신의 영어학업 향상에 도움이 되었다.
AI기술기반 도구를 활용한 영어수업 주당 수업 시간이 충분하였다.
AI기술기반 도구를 활용한 영어수업에서 조별 발표 활동에 만족한다.
동기들에게 본 강좌를 권하고 싶다.
정의적 영역 AI기술기반 도구를 활용한 영어수업 참여 후 영어공부에 흥미가 높아졌다.
AI기술기반 도구를 활용한 영어수업 참여 후 영어에 자신감이 생겼다.
AI기술기반 도구를 활용한 영어수업이 영어학습에 대한 동기부여를 하였다.
AI기술기반 도구를 활용한 영어수업이 자기주도적 학습태도를 가져다 주었다.
AI기술기반 도구를 활용한 영어수업이 수업의 참여도를 높였다.
언어적 영역 AI기술기반 도구는 영어 듣기 연습에 유용하다.
AI기술기반 도구를 영어 듣기 연습에 사용할 수 있다.
AI기술기반 도구는 영어 말하기 연습에 유용하다.
AI기술기반 도구를 영어 말하기 연습에 사용할 수 있다.
AI기술기반 도구는 영어 독해 연습에 유용하다.
AI기술기반 도구를 영어 독해 연습에 사용할 수 있다.
AI기술기반 도구는 영어 쓰기 연습에 유용하다.
AI기술기반 도구를 영어 쓰기 연습에 사용할 수 있다.
AI기술기반 도구는 영어 문법 연습에 유용하다.
AI기술기반 도구를 영어 문법 연습에 사용할 수 있다.
AI기술기반 도구는 영어 어휘 연습에 유용하다.
AI기술기반 도구를 영어 어휘 연습에 사용할 수 있다.