Article information

Abstract

Trans Abstract

1. 서론

2022년 11월 30일 OpenAI가 ChatGPT를 공개하면서 전 세계 대중은 일상생활에서 사용하는 언어로 인간과 컴퓨터 간 이루어지는 자연스러운 상호작용에 놀라움을 금치 못하였다. 인공지능 분야의 석학이자 스탠포드대학의 인간중심AI연구소(HAI) 소장인 Fei-Fei Li 교수는 ChatGPT로 인해 대중이 인공지능 기술을 직접 체험하고 인공지능 기술에 눈뜨게 되었다고 언급하면서 인공지능 기술에 위대한 변곡점(great inflection point)을 맞이했다고 표현하였다(Heikkilä, 2023). 사용이 직관적이고 편리할 뿐 아니라 사용자가 요청한 질문에 대해 신속하게 답변을 쏟아내는 ChatGPT는 출시 단 5일 만에 백만 명의 사용자가 등록하였으며 두 달 만에 1억 명에 이르는 사용자 기록을 달성하였다. ChatGPT는 OpenAI사가 개발한 생성형(generative) AI로 인터넷상의 방대한 데이터를 기계학습하여 만들어진 거대언어모델(Large-scale Language Model, 이하 LLM)이다. 생성형 AI란 텍스트 기반의 콘텐츠뿐 아니라 이미지, 오디오, 비디오 자료를 학습하고 새로운 콘텐츠를 생성해낼 수 있는 인공지능 기술을 일컫는다. ChatGPT 이외에도 Google의 Bard, Meta의 Llama 2 등 빅테크 기업들은 속속 생성형 AI를 출시하면서 인공지능 기술 시장에서의 경쟁이 치열하다.

ChatGPT를 비롯한 생성형 AI는 부정확한 정보를 포함한 답변이나 편향된 정보 생성 등의 제한점이 있음에도 불구하고, 대중들은 자연어로 질문하고 답변을 얻거나 이메일 작성, 번역 등 다양한 업무에 활용하면서 업무효율성을 높일 수 있다는 호응을 얻고 있다. 하지만 교육계는 전례 없는 도전에 직면하였다. 국내외 대학에서 ChatGPT를 학생들이 보고서 작성이나 시험에 부적절하게 활용했다는 사례를 쉽게 찾아볼 수 있다(박남기, 2023). 학교와 교수자들은 당장 글쓰기나 과제에 어떻게 대응할지 고민에 빠졌고, 일부 대학들은 ChatGPT와 같은 생성형 AI를 어떻게 교수-학습에 활용할 수 있을지 가이드라인을 제시하고 바람직한 활용을 안내하고 있다(노대원, 홍미선, 2023; 박남기, 2023).

교육분야에서 생성형 AI의 잠재성과 쟁점에 대한 논의와 함께, 관련 연구도 등장하고 있다. 연구가 아직 초기 단계이나 관련 주제를 살펴보면, 영어, 과학 등 교과교육에서의 생성형 AI 활용(김미경, 2023; 조헌국, 2023; 황요한, 2023), 기초코딩 교과목에서 ChatGPT 활용(김완섭, 2023), 교양 및 글쓰기 교육에서 ChatGPT의 교육적 활용(노대원, 홍미선, 2023; 박남기, 2023; 장성민, 2023; 한형종, 2023), 영어 및 수학 교과에서 ChatGPT의 성능 검증(권서경, 이영태, 2023; 권오남 외, 2023) 등이 있다. 주로 특정 교과 또는 영역에서의 생성형 AI 활용방안을 탐색하거나 성능을 검증하는 연구가 수행되고 있음을 알 수 있다.

다수 학자들은 생성형 AI가 지닌 단점이 있고, 학생들의 지나친 의존이나 학습윤리에 대한 문제가 발생하더라도 이를 전면 금지하는 것으로 이 문제가 해결되지 않으며, 장기적으로 볼 때 현실적인 대응책이 아니라고 논의한다(강혜경 외, 2023; 노대원, 홍미선, 2023). 오히려 인공지능 기술 시대를 선도하는 교육 패러다임을 제시하고 생성형 AI 시대 흐름을 반영한 교과목을 운영하며(박남기, 2023) 고등교육에서 학습, 교육 및 평가 접근 방식을 성찰하고 변화시켜야 한다고 주장한다(노대원, 홍미선, 2023; Rudolph 외, 2023). 박남기(2023)는 급변하는 환경에 적응하고 새로운 것을 빠르게 학습하는 능력은 미래사회에서 생존하기 위해 반드시 필요한 능력이라고 논의하고, 학생과 교수자 모두 생성형 AI 등장으로 인한 환경변화에 빠른 적응이 필요하다고 제언하였다.

생성형 AI가 교육에 미치는 영향에 대해 여러 가지 이슈와 이견(異見)이 존재하지만, 생성형 AI의 종류와 성능은 나날이 증가하고 있어 앞으로 학생들이 생성형 AI를 학습과 과제에 자연스럽게 활용하게 될 것임을 쉽게 예견할 수 있다. 반면, 교육현장에서 생성형 AI 이슈에 적극적으로 대응하고 교육적 활용을 모색하는 것은 쉬운 일이 아니다. 이는 교육자들이 이 문제에 관심을 가지고 기존 교육에 대한 성찰, 새로운 기술 및 도구에 대한 학습과 통찰, 기존 틀을 과감히 벗어나고자 하는 의지가 있을 때 실현될 수 있다. 이런 맥락에서 교육현장에서 생성형 AI에 대한 대응과 활용의 일차적인 의사결정 주체는 교수자인만큼, 교수자의 생성형 AI 경험과 교육적 활용에 대한 관심과 태도를 파악하는 것은 중요하고 논의된다(차민영, 임희주, 2023).

아직까지 생성형 AI에 대한 교육자들의 인식을 연구한 사례는 드문 실정으로 생성형 AI에 대한 초중등 현장교사의 인식을 연구한 사례(강혜경 외, 2023; 홍수민, 한형종, 2023)와 대학에서 15명의 영어 수업 교수자를 대상으로 연구한 사례(차민영, 임희주, 2023)가 있다. 노대원과 홍미선(2023)은 국가, 지역, 학교, 전공, 연령 등에 따라 생성형 AI의 사용에 큰 편차를 보일 것으로 예측하면서 학생과 교육자를 대상으로 생성형 AI에 대한 태도와 사용 경험을 조사할 필요가 있다고 언급하였다. 따라서 본 연구에서는 다양한 계열의 전공 교수자들을 대상으로 생성형 AI 사용 경험과 교육적 활용에 대한 관심 수준을 살펴보고 교수자의 특성에 따라 관심도의 차이가 있는지 검증하고자 하였다. 본 연구에서 대상을 대학 교수자로 선정한 이유는 ChatGPT의 경우, 13세 이상에서 가입할 수 있고, 18세미만의 경우 보호자의 동의가 있어야 한다고 명시하고 있는 만큼 생성형 AI 활용이 대학에서 가장 활발할 것으로 기대되기 때문이다. 특히 학교현장에 새로운 제도나 혁신이 도입되고 전파하는 과정에서 교사의 관심도를 진단하고 분석하는데 유용한 관심기반수용모형(Concerns- Based Adoption Model, 이하 CBAM)을 적용하여(윤성혜, 강우리, 2018; Hall & Hord, 2015) 연구를 수행하였다. 아직까지 생성형 AI에 대한 관심도를 CBAM으로 분석한 연구는 없는 가운데, CBAM을 활용한 교수자의 생성형 AI의 관심도 파악 연구는 인공지능 시대의 교육변화를 추진하기 위한 교수자의 준비도를 파악하고 대응 전략 수립에 기초 자료로 활용될 것으로 사료된다.

본 연구의 목적은 대학 교수자들의 생성형 AI 사용 경험과 교육적 활용에 대한 관심도를 CBAM으로 파악하고 대학교육에서의 시사점을 도출하는 것이다. 본 연구의 연구 문제는 다음과 같다.

연구 문제 1: 대학 교수자의 생성형 AI 사용 경험과 인식은 어떠한가?

연구 문제 2: 대학 교수자의 생성형 AI 활용 수업에 대한 관심도는 어떠한가?

연구 문제 3: 대학 교수자의 특성(계열, 사용 경험, 수업 적용 의도)에 따라 생성형 AI 활용 수업에 대한 관심도에 차이가 있는가?

2. 이론적 배경

2.3. 관심기반수용모형(Concerns-Based Adoption Model)

CBAM은 변화와 혁신 전파 과정을 설명하는 모형으로 학교현장에 새로운 교육제도나 도구 등을 도입하고 전파하는 과정에 구성원의 관심도를 파악하는데 유용하게 활용된다(윤성혜, 강우리, 2022; Hall & Hord, 2015). 혁신이 성공적으로 이루어지려면, 구성원이 지닌 시각을 이해하는 것이 필수적이고 혁신은 이벤트가 아니라 과정이라는 점에서 CBAM이 등장하게 되었다. 교사들은 혁신에 동참하는 과정에서 심리적인 우려 또는 관심(concerns)을 가질 수도 있고, 혁신의 실행과 확산이 진행되면서 교사들의 관심의 초점과 강도가 변한다(Fuller, 1969; George et aI., 2006). Hall과 Hord(2015)은 변화의 주체인 교사가 인식하는 관심(concern)에 따라 무관심(unconcerned), 정보적 관심(informational concerns), 개인적 관심(personal concerns), 운영에 대한 관심(management concerns), 결과에 대한 관심(consequence concerns), 협력에 대한 관심(collaboration concerns), 대안에 대한 관심(refocusing concerns) 등 총 7단계로 제시하고 있다. 관심단계에 대한 구성과 의미는 <표 1>과 같다. George et al.(2001)은 관심단계별 패턴에 따라 비사용자(non-user), 초보적 사용자(inexperienced user), 숙련된 사용자(experienced user), 재생산적 사용자(renewing user) 4개로 사용자 유형을 구분하기도 하였다([그림 1] 참조). 이러한 CBAM은 SoCQ(Stage of Concern Questionnaire)로 관심도를 측정할 수 있어 혁신이나 새로운 것을 교육현장에 도입할 때 기관과 지도자들에게 방안과 전략을 결정하는데 구체적인 자료로 활용될 수 있다.

<표 1>

관심단계 구성과 단계별 의미

[그림 1]

사용자 유형에 따른 관심도 패턴의 변화(George et al., 2006, p. 36)

CBAM을 활용한 선행연구를 살펴보면, 메이커교육, 플립러닝, 인공지능교육 등이 교육현장에 소개되고 부각되는 시점에서 해당 교육에 대한 교사의 관심도를 분석하는 연구가 있다(강상현, 김진수, 2019; 김진솔, 이정민, 2020; 윤성혜, 강우리, 2018; 이철현, 2020). 예로 김진솔과 이정민(2020)은 초등교사를 대상으로 소프트웨어 교육에 대한 관심도와 실행수준을 분석한 결과, 0-2단계에서 높은 수준을 보이면서 초보적 사용자의 관심 유형이라고 논의하였다. 또한 교사들의 교직경력, SW연수경험, SW교수경험에 따라 단계별 점수에 유의한 차이가 있었으며, 실행수준에도 차이를 보였다고 보고하였다. 메이커교육에 대한 교사들의 관심도를 CBAM으로 분석한 연구로는 강상현과 김진수(2019), 곽이랑과 이수영(2019)의 연구를 들 수 있으며, 연구결과에서 공통적으로 비사용자 유형에 해당한다고 진단하였다. 또한 교직경력 및 직위(곽이랑, 이수영, 2019), 성별, 근무지역, 교직경력, 연수경험(강상현, 김진수, 2019)에 따라 메이커 교육에 대한 관심도에 차이가 있다고 논의하였다. 이 외에도 앱개발 교육(윤성혜, 강우리, 2018), 인공지능교육(이철현, 2020) 등 교사들의 특정 교육에 대한 관심도를 CBAM으로 분석하고 교육현장에 도입과 활성화를 위한 시사점을 논의하고 있다. 생성형 AI는 최근 등장한 기술로 교육현장에서의 다양한 활용 방안과 이슈를 논의하고 있는 시점이므로, 생성형 AI 활용 수업이 가장 적합한 대학에서 교수자를 대상으로 CBAM을 활용하여 관심도를 살펴보는 것은 의미가 있을 것이다.

3. 연구 방법

3.1. 연구 대상

본 연구의 대상은 대학 교수자이며, 경기도 소재 4년제 종합대학인 A대학 소속 교수자로부터 자료를 수집하였다. 자료 수집을 위해 2023년 10월 13일부터 전임교원들을 대상으로 설문링크를 발송하여 3주간 설문을 실시하였다. 총 100명의 자료를 수집하였으며, 응답자의 배경정보는 <표 2>와 같다.

<표 2>

연구 참여자 배경 정보

응답자의 계열을 살펴보면, 인문사회 계열 교수자가 26명(26.0%), 자연과학 계열 교수자는 7명(7.0%), 공학 계열 교수자는 23명(23.0%), 보건과학 계열의 교수자는 11명(11.0%), 의약학 계열 교수자는 26명(26.0%), 예체능 계열 교수자는 7명(7.0%)이 응답하였다. 응답 교수자들의 교육경력은 3년 미만이 14명, 3-5년 미만이 10명, 5-10년 미만이 24명, 10-15년 미만이 25명, 15년 이상의 교육경력을 가진 교수자가 25명으로 나타났다.

3.2. 측정도구

본 연구에서 활용한 검사도구는 크게 3개의 영역으로 구성되어 있다. 첫 번째는 응답자의 배경정보를 파악하는 문항들로 구성된 영역이고, 두 번째는 생성형 AI의 사용 경험을 파악하는 영역이다. 세 번째는 대학 교수자의 생성형 AI 활용 수업에 대한 관심도를 측정하기 위한 영역이다. 배경정보에는 교수자의 전공 계열, 교육경력, 성별이 포함되었다. 사용경험에 대한 질문은 1) 생성형 AI를 사용해보았는가? 2) 사용해본 생성형 AI 도구는 무엇인가? 3) 생성형 AI를 교육목적으로 사용해 보았는가? 4) 생성형 AI의 수업 활용에 우려되는 주된 요인은 무엇인가? 5) 수업에서 생성형 AI 활용 지침에 대하여 안내하였는가? 6) 과제와 관련한 생성형 AI 활용 범위에 대한 생각은 어떠한가? 7) 이번 학기 또는 다음 학기 생성형 AI를 수업에 활용할 계획이 있는가? 8) 생성형 AI를 수업에 활용시 지원사항이 있는가?(선택) 등이다. 관심도 측정은 CBAM을 토대로 개발된 Stages of Concern Questionnaire(이하 SoCQ)를 활용하였다(George et al., 2006). 구성은 총 7단계로 0단계는 무관심, 1단계는 정보적 관심, 2단계는 개인적 관심, 3단계는 운영적 관심, 4단계는 결과적 관심, 5단계는 협력적 관심, 6단계는 대안적 관심이며, 각 단계는 5개의 문항으로 구성되어 있다. CBAM 도구에 대한 신뢰도와 타당도 검증은 George et al.(2006)에 상세히 제시되어 있다. 본 연구에서는 SoCQ manual(George et al., 2006)과 선행연구(윤성혜, 강우리, 2018; 이철현, 2020)에서 제시한 문항을 참고하여, 혁신 내용에 해당하는 표현을 ‘생성형 AI 활용 수업’으로 수정하였다. 총 35문항의 내용은 <표 3>에 제시하였다. 관심단계별 문항내적일관성신뢰도(Cronbach’s α)는 0단계는 .74, 1단계는 .92, 2단계는 .92, 3단계는 .82, 4단계는 .89, 5단계는 .92, 6단계는 .87로 나타났고, 전체 35문항에 대한 Cronbach’s α는 .95로 높게 분석되었다.

<표 3>

Stages of Concern Questionnaire 측정 도구 구성과 내용

4. 연구 결과

4.1. 대학 교수자의 생성형 AI 사용 경험과 인식

교수자의 생성형 AI 도구 사용 경험을 조사한 결과, 응답자 100명 중 16명이 사용경험이 없었고, 사용 경험이 있는 84명의 교수자 중 26명은 평소에 자주 사용하는 사용자, 31명은 필요할 때만 가끔 사용하는 사용자, 27명은 호기심에 사용해봤으나 거의 사용하지 않는 사용자로 조사되었다. 사용하는 생성형 AI 도구에는 ChatGPT, 뤼튼(wrtn), Bard, Claude, Stable diffusion, Midjourney, Quillbot, Playground, DALL-E, Chatpdf 등으로 조사되었다. 생성형 AI를 교육목적으로 사용한 경험을 묻는 질문에는 [그림 2]와 같이 54명(54.0%)이 미사용자로 나타났고, 그 외 교수자는 수업준비(자료 개발, 관련 정보 검색), 수업 중 학생활동에 활용, 학생과제에 활용, 시험 및 평가문항 개발 등에 복합적으로 활용하는 것으로 나타났다.

[그림 2]

생성형 AI의 교육적 활용 경험 현황

생성형 AI을 수업에 도입할 때 우려하는 주요 요인에 대해서는 [그림 3]과 같이 부정확한 정보 또는 편향된 정보제공이 가장 많았고(74명, 74.0%), 표절 또는 부정행위 등 학습문제 야기가(64명, 64.0%) 두 번째 높은 응답으로 나타났다. 이어서 학생들의 비판적 사고와 고차적 사고 발달을 저해할까봐(47명, 47.0%), 피상적인 답변으로 학습의 질 저하 우려(39명, 39.0%), 교수자의 AI 기술 이해 및 활용 경험 미흡(25명, 25.0%), 학생의 AI 기술 활용 역량에 따른 학습격차 유발이 17명(17.0%)으로 조사되었다. 그 밖에도 학생들의 AI 기술 활용 수준 미흡(11명, 11.0%), 활용할 수 있는 자원 및 지원 미흡(10명, 10.0%), 호기심 충족 외에 학습에 큰 효과가 없다고 생각하기 때문(7명, 7%)이라고 나타났다.

[그림 3]

생성형 AI 활용 수업에 대한 우려 요인

담당 교과목에서 수업계획서 또는 수업 중 생성형 AI의 활용과 관련한 유의사항을 안내한 적이 있는지에 응답은 <표 4>와 같다. 41%(41명) 응답자가 학생들에게 수업과 관련한 생성형 AI 활용 지침을 언급하였는데, 15%(15명)는 적극 활용할 것을, 21%(21명)는 제한적 활용을 허용하였고, 5%(5명)는 활용을 전면 금지하였다. 59%(59명)의 교수자는 생성형 AI활용에 대한 안내를 하지 않았다.

<표 4>

수업에서 생성형 AI 활용에 대한 지침 안내 현황

생성형 AI의 과제 활용 지침으로 어느 정도 허용이 적절한지를 묻는 질문에 대해서는 ‘부분적 허용’에 61명이 응답하여 가장 높은 빈도를 보였고, ‘적극 허용’이 16명, ‘완전 허용’이 9명으로 사용에 긍정적인 응답이 86%를 차지하였다. 이 결과는 생성형 AI를 과제에 어떻게 활용할 것인지에 대한 교수자 인식을 보여주는 것으로 금지하기 보다는 효과적인 학습이 가능하도록 활용하는 것에 동의하고 있음을 시사한다. 생성형 AI 활용이 교육에서 어느 정도 중요하게 될 것인지를 묻는 5점 척도의 질문에는 평균 3.93로 나타났다. ‘매우 중요하다’와 ‘조금 중요하다’로 응답한 응답자는 72명으로 총 응답자의 3/4에 해당하였다. 반면 ‘전혀 그렇지 않다’와 ‘조금 그렇지 않다’라고 응답한 응답자는 6명밖에 되지 않았다. 이 결과는 교수자의 대부분이 빠르게 발전하는 생성형 AI가 결과적으로 교육에 도입되고 활용시 교육현장에 미치는 영향이 클 것으로 인식한다고 해석할 수 있다.

교수자의 적용 의도를 측정하기 위해 이번 학기 또는 다음 학기에 생성형 AI를 활용한 수업을 시도해 볼 계획인지를 질문하였다. <표 5>의 응답을 살펴보면, 11명의 교수자는 ‘이미 적용 중’이라고 응답하였고, 50명은 곧 수업에 적용해 볼 예정이라고 응답하였으며, 39명은 당분간 계획이 없다고 응답하였다. 적용 예정 교과목을 선택 질문으로 제시한 결과, 선택의학, 패션과 인공지능, 버추얼 패션디자인, 건축종합설계, 금융IT프로그램, 나노화학, 의료 윤리학, 광고기획론, 파이썬 코딩, 독성학, 중국어, 빅데이터 기반 약학 데이터 분석, 플랫폼비지니스 등 다양한 교과목으로 파악되었다.

<표 5>

생성형 AI 활용 수업 계획

마지막으로 생성형 AI를 수업에 활용시 지원사항을 개방형으로 질문한 결과, ChatGPT 유료버전, 미드저니 등 교육내용에 맞는 생성형 AI를 학생들이 학습과 과제에 사용할 수 있도록 유료 서비스에 대한 예산 지원이 필요하다는 의견이 가장 많았다.

4.2. 대학 교수자의 생성형 AI 활용 수업에 대한 관심도

대학 교수자의 생성형 AI를 교과에 활용하는 것에 대한 관심도는 <표 6>과 같이 분석되었다. 단계별 원점수를 살펴보면, 0단계(무관심)는 16점, 1단계(정보적 관심)는 25점, 2단계(개인적 관심)는 24점, 3단계(운영적 관심) 점수는 20점, 4단계(결과적 관심)는 23점, 5단계(협력적 관심)는 22점, 6단계(대안적 관심)는 21점으로 나타났다. SoCQ에서 제시한 원점수를 상대적 강도 점수로 변환한 값을 살펴보면, 0단계는 91%에 해당하였고, 1단계는 90%, 2단계는 83%, 3단계는 77%, 4단계는 43%로 낮아지다가 5단계는 55%, 6단계는 69%로 상승하는 경향을 보였다. [그림 4]에 단계별 상대적 강도를 나타냈었는데, 0-3단계에 낮아지면서 4단계에 급속한 하락을 보이다가 5단계부터 다시 상승하는 패턴은 비사용자(nonusers)의 프로파일에 가장 가깝다고 할 수 있다(이철현, 2020).

<표 6>

대학 교수자의 생성형 AI 활용 수업 관심도 (N=100)

[그림 4]

대학 교수자들의 생성형 AI 활용 수업 관심도 프로파일

4.3. 대학 교수자 특성별 생성형 AI 활용 수업에 대한 관심도

4.3.1. 전공 계열별 관심도

계열별 관심도와 계열별 차이분석 결과는 <표 7>과 [그림 5]에 제시하였다.

<표 7>

대학 교수자의 계열별 생성형 AI 활용 수업 관심도 (N=100)

[그림 5]

계열별 생성형 AI 활용 수업 관심도

ANOVA로 실시하기에 앞서 자료의 정상성 검정(Kolmogorov-Smirnov)을 실시한 결과, 정상성 조건을 충족하였고, 등분산성 검정(Levene’s test)을 실시한 결과 등분산성 조건을 충족하였다. <표 7> 결과, 모든 단계에서 계열간 유의한 차이가 없는 것으로 나타났다.

4.3.2. 생성형 AI 사용 경험 수준별 관심도

생성형 AI 사용 경험을 질문한 응답에 따라 수준별로 4개 집단(집단 1=‘미경험자’, 집단 2=‘호기심으로 사용, 거의 사용하지 않음’, 집단 3=‘필요시에 가끔 사용’, 집단 4=‘자주 사용’)으로 구분하고, <표 8>과 [그림 6]에 집단별 관심도 결과를 제시하였다.

<표 8>

사용 경험 집단별 생성형 AI 활용 수업에 대한 관심도 차이 분석

[그림 6]

사용 경험 수준에 따른 관심도

자료의 정규성과 등분산성 조건을 검토한 결과, 모두 전제조건을 충족하였다. <표 8>의 ANOVA 분석결과를 살펴보면, 생성형 AI의 사용 경험 수준에 따라 총 7단계 중 3단계(운영적 관심)를 제외한 모든 단계에서 유의한 차이가 나타났다. 집단 간 유의한 차이가 확인됨에 따라 사후 분석을 실시하였다. 사후분석 방법은 등분산성이 충족될 때 보편적으로 사용하는 Tukey로 수행하였다. 무관심 단계에서는 자주 사용하는 집단 4가 다른 집단 1(미경험자), 집단 2(거의 사용하지 않음), 집단 3(가끔 사용)에 비해 관심도가 유의하게 낮았다. 정보적 관심 단계에서는 미사용자 집단 1에 비해 사용경험이 있는 집단 2, 3, 4에서 관심도가 유의하게 높았다. 개인적 관심은 집단 1보다 집단 3과 4에서 유의하게 높았는데, 이는 평소에 가끔 또는 빈번하게 사용하는 교수자가 생성형 AI의 교육적 활용이 개인에게 미칠 영향에 대해 관심이 높다고 해석할 수 있다. 생성형 AI 수업 적용 결과에 대한 관심의 경우, 집단 1보다 집단 2, 3, 4가 유의하게 높았고, 다른 교수자와의 협력하는 관심은 집단 1에 비해 집단 2와 4에서 유의하게 높았다. 대안에 대한 관심은 미사용자 집단 1에 비해 사용 경험이 있는 집단 2, 3, 4에서 유의하게 높았다. 이와 같이 사용 경험에 따라 교수자가 가지는 생성형 AI 교육적 활용에 대한 관심도 초점과 관심 수준이 다름을 알 수 있었다.

4.3.3. 생성형 AI 수업 적용 의도 수준별 관심도

생성형 AI 수업 적용 의도에 대한 응답을 토대로 세 집단으로 분류하고, 집단 간 관심도에 차이가 있는지 검정하였다. 집단 1(적용계획 없음)은 39명, 집단 2(적용 예정임)는 50명, 집단 3(이미 적용 중임)에는 11명의 응답자가 속하였다. ANOVA 전제조건을 검토한 결과, 정상성 조건을 충족하였으나 등분산성 조건은 충족하지 못했다. 등분산 조건이 충족되지 않을 때 일원분산분석은 Welch’s 검정을 사용할 수 있다. 분석 결과, <표 9>와 같이 모든 단계에서 생성형 AI 수업 적용 의도 수준에 따라 관심도에 유의한 차이가 있는 것으로 분석되었고, [그림 7]에 상대적 강도로 세 집단의 프로파일을 제시하였다.

<표 9>

수업 적용 의도 수준에 따른 관심도 기술통계 및 일원배치분산분석 결과

[그림 7]

생성형 AI 수업 적용 계획 의도에 따른 관심도

집단 간 유의한 차이가 나타남에 따라 등분산성 가정이 충족되지 않을 때 사용하는 Games-Howell으로 사후 분석을 실시하였다. 무관심 단계에서는 집단 1(적용계획 없음)과 집단 2(적용 예정임)가 집단 3(적용 중임)보다 무관심이 유의하게 높았다. 정보적 관심, 개인적 관심 단계에서는 집단 1이 집단 2와 3보다 관심이 유의하게 낮았다. 운영적 관심의 사후분석에서는 집단 간 비교에는 유의한 차이가 없었는데, 이미 적용 중인 집단 3의 관심이 낮은 점이 특징이다. 결과적 관심 단계에서는 집단 1<집단 2< 집단 3으로 나타나 수업 적용에 대한 결과에 대한 관심이 수업 적용 의도에 따라 유의하게 다른 것을 알 수 있었다. 협력적 관심과 대안적 관심 단계에서는 집단 1보다 집단 2와 3의 관심이 유의하게 높았다.

5. 논의 및 결론

본 연구는 대학 교수자를 대상으로 생성형 AI에 대한 사용 경험과 인식을 조사하고 CBAM을 적용하여 생성형 AI를 활용한 수업에 대한 관심도를 분석함으로써 시사점을 도출하고자 하였다. 이를 위해 다양한 계열의 대학 교수자 100명으로부터 자료를 수집하여 연구를 수행하였으며, 상정한 연구문제에 대한 주요 연구결과와 시사점은 다음과 같다.

첫째, 대학 교수자의 대다수는 생성형 AI 사용 경험이 있는 것으로 나타났으나 교육목적으로 활용해본 유경험자는 46% 수준으로 응답자의 절반에 못 미쳤다. 이 결과는 생성형 AI에 대한 교육적 대응과 활용을 고민하려면 교수자가 먼저 교육적 목적으로 사용해보는 경험이 선행되어야 하므로 다양한 측면에서 교육적 활용 사례를 제공하고 서로의 경험을 공유하도록 지원하는 것이 필요함을 시사한다. 교육적 활용을 해본 교수자의 경우, 수업준비가 가장 많았고, 학생과제, 수업 중 활동, 시험 및 평가 문항 개발에 사용하고 있었다. 교수자가 인식하는 생성형 AI에 대한 우려는 선행연구(강혜경 외, 2023; 노대원, 홍미선, 2023; 박남기, 2023)에서 논의한 내용과 유사하게 교수자들은 부정확한 정보와 편향된 정보 제공, 학습윤리 문제 야기에 가장 우려를 표하였다. 본 연구에서 파악된 우려 내용을 다음과 같이 4가지 요인으로 분류해보았다. 생성형 AI의 성능과 관련된 우려에는 부정확한 정보와 편향된 정보 제공, 생성형 AI의 피상적인 답변 제공이 있었다. 학습자 요인으로 발생하는 우려에는 학생의 생성형 AI에 지나친 의존과 남용으로 비판적 사고 및 고차적 사고 발달을 방해할 수 있고, 표절과 같은 학습윤리문제를 야기할 수 있으며, 생성형 AI를 학습에 효과적으로 사용하기엔 학생의 AI 활용 수준이 미흡하다는 우려가 있었다. 또한 학생 간의 AI기술 활용 역량에 따라 학습격차가 발생 가능성도 여기에 포함된다. 교수자 관련 요인으로는 교수자의 AI 기술에 대한 이해와 활용 경험이 미흡하다는 점이다. 교수자 역량에 대한 우려는 차민영과 임희주(2023)에서 교수자들이 교수-학습에 생성형 AI를 어떻게 통합할지에 대한 능력이 부족하다고 응답한 것과 일맥상통한다. 이 외에 환경적 요인으로 교수자가 가용할 수 있는 자원과 지원이 미흡하다는 점을 들 수 있다. 종합해보면, 생성형 AI 성능 자체에서 오는 우려도 있으나, 학습자의 올바른 활용 역량과 교수자의 효과적인 교수학습 활용 역량이 미흡하여 발생하는 요인, 환경적 요인이 더 많음을 알 수 있다. 이는 학습자, 교수자, 학교 기관이 생성형 AI에 대한 관심을 가지고 필요한 역량과 지원을 갖추는데 노력한다면 인공지능 시대에 유효한 새로운 교육모델을 만드는 기회가 될 수 있음을 시사한다. 한편, 본 연구를 수행한 대학에서도 2023년도 1학기에 생성형 AI 사용과 관련한 안내문이 발송된 바 있으나, 과반이 넘는 교수자가 생성형 AI의 활용에 대한 지침을 안내하지 않은 것으로 나타났다. 이 결과는 교수자들이 이 문제에 대해 소극적으로 인식한 결과라고 추론되며, 학교가 지속적으로 학기마다 안내하는 것이 필요함을 시사한다. 선행연구에서 공통적으로 제언하는 것은 학습윤리문제로 교과마다 과제활용에 대한 명확한 안내가 이루어지도록 학교와 교과목 교수자가 지침을 제공해야 한다고 강조한 만큼, 수업에서 안내가 중요한 항목임을 교수자가 인식하도록 안내해야 한다. 본 연구에서 교수자들은 생성형 AI의 과제 활용에 대해서 ‘부분적 허용’에 가장 높은 동의를 보였고, ‘적극 허용’이나 ‘완전 허용’까지 포함한다면 86%로 높게 나타났다. 이 결과는 ‘사용 금지’가 실효성이 있는 대응이 아니라는 점과 생성형 AI와 학습을 분리하기 보다는 학습의 도구, 사고의 도구로 인정하고 점진적으로 활용해 보려는 의도로 추론할 수 있다.

둘째, CBAM으로 진단한 대학 교수자들의 생성형 AI의 교육적 활용에 대한 관심도는 무관심, 정보적 관심, 개인적 관심, 운영적 관심 단계에서 상대적 강도가 높았다가 결과적 관심 단계에서 상대적으로 강도가 급격히 하락하며 협력적 관심과 대안적 관심 단계에서 다시 조금씩 증가하는 비사용자 프로파일 양상을 보였다. 이 패턴은 선행연구(윤성혜, 강우리, 2018; 이철현, 2020)에서도 빈번히 보고되는 유형으로 새로운 교육 도입 초기임을 시사하는 결과이다. 교수자들은 생성형 AI에 대한 정보를 접하고, 개인적 차원에서 생성형 AI를 활용한 교육에 관심이 있으며, 운영시 어떠한 문제와 업무 부담이 발생할지에 관심이 높은 것으로 해석할 수 있다. 하지만, 4단계인 결과적 관심은 실제 적용이 활발한 숙련된 사용자에서 높은 관심을 보이는 단계인 만큼 현 시점에서 결과에까지 관심을 갖기엔 다소 어렵다는 것을 시사한다. 협력과 대안적 관심 단계에서 다소 높은 관심을 보인 것은 생성형 AI 문제를 전문가와 동료 교수자들의 경험과 조언으로 교수자 개인의 수업 적용에 실제적인 정보와 도움을 받고 싶은 것을 의미하며, 생성형 AI 활용 수업 개선 방안에 관심이 있음을 시사한다. 이와 같이 CBAM 활용으로 대학 교수자의 관심도를 단계별로 파악할 수 있었다.

셋째, 교수자의 특성에 따라 관심도 단계에 차이가 있는지를 분석한 결과, 계열별에는 유의미한 차이가 없었다. 글 작성이 많은 인문사회계열 전공, 프로그래밍 수업에서 ChatGPT 영향과 관련이 높은 것은 쉽게 예상할 수 있겠으나, 패션, 디자인, 미디어, 미술, 건축 등 다양한 분야에서도 멀티모달의 생성형 AI 활용이 급속히 확산되면서 이에 대한 수업적 활용을 고려하지 않을 수 없다. 따라서 이 결과는 인공지능 기술이 분야를 막론하고 학문과 산업분야에 접목되는 추이임을 반영하는 결과라 사료된다. 사용경험 수준과 생성형 AI 활용 수업 실행 의도 수준에 따라 구분된 집단 간에는 관심도 단계에서 유의미한 차이가 나타났다. 이 결과는 교수자의 생성형 AI의 사용경험과 능동적인 태도가 관심도와 관련이 높음을 의미하는 것으로 해석할 수 있다. 사용 경험에서는 자주 사용하는 교수자의 무관심이 다른 집단 교수자들에 비해 유의하게 낮았다. 이는 생성형 AI를 빈번히 사용하는 교수자는 생성형 AI의 교육적 활용에 대해서도 자연스럽게 고민하고 관심을 가진다는 것을 의미하는 결과이다. 그 외 단계에서는 대체로 미경험자 집단이 유의하게 관심이 낮게 나타나 생성형 AI를 우선적으로 경험하는 것이 이 문제에 대한 관심과 인식 변화의 출발점임을 시사하였다. 따라서 학교에서 미경험자들의 생성형 AI의 접근성을 높이는 포럼, 세미나, 워크숍 등 프로그램을 마련하는 것이 도움이 될 것으로 보인다. 본 연구에서는 교수자의 실행 수준을 파악하고자 이번 학기 또는 다음 학기에 적용할 계획이 있는지를 질문한 결과, 이미 적용 중인 교수자(11%)와 적용 예정인 교수자(50%)로 나타나 새로운 시도에 상당히 긍정적인 것으로 파악되었다. 생성형 AI를 수업에 적용하는 것은 단순한 도구 활용의 문제가 아니다. 이는 교과목의 수업설계를 새롭게 해야 하고, 학습활동과 과제가 변해야 하며, 평가 기준과 평가방식에 변화를 요구한다. 노대원과 홍미선(2023)은 학생들이 사회에서 활동할 시대에 유효한 교육을 제공해야 한다고 역설하면서 기존 교육과 평가방식을 고수하는 것이 학습자의 미래를 고려하는 것인지, 교육자들의 관성에 문제인지 재고해야 한다고 주장한 바 있다. 이러한 맥락에서 교수자들의 생성형 AI 활용 수업에 대한 실행 의지는 교육적 변화에 참여하는 원동력으로 볼 수 있다. 수업 실행 의도 수준에 따라 구분된 3 집단 간 관심도에 유의미한 차이가 있었는데, 이미 적용 중인 교수자들은 무관심이 현격히 낮았고, 운영적 단계가 낮았으며 결과적 관심에 높은 양상을 보인 점이 차별화된 특징이다. 이미 수업을 시도하고 있는 교수자로서 초기 사용자가 관심을 가지는 정보, 개인, 운영 관심 단계로부터 결과에 대한 관심단계로 관심의 초점이 이동되었음을 시사한다. 따라서 학교는 교수자의 생성형 AI의 수업 접목 시도를 적극 지원하고 적용 경험을 공유하는 장을 마련하는 것이 생성형 AI에 대한 대응과 교육적 활용 탐색에 효과적인 전략이 될 것으로 예상할 수 있다.

본 연구는 다음과 같은 제한점을 가지며, 이를 보완하는 후속 연구를 제안한다. 첫째, 한 개 대학의 교수자들로부터 응답을 수집한 점에서 결과 해석에 유의해야 한다. 다양한 계열과 교육경력의 교수자들을 포함하여 연구를 수행하였으나 대학 또는 개인 교수자마다 관심도 수준이 다를 수 있으므로 다수 대학에서 폭넓은 전공 교수자들로부터 자료를 수집하여 관심도를 측정하고 분석하는 것은 학문적으로나 학교 차원의 전략 수립에 도움이 될 것이다. 둘째, 본 연구는 CBAM으로 생성형 AI에 대한 교수자의 인식을 조사한 첫 연구라는 점에 의의가 있으나, 비교 논의를 하지 못한 점에서 제한점이 될 수 있다. 향후 대학에서 CBAM을 활용한 관심도 분석 연구를 수행함으로써 시간 경과에 따른 생성형 AI의 교육적 활용에 대한 활성화 수준을 파악하는 후속 연구를 제안한다. 이는 초기 연구 결과와 실증적인 비교가 가능하므로 생성형 AI 교육적 활용 관심도 수준의 변화 양상과 효과를 논의할 수 있을 것으로 기대한다.

Article information Continued