1. 서론
최근 대학 영어 교육은 단순한 문법이나 독해 중심 수업에서 벗어나, 실질적인 의사소통 역량 함양을 위한 방향으로 변화하고 있다. 이에 따라 교양 영어 교과목은 대부분의 국내 대학에서 공통 필수 또는 선택 과목으로 운영되며, 학부 초기에 개설되어 영어 의사소통 능력 향상을 목표로 한다. 일부 대학에서는 회화, 발표, 영어 프레젠테이션 등 실용 중심 과목의 다양화를 시도하고 있으며, 학습자 수준을 고려한 분반 운영을 통해 학습자 중심 수업을 강화하려는 움직임도 나타나고 있다(양윤정, 2020; 정덕교, 2010; 주미란, 2021). 그러나 교양 영어교육은 여전히 문법과 독해 중심 수업, 일괄적 교육과정, 수업 시수 축소, 수준별 맞춤형 교육의 부재 등으로 인해 학습자의 실제 요구를 충분히 반영하지 못하고 있다는 비판을 받고 있다(권은영, 2021; 하명애, 2024). 또 학습자들은 영어에 대한 부담과 낮은 자신감, 높은 불안감을 동시에 경험하고 있으며, 특히 실용적 말하기 능력 향상에 대한 요구가 높다(신미영, 김희정, 이나리, 2024; 황정희, 2013). 더욱이 수능 영어의 절대평가 전환 이후 고등학교 교육 단계에서의 영어 학습 강도가 약화하면서 대학 입학생들의 영어 능력 편차가 더욱 벌어졌으며, 이에 따라 대학 교양 영어 수업에서는 수준별 수업 운영과 맞춤형 교수 전략의 필요성이 더욱 강조되고 있다(서정아, 2018; 주미란, 2021).
이러한 대학 영어교육 환경에서 새롭게 주목받고 있는 것이 바로 AI 기반 영어 학습 도구이다. 최근에는 AI 튜터, 챗봇, 자동 음성 인식 시스템, 번역 및 문법 교정 애플리케이션 등 다양한 형태의 도구들이 개발되며, 기존 교실 수업의 구조적 한계를 보완하고 학습자의 수준과 속도에 맞춘 개인화된 학습 환경을 구현할 수 있게 되었다(Jiang, 2022; Xiu-Yi, 2024). 특히 EFL(English as a Foreign Language) 환경에서는 AI 기반 학습 도구가 학습자의 자기주도성, 반복 학습, 실시간 피드백 제공, 발화 기회 확대 등의 측면에서 탁월한 장점을 보이며, 전통적인 교실 수업이 가지는 제약을 보완하고 말하기 중심 영어 수업의 효과성 향상에 기여하고 있다(진승희, 2022; Guo & Wang, 2025; Zhang, Meng, & Ma, 2024). 또한 자동 채점, 문법 오류 교정, 음성 분석, 발화 피드백 등의 기능은 학습자의 자기효능감과 학습 동기를 높이며, 반복 연습을 통해 실제 말하기 능력의 향상에도 긍정적인 영향을 미치는 것으로 보고되고 있다(정숙경, 2019; Makhlouf, 2021; Kundu & Bej, 2025). 특히 AI 기반 말하기 앱을 활용한 자기주도 학습 방식은 학습자의 말하기 성취도와 자신감 향상에 효과가 있으며(진승희, 2022), 더 나아가 발화 불안 감소 등 정의적 영역의 개선 효과도 실증적으로 입증되고 있다(김희삼 외, 2021). 더불어, 최근 대학생들은 중등 교육과정에서 이미 AI 번역기, 문법 교정기, AI 디지털 교과서, 챗GPT와 같은 다양한 AI 기반 학습 도구를 경험한 세대로, AI 기술에 대한 수용성과 흥미가 비교적 높은 특성을 보인다. 이러한 변화 속에서 대학 영어 수업 역시 전통적인 강의 중심 방식만으로는 학습자의 흥미와 몰입을 유도하기 어려우며, 실제 영어 능력 향상을 도모하기 위해서는 AI 기반 학습 도구를 교수⋅학습 과정에 전략적으로 통합하는 방안이 요구된다(권은영, 2021; 이현주, 2020). 이에 교수자들은 AI 기반 학습 도구의 활용 가능성에 대해 대체로 긍정적인 인식을 보이고 있지만, 정규 수업에 적극적으로 도입하는 데에는 기술 인프라 부족, 교수자의 AI 기반 수업 설계 역량 미흡, 교수 업무 부담 및 심리적 저항, 제도적 지원 미흡 등 다양한 현실적 제약이 존재하는 것으로 나타났다(권은영, 2021).
비교과 프로그램은 이러한 한계 속에서 AI 기반 학습 도구를 교수학습 과정에 전략적으로 통합하기 위한 사전적 적용 및 검증의 장으로 활용될 수 있으며, 이를 통해 본격적인 정규 교과 도입을 위한 실증적 근거를 축적할 수 있다. 비교과 프로그램은 정규 수업에 비해 교수학습 설계 및 운영의 자율성이 높고, 다양한 교수학습 전략을 유연하게 시도할 수 있다는 점에서, AI 기반 학습 도구의 효과성과 적용 가능성을 검증할 수 있는 실질적인 실험의 장으로 기능할 수 있다. 강현숙(2021)의 연구에 따르면, 학습자들은 비교과 영어 클리닉 프로그램을 통해 말하기 전략 지도, 발화 반복 연습, 자신감 회복 등과 같은 단순한 문법 교정 이상의 학습 경험을 기대하며, 이는 정규 수업이 제공하지 못하는 학습자의 실제 요구를 비교과 프로그램이 보완할 수 있음을 시사한다. 또한 정숙경(2019)은 대학생의 모바일 영어 애플리케이션 활용 실태를 분석한 결과, 학습자들이 AI 기반 앱의 개별 피드백 기능과 시간적 유연성에 대해 긍정적인 반응을 보였으며, 이러한 특성이 비교과뿐만 아니라 정규 수업과도 연계될 수 있음을 강조하였다. 따라서 정규 교과에 AI 기반 학습 도구를 효과적으로 통합하기 위해서는, 먼저 비교과 프로그램을 통해 도구의 교육적 타당성과 학습자 반응을 실증적으로 분석하고, 그 결과를 바탕으로 정규 수업에 적합한 교수학습 전략을 단계적으로 설계하는 접근이 요구된다. 그리고 이러한 절차는 AI 기반 학습 도구가 기존 대학 영어 교육의 구조적 한계를 보완하고, 학습자의 인지적⋅정의적 요구를 통합적으로 충족시킬 수 있는 정규 교육과정 내 실천적 교수학습 모델로의 확장 가능성을 제시한다.
이에 본 연구는 AI 기반 학습 도구를 비교과 프로그램에 시범적으로 적용하고 그 효과를 분석함으로써, 향후 정규 수업에서의 전략적 활용 가능성을 탐색하고자 한다. 구체적으로 AI 기반 말하기 앱을 활용한 비교과 프로그램을 운영한 후, 프로그램 참여자들의 학습 결과와 만족도, 정의적 영역의 효과와 정규 수업에서의 활용 가능성을 실증적으로 분석하고, 이를 바탕으로 정규 교양 영어 수업에서 AI 기반 학습 도구를 효과적으로 통합⋅활용할 수 있는 구체적 방안 도출을 목표로 한다. 특히 AI 기반 학습 도구가 교양 영어 수업의 구조적 한계인 발화 기회 부족, 개별화 한계, 피드백 부재 등을 보완할 수 있는지 살펴보고, 이러한 교수학습 지원이 교양 영어 수업이 지향하는 실용적 의사소통 능력 함양 및 학습자 중심 지원이라는 교육적 목적과 어떻게 연결될 수 있는지를 함께 고찰하고자 한다.
2. 이론적 배경
2.1. 대학 교양 영어 수업의 문제점
국내 대학의 교양 영어 과목은 학생들의 의사소통 능력 및 글로벌 역량 강화를 목표로 대부분 학부 초기에 필수 이수 과목으로 편성되고 있다(박은희, 2021; 오은주, 안태연, 2025; 하명애, 2024). 최근에는 단순 문법이나 독해 위주에서 벗어나 회화, 프레젠테이션, 실용 영어 중심의 과목 구성으로 다변화를 시도하고 있으며, 일부 대학은 학습자 수준을 고려한 수준별 분반 수업을 운영하고 있다(양윤정, 2020; 주미란, 2021). 그러나 이러한 교양 영어 수업에서의 변화 시도에도 불구하고 여러 구조적 문제점이 지적된다. 첫째, 학생 개개인에게 충분한 발화 기회를 제공하지 못하는 한계를 보인다. 대형 강의 중심 운영과 수업당 인원 과다로 인해 학습자의 말하기 기회가 제한되며, 이는 실질적 언어 사용 능력 향상에 걸림돌이 된다(정승원 외, 2020). 오은주와 안태연(2025)은 대학 교양 영어 수업에서 학생 1인당 말하기 시간은 평균 3분 이내에 그치며, 이는 의사소통 역량 강화를 목표로 하는 수업 취지와 괴리된다고 지적하였다. 이러한 발화 기회 부족 문제는 단순한 수업 구성의 문제가 아니라 학습자 언어 역량 개발의 본질과 직결되는 요소이므로, 학생들에게 충분한 발화 기회를 제공할 수 있는 교수 전략이 요구된다.
둘째, 학습자 수준 차이를 충분히 반영하지 못하는 문제가 지속해서 지적되고 있다. 백승수(2017)는 교양 영어 과목이 표준화된 교재와 시험 중심으로 설계되어 학생들의 다양한 영어 수준을 고려하지 못한다고 비판하였다. 주미란(2021)은 수준별 수업이 시행되고 있음에도, 실질적으로는 언어 난이도만 다를 뿐 학습 내용과 교육 목표가 충분히 차별화되지 않고 있다고 분석하였다. 서정아(2018) 역시 모의 토익 점수 기반의 반 편성이 학습자의 읽기, 듣기, 말하기 능력을 반영하지 못해 수업 효과성을 저하한다고 지적했다. 일부 학생들은 의도적으로 낮은 점수를 제출해 낮은 레벨 반에 배정받음에 따라 상위 수준 학습자는 수업 흥미를 잃고, 하위 수준 학습자는 수업을 따라가지 못하는 이중적 문제가 발생하고 있다. 이러한 결과는 교양 영어 수업이 학습자의 실제 수준과 요구에 기반한 맞춤형 교육을 실현하지 못하고 있음을 보여준다. 학습자의 수준 차이를 효과적으로 반영하기 위해서는 단순한 수준 구분을 넘어, 학습 목표, 과제 유형, 피드백 방식 등을 포함한 전면적인 수업 구조의 차별화가 필요하다. 특히, 수준별 학습자에게 적합한 발화 과제, 피드백, 표현 전략 훈련 등 교육 내용 전반에 걸친 정교한 설계가 요구된다.
셋째, 평가 기준의 명확성 부족과 교수자 중심의 주관적 평가가 문제로 지적되고 있다. 오은주와 안태연(2025)은 학생들이 말하기 활동 이후 점수는 부여받지만, 구체적이고 체계적인 피드백을 받지 못해 학습 개선 기회를 놓치고 있다고 분석하였다. 주미란(2021)의 연구에서도 학습자들은 영어 학습의 중요성을 인식하고 있음에도 불구하고, 실제 학습 성과가 기대에 못 미치는 것으로 나타나 피드백 부재와 동기 약화 문제가 연결되고 있음을 확인할 수 있었다. 이러한 결과는 교양 영어 수업에서 학습자의 성장을 유도하기 위한 형성 평가적 접근과 개별 맞춤형 피드백 체계가 미흡하다는 것을 나타낸다. 특히 말하기나 발표 과제의 경우, 구체적 평가 기준 없이 점수만 제공되면 학습자는 자신의 오류를 인식하지 못하고, 반복 학습을 통한 개선도 기대하기 어렵다. 또한 주관적 평가로 인해 학생들은 공정성에 대한 의문을 품게 되며, 이는 영어 학습에 대한 신뢰와 몰입도를 저해할 수 있다. 따라서 교양 영어 수업에서는 명확한 루브릭 기반 평가 기준의 수립과 더불어, 학생 개개인의 언어 사용 특성과 오류 유형에 기반한 피드백 제공 체계의 정교화가 필요하다.
마지막으로, 대학의 교양 영어 수업은 외국어 의사소통 능력 함양을 주요 목표로 설계되어 있으나, 실제 수업 운영에서는 학습자의 정의적(affective) 영역을 충분히 반영하지 못하는 한계를 드러내고 있다. 정의적 영역은 학습자의 감정, 태도, 동기, 자신감, 불안 등 심리적 요인을 포괄하며, 이는 외국어 학습의 성취 여부에 직접적으로 영향을 미치는 핵심 요소로 간주한다(Krashen, 1982). 그러나 실제로 많은 학생이 교양 영어 수업에서 낮은 자기효능감(self-efficacy)을 경험하고 있으며, 이는 학습 행동과 결과에 부정적인 영향을 미친다. 은호윤(2018)의 연구에 따르면, 자기효능감이 낮은 학습자는 학습 전략의 활용 빈도가 낮고, 이에 따라 학업 성취도 또한 저하되는 경향을 보였다. 이는 학습자가 과제를 성공적으로 수행할 수 있다는 신념이 부족할 경우, 수업 참여도와 학습 지속성이 모두 감소할 수 있음을 시사한다. 더불어, 영어 말하기에 대한 자신감(self-confidence) 부족은 학습 참여 저조와 직결된다. 송은혜와 김혜숙(2020)은 영어 말하기 자신감이 낮은 학생일수록 말하기 활동을 회피하는 경향이 강하다고 보고했으며, 김병선(2019)은 이러한 자신감 결여가 불안으로 전이되어 실제 발화 자체를 꺼리게 되는 심리적 장벽으로 작용한다고 분석했다. 또 고영아(2018)는 원어민 교수와 비원어민 교수의 수업을 비교한 연구에서, 한국 대학생들은 교사 유형과 관계없이 영어 말하기 상황에서 높은 수준의 불안감(anxiety)을 공통으로 경험한다고 밝혔다. 이는 단순한 언어능력 부족이 아닌 심리적 요인이 발화 회피와 학습 저하로 이어진다는 점을 보여준다. 이상의 연구 결과들에 비추어 자기효능감과 자신감을 촉진하고, 불안을 완화하는 환경을 구축하는 것이야말로 교양 영어교육의 교육 목표를 달성할 수 있는 핵심 과제라고 할 수 있다. 그리고 교양 영어 수업에서의 효과적인 외국어 학습을 위해서는 단지 언어적 요소만이 아니라, 학습자의 정의적 영역을 적극적으로 고려한 교수학습 설계가 병행되어야 함을 시사한다.
2.2. AI 기반 영어 학습 도구
대학 교양 영어 수업의 한계를 극복하고 의사소통 능력 향상이라는 목표를 달성하기 위한 대안으로 AI 기반 학습 도구가 주목받고 있다. 국내 대학에서 주로 활용하고 있는 AI 기반 학습 도구는 AI 챗봇, AI 스피커, AI 말하기 앱 등이 있다.
국내 대학 영어 교육 관련 연구 동향 분석 결과에 따르면, AI 기반 학습 도구 중 AI 챗봇과 관련된 연구의 비중이 가장 큰 것으로 분석되었다(김현정, 김정렬, 2022). AI 챗봇은 문자언어 혹은 음성언어를 바탕으로 인간과 유사한 형태의 의사소통을 하는 컴퓨터 프로그램으로 사용자의 지시와 질문에 반응을 보이거나 요구를 수행한다(김혜영 외, 2019), 국내 대학의 경우 Mitsuku, Cleverbot, ChatGPT 등 AI 챗봇을 활용하여 연구가 진행되었다. Mitsuku(현 Kuki)는 Loebner Prize 튜링 테스트에서 5회 우승하며 기네스북에 등재된 챗봇으로, 일상 대화, 농담, 감정 표현 등 다양한 주제를 자연스럽게 소화하며 사용자 정보를 기억하여 개인화된 대화를 제공할 수 있다(BotPenguin, 2025). Cleverbot은 사전 설정된 스크립트 없이 실제 사용자와의 대화를 통해 학습하는 비목적형 챗봇으로, 2억 7,900만 건 이상의 대화 데이터를 기반으로 지속적으로 성능을 향상시키고 있으며(신동광, 2019), 2011년에는 59.3%의 참가자에게 인간으로 오인받아 인간 유사성이 입증되기도 했다(Jacob, 2011). 최근 활용도가 증가하고 있는 ChatGPT는 OpenAI가 개발한 대규모 언어 모델(LLM) 기반 생성형 인공지능 챗봇으로, 텍스트뿐만 아니라 이미지 및 음성 입력도 처리하며 대화 맥락을 이해하는 능력이 뛰어나다(노유수, 2024). 단순 정보 제공을 넘어 정보를 재구성하고 새로운 지식을 생성하는 능력을 갖춘 ChatGPT는 텍스트 요약, 번역, 아이디어 제공, 문법 교정 등 다양한 교육적 과업 수행이 가능한 AI 챗봇으로 평가받고 있다(Chen et al., 2020; Crompton et al., 2020),
한편 국내 대학에서는 AI 스피커를 영어 교육의 보조 도구로 활용하기 위한 다양한 시도가 이루어지고 있다. AI 스피커는 음성인식(Speech to Text)과 음성합성(Text to Speech) 기술이 통합된 형태로, 텍스트 기반 언어를 이해하는 챗봇 기능에 음성처리 기능이 결합되어 음성 대화가 가능한 ‘말하는 챗봇’으로 발전하였다(김혜영 외, 2019). 특히 음성 사용자 인터페이스(Voice User Interface)에 기반한 자연어 상호작용으로 사용자는 별도의 전문 지식이 없이도 음성만으로 기기를 조작할 수 있으며, 화면 터치를 사용하지 않고도 빠르고 편리하게 다양한 작업을 동시에 수행할 수 있다(안정은, 진영국, 2018). 이러한 편의성과 조작 속도로 인해 AI 스피커는 시장에서 빠르게 보급되고 있으며, 대표적인 예로 해외의 경우 Amazon Alexa, Google Assistant, Apple Siri, Microsoft Cortana가 있고, 국내에는 SK의 Nugu, KT의 기가지니, 네이버의 Clova Friends 등이 있다.
AI 말하기 앱은 인공지능 기술을 기반으로 학습자의 발화를 실시간으로 인식, 분석, 피드백하여 외국어 말하기 능력 향상에 초점을 둔 디지털 학습 도구이자 콘텐츠 서비스 플랫폼이다. AI 말하기 앱은 발음 평가, 문법 오류 교정, 대화 시나리오 제공, 학습자 수준과 반응에 따른 맞춤형 학습 경로 제공 등을 통해 개별화된 말하기 훈련 환경을 조성한다. 국내에서 활용 중인 대표적인 AI 말하기 앱으로는 듀오링고(Duolingo), 스픽(Speak), 플랭(Plang) 등이 있으며 다양한 기관이나 기업에서 영어 학습을 위한 도구로 활발하게 활용되고 있다. 이 중 듀오링고는 미국에서 개발된 대표적인 AI 기반 언어 학습 앱으로, 짧고 반복적인 학습 단위와 게임화 요소(리그, 업적 등)를 통해 사용자의 학습 동기를 높인다. 다양한 유형의 문제(듣기, 말하기, 단어 배열, 발음 등)를 통해 실생활에 가까운 영어 표현을 자연스럽게 익힐 수 있으며, AI를 기반으로 학습자의 실력과 학습 패턴을 분석해 맞춤형 레슨을 자동 추천하고, 생성형 AI와의 화상 대화, 실시간 피드백, 롤플레이 등의 학습방법을 제공한다(Danchen, 2025). 스픽은 미국에서 개발된 AI 기반 영어 스피킹 학습 앱으로, 고도화된 음성 인식 기술과 실시간 AI 피드백을 활용해 원어민 없이도 실제 회화와 유사한 말하기 연습 환경을 제공한다. 이 앱은 오늘의 수업, 스피킹 연습, 실전 대화의 3단계 구조로 구성되며, 학습자가 배운 표현을 반복 패턴 학습을 통해 체득할 수 있도록 설계되어 있으며, 마치 인간 교사와 대화하는 듯한 자연스러운 대화형 UI를 제공함으로써 학습자의 몰입감을 높이고 지속적인 학습을 유도한다(장희주, 2025). 한편, 플랭은 AI와 빅데이터를 활용하여 사용자의 영어 실력을 실시간으로 분석하고, 개인 맞춤형 학습 콘텐츠와 피드백을 제공하는 국내에서 개발한 영어 회화 앱이다. 사용자들은 사전 진단 통해 자신의 영어 레벨을 측정하게 되며, 앱에서 제공하는 20만 개 이상의 현지 영상 콘텐츠를 활용하여 쉐도잉 훈련을 실시하며, 동영상 강의 학습, AI와의 1:1 데일리 프리토킹 등의 학습 방법을 통해 원어민이 자주 쓰는 패턴을 학습함으로써 실전 영어 회화 능력을 향상하게 된다. 플랭의 AI는 사용자의 말하기 데이터를 실시간으로 분석하여 문장 길이, 어색한 표현, 발음 정확도 등을 종합적으로 평가하고, 이를 바탕으로 개인별 취약점에 대한 집중 피드백과 맞춤형 학습 경로를 제시하며, 회화 숙련도 향상을 위한 반복적인 복습 시스템을 제공한다(신서경, 2023).
지금까지 소개된 AI 말하기 앱은 영어 학습을 목적으로 개발되었으며, 학습자의 수준에 따라 다양한 학습 콘텐츠가 맞춤형으로 제공되기 때문에, 학습자에게는 자유롭고 부담 없는 말하기 연습 기회와 이에 대한 즉각적이고 객관적인 피드백이 제공된다는 점에서 대학 영어 수업 운영에 적합한 AI 기반 학습 도구로 평가된다. 그럼에도 불구하고 국내 대학에서의 AI 말하기 앱 활용에 대한 연구는 AI 챗봇이나 AI 스피커를 활용한 기존 연구에 비해 상대적으로 부족한 실정이기에, 해당 도구의 교육적 효과성에 대한 실증적 검토와 정규 수업 적용을 위한 방안에 대한 체계적인 탐색이 요구되는 바이다.
2.3. AI 기반 영어 학습 도구의 효과성
AI 기반 영어 학습 도구는 학습자가 필요할 경우 언제 어디서나 학습이 가능하고, 실제 사람과의 대화보다 심리적으로 편안하게 오류에 대한 걱정 없이 학습할 수 있으며, AI가 제시하는 피드백을 통해 개인 맞춤형 적응형 학습을 할 수 있다는 장점을 보유하고 있다(박은영, 2024; 진승희, 2022). 이에 따라 다양한 학습 상황에서 AI 기반 영어 학습 도구를 적용하려는 시도가 활발하게 이루어지고 있다.
AI 챗봇을 활용한 대학 영어 수업 사례로, 박은영(2024)은 학생 맞춤형 영어 학습을 지원하는 Mitsuku와 Replika AI 챗봇을 선정하고, 이를 활용한 학생들의 반응과 학습 결과를 분석하였다. 연구에 참여한 학생들은 AI 챗봇과의 상호작용을 통해 다양한 상황별 표현을 학습할 수 있었으며, 생각을 조직하고 말하는 능력, 어휘력 향상에 긍정적인 영향을 받았다고 인식하였다. 또한 학생들은 AI 챗봇이 언제 어디서나 접근 가능하다는 점을 큰 장점으로 평가하였다. 이를 통해 연구자는 AI 챗봇은 대학 영어 수업의 보조역할로 활용이 가능하며, 영어 숙련도가 높지 않은 학습자들에게 자신감과 영어 능력 향상에 유용한 도구가 될 수 있음을 강조하였다. 이와 유사한 맥락에서 나경희와 백지연(2025)은 한국 EFL 대학생들을 대상으로 학생들이 직접 작성한 영어 작문과 AI 챗봇 및 번역기를 활용하여 작성한 영어 작문의 특성을 비교 분석하였다. 분석 결과, AI 기반 학습 도구를 활용한 작문은 문법적 정확성은 높았으나 의미 전달의 명확성에는 일부 한계를 보였다. 그러나 연구자들은 EFL 학습자들이 겪는 어려움 중 하나인 적절한 어휘의 선택 및 어휘 다양성 측면에서 AI 기반 학습 도구가 작문 학습에 긍정적인 영향을 줄 수 있음을 시사하였으며, 초⋅중급 학습자들이 영어 초안을 작성한 후 오류를 점검하는 데 유용한 도구가 될 수 있다고 평가하였다.
한편, AI 스피커를 활용한 연구로 김혜영 외(2019)는 Alexa와 Google Assistant를 활용하여 영어교육 전공 대학원생과 AI 스피커 간의 담화 수준 및 상호작용을 분석하였다. ‘잡담 나누기,’ ‘정보 요청하기,’ ‘문제 해결하기’를 대화 유형으로 설정하고, 임의 단원의 주제로 대화 질문을 설계하여 사용자와 AI 스피커와의 대화를 진행한 후 대화 성공률, 어휘 수준, 문장 길이, 정보의 양, 담화의 질적 수준 등을 분석하였다. 분석 결과, 두 스피커 모두 86% 이상의 높은 과업 성공률을 보였으며, 질문에 대해 적절한 응답을 제공한 것으로 나타났다. 특히 사용된 어휘의 97%가 초⋅중⋅고 교육과정의 권장어휘에 포함되어 있어 AI 스피커에 대한 교육용 도구로서의 적합성이 확인되었다. 또한, 이은비와 윤재영(2021)은 AI 스피커를 활용한 영어 학습 유형을 AI 스피커 주도형 학습과 사용자 주도형 학습으로 구분하고, 성인 학습자 61명을 대상으로 네이버의 Clova Friend와 Google assistant를 활용하여 기존의 동영상 기반 영어 학습과 비교하는 연구를 수행하였다. 연구 결과, AI 스피커를 활용한 영어 학습(AI 스피커 주도형 학습, 사용자 주도형 학습)은 동영상 학습보다 흥미성, 유용성, 적합성, 지속 사용성에서 더 높은 평가를 받은 것으로 나타났다. 또한 영어 실력이 낮을수록 AI 스피커 주도형 학습을, 영어 실력이 높을수록 사용자 주도형 학습을 선호하는 경향이 확인되었다.
국내 대학에서 AI 말하기 앱을 활용한 연구는 점차 그 가능성과 효과성이 주목받고 있다. AI 말하기 앱인 스픽을 활용한 진승희(2022)의 연구에서는 대학교 1학년을 대상으로 교양 영어 수업에서 AI 말하기 앱 활용에 따른 학습자들의 자기주도학습 능력과 영어 회화 능력에 대한 실험연구를 진행하였다. 연구 결과, AI 말하기 앱을 수업에서 활용함으로써 한국 대학생의 영어 발음, 어휘, 문법 능력 향상에 긍정적인 영향을 미칠 수 있으며, 학습자에게 즉각적인 피드백과 충분한 발화 기회를 제공하여 자기 주도적인 학습 참여를 유도하는 효과적인 수업이 가능할 것이라고 주장하였다. 또한, 간진숙 외(2023)는 AI 영어 학습 앱인 AI Tutor와 듀오링고를 사용하여 대학 영어 수업에서 AI 기반 적응형 학습이 TOEIC 학업 성취도와 자기 주도적 학습 능력에 미치는 영향을 분석하였다. 해당 연구를 통해 연구자들은 AI 기반 적응형 학습이 대학생들의 TOEIC 학업성취도와 자기 주도적 학습 능력에 긍정적인 영향을 미쳤음을 확인하였다. 특히 학습자들은 학습 욕구 진단, 자기 성찰, 결과의 노력 귀인, 학습 실행 지속성 요소에서 긍정적인 인식 변화를 보였는데 이를 통해 AI 기반 적응형 학습이 학습자 중심의 효과적인 영어 학습 방법임을 강조하였다.
AI 기반 영어 학습 도구는 이처럼 다양한 형태로 대학 영어 교육 현장에 적용되고 있으며, 그 교육적 효과가 점차 입증되고 있다. 특히 AI 말하기 앱은 영어 학습을 목적으로 개발된 도구로서, 학습자의 수준에 적합한 적응형 콘텐츠 제공, 즉각적이고 공정한 피드백, AI와의 1:1 상호작용을 통한 심리적 안정감 제공 등 학습 효과를 증진할 수 있는 요소들을 갖추고 있다. 그러나 현재 대학 영어 수업은 의사소통 역량 향상을 목표로 함에도, 제한된 수업 시간과 학습자 수로 인해 개별화된 피드백 제공이 어렵고, 학습자의 수준을 반영한 맞춤형 학습이 부족하다는 한계가 존재한다. 또한 평가 기준의 명확성 부족, 교수자 중심의 주관적 평가, 학습자의 말하기 불안 등으로 인해 수업 참여도가 저하되는 문제도 지적되고 있다. 이러한 문제에 대한 대안으로, AI 말하기 앱은 학습자가 심리적 부담 없이 반복적으로 연습하고, 개인화된 피드백을 통해 학습 동기와 성과를 효과적으로 향상할 수 있다. 더불어 교수자는 AI가 분석한 학습 데이터를 기반으로 객관적인 평가를 수행하고, 수업 개선 방향을 제시할 수 있는 유용한 자료로 활용될 수 있다. 이에 따라 본 연구는 AI 말하기 앱을 활용한 영어 비교과 프로그램에 대한 효과를 분석함으로써 정규 교양 영어 수업에의 활용 가능성을 탐색하고자 한다.
3. 연구 방법
3.1. 연구 대상
본 연구는 AI 말하기 앱 활용에 따른 학습 만족도와 학습 효과성을 검증하기 위해, 경기도 소재 A대학에서 2024년 3월 25일부터 6월 24일까지 운영된 비교과 프로그램 참여자 91명 중 사전⋅사후 조사에 모두 성실히 응답한 60명을 대상으로 진행되었다(<표 1>).
3.2. 연구 설계
본 연구를 위하여 ‘AI 영어 회화 트레이닝’ 비교과 프로그램을 개설하고, 2024학년도 1학기에 학부 재학생 91명을 대상으로 해당 프로그램을 운영하였다. 운영 기간은 2024년 3월 25일부터 6월 24일까지였으며, 참여 학생들은 모바일 기반 AI 말하기 앱인 플랭을 활용하여, 매일 15분 이상 자기주도적으로 영어 회화 학습을 수행하였다. 플랭은 영어 말하기 능력 향상을 목적으로 개발된 AI 말하기 앱으로, 제 의사소통 상황을 반영한 발화를 유도하고, 학습자의 발화 내용⋅문장 길이⋅오류 빈도⋅발음 정확도 등을 실시간 분석하여 개인화된 학습 경로를 제공한다. 초기 레벨 테스트 후 AI가 추천하는 커리큘럼을 따라 학습하며, 문법⋅발음⋅표현에 대한 즉각적인 피드백도 받을 수 있다. 또한 플랭은 영화, 드라마, 애니메이션 기반의 실재감 있는 영상 콘텐츠를 통해 상황별 회화 연습이 가능하도록 설계되어 있다. 특히 쉐도잉(Shadowing) 기법이 적극적으로 적용되어, 학습자는 영상 속 실제 등장인물의 대사를 따라 말하면서 자연스러운 영어 표현과 사고방식을 체득할 수 있다. 이 외에도 일상 대화, 여행, 비즈니스 등 다양한 상황을 반영한 1:1 AI 프리토킹 기능이 포함되어 있으며, 학습자는 이 기능을 통해 원어민과 유사한 회화 경험을 반복적으로 수행하고, 발화 내용에 대한 즉각적이고 구체적인 피드백을 받을 수 있다. 또한 동사 중심의 핵심 패턴 영상 강의가 병행 제공되어, 실제 원어민이 자주 사용하는 표현을 다양한 문맥에서 적용할 수 있는 역량을 강화할 수 있다. 이처럼 플랭은 사전 진단 기반의 적응형 학습(adaptive learning) 체계를 갖추고 있으며, 다양한 형태의 학습 콘텐츠를 통해 학습자의 흥미 유발과 지속적인 참여를 유도할 수 있도록 설계되어 있다. 특히 학습자의 자발적인 몰입과 참여가 핵심인 비교과 프로그램의 특성을 고려할 때, 본 앱은 학습 동기 유발 및 반복 훈련에 효과적인 교수학습 도구로 판단된다. 이에 본 연구에서는 플랭을 중심 도구로 하여 비교과 프로그램을 설계⋅운영하고, 그 효과성을 실증적으로 분석하고자 하였다.
한편, 학습자의 지속적인 참여를 유도하고 프로그램의 운영 효과를 극대화하기 위해 SNS 오픈채팅방을 개설하여 실시간 소통 창구로 활용하였다. 이를 통해 학습 목표 및 일정 안내, 이벤트 공지, 시스템 오류 대응 등과 관련된 정보를 적시에 공유하였으며, 학습자 간 상호 소통과 참여 분위기 조성에도 긍정적인 역할을 하였다. 또한 플랭에서 교수자를 위해 제공하는 학습자 대시보드(dashboard) 기능을 활용하여, 개별 학습자의 참여 현황을 주기적으로 점검하였다. 이를 바탕으로 수료율 및 우수학습자 명단을 정기적으로 공지하였고, 월간 학습 목표 달성 이벤트와 우수학습자 대상 시상품 제공 등의 활동을 통해 학습자의 내적 동기를 유발하고 자발적인 학습 참여를 장려하였다.
학습 기간 종료 후에는 전체 참여자를 대상으로 사후 설문조사를 실시하여, AI 말하기 앱 활용이 학습자의 정의적 영역 변화와 학습자 만족도에 미친 영향을 분석하였다. 더불어 인터뷰 참여를 원하는 학습자들을 선정하여 초점집단면접(Focus Group Interview, FGI)을 실시하였으며, 이를 통해 학습자의 실제 경험과 함께 AI 말하기 앱의 정규 교과목 적용 가능성 및 향후 운영 방향에 대한 구체적인 의견을 수렴하였다. 이상의 비교과 프로그램 운영 방안을 정리하면 <표 2>와 같다.
<표 2>
비교과 프로그램 운영 방안
3.3. 연구 도구
3.3.1. 설문조사
본 연구에서는 AI 말하기 앱에 대한 학습자 만족도 및 학습 효과성 분석을 위한 설문조사 도구를 구성하였다. 먼저, 학습자 만족도 측정을 위해 학습 참여도, 학습 효과성 인식, 학습 동기 유발, 동료 추천 의향, 재참여 의향 등 총 11문항으로 구성된 설문지를 개발하였다. 해당 문항은 교육공학 전공 박사 2인의 전문가 검토를 거쳐 내용 타당도를 확보하였으며, 내적 일치도(Cronbach’s α)는 .869로 나타나 신뢰도가 양호한 수준임을 확인하였다. 학습자 만족도 조사는 비교과 프로그램 종료 직후에 사후 설문 형태로 실시되었다.
정의적 영역의 변화에 대한 학습 효과성 분석을 위해 사전⋅사후 조사를 시행하였다. 사전 조사는 영어 학습이 시작되기 전 오리엔테이션 일정인 2024년 3월 21일에 실시하였으며, 참여자들은 Google Docs를 통해 온라인 설문에 응답하였다. 이후 2024년 3월 25일부터 2024년 6월 24일까지 약 3개월 간 AI 말하기 앱을 활용한 영어 학습 활동이 진행되었다. 학습이 종료된 직후인 2024년 6월 25일에는 사전 조사와 동일한 문항과 방식으로 정의적 요인에 대한 사후 조사를 실시하여 학습 전후의 변화를 비교 분석하였다. 이와 같이 사전-사후 조사의 일관된 방법과 동일한 조사 도구를 활용함으로써, 실험 처치의 효과에 대한 시간적 타당성 및 절차적 일관성을 확보하고자 하였다.
정의적 영역의 변화를 조사하는 설문 문항은 선행 연구를 바탕으로 총 16문항으로 구성되었다. 측정 영역은 학업적 자기효능감(학습 자기효능감, 수행 자기효능감), 흥미, 자신감, 불안의 네 가지 하위 범주로 설정되었으며, 모든 문항은 5점 Likert 척도(1 = 전혀 그렇지 않다, 5 = 매우 그렇다)로 응답하도록 구성하였다. 학업적 자기효능감 측정에는 봉미미 외(2012)가 개발한 ‘학습 환경에서의 학생동기척도(Student Motivation in the Learning Environment Scales, SMILES)’를 활용하였으며, 이 중 학습 자기효능감 5문항과 수행 자기효능감 3문항을 적용하였다. 흥미, 자신감, 불안 영역은 이종희 외(2011)가 개발한 학습 정의적 성취 검사 도구를 참고하였으며, 원 도구의 총 30문항 중 본 연구 목적에 부합하는 8문항을 선별⋅수정하여 사용하였다. 측정 도구의 신뢰도 분석 결과 <표 3>과 같이 영역별 내적 일치도는 Nunnally(1978)의 신뢰도 판단 기준(Cronbach’s α ≥ 0.70)에 비추어볼 때 전반적으로 수용 가능한 수준임을 확인하였다.
<표 3>
학습 효과성(정의적 변화) 조사 도구
| 변인 | 문항 수 | 신뢰도(Cronbach’s α) | |
|---|---|---|---|
|
|
|||
| 사전검사 | 사후검사 | ||
| 학습 자기효능감 | 5 | .916 | .930 |
|
|
|||
| 수행 자기효능감 | 3 | .757 | .843 |
|
|
|||
| 흥미 | 2 | .856 | .817 |
|
|
|||
| 자신감 | 3 | .859 | .894 |
|
|
|||
| 불안 | 3 | .781 | .672 |
만족도 조사 및 학습 효과성 분석을 위한 사전⋅사후 조사 설문지는 프로그램 참여자 91명에게 배포하였으며, 이중 사전⋅사후 조사에 모두 성실히 응답한 60명의 자료를 최종 분석에 활용하였다. 수집된 자료는 SPSS 29 프로그램을 활용하여 기술통계 및 대응표본 t-검정(paired samples t-test)을 통해 분석하였다.
3.3.2. 초점집단면접(Focus Group Interview)
본 연구에서는 AI 말하기 앱의 정규 교과목 적용 가능성, 학습 효과성에 대한 학습자 인식, 향후 운영을 위한 제언 등 보다 심층적인 의견을 수렴하기 위해 초점집단면접(FGI)을 실시하였다. 참여자는 만족도 설문조사에서 인터뷰 참여에 동의한 학습자를 대상으로 다양한 의견을 수렴하기 위해 학년, 성별, 소속 학과를 고려하여 10명을 선정하였으며, 참여자의 일반현황은 <표 4>와 같다.
<표 4>
초점집단면접 참여자 일반 현황 (N=10)
면접은 2024년 7월 2일부터 3일까지 양일간 진행되었으며, 참여자들은 그룹별로 2명씩 팀을 구성하여 총 5회에 걸쳐 회차당 약 60분간 대면 방식으로 진행되었다. 인터뷰 문항은 학습자가 AI 기반 말하기 앱 사용 과정에서의 경험, 효과성 인식, 제언 사항 등을 중심으로 구성되었으며, 대표 문항은 “플랭 앱의 유용성은 어떠하였는가?”(학습 유형 및 내용의 적절성, 피드백의 유용성, 실제 영어 회화 능력 향상과의 연관성 포함), “학습 과정 중 가장 도움이 되었던 요소는 무엇이며, 그 이유는 무엇인가?”, “이 프로그램에서 긍정적으로 평가되는 요소와 개선이 필요한 점은 무엇인가?”, “정규 수업에 적용할 경우 보완되어야 할 사항이나 제안할 점은 무엇인가?”로 구성하였다. 문항지는 인터뷰 이전 이메일을 통해 사전 배포하여 참여자가 충분한 숙고 후 면접에 임할 수 있도록 하였다.
면접은 모든 참여자로부터 사전 동의를 받은 후 전 과정을 녹음하였으며, 이후 녹음된 음성은 ‘클로바 노트(Clova Note)’ 음성 인식 앱을 활용하여 자동으로 텍스트로 전환되었다. 전사된 자료는 연구자가 원 음성과 비교⋅대조하여 정확성을 검토한 후, 필요한 부분은 수동으로 수정하여 최종 전사본을 완성하였다. 자료 분석은 질적 분석 절차에 따라 체계적으로 이루어졌다. 연구자들은 인터뷰 문항별로 응답 내용을 반복적으로 판독하며 의미 단위를 식별하고, 해당 내용을 요약하여 초기 코드(initial codes)를 도출하였다. 이후 개방 코딩(open coding)을 실시하여 유사하거나 관련된 의미 단위를 범주화하고, 각 코드를 비교⋅통합하여 주요 범주(categories)를 도출하였다. 이와 같은 과정을 통해 학습자들이 AI 말하기 앱을 활용하며 경험한 핵심 주제와 공통 인식을 탐색하고 분석하였다.
4. 연구 결과
4.1. 전체 학습 결과
본 비교과 프로그램에는 총 91명의 학습자가 참여하였으며, 이들의 학습 수행 결과는 <표 5>와 같다. 총 3개월(92일)의 프로그램 운영 기간 동안, 하루 15분 이상 학습을 완료한 평균 일수는 50.7일로 집계되었고, 이에 따른 평균 이수율은 55.1%로 나타났다. 또한, 플랭 앱에서 자체적으로 제공되는 레벨 테스트 결과에 따르면, 프로그램 시작 시점의 평균 레벨은 288포인트였으나, 종료 시점에서는 386포인트로 상승하여, 평균 98포인트의 향상이 이루어진 것으로 확인되었다. 이와 함께, 전체 학습 기간 동안 앱을 통해 수행된 누적 학습 시간의 평균은 14시간 18분으로 나타났으며, 최소 학습 시간은 2시간 43분, 최대 학습 시간은 35시간 21분으로 집계되어, 참여자 간 학습 시간에 상당한 편차가 존재함을 확인할 수 있었다.
4.2. 학습자 만족도 조사 분석 결과
본 프로그램의 효과에 대한 학습자들의 인식을 확인하기 위해, 학습 참여도, 학습 유용성 인식, 학습 동기 유발, 수업 적용 가능성, 동료 추천 및 재참여 의향 등에 대한 만족도 조사를 하였으며 그 결과는 <표 6>과 같다. 먼저, 학습 참여도 항목에서 학습자들은 제시된 학습 목표를 달성하기 위해 적극적으로 참여했다는 응답(M=4.26, SD=.83)을 보여, 전반적으로 높은 몰입 수준을 나타냈다. AI 말하기 앱의 영어 학습에서의 유용성에 대한 인식 항목에서는, 다양한 학습 활동이 실제 영어 회화 능력 향상에 실질적으로 도움이 되었다(M=4.21, SD=.60)는 응답이 다수를 차지하였으며, 영어 학습에 대한 흥미를 유발했다(M=4.20, SD=.65)는 점에서도 긍정적 평가가 나타났다. 또한, 해당 학습 도구가 개인 수준에 적합한 콘텐츠를 제공한다(M=4.23, SD=.69)는 응답과, 학습자의 취약점을 보완하는 데 유용한 피드백을 제공한다(M= 4.15, SD=.74)는 인식도 높게 나타났다. 특히, 동료 추천 및 재참여 의향 항목에서는 가장 높은 평균값인 M=4.38 (SD=.80)로 나타나, 학습자들이 본 프로그램에 대해 전반적으로 높은 만족도를 보였음을 시사한다.
<표 6>
만족도 조사 분석 결과 (N=60)
4.3. 학습 효과성(정의적 변화) 분석 결과
AI 말하기 앱의 정의적 영역에서의 학습 효과성을 분석한 결과, <표 7>과 같이 학습 자기효능감 영역의 모든 문항에서 통계적으로 유의미한 향상이 나타났다. 특히, “나는 영어와 관련된 수업에서 어려운 내용이 제시되더라도 잘 이해할 수 있다”는 문항에서 사전 평균(M=3.32, SD=.87)과 사후 평균(M=3.77, SD=.81) 간의 차이는 0.57점으로 가장 큰 폭의 향상을 보였으며, 통계적으로도 유의미하였다(t=4.40, p<.001). 이러한 결과는 초기 레벨 진단을 바탕으로 한 맞춤형 학습 경로와 콘텐츠 제공과 점진적 난이도 상승이 학습자의 자기효능감 향상에 긍정적으로 작용했음을 시사한다.
<표 7>
학습 효과성(정의적 변화) 분석 결과 (N=60)
| No | 구분 | 문항 내용 | 사전조사 | 사후조사 | 사후-사전 | t | p | |||
|---|---|---|---|---|---|---|---|---|---|---|
|
|
|
|
||||||||
| M | SD | M | SD | M | SD | |||||
| 1 | 학습 자기 효능감 | 나는 영어와 관련된 수업에서 배우는 내용을 잘 기억할 자신이 있다 | 3.37 | .88 | 3.80 | .80 | .43 | .91 | 3.69*** | .000 |
|
|
|
|||||||||
| 2 | 나는 영어와 관련된 수업에서 어려운 내용이 제시되더라도 잘 이해할 수 있다 | 3.08 | .96 | 3.65 | .92 | .57 | 1.00 | 4.40*** | .000 | |
|
|
|
|||||||||
| 3 | 나는 영어와 관련된 수업에서 배운 내용에 관한 문제를 잘 풀 자신이 있다 | 3.32 | .87 | 3.77 | .81 | .45 | .98 | 3.55** | .001 | |
|
|
|
|||||||||
| 4 | 나는 영어와 관련된 수업에서 무엇이 중요한 내용인지 잘 구별할 수 있다 | 3.57 | .79 | 3.92 | .74 | .35 | .82 | 3.31** | .002 | |
|
|
|
|||||||||
| 5 | 나는 영어와 관련된 수업에서 배우는 내용을 쉽게 이해할 수 있다 | 3.25 | .88 | 3.70 | .89 | .45 | .91 | 3.83*** | .000 | |
|
|
||||||||||
| 6 | 수행 자기 효능감 | 나는 영어와 관련된 수업에서 나의 실력을 향상시킬 자신이 있다 | 3.95 | .75 | 3.98 | .75 | .03 | .84 | .31 | .760 |
|
|
|
|||||||||
| 7 | 나는 영어와 관련된 수업에서 시험을 잘 볼 자신이 있다 | 3.42 | .89 | 3.67 | .90 | .25 | .99 | 1.97 | .054 | |
|
|
|
|||||||||
| 8 | 나는 영어와 관련된 수업에서 좋은 성적을 받을 수 있을 것이라고 믿는다 | 3.67 | .90 | 3.72 | .92 | .05 | 1.05 | .37 | .713 | |
|
|
||||||||||
| 9 | 흥미 | 나는 영어가 재미있다. | 3.48 | .93 | 3.58 | .87 | .10 | .73 | 1.06 | .293 |
|
|
|
|||||||||
| 10 | 나는 영어수업 시간이 기다려진다. | 2.93 | 1.10 | 3.13 | .96 | .20 | .94 | 1.66 | .103 | |
|
|
||||||||||
| 11 | 자신감 | 나는 영어수업 시간에 모르는 것이 있으면 질문을 할 수 있다. | 2.83 | 1.08 | 3.42 | 1.03 | .58 | 1.01 | 4.46*** | .000 |
|
|
|
|||||||||
| 12 | 나는 영어로 발표할 때 자신감을 가질 수 있다. | 2.47 | 1.10 | 3.28 | 1.09 | .82 | 1.00 | 6.33*** | .000 | |
|
|
|
|||||||||
| 13 | 나는 교수님의 질문에 자신있게 영어로 답할 수 있다. | 2.50 | 1.19 | 3.05 | 1.05 | .55 | .87 | 4.89*** | .000 | |
|
|
||||||||||
| 14 | 불안 | 나는 영어수업 시간이 되면 마음이 불안하다. | 2.97 | 1.13 | 2.67 | 1.10 | -.30 | 1.25 | -1.85 | .069 |
|
|
|
|||||||||
| 15 | 나는 영어수업에서 학습활동이 틀리면 매우 부끄럽다. | 3.42 | 1.15 | 3.17 | 1.21 | -.25 | 1.13 | -1.71 | .092 | |
|
|
|
|||||||||
| 16 | 나는 영어로 발표할 때 매우 떨린다. | 4.13 | .95 | 3.85 | .94 | -.28 | 1.14 | -1.93 | .058 | |
반면, 수행 자기효능감의 경우 평균 점수는 소폭 향상되었으나, 통계적으로 유의미한 변화는 확인되지 않았다. “영어 수업에서 시험을 잘 치를 자신이 있다”, “좋은 성적을 받을 수 있다고 믿는다” 등의 문항에서 평균 차이는 .03~.25점 수준으로, AI 기반 학습 도구의 활용이 수행적 측면의 자기효능감 향상에는 제한적인 영향을 미쳤을 가능성을 보여준다.
자신감 영역에서는 모든 문항에서 유의미한 결과가 나타났다. 특히, “나는 영어로 발표할 때 자신감을 가질 수 있다”는 문항의 사전 평균(M=2.47, SD=1.10)과 사후 평균(M=3.28, SD=1.09) 간의 차이는 0.82점으로, 전체 문항 중 가장 큰 변화 폭을 보였으며, 통계적으로도 유의미하였다(t=6.33, p<.001). 이는 AI 말하기 앱이 제공하는 1:1 프리토킹과 반복 연습 기회가 학습자의 말하기 자신감 향상에 실질적인 영향을 미쳤음을 시사한다.
마지막으로, 불안 영역에서는 모든 문항에서 평균 점수가 감소하는 경향을 보였으나, 통계적으로 유의미한 차이는 확인되지 않았다. 예를 들어, “나는 영어 수업 시간이 되면 마음이 불안하다”는 문항은 -0.30점의 감소를 보였으나 통계적으로는 유의하지 않았으며, “나는 영어로 발표할 때 매우 떨린다”는 문항도 -0.28점의 감소에 그치고 있어 영어 발표 상황에서의 불안감은 상당 수준 유지되고 있음을 보여준다. 이 결과는 AI 말하기 앱이 불안감 완화를 위하여 일정 부분 기여했을 수 있으나, 고도의 정서적 요인을 근본적으로 해소하기에는 한계가 있음을 의미한다.
4.4. 초점집단면접 분석 결과
초점집단면접(FGI)을 통해 도출된 학습자들의 반응을 분석한 결과, AI 말하기 앱에 대한 전반적인 인식은 긍정적인 것으로 나타났다. 학습자들은 특히 본 앱이 제공하는 개인 수준에 맞춘 맞춤형 콘텐츠 구성, 실제 상황을 반영한 회화 연습 및 발음 교정 기회, 부적절한 표현에 대한 AI의 즉각적인 피드백, 그리고 영화⋅드라마 기반의 흥미 유발형 학습 콘텐츠에 대해 높은 만족감을 표현하였다. 이러한 요소들은 학습자들의 영어에 대한 거부감을 낮추고, 자발적인 반복 학습을 유도하는 동기 요인으로 작용한 것으로 해석된다. 정규 교과에의 적용 가능성에 대해서도 학습자들은 다양한 의견을 제시하였다. 다수의 참여자들은 해당 앱을 정규 수업에 연계하여 활용할 경우, 개인별 말하기 역량을 보완하고, 실제 수업에서 부족했던 말하기 기회를 확장할 수 있는 보조 수단이 될 수 있다고 평가하였다. 특히 1:1 프리토킹 기능과 반복적 학습 환경은 정규 수업 내 말하기 훈련의 제약을 보완하는 도구로 기능할 수 있음을 강조하였다. 반면, 일부 참여자들은 해당 앱의 정규 수업 내 활용이 학습 부담 증가에 대한 우려를 표명하였다. 이들은 앱 활용이 또 다른 과제처럼 인식될 가능성이 있으며, 이에 따라 학습자에게 부담을 줄 수 있다는 우려도 함께 표명하였다. 특히 정규 수업에 도입될 경우, 명확한 학습 목표와 평가 기준 없이 활용된다면 오히려 학습자의 혼란을 초래할 수 있다는 점이 지적되었다.
4.4.1. 학습자 수준별 맞춤형 학습 제공
참여자들은 AI 말하기 앱이 제공하는 수준별 맞춤형 콘텐츠가 학습 지속성과 몰입도 향상에 실질적으로 기여하였다고 인식하였다. 특히 프로그램 초기 단계에서 실시된 레벨 테스트를 통한 실력 진단과 이에 따른 개별화된 학습 경로 제공은 학습자의 영어에 대한 심리적 장벽을 낮추고, 거부감이나 조기 포기 가능성을 줄이는 요인으로 작용한 것으로 나타났다. 참여자는 자신의 수준에 적합한 난이도와 콘텐츠로 학습이 시작되었기 때문에 학습에 몰입할 수 있었다고 응답하였으며, 매일 반복 학습으로 인해 영어에 대한 부담감이 감소하였다고 진술하였다. 이러한 결과는 AI 말하기 앱의 적응형 학습(adaptive learning) 구조가 학습자의 인지적 부담을 완화하는 동시에, 자기효능감, 흥미, 자신감 등 정의적 영역의 긍정적 변화 촉진에 기여하였음을 시사한다.
4.4.2. 실제 상황과 유사한 회화 연습 가능성
학습자들은 AI 말하기 앱이 제공하는 1:1 대화 기능을 통해 외국인과 실제로 대화하는 것과 유사한 경험을 할 수 있었다고 인식하였다. 이와 같은 시뮬레이션 기반 회화 연습 환경은 학습자의 회화 능력 및 발음 향상에 실질적인 도움이 되었으며, 반복 학습을 통해 영어에 대한 흥미와 자신감을 동시에 증진시켰다는 응답이 다수 확인되었다. 특히, 대화 상대에 대한 심리적 부담 없이 자유롭게 발화할 수 있다는 점은 실생활, 여행, 프레젠테이션 상황에서의 언어 수행력 향상에 대한 기대감으로 이어졌다. 학습자들은 완벽한 문장을 구사하지 못하더라도 일단 말해보는 시도를 지속하는 과정에서 점차 자신감을 얻게 되었으며, 영어 발표나 실제 회화 상황에서도 긴장감을 완화하는데 도움이 되었다는 인식이 공유되었다. 이러한 결과는 AI 말하기 앱이 현재 대학 영어 수업에서 제기되는 발화 기회의 부족, 개별 피드백의 어려움, 학습자의 불안감과 같은 학습 환경의 한계를 보완할 수 있는 효과적인 학습 도구로 기능할 수 있음을 시사한다.
진짜 외국인이랑 대화하는 느낌으로 공부할 수 있어서 실제로 회화하는 데 꽤 도움이 됐어요(참여자 A).
처음엔 말하다가 자꾸 끊기고 다시 말하고 그랬는데, 나중엔 문장이 완벽하진 않아도 일단 말해보는 식으로 하다 보니까 자신감이 붙더라고요(참여자 D).
외국인이랑 말할 일이 별로 없다 보니까 자신감이 없었는데, 이 시스템 덕분에 영어로 말하는 연습을 많이 하게 되고, 나중에 발표할 때도 덜 긴장하고 말할 수 있을 것 같아요(참여자 E).
영어에 흥미도 생겼고, 특히 마지막에 업데이트된 회화 기능이 진짜 만족스러웠어요(참여자 B).
1년 동안 매일 꾸준히 하면, 여행 가서 간단한 건 자신 있게 말할 수 있을 것 같아요(참여자 I).
4.4.3. AI를 통한 즉각적인 피드백 제공
AI 말하기 앱의 실시간 피드백 기능은 학습자가 언어 사용 오류를 빠르게 인식하고 수정할 수 있도록 돕는 핵심 요소로 작용하였다. 문법, 어휘, 발음 등 다양한 영역에 대한 구체적인 피드백은 오류 인식 능력과 자기조절 학습 전략 향상에 긍정적인 영향을 미쳤다. 학습자들은 특히 자신의 약점을 명확히 파악할 수 있다는 점에서 이 기능의 실용성과 만족도가 높다고 평가하였다. 발음 피드백은 단어와 문장 단위의 정확도를 수치화하여 제시함으로써, 객관적인 자기 평가와 보완 학습을 가능하게 하였으며, 흥미 있는 문장과 실제 활용 가능한 표현 중심의 피드백은 학습 동기와 지속성 유지에 도움이 되었다. 이러한 AI 기반 맞춤형 피드백은 교수자가 개별 학습자에게 실시간 피드백을 제공하기 어려운 대학 영어 수업 환경을 보완하며, 말하기 능력 향상과 정의적 영역 개선에 효과적인 교수학습 도구로서의 가능성을 보여준다.
AI랑 대화하면서 제가 실제로 쓸 수 있는 문장에서 어떤 부분이 어색한지 바로 알 수 있어서 그게 제일 좋았어요(참여자 B).
데일리 프리토킹으로 그냥 자유롭게 말하면 AI가 문법 같은 걸 적절하게 고쳐줘서 꽤 유용했어요(참여자 C).
내 발음에서 뭐가 틀렸는지 바로 알 수 있었고, 원어민들이 실제로 쓰는 단어나 표현을 알 수 있어서 좋았어요(참여자 E).
발음 교정할 때 부족한 부분을 알려주는 영상이 나와서, 관련된 발음이나 단어도 같이 제시해주니까 ‘아 이렇게 연습해야겠다’ 하고 스스로 훈련할 수 있어서 발음 교정에 진짜 도움이 됐어요(참여자 J).
4.4.4. 흥미와 재미를 유도하는 다양한 학습 콘텐츠 제공
참여자들은 AI 말하기 앱이 제공하는 다양한 멀티미디어 콘텐츠가 영어 학습에 대한 흥미와 몰입도를 높이는 데 크게 기여했다고 인식하였다. 특히 영화, 드라마, 브이로그와 같은 실생활 기반 영상 자료의 활용은 기존의 교재 중심 학습과는 차별화된 학습 경험을 제공했으며, 현실감 있는 언어 사용 환경을 통해 자연스럽게 영어 표현을 체득할 수 있었다는 점에서 긍정적으로 평가되었다. 이러한 콘텐츠들은 반복적인 발화 연습과 함께 구성되어 학습자들의 학습 지속성과 동기 유발을 동시에 자극하였고, 특히 실생활 회화 중심의 문장 구성과 흥미로운 주제 선택은 자발적인 학습 참여를 유도하는 요소로 작용하였다. 또한 영상 강의에서 시각적 이미지(예: 화살표, 그림, 강조 표시 등)를 활용한 설명 방식은 학습자들이 문법 구조나 표현의 의미를 직관적으로 이해하고 기억하는 데 효과적이었다고 인식되었다. 이와 같은 결과는 AI 기반 학습 도구가 단순한 언어 입력 환경을 넘어, 감각적⋅인지적 흥미를 유도하는 다채로운 콘텐츠 설계를 통해 학습 몰입도를 높일 수 있음을 시사한다.
4.4.5. 정규 수업의 보조적 수단으로서의 활용 가능성
참여자들은 AI 말하기 앱의 정규 수업 도입 가능성에 대해 전반적으로 긍정적인 기대와 실용적 가치를 인정하면서도, 운영상 발생할 수 있는 부담과 혼란에 대한 현실적 우려도 함께 제기하였다. 기존의 교양 영어 수업이 문법 및 작문 중심으로 운영되어 말하기 기회가 제한적이라는 점을 지적하며, 해당 앱을 과제 형태로 병행 활용할 경우 회화 역량 향상에 효과적일 수 있다는 의견을 제시하였다. 특히, 학습자의 개별 수준에 맞는 보충 학습 수단으로 AI 말하기 앱을 활용한다면, 기존 수업의 한계를 보완할 수 있을 것이라는 기대를 드러냈다. 그러나 한편으로는 AI 시스템의 지속적인 사용 요구가 오히려 학습 부담으로 작용할 가능성에 대해 우려도 나타났다. 해당 앱이 매일 학습을 전제로 설계되어 있다는 점에서, 정규 수업의 주간 단위 운영 체계 간의 간극이 발생할 수 있으며, 이로 인해 학습 목표 설정이나 평가 기준의 명확성이 확보되지 않을 경우 오히려 참여 의욕이 저하될 수 있다는 점을 지적하였다. 이러한 내용은 결과적으로, AI 말하기 앱이 보조적 수단으로의 활용 가능성은 높지만, 수업 주차별 학습량 조절, 과제의 자율성 확보, 피드백 구조 정립 등 제도적⋅운영적 측면의 보완이 필요하다는 점에서 신중한 도입 전략이 요구된다.
그냥 숙제처럼 혼자 하는 것보다, 앱을 활용해서 수업 시간에 과제로 내주면 훨씬 더 공부하는 데 도움이 될 것 같아요(참여자 G).
교양 영어 수업은 회화 할 기회가 좀 부족한데, 거기에 같이 쓰면 좋을 것 같아요(참여자 F).
근데 실제 수업에서 지금처럼 앱을 매일 써야 한다면… 그냥 과제만 늘어난 느낌이 들어서 부담스러울 수도 있을 것 같아요(참여자 H).
수업 과제로 들어간다고 하면, 학습 기준이 좀 애매할 것 같아요. 원래는 매일 하는 시스템인데, 수업은 보통 일주일에 두 번이잖아요. 그럼 어떻게 조율해야 할지 좀 헷갈릴 것 같아요(참여자 J).
5. 결론 및 제언
5.1. 결론
본 연구는 AI 말하기 앱을 활용한 영어 비교과 프로그램을 운영하고 그 효과성을 실증적으로 분석하여, 대학 교양 영어 교육의 구조적 한계와 학습자의 정의적 요구를 보완할 방안을 탐색하고자 하였다. 먼저 본 비교과 프로그램의 학습 결과를 분석한 결과, 평균 이수율은 55.1%, 평균 학습 지속 일수는 50.7일로 나타나, 자율적 학습 환경에서도 일정 수준 이상의 학습 지속성과 몰입이 유지되었음을 확인할 수 있었다. 또한, AI 말하기 앱의 레벨 테스트 결과 평균 98포인트 상승이 관찰되어, 실제 말하기 역량 향상에도 긍정적인 효과를 미친 것으로 해석된다. 특히 전체 학습 시간은 평균 14시간 18분이었으며, 최소 2시간 43분에서 최대 35시간 21분까지 참여자 간의 편차가 크게 나타났다. 이는 학습자의 자기주도성 및 개별 학습 전략에 따라 투입 시간과 결과에 차이가 존재함을 시사하며, 향후 학습 지속성 향상을 위한 동기 유발 전략 및 개별화 피드백 설계의 필요성을 보여준다.
학습자 만족도 분석 결과, 전반적으로 AI 말하기 앱을 활용한 프로그램에 대해 높은 수준의 몰입과 긍정적 인식이 확인되었다. 학습자들은 제시된 목표 달성을 위해 적극적으로 참여하였으며, AI 앱의 다양한 학습 방식이 실제 영어 회화 능력 향상에 실질적인 도움이 되었다는 평가를 내렸다. 또한 콘텐츠의 적합성과 피드백의 유용성에 대해서도 높은 평가가 이루어졌으며, 특히 프로그램에 대한 재참여 및 타인 추천 의향이 가장 높게 나타난 점은 학습자들이 본 프로그램을 자기주도 학습 도구로서 신뢰하고 만족하고 있었음을 의미한다. 이러한 결과는 AI 말하기 앱이 단기적인 학습 효과뿐 아니라, 지속적인 학습 동기 유발과 자발적 반복 학습을 촉진하는 데 효과적임을 시사하며, 정규 영어 수업에서도 보완적 도구로서 활용될 가능성을 뒷받침한다.
AI 말하기 앱 활용의 정의적 영역에 미치는 효과를 분석한 결과, 학습 자기효능감과 말하기 자신감 영역에서 통계적으로 유의미한 향상이 확인되었다. 특히, 개인별 수준에 맞춘 적응형 콘텐츠와 반복적 발화 경험이 학습자의 자기 신뢰 형성과 자발적 참여 유도에 긍정적인 영향을 미친 것으로 해석된다. 이는 정규 영어 수업에서 말하기 불안이나 자신감 부족으로 인해 소극적이었던 학습자들에게 보완적 환경을 제공할 수 있다는 실질적 가능성을 보여준다. 반면, 수행 자기효능감과 불안 영역에서는 평균 점수의 변화는 있었으나 통계적으로 유의미한 수준에는 도달하지 못했다. 이는 AI 기반 학습 도구가 학습자의 말하기 연습과 자기효능감 향상에는 긍정적 효과를 보였지만, 평가 상황에서의 성취 기대감이나 발표 불안과 같은 정서적 불안 해소에는 상대적으로 제한적인 영향을 미쳤음을 의미한다. 즉, AI 학습 도구만으로는 평가에 대한 심리적 압박이나 완벽한 발화를 요구받을 때 발생하는 긴장감을 충분히 완화하기 어려움을 보여준다. 따라서 향후 정규 수업에 도입할 때 기술적 시스템 제공에 그치지 않고, 교수자가 학습자의 불안을 완화할 수 있는 정서적 지원 전략을 병행할 필요가 있음을 시사한다.
마지막으로 FGI 분석 결과, AI 말하기 앱 활용 경험에 대한 학습자의 인식은 5가지 주제로 범주화되었다. 첫째, ‘수준별 맞춤형 학습 제공’으로 학습자들은 초기 레벨 진단과 이에 기반한 적응형 학습 경로 제공이 자신의 영어 수준에 적합한 학습 환경을 조성해 주었다는 점에서 높은 만족을 보였다. 이는 학습자의 과도한 부담을 줄이고, 포기 없이 꾸준한 학습을 유도하는 기제로 작용했으며, 반복 학습에 대한 자발적 참여를 가능하게 하는 기반이 되었다. 이와 같은 개인화된 학습 설계는 정의적 영역의 안정성과 몰입 향상에도 긍정적인 영향을 미친 것으로 해석된다. 둘째, ‘실제 상황과 유사한 영어 회화 연습 가능성’으로 AI와의 1:1 대화 기능은 실제 외국인과의 대화 경험에 근접한 몰입도 높은 회화 연습 환경을 제공하였으며, 학습자의 말하기 자신감과 의사소통 역량 향상에 기여한 것으로 나타났다. 심리적 부담 없이 자유롭게 발화할 수 있다는 점은, 학습자의 불안을 낮추고 실제 회화, 발표, 여행 등 실용적 맥락에서의 언어 수행력에 대한 기대감으로 이어졌다. 셋째, ‘AI를 통한 즉각적인 피드백 제공’으로 실시간 피드백 기능은 문법, 발음, 어휘 오류를 구체적으로 교정해 주는 방식으로 제공되어, 학습자의 오류 인식 능력과 자기조절 학습 태도 향상에 효과적이었다. 특히 발음 피드백에 대한 만족도가 높았으며, 피드백을 기반으로 학습자가 자신의 약점을 반복적으로 연습하고 개선해 나가는 과정이 자연스럽게 이루어졌다. 이는 교수자가 실시간 개별 피드백을 제공하기 어려운 대학 영어 수업의 한계를 보완할 수 있는 요소로 기능하였다. 넷째, ‘흥미와 재미를 유도하는 다양한 학습 콘텐츠 제공’으로 AI 말하기 앱에서 제공하는 영화, 드라마, 브이로그 등 실생활 기반 영상 콘텐츠는 전통적 교재 중심 수업에서 경험하기 어려운 현실감 있는 언어 노출 환경을 제공하였다. 시각 자료를 활용한 문법 설명이나 반복 연습 중심의 회화 구성은 학습자의 흥미와 학습 지속성 강화에 기여하였으며, 일부 학습자들은 이러한 콘텐츠를 통해 영어 청취 습관 변화나 자발적 학습 태도의 전환을 경험했다고 인식하였다. 마지막으로 ‘정규 수업의 보조적 수단으로서의 활용 가능성’으로 학습자들은 AI 말하기 앱이 정규 수업에서 말하기 활동의 제약을 보완할 수 있는 실용적 보조 수단으로 기능할 수 있다고 평가하였다. 특히 개별 역량 보완, 회화 중심 과제 설계, 자기주도 학습 연계 가능성에 대한 기대가 확인되었다. 다만, 일일 학습 구조와 정규 수업 운영 간의 간극, 평가 기준의 모호성, 학습 부담 증가에 대한 우려도 제기되었다. 따라서 수업 내 도입 시에는 학습량 조절, 과제의 자율성 확보, 평가 방식 정립 등 제도적⋅운영적 설계가 병행되어야 한다는 점이 강조되었다.
이상의 연구 결과는 AI 활용이 영어 말하기 능력과 정의적 태도에 유의미한 향상을 가져온다는 다수의 선행 연구(진승희, 2022; Guo & Wang, 2025; Kundu & Bej, 2025; Zhang, Meng, & Ma, 2024) 결과와 일치한다. 그리고 이러한 연구 결과에 비추어 AI 말하기 앱은 단순한 보조 도구를 넘어, 대학 영어 교육의 구조적 한계를 보완하고 학습자의 인지적⋅정의적 변화를 동시에 충족시킬 수 있는 유의미한 교수학습 매체로 기능할 수 있음을 확인할 수 있었다. 특히 자발적 반복 학습을 유도하는 설계, 수준별 맞춤형 콘텐츠, 즉각적 피드백 기능, 몰입감 있는 콘텐츠 제공은 교양 영어 수업에서 부족하다고 지적된 말하기 기회의 제약, 피드백의 부재, 낮은 학습 동기와 자신감 문제를 효과적으로 보완할 수 있는 교육적 가능성을 보여준다. 나아가 교양 영어교육이 단순한 언어 지식 전달을 넘어, 글로벌 의사소통 역량과 문화적 감수성, 평생학습 기반 역량을 함양하고자 한다는 점에서, AI 기반 교수학습 도구의 활용은 교양교육의 본질적 목적 실현에도 기여할 수 있는 교육적 수단으로 작용할 수 있다. 즉, AI 기반 학습 도구는 기술적 보조 도구를 넘어 교양기초 교육의 핵심 목표인 학습자의 실용적 의사소통 능력과 자기주도적 학습 태도 형성을 적극적으로 지원할 수 있는 실천적 전략으로 평가된다. 다만 정규 수업에의 적용을 위해서는 학습량 조절, 평가 연계, 수업 내 활용 맥락의 설계 등 제도적 기반 마련과 교수자 중심의 전략적 도입 설계가 병행되어야 할 것이다.
5.2. 제언
본 연구 결과를 바탕으로 정규 교양 영어 수업에서 AI 기반 학습 도구의 활용을 위한 교수학습 방안을 제안하면 다음과 같다. 첫째, AI 말하기 앱을 정규 수업의 교수학습 방법에 통합하여, 실제 수업 활동을 보조하는 AI 조교로 활용하는 방안이 필요하다. 특히 말하기 앱의 업그레이드가 지속해서 이루어짐에 따라 교수자는 대규모 수업 환경에서도 모든 학습자의 수행을 일일이 점검하지 않고도 실시간으로 발화 및 작문에 대한 피드백을 제공할 수 있다. 읽기, 쓰기, 말하기 학습을 교실 수업에 적용할 수 있도록 지원하며, 교수자는 수업에 적합한 학습 활동을 선정하여 활용한 후, 학습자 대시보드를 통해 개별 학습 현황을 모니터링하고, AI의 자동 분석 데이터를 바탕으로 맞춤형 지도를 수행할 수 있다. 이러한 말하기 앱은 교실 수업의 효율성과 개별화 수준을 동시에 향상하며, 교수자의 역할을 보조하는 AI 기반 수업 보조 체제로서의 실질적 가능성을 제시한다. 결과적으로, AI 말하기 앱은 전통적인 교수학습 환경의 제약을 극복하고, 더욱 정밀하고 지속적인 피드백 기반 수업 운영을 가능하게 하는 효과적인 교수학습 도구로 기능할 수 있다.
둘째, AI 말하기 앱의 특성을 활용하여 수업의 전⋅중⋅후(pre-in-post class) 단계가 유기적으로 연계된 플립드러닝 수업 구조를 설계할 수 있다. 구체적으로 수업 전 단계에서는 학습자가 AI 말하기 앱을 활용하여 주제 관련 동영상 강의 수강, 쉐도잉 훈련, 단어 및 표현 예습 등의 활동을 수행함으로써 기초 개념을 사전에 내면화하고 영어에 대한 자신감을 높일 수 있다. 수업 중에는 사전 학습을 바탕으로 한 토의, 인터뷰, 롤 플레이 등의 심화 활동을 통해 실제적 언어 사용 능력을 확장할 수 있다. 수업 후에는 AI 피드백 기반의 반복 학습, 개인별 수준에 따른 자기주도적 학습을 통해 학습 내용을 정교화하고 완성도를 제고할 수 있다. 이러한 수업의 전⋅중⋅후를 연계하는 플립드러닝 수업 구조는 영어 말하기 능력 향상에 핵심적인 반복 노출과 즉각적 피드백을 가능하게 하며, 학습자의 자기주도성, 학습 지속성, 정의적 영역의 수준을 전반적으로 향상시키는 실천적 교수학습 전략으로서의 적용 가능성이 높다.
셋째, AI 말하기 앱을 정규 수업에 효과적으로 통합하기 위해서는 해당 도구의 운영 방식과 학습자의 수용 수준을 고려한 유연한 평가 체계 및 운영 가이드 라인의 수립이 필요하다. 본 연구에 참여한 일부 학습자들은 AI 말하기 앱이 정규 수업에 도입될 경우, 매일 수행 기반의 앱 구조가 정규 수업 내에서는 과제 부담으로 작용할 수 있음을 우려하였으며, 평가 기준의 불명확성에 따른 공정성 문제도 제기하였다. 따라서 AI 말하기 앱의 장점을 수업에 효과적으로 통합하기 위해서는, 명확하고 수용가능한 평가 기준 마련이 선행되어야 함을 시사한다. 따라서 교수자는 수업 주차별 학습 목표와 연계된 활동을 사전에 설계하고, 주차별 최소 학습 시간 또는 수행 횟수 기준을 명확히 제시함으로써 학습자에게 실현 가능한 목표를 제공할 필요가 있다. 또한, 앱에서 자동 수집되는 정량적 학습 데이터(예: 누적 학습 시간, 발화 정확도, 과제 수행률, AI 피드백 반영률 등)를 기반으로 평가 루브릭을 구성하여 학습자의 수행을 객관적이고 투명하게 평가할 수 있도록 해야 한다. 이러한 유연한 평가 체계는 학습자의 평가 부담을 완화함과 동시에 교수자의 주관적 평가 편차를 최소화하고, AI 기반 학습의 신뢰도와 정당성을 확보하는 데 기여할 수 있을 것이다.
지금까지 제안한 방안은 AI 기반 학습 도구의 기술적 가능성을 수업 맥락에 정합적으로 통합하는 전략이며, 교양 영어 교육의 실효성 제고와 교수자 업무 경감, 학습자 정의적⋅인지적 역량 강화라는 측면에서 실천적 가치가 크다고 할 수 있다. 마지막으로 본 연구가 가진 한계점과 향후 연구를 위한 제언은 다음과 같다. 첫째, 본 연구는 한 학기 동안 운영된 비교과 프로그램에 참여한 일부 학생들을 대상으로 한 제한된 규모의 사례연구이므로, 연구 결과를 일반화하기에는 한계가 있다. 다양한 전공, 학년, 영어 수준의 학생들을 포괄하는 확장된 표본 기반의 후속 연구가 필요하며, 특히 정규 교과목 내에서의 적용 효과를 검증하는 실험적 연구가 요구된다. 둘째, 본 연구는 정의적 반응과 학습자 인식 중심의 질적 분석에 초점을 두었으며, 실제 영어 말하기 능력 향상 정도에 대한 객관적인 언어능력 평가 데이터는 포함되지 않았다. 향후 연구에서는 AI 기반 학습 도구 사용 전후의 말하기 능력 변화에 대한 정량적 평가를 병행함으로써 학습 효과를 보다 명확히 검증할 수 있을 것이다. 셋째, 본 연구는 AI 기반 학습 도구의 활용이 학습자에게 미치는 긍정적 영향에 초점을 두었으나, 기술 의존에 대한 우려, 피로감, 지속성 문제 등 부정적 측면은 충분히 다루지 못하였다. 향후 연구에서는 AI 기반 학습의 장⋅단점을 균형 있게 분석하고 면밀히 검토할 필요가 있다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
