1. 서론
이 연구는 외국인 학부생들이 문학 텍스트 기반의 한국어 말하기 활동에서 겪는 언어⋅문화적 장벽을 대화형 인공지능(Conversational AI)의 언어 모델링(Language Modeling) 기능으로 보완할 수 있는지를 살피는 데에 목적이 있다.
최근 인공지능(AI) 기술의 발전은 교육 분야, 특히 언어 교육에 새로운 가능성을 제시하고 있다. 대화형 AI는 사람과 자연스럽게 대화할 수 있도록 설계된 인공지능 시스템을 의미하는데, 특히 ChatGPT와 같은 생성형 AI는 학습자와의 상호작용을 통해 언어 학습을 지원하는 도구로 주목받고 있다. 한국어교육에서는 학습자의 발화 유도, 표현 제안, 사고 확장 등의 측면에서 이러한 AI 기술이 말하기 교육에 실질적인 기여를 할 수 있을 것으로 기대하고 있다. 김형민(2023), 한송희(2023) 등의 연구에서는 ChatGPT를 활용한 말하기 활동이 한국어 학습자에게 효과적임을 밝혔으며, 오선경(2023)에서는 쓰기 활동에서도 글쓰기 과정의 효율성을 향상시키고 다양한 자료의 정보를 제공한다는 점에서 장점이 있음을 보여 주었다.
본 연구에서 살펴볼 외국인 학부생 대상의 문학 교육은 언어와 문화의 통합적 접근을 가능하게 하며, 학습자의 비판적 사고와 표현 능력을 신장시키는 데에 효과적인 교육 방법으로 평가받고 있다(신영지, 2016; 김미정, 2021 등). 그러나 외국인 학부생의 경우, 문학 텍스트에 대한 배경지식의 부족, 고급 어휘의 난해함, 문화적 맥락 이해의 어려움 등으로 인해 문학을 기반으로 한 말하기 활동에 어려움을 겪는 경우가 많다. 문학 수업은 단순히 문학 텍스트를 읽고 이해하는 데에 그치지 않고, 다양한 확장 활동을 통해 이해 정도를 확인하고 학습자들의 사고력과 표현력을 증진하는 데에 기여할 수 있어야 한다. 그러나 외국인 유학생들의 경우에는 문학 수업에서 자신의 생각을 구성하고 표현하는 데에 필요한 언어적 자원이 충분하지 않아 발화 시작 자체를 주저하는 경향이 더욱 두드러진다.
이에 본고는 외국인 학부생의 문학 토론 수업에서 대화형 AI의 언어 모델링 기능이 어떻게 학습자들을 도울 수 있는지를 살피기 위하여 다음의 연구 문제를 중심으로 연구를 진행하였다.
연구 문제의 해결 과정을 통하여 외국인 학부생 대상의 문학 텍스트 기반의 말하기 교육에서 대화형 AI의 언어 모델링 기능이 교육적으로 갖는 의미를 조명하고, 실제 수업에 적용 가능한 방안을 살펴볼 것이다. 이를 통해 문학 교육과 인공지능 기술이 결합된 한국어교육의 새로운 가능성을 제시하고, 교수자와 학습자 모두에게 실질적인 시사점을 제공할 수 있기를 기대한다.
2. 이론적 배경
2.1. 대화형 AI와 언어 모델링
대화형 AI는 인간의 자연스러운 언어와 유사한 수준의 상호작용을 통해 학습자의 발화 참여를 유도하고, 다양한 표현 예시를 제공하며 언어 사용에 대한 피드백을 제공할 수 있다(De la Vall, R. R. F., & Araya, F. G., 2023)는 점에서 한국어교육 현장에서도 논의가 활발히 이루어지고 있다.
코로나19 이후 한국어교육에는 다양한 온라인 교육 도구가 활용되기 시작하였고, OpenAI에서 개발한 ChatGPT가 2022년 11월 서비스를 시작하면서 한국어교육자들도 ChatGPT를 교육에 활용할 수 있는 방안들을 고민하기 시작하였다(김혜숙 외, 2024; 지혜영 외, 2024). GPT-3.5 모델에서는 한국어 표현의 어색함이 자주 지적이 되었지만 GPT-4모델에서는 문맥 이해나 문법 등이 자연스러워졌고, 한국어의 경어법 처리에서도 정확성이 높아지고 있다. 이처럼 한국어교육에 AI가 활용되면서 학습자들은 시공간을 초월하여 개인화된 학습을 할 수 있게 되었고, 실시간으로 자신의 구어 혹은 문어 산출물에 대한 피드백을 받을 수 있게 되었다. 이는 즉각적 수정을 통해 잘못된 습관이 고착되는 것을 조기에 막을 수 있고, 자신의 발전 정도를 확인해 어떤 부분에 개선이 필요한지를 명확히 이해할 수 있다. 또, 정의적 측면에서는 두려움이나 부끄러움 없이 반복적으로 학습할 수 있다는 이점을 주고 있다1).
이러한 여러 장점 가운데 언어 학습에서 주목해야 하는 것은 대화형 AI가 대화 시뮬레이션과 같은 언어 모델링을 제공한다는 것이다. 언어 모델링은 과거의 단순한 자동화된 응답을 넘어서 언어 생성 및 조절 능력을 포함하고 있으며 학습자에게 실질적인 언어 사용의 모범을 제공한다.
언어 모델링(Language Modeling)이란, 주어진 언어적 맥락 내에서 다음에 올 단어나 문장을 예측하거나 생성하는 기술을 의미한다. AI 언어 모델은 대규모 언어 데이터를 기반으로 학습되어 문법적 구조, 담화 흐름, 주제 연관성 등을 고려하여 적절한 언어 출력을 생성할 수 있다(임수종, 이숙의, 2023). 예를 들어, “오늘 날씨가 너무 ( ).”라는 발화를 입력했을 때 대화형 AI는 대규모 데이터를 바탕으로 확률적으로 가장 자연스러운 다음 단어 즉, ‘좋다’, ‘춥다’, ‘화창하다’ 등을 생성해서 제시하는데 이것이 바로 언어 모델링의 예이다. 대화형 AI가 제공할 수 있는 언어 모델링은 앞선 예와 같이 어휘를 제시하기도 하고, 담화 표지와 같은 문장 구조 모델링, 주장과 근거, 예시 들기와 같은 담화 모델링, 질문에 대한 답을 제공하는 사회적 상호작용 모델링, 배경지식을 보완하거나 맥락의 의미 이해를 제공하는 문화적 맥락 모델링 등이 가능하다. 언어 모델링은 단어 예측 기술 이상으로 학습자들에게 어떻게 말해야 하는지에 대한 언어적 모델을 제공하기 때문에 언어 학습자들에게 조력자의 역할을 해 줄 수 있다(Son, J., Ružić, N. & Philpott, A., 2023).
전통적인 언어 교육에서는 교사가 학습자에게 모범적인 언어 사용의 예시(Model Language)를 제공함으로써 학습자의 언어 습득을 도왔다. 언어 교육에서 ‘모델링’은 사회문화적 이론에서 제안된 개념으로, 학습자가 타인의 언어 수행을 관찰하고 이를 내면화하여 자신의 발화에 적용하는 과정을 의미한다(Vygotsky, 1978). 비고츠키(1978)는 학습자가 혼자서는 수행할 수 없지만 더 유능한 타인의 도움을 받으면 수행 가능한 ‘근접 발달 영역((Zone of Proximal Development, ZPD)’이 존재하는데, 비계(scaffolding)의 하나로 언어 사용의 구체적인 모범을 제시하면 학습자들은 자신의 ZPD 내에서 점차적으로 발화 능력을 높일 수 있다고 하였다. 이에 한국어교육에서도 교수자 혹은 상위 수준의 동료 학습자의 언어 모델링 역할에 대해서 꾸준히 연구가 진행되었다(진영아, 2017; 임진숙, 2017, 이효정, 2020; 김지연, 2020; 박정하, 2023 등). 대화형 AI는 과거 교수자나 동료 학습자가 했던 언어 모델링의 역할을 학습자의 발화 전 또는 중간에 적절한 언어 자료를 제시함으로써 디지털 방식으로 수행하는 것이다.
2.2. 한국어 말하기 수업에서의 대화형 AI 언어 모델링의 역할
한국어 말하기 수업에서 대화형 AI의 언어 모델링 기능은 학습자의 발화를 유도하고 표현을 확장하며, 사고의 조직을 돕는다는 점에서 효과적이다. 또한 무엇을 어떻게 말해야 하는지 불안감을 느끼는 학습자들에게는 불안감을 낮추어 주는 기능까지 한다. 박지희(2023), 이은진(2025), 서지혜(2022), 박문경(2025), 심은지, 유훈식(2019), 박소연(2024) 등의 논의에 따르면 AI는 한국어 말하기 수업에 다음과 같은 역할을 한다.
첫째, 언어적 입력(input) 제공자의 역할을 한다. 학습자가 표현할 어휘나 문장을 몰라서 말하기를 시작하지 못할 때, AI는 적절한 예시 문장을 제공하여 발화를 시작할 수 있도록 돕는다. 이는 발화 시작의 부담을 줄이는 역할까지 포함된다.
둘째, 담화 구조의 모범을 제시한다. 말하기 수업에서의 발화는 단어의 나열이 아니라 생각을 논리적으로 조직하는 연습이다. AI는 주제 발언, 근거 제시, 결과 도출과 같은 담화 구조를 제시할 수 있고, 이때 필요한 한국어 담화 표지도 제공할 수 있다.
셋째, 문화적 맥락의 해석을 도와준다. 자료를 기반으로 한 말하기나 토론 활동에서는 배경지식이 부족하거나 문화에 대한 이해가 부족한 경우, 발화의 어려움을 겪게 된다. AI는 자료의 배경이나 논점, 관련한 다양한 의견 등을 설명해 주는 맥락 보완의 도구가 될 수 있다.
넷째, 반응 생성 및 상호작용을 유지하는 기능을 도와준다. 대화형 AI는 학습자의 발화에 대해 즉각적으로 반응하거나 되묻기를 할 수 있어서, 학습자가 대화의 흐름을 유지하는 연습을 할 수 있다. 김형민(2023)과 이남호, 이찬규(2024)는 ChatGPT가 불필요하게 긴 발화를 일방적으로 생성하거나, 학습자의 휴지(pause)를 오해하여 발언권을 가로채는 문제 등을 지적하기도 하였으나, 학습자에게는 어떠한 반응을 해야 하는지 모범을 구하는 데에는 효과적이다.
다섯째, 정서적 안정감을 제공한다. 외국인 학부생들은 수업 중 말하기 활동에 있어 본인의 발화에 자신감을 가지지 못하고 두려워하거나 불안감을 보이기도 한다. AI는 학습자의 발화를 평가하지 않으며 편안한 연습 상대가 되어줄 수 있다.
여섯째, 자기 주도적 말하기 학습을 지원한다. 학습자는 개인화된 연습 도구인 AI를 통해 반복 연습, 다양한 주제의 말하기 연습 등을 할 수 있다. 이는 시간과 공간을 초월하기 때문에 최적의 학습 환경을 제공하는 것이다.
김혜영, 김윤희(2024, p. 137)는 대화형 AI가 자연어 처리, 감정 분석 및 기계 학습을 통하여 인간과의 자연스러운 상호작용 구현을 목표로 하고 있다고 하였는데, 박소연(2024)에서 보더라도 언어 학습에 있어 그러한 목표를 상당 부분 달성한 것으로 보인다.
전언한 내용과 더불어 문학 텍스트를 기반으로 한 한국어 말하기 수업에서 대화형 AI 언어 모델링의 가장 주요한 역할은 배경지식을 보완하는 것에 있다. 즉, 시대적⋅문화적 맥락을 이해할 수 있도록 돕는 것인데 외국인 학부생들은 한국 문학 작품 속의 시대적 배경이나 사회적 분위기, 문화적 상징 등을 파악하기 어렵다. AI는 학습자가 질문하거나 이해가 어려운 부분에 대해서 간략하고 명확하게 설명해 줄 수 있으며, AI의 답변 발화가 학습자에게는 발화 모범이 되기도 한다.
다음으로는 감정 표현 및 인물 해석의 모델링을 제공해 준다. 문학 작품을 읽고 이해했다고 해도 외국인 학부생들이 감정 표현, 추론, 상징을 해석하는 것은 언어적으로 상당히 어려운 과업이다. AI는 감정이나 태도를 드러내는 표현의 예시를 제공함으로써 정서적 발화 능력을 높이는 데에 도움이 된다. 인물의 심리 상태나 선택에 대해 다양한 해석적 언어를 제공하여 학습자가 해당 표현을 모방할 수 있도록 한다.
또한 문학 텍스트를 기반으로 한 토론에서는 자기 의견을 논리적으로 구성해서 말할 필요가 있는데, 학습자들은 담화 구조나 연결어 사용에 어려움이 있다. 이에 주장과 근거의 발화 형식을 예와 함께 제시한다거나 비교, 대조, 반론 등의 고급 담화 기능을 사용할 수 있도록 유도해 준다.
마지막으로 토론이나 소그룹 토의 활동이 진행될 때, 학습자들은 질문을 하거나 되묻는 활동을 해야 하는데 이에 대한 적절한 표현을 제공해 줄 수 있다. “혹시 다른 해석도 가능할까요?”와 같은 표현을 쓰거나 상대방의 의견을 듣고 동의나 반박 등의 표현을 격식에 맞게 사용하는 방법 등을 제시하여 대화 흐름 유지에 필요한 상호작용 표현을 자연스럽게 익히고 사용할 수 있게 돕는다. 문학 텍스트 기반 한국어 말하기 수업에서 대화형 AI 언어 모델링의 기능을 정리해 보면 <표 1>과 같다.
<표 1>
문학 텍스트 기반 한국어 말하기 수업에서의 AI 언어 모델링 기능
| 언어 모델링 유형 | 내용 |
|---|---|
| 배경지식 보완 | 작품 속 시대적 배경이나 사회적 분위기, 문화적 상징 파악 |
|
|
|
| 감정 표현 및 인물 해석 | 작품 속 인물의 감정 표현, 추론, 상징 등 해석 |
|
|
|
| 의견 개진 시 논리적 구조 | 주장과 근거, 비교와 대조, 동의와 반론 등의 담화 구조 |
|
|
|
| 토론을 위한 표현 및 질문 방식 | 토론에서의 발화 유지를 위한 표현(입론, 주제 전환, 마무리 등) |
이처럼 대화형 AI의 언어 모델링은 외국인 학부생들의 말하기 교육에 효과적으로 활용될 수 있으며 특히 문학 텍스트를 기반으로 하는 토론 활동에도 유의미한 역할을 할 수 있다2).
3. 연구 내용 및 방법
3.1. 연구 대상 및 범위
본 수업 연구는 서울 소재 S대학에서 외국인 학부생을 대상으로 2024년 1학기와 2학기에 진행된 전공 수업인 <한국문학개론>에서 문학 작품을 읽은 후에 진행한 토론 활동을 중심으로 대화형 AI의 언어 모델링 기능을 탐색하고자 하는 것이다.
<한국문학개론> 수업의 목표는 한국의 문학 작품을 읽으며 한국의 역사와 사회, 한국인에 대한 이해를 넓히는 것이며, 고급 수준의 한국어를 학습하여 학업 한국어 사용 능력과 한국어 숙달도를 높이는 것이다. 또한 한국 문학과 세계 여러 나라의 문학을 비교하며 문화 간 소통 능력을 키우고 인문학적 소양을 함양하는 것이다.
수업에 참여한 학생들은 총 38명이며, 한국어 중고급 수준(TOPIK 기준 4~6급)에 해당하는 외국인 학부생들로 국적, 한국어 숙달도 등의 정보는 <표 2>와 같다.
<표 2>
연구 참여자 정보
| 구분 | 내용 | 인원(명) | 비율 |
|---|---|---|---|
| 성별 | 남 | 4 | 11% |
|
|
|||
| 여 | 34 | 89% | |
|
|
|||
| 한국어 숙달도 | 토픽 4급 | 12 | 32% |
|
|
|||
| 토픽 5급 | 15 | 39% | |
|
|
|||
| 토픽 6급 | 11 | 29% | |
|
|
|||
| 국적 | 베트남 | 22 | 58% |
|
|
|||
| 미얀마 | 8 | 21% | |
|
|
|||
| 몽골 | 3 | 8% | |
|
|
|||
| 태국 | 1 | 2.63% | |
|
|
|||
| 중국 | 1 | 2.63% | |
|
|
|||
| 벨기에 | 1 | 2.63% | |
|
|
|||
| 카자흐스탄 | 1 | 2.63% | |
|
|
|||
| 일본 | 1 | 2.63% | |
여학생이 전체의 89%를 차지하며, 한국어 숙달도는 중급부터 고급까지 고르게 배치되어 있으나 토픽 5급과 6급에 해당하는 학생들이 전체의 68%를 차지한다. 베트남 국적의 학생들이 가장 많으며 다음으로 미얀마 국적의 학생들이 있었다. 그밖에는 태국, 중국, 벨기에, 카자흐스탄, 일본 국적의 학생들도 있었다. 본 수업에서는 <표 3>에서와 같이 총 7편의 한국 소설과 6편의 한국 시를 다루었다.
<표 3>
<한국문학개론> 수업에서 다룬 작품들
<한국문학개론> 수업은 1차시 3시간(총 150분) 수업으로 한 학기 동안 총 15차시의 수업이 진행되며, 매 수업은 [그림 1]과 같은 절차로 운영되었다.
본 수업 연구에는 김승옥 작가의 1965년 작품인 ｢서울, 1964년 겨울｣을 읽고 이해한 후에 3단계인 작품 관련 말하기(토론) 활동 단계에서 대화형 AI의 언어 모델링 기능을 활용하는 것이다. 학생들은 AI와의 상호작용을 통하여 토론을 위한 자신의 의견을 구성하고 표현하는 활동을 준비하고, 참여하게 된다.
3.2. 연구 절차 및 방법
본 연구는 질적 사례 연구로 실제 수업을 바탕으로 한 탐색적 접근을 통해 AI 언어 모델링이 말하기 활동에 미치는 영향을 분석하는 것이다. 연구를 위하여 수업은 [그림 2]와 같은 절차로 진행되었다.
먼저 ｢서울, 1964년 겨울｣의 내용과 주제를 이해하기 위한 수업이 진행되었다. 수업은 교수자의 강의와 동영상3) 시청, 짝 활동 등의 방식이 활용되었으며, 소설의 주제인 ‘도시인의 고독과 인간 소외’, ‘사회적 책임과 개인의 선택’, ‘불확실하고 허무한 시대 정신’ 등을 기반으로 하여 다음과 같은 토론 질문을 제시하였다4). 학생들은 조별로 주제를 하나 선택하였다.
• 작품 속 인물들은 서로에게 어떤 태도를 보이며, 이는 도시화로 인한 인간 소외를 어떻게 반영하고 있습니까?
• 삼십대 남성의 행동과 선택은 어떤 삶의 태도를 보여 주며, 이에 대한 여러분의 생각은 어떠합니까?
• 삼십대 남성의 비극적인 선택에 대해서 사회적 환경과 개인적 책임 중에 어느 쪽이 더 큰 영향을 미쳤다고 생각합니까?
• ‘나’와 ‘안’은 삼십대 남성의 행동에 어떤 반응을 보이며, 이러한 반응은 그들의 도덕적 책임에 대해 무엇을 말하고 있습니까?
• 작품의 제목인 ｢서울, 1964년 겨울｣이 이야기의 주제와 어떻게 연결되며, 어떤 상징성을 지니고 있다고 생각합니까?
주제를 선택한 후에는 학생들에게 프롬프트5) 작성법을 안내하고 개인적으로 ChatGPT를 이용하여 프롬프트를 입력하고 원하는 정보들을 얻을 수 있게 하였다. <표 4>는 수업에서 프롬프트 작성법을 안내하고 학생들과 함께 ChatGPT를 사용할 때 활용한 자료이다. 학생들은 각자의 한국어 수준에 따라서 한국어로 프롬프트를 입력하거나 영어, 혹은 모어를 사용해도 된다는 것을 알려 주었고, 대신 한국어 표현을 얻을 수 있도록 ‘한국어로’라는 내용을 프롬프트에 포함하도록 안내하였다.
<표 4>
AI 프롬프트 작성 안내 자료
3.3. 연구 결과
2장에서 살펴본 바와 같이 대화형 AI의 언어 모델링 기능은 문학 텍스트를 기반으로 한 말하기 수업에서 배경지식 보완, 감정 표현 및 인물 해석, 의견 개진 시 논리적 구조, 토론을 위한 표현 및 질문 방식 등에서 효과적임을 언급하였다. 본 절에서는 수업을 진행한 후 각 부분이 얼마나 잘 수행이 되었는지를 중점으로 살펴보고자 한다.
먼저 학생들이 제출한 ChatGPT 화면 캡처본을 분석한 결과, <표 5>와 같이 학생들의 입력한 프롬프트는 총 181개였으며, 프롬프트의 질문 유형을 앞선 <표 1>을 기준으로 분류했을 때, 배경지식 보완을 위한 질문이 가장 많았다. 다음으로 등장인물의 감정 표현과 인물 해석에 대한 질문이 뒤를 이었으며, 토론을 위한 표현 및 질문 방식에 대해 한국어 표현의 예를 요청하거나 토론의 격식에 맞게 질문하는 방법을 문의하는 질문들이 있었다.
<표 5>
AI에게 입력한 프롬프트의 질문 유형 및 비율
| 질문 유형 | 수(개) | 비율(%) |
|---|---|---|
| 배경지식 보완 | 92 | 51 |
|
|
||
| 감정 표현 및 인물 해석 | 45 | 25 |
|
|
||
| 의견 개진 시 논리적 구조 | 25 | 14 |
|
|
||
| 토론을 위한 표현 및 질문 방식 | 19 | 10 |
|
|
||
| 합계 | 181 | 100 |
배경지식 보완을 위한 질문이 전체의 51%를 차지한 것은 학습자들이 작품의 시대적⋅문화적 맥락을 이해하는 데에 어려움을 느끼고 있었기 때문으로 보인다. 문학 작품에서는 문장의 의미를 안다고 해서, 내용을 이해한다고 볼 수 없기 때문에 학생들은 배경지식 보완을 위해 가장 많은 질문을 한 것이다. 다음으로 감정 표현 및 인물 해석에 대한 질문이 25%를 차지하는데 등장인물들의 감정과 행동의 원인 및 배경 등을 충분히 이해하기 위한 노력으로 보인다.
의견 개진 시 논리적 구조나 토론을 위한 표현 및 질문 방식은 전체의 25%를 차지하였는데, 이는 학생들이 AI를 단순한 지식 검색의 수단보다는 언어 수행 도우미로 활용하고 있다는 것을 알 수 있다. 학생들의 질문에는 단순히 단어의 의미를 확인하는 것은 찾아볼 수 없었는데, 이는 학생들이 AI를 검색 장치 이상의 도구로 인식하고 있다는 보여 주는 예라 할 수 있다. 위의 결과는 AI가 학습자의 ZPD를 지원하는 디지털 비계 역할을 했다는 실증적 근거로 해석이 가능해 보인다.
배경지식 보완을 위한 질문은 [그림 3]을 예로 들 수 있는데, 문화적으로 이해가 어려운 내용에 대한 질문이 있었으며, 이에 대해서 AI는 상당히 구체적이고 반복적으로 내용을 설명하였다. 이는 프롬프트 작성 초기 단계에 학생들에게 자신들은 한국어를 배우고 있는 외국인 학습자이며, AI는 선생님이 되어 친절하고 구체적으로 답을 주어야 한다는 역할 기반 프롬프트(Role-based Prompt)7)를 활용하도록 안내했기 때문으로 보인다.
[그림 4]는 토론에서 예상 가능한 표현들을 구체적으로 요청한 것이다.
다음으로 본 수업은 2024년 1학기에는 3인 6조, 2학기에는 4인 5조로 진행되어 총 11개 조가 토론에 참여하였다. 모든 조가 클로바노트를 활용하여 토론 파일을 생성했다. 토론은 각 조에서 선택한 토론 주제를 가지고 평균 30분 정도 진행이 되었다. 토론 진행 전에 각 조에서 사회자를 정하기는 했으나 사회자도 의견을 개진할 수 있게 하여 모든 학생이 토론에 참여할 수 있게 하였다. 다음은 한 그룹에서 진행한 토론의 일부이다.
학생1: 저는 ‘나’와 ‘안’이 너무 무관심했다고 생각해요. 삼십대 남자가 그런 중요한 이야기를 했는데, 그냥 아무 일도 없었던 것처럼 돌아가는 게 좀 이상했어요. 그들은 사람의 생명에 대한 책임감이 없었던 것 같아요.
학생2: 저도 그렇게 느꼈어요. 근데 조금 이해할 수 있는 부분도 있어요. ‘나’하고 ‘안’은 그 남자를 처음 만났고, 진짜인지 아닌지도 몰랐잖아요. 그래서… 그냥 지나갔을 수도 있다고 생각해요.
학생3: 학생2의 말에 일리가 있어요. 하지만 저는 학생1의 의견에 더 동의해요. 그 장면에서 두 사람은 인간적인 공감이나 책임감을 볼 수 없어요. 특히 ‘안’은 죽음을 이야기하고도 무심하게 퇴근해요. 그건 사회적으로 도덕적 책임을 회피하는 태도라고 볼 수 있어요.
학생1: 맞아요. 그건 모르는 사람이 아니라, 자살을 암시하는 말을 들은 후였잖아요. 그런데 아무 조치도 안 하고 그냥 돌아가는 건 좀… 너무 안 좋아요.
학생2: 네, 듣고 보니까 저도 너무 무관심했다고 생각해요. 도와줄 수도 있었는데, 그럼 혹시 그때 1960년, 사회 분위기가 그랬을까요? 사람들이 바쁘고, 남의 일에 신경 안 쓰고, 관심 없고…
학생3: 그럴 수도 있어요. 하지만 그건 너무 인간 아니, 비인간이에요. 이 소설은 바로 그런 무관심을 비판하는 것 같아요.
토론의 내용을 살펴보면 학생들이 모두 ChatGPT라는 앱을 활용했음에도 불구하고 서로 다른 입장에서 토론을 진행한 것을 볼 수 있다. 이는 토론 전 활동에서 이미 학생들의 관점이 포함이 되었기 때문으로 보인다. 학생1은 무관심과 도덕적 책임의 결여를 지적하고, 학생2는 상황을 이해하려고 하지만 토론을 하면서 입장으로 조금씩 변하고 있다. 학생3은 다른 사람의 말에 동의를 하면서 비판적 사고를 확장해 나간다. 위의 토론 내용에서 밑줄 친 부분은 추후에 학생들이 ChatGPT에게 도움을 받아서 표현했다고 밝힌 부분인데, 우선 ChatGPT를 통해 확보한 언어 자원이 실제 학습자의 입을 통해 발화가 된 것을 확인할 수 있다. 또한 ‘그건 사회적으로 도덕적 책임을 회피하는 태도’, ‘사회 분위기가 그랬을까요?’ 등을 통해 비판적이고 정서적인 표현을 발화할 수 있게 되었음을 볼 수 있다. ‘말에 일리가 있어요’, ‘듣고 보니까 저도’ 등을 보면 토론 발화의 구조도 비교적 자연스럽게 실현된 것을 확인할 수 있다.
마지막으로 학생들이 작성한 소감문의 일부를 살펴보면 다음과 같다.
가: 교수님이 설명해 주셔서 소설을 재미있게 읽었지만 솔직히 어떤 의미인지는 잘 몰랐다. 챗지피티가 설명을 자세히 해 주니까 이해하기 쉬웠고, 다시 영어로 물어보고 확인해서 좋았다.
나: 어떤 단어를 말하면 좋은지 몰랐는데, 챗지피티가 단어를 알려 주니까 도움이 되었습니다. 특히 허무하다는 사전에서 봐도 잘 몰랐는데 남자의 마음을 잘 알 것 같았어요.
다: 토론할 때, 시작하는 말은 많이 배웠다. 그런데 토론을 할 때 질문하고 싶을 때 예의가 없을까 걱정했는데 조심해서 질문하는 방법을 알려줬다. 그렇게 질문하니까 좋은 것 같아요.
라: 챗지피티가 교수님 같다. 교수님이 계속 도와주는 느낌이다. 그런데 모두 맞아? 한국 사람도 자연스럽게 생각하는지 잘 모르겠다.
마: 영어로 물어봤다. 자꾸 영어로 물어보게 되니까 그냥 한국어만 쓰게 하면 더 실력이 늘 것 같다.
소감문의 내용을 보면 학생들은 AI를 통해 인지적 반응, 정서적 안정감, 메타인지적 반응, 문화적 인식 부분에서 도움을 받은 것으로 보인다. ‘가’와 ‘나’ 학생의 소감문에서는 배경지식이나 어휘, 구조화 표현에 대한 이해가 향상되고, AI가 자신의 한국어를 평가를 하지 않는다고 생각하기 때문에 편하게 접근을 한 것으로 보인다. ‘라’ 학생의 ‘한국 사람도 자연스럽게 생각하는지’라는 문장에서는 학습자 스스로 메타인지적 반응을 한 것으로 보인다. 박소연(2024)는 대화형 인공지능을 활용한 한국어 말하기 대화 연습에서 메타인지적 반성적 경험을 중점적으로 살펴보고 있는데 학습자가 자기 발화를 성찰하는 과정을 경험하고 그 과정을 통해 실제 상황에서의 의사소통 능력을 함양할 수 있다고 보았다. 소감문의 내용도 이를 뒷받침하는 근거가 될 것이다. 또한 ‘라’ 학생의 경우에는 문화 간 언어 감각에 대한 관심도 증가한 것으로 볼 수 있을 것이다. 의미 있는 소감문의 내용 중 하나는 ‘마’ 학생의 경우인데, 프롬프트 작성에 있어 영어나 모국어 사용을 허용하여 많은 학생들이 편했다고 반응한 반면 한국어 실력 향상을 위해 한국어로 제한하는 것이 도움이 되겠다는 의견이었다.
결론적으로 대화형 AI의 언어 모델링 기능은 외국인 학습자의 문학 텍스트 기반 말하기 활동에서 언어적 비계, 정서적 지원, 표현 구조 제시, 문화 이해 촉진, 메타인지적 반응 촉구 등의 다양한 기능을 수행했음을 확인할 수 있었다.
4. 제언 및 결론
본고는 외국인 학부생 대상 <한국문학개론> 수업에서 대화형 AI의 언어 모델링 기능이 말하기 활동에 어떠한 교육적 가능성을 제시할 수 있는지를 탐색하였다. 김승옥 작가의 ｢서울, 1964년 겨울｣이라는 문학 텍스트를 기반으로 말하기(토론) 활동에 ChatGPT를 활용하여 학습자들이 AI와 상호작용하며 자신의 발화를 준비하고 구성할 수 있도록 수업을 설계하였다.
연구 결과, 대화형 AI는 외국인 학습자를 위한 문학 토론 수업에서 매우 효과적인 실시간 언어 모델링 제공자 역할을 수행하였다. 학습자들은 AI를 활용하여 토론에 필요한 어휘와 표현을 제안받고, 자신의 주장을 논리적으로 구성하기 위한 담화 구조에 대해서도 안내를 받았다. 특히, 작품의 시대⋅문화적 배경지식을 보완하거나 등장인물의 감정을 해석하는 데에 AI를 적극적으로 활용하였다. 이는 단순한 정보 검색을 넘어 AI를 언어 수행의 보조 도구로 인식하고 있음을 보여 주는 결과이다. 이러한 상호작용은 학습자들이 가진 언어⋅문화적 이해의 간극을 좁히고 디지털 비계(Digital Scaffolding)로 작용하여 학습자 발화의 다양성과 유창성에 직접적인 영향을 미칠 수 있음을 증명한 것이다.
이와 같이 본고는 문학 교육과 AI기술의 융합 가능성을 구체적인 수업 사례를 통해 실증적으로 제시했다는 점에서 의의가 있다. 기존의 한국어 말하기 수업이 가진 시공간적 제약과 학습자들의 정의적 부담을 AI를 통해 완화할 수 있음을 보여 주었다. 이는 AI 기술이 교수자의 역할을 대체하는 것이 아니라 학습자의 근접발달영역(ZPD)을 확장하고 학습을 심도 있게 지원하는 보조자로서의 역할을 수행할 수 있다는 교육적 함의를 갖는다.
그러나 본고가 서울 소재 특정 대학의 외국인 학부생 38명을 대상으로 한 질적 사례 연구이기에 연구 결과를 일반화하기에는 무리가 있을 수 있다는 점에서 한계가 있다. 또한, 연구가 단기적으로 진행되어 AI 활용의 효과가 일시적으로 학습자들의 호기심과 흥미를 자극했을 가능성을 완전히 배제하기는 어렵다. 일부 학습자들이 한국어 대신 영어나 모국어로 질문하는 사례에서 볼 수 있듯이 AI에 대한 과도한 의존이나 모국어 사용이 오히려 한국어 학습을 저해할 가능성에 대한 심층적인 분석도 부족하였다.
이러한 한계에도 불구하고 본고는 대화형 AI의 언어 모델링 기능을 한국 문학 교육의 맥락에서 창의적으로 접목한 새로운 시도로 외국인 학습자의 의미 있는 상호작용을 유도할 수 있는 실질적 방안을 제시하고자 노력하였다. 특히, 언어적 이해뿐만 아니라 문화적 해석이 요구되는 문학 텍스트에 대하여 학습자들이 AI와 상호작용을 통해 자기주도적 의미 구성 과정을 경험할 수 있었다. 이와 같은 시도가 다양한 교육 환경과 학습자 집단에 확대되어 대화형 AI가 외국인 학습자의 비판적 사고력, 문화 간 소통 역량 등의 향상을 돕는 교양 교육에 기여할 수 있기를 바란다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
