1. 서론
대학은 인재 양성과 지식 창출의 요람으로 시대가 원하는 인재를 양성하고 고등교육의 수준을 높이기 위한 노력을 지속적으로 해 왔다. 하지만 학령인구 감소와 더불어 인공지능, 빅데이터, 사물인터넷, 가상현실, 증강현실 등을 기반으로 하는 첨단 디지털 기술의 사회적 영향력이 커짐에 따라, 대학은 그 어느 때보다 큰 위기감에 직면해 있다(손형섭, 2021). 이에 전문가들은 고등교육의 위기를 유발하는 내부 요인 중 하나로 전근대적인 교육방식을 지적하며, 디지털 자원을 적극적으로 활용하고 학습데이터 분석을 통해 문제점과 기회를 포착할 필요가 있다고 강조하고 있다(이지은, 2020). 따라서 다양한 에듀테크 서비스를 활용해 대학의 온-오프라인 자원 및 학습 정보를 통합 관리하고 학습환경을 디지털로 전환함으로써 고등교육 위기에 따른 돌파구를 찾으려는 시도가 늘고 있다(이지은, 2020). 교육 분야에 인공지능(artificial intelligence) 기술들을 접목하고자 하는 노력은 이제 선택이 아닌 필수적 요소가 되어 가고 있다(이두휴, 2021). 특히 생성형 AI 기술은 학습자의 수준과 필요에 따라 새로운 학습 콘텐츠를 생성하고, 개별화된 피드백을 제공함으로써 학습자의 학습 동기와 몰입도를 높이는 것뿐만 아니라 교육의 개인화와 효율성을 동시에 달성할 수 있도록 돕는다는 점에서 학습시스템의 효과성을 더욱 향상시킬 수 있다(김향동 외, 2025; Lemke, 2013; Luckin et al., 2016). 그중에서도 ‘인공지능(AI)’ 기술을 코스웨어에 접목한 AI 코스웨어가 주목을 받고 있다. 이는 AI 코스웨어가 최신 교육 모델로 인공지능 시대에 미래 교육을 위한 새로운 실천 방향에 부합되기 때문이다(하호성, 이재림, 2021; 황은경, 신종호, 2021).
이에 따라 국내에서도 2021년부터 에듀테크 소프트랩을 도입해 교육현장에 에듀테크를 활용할 수 있도록 지원이 이루어지기 시작하였다. 하지만 이때의 소프트랩의 주요 기능은 주로 에듀테크 기술 개발⋅검증, 원격교육 지원, 테크멘토 운영을 지원하는 것이었으며, 또한 디지털 기술을 활용하여 교육의 질을 높이고자 다양한 에듀테크가 등장한 것에 비해 실제 공교육에서의 에듀테크 활용은 저조한 수준이었다. 이러한 현상은 학교에서는 쓸만한 에듀테크를 찾기 어렵고, 에듀테크 기업은 공교육에 대한 정보 부족과 실제로 적용해 볼 기회가 부족하기 때문이었다. 따라서 정부에서는 2024년 2월 “에듀테크 소프트랩 구축 및 운영 기본계획”을 발표하고 학교 현장과 에듀테크 기업을 연결하여 공교육에 적합한 에듀테크가 개발되고 활용될 수 있도록 지원하는 『2024년 에듀테크 소프트랩 구축 및 운영 사업』을 추진하였다. 이 사업은 교육부와 한국교육학술정보원(KERIS)이 주관하며, 공모를 통해 소프트랩을 운영할 전문기관(대학, 공공기관, 연구소 등)을 선정하여 각종 공간 구축 및 운영비를 지원해주는 운영방식이다. 이때의 소프트랩의 기능은 2021년에 도입된 에듀테크 소프트랩 기능보다 확대되어 현장의 에듀테크 수요 분석, 실증 프로그램 운영, 교원⋅학생⋅학부모 등에 연수 제공 및 에듀테크 활성화를 지원해주는 역할까지 포함하고 있다. 특히 고등교육 에듀테크 소프트랩의 경우에는 대학과 에듀테크 기업을 연결해 고등교육의 디지털 기술 활용을 지원하고, 혁신적 교육 모델을 확산할 수 있는 전문기관 선정을 통해 보다 많은 대학에서 활용할 수 있도록 수학, 물리, 화학 등 빠르게 도입 가능한 기초과목 중심으로 AI 코스웨어를 운영하는 것을 목표로 한다.
최근 들어 많은 대학에서 특히 다양한 교양 수학 관련 교과목을 개설하고 문제 출제 및 복습 시스템으로 AI 활용 교육 지원 시스템을 도입하여 활용하는 추세이다(이형주, 2024). 이는 수학의 경우 학교 내에서 상위권과 하위권의 격차가 매우 커 기초학력 증진을 위한 노력의 일환으로 필요하기 때문이다. 더불어 대학 교양 수학교육 대부분이 교수자의 강의로 이루어지고 있어, 학생들의 참여는 교수자의 질문에 응답하고 강의 주제에 대하여 개인적인 질문을 하는 정도에 그치고 있다. 이러한 환경에서 학생들과의 상호작용은 적게 일어날 수 밖에 없으며, 전체 교육 내에서 아주 제한된 시간에 이루어지므로 계산 원리를 이해하고 정확한 계산을 수행하는 것이 어려워질 수 있다(이환철 외, 2017). 따라서 학습자의 수준과 개별적 요구를 충분히 반영하지 못하게 됨에 따라 학습 동기는 저하되고, 실질적인 학습 효과 또한 극대화되지 못하는 문제가 발생하게 된다. 이와 같은 이유로, 수학과 같은 교과목은 근본적인 흥미를 잃지 않도록 수학학습에 관한 접근성이 수월한 교육환경을 마련하는 것이 무엇보다 중요하다(서보억, 2015).
이와 같은 맥락에서 본 대학에서는 AI 코스웨어를 도입하여 교육의 효과를 높이기 위한 일환으로 2025년도 1학기 한 학기 동안 시범적으로 교양 수학교육에 적용해보고 점차 확대 운영하기로 하였다. 그에 따라 국내 업체의 공정한 입찰 과정을 통해 본 대학의 수학 교재와 연계 가능하며 수업 방향에 맞는 AI 학습프로그램으로 ‘언택트에듀’를 최종적으로 선정하고 이를 수업에 적용하였다. 이는 대학에서 기초교과목 수업이 원활하게 이루어지기 위해서는 학생들의 개별적인 선수지식 상태를 고려하여 사전학습을 강화하고 학생들의 능력에 따른 수준별 맞춤형 수업을 제공하는 방법을 모색해야 하는데(신현주, 한주완, 2018), ‘언택트에듀’의 경우 수학이나 기초 과학 과목같이 잘 정의된 지식의 구조를 갖는 영역에 대해 단계별 학습이 가능하도록 구체적인 기술과 시스템을 갖추고 있다는 판단에서이다. 언택트에듀의 핵심 솔루션인 ‘BuiLearn’이 AI 기술을 접목한 ‘메타 문제’를 통해 학생 개개인의 학습을 체계적으로 분석하고 진화하는 맞춤형 교육을 제공하며, 개인 학습분석 및 다양한 학습 통계 자료를 제공하기 때문에 학습자가 스스로 학습 과정을 점검하고 관리하는 자기주도학습 능력을 기를 수 있도록 도와 줄 수 있다. 이러한 측면에서 본 연구에서는 대학의 맥락에서 AI(언택트에듀) 활용 교육시스템을 적용하고 구체적인 교육 효과를 탐색하기 위해 사례 중심으로 본격적인 연구를 시작하기 전에 작게 실행해보는 예비 연구를 실시하고자 한다. 즉 본 대학의 교양교과목 ‘수학과 통계의 세계’ 수업에 AI 코스웨어를 적용하고 그에 따른 효과를 탐색하는 파일럿 연구를 통해 AI 기반 학습모델의 교육적 활용 가능성을 검토하는 데 초점을 두고자 한다. 이를 위한 구체적인 연구문제는 다음과 같다.
연구문제 1. 동일한 교과목에서 AI 코스웨어를 활용한 수업과 기존 대면 수업 간에 기말성적의 차이가 존재하는가?
연구문제 2. 중간성적을 통제한 이후에도 AI 코스웨어 활용 여부는 기말성적에 정적인 영향을 미치는가?
2. 이론적 배경
2.1. AI 코스웨어 개념과 등장 배경
AI 코스웨어(AI Courseware)는 교육과정(course)과 소프트웨어(software)의 합성어로, AI 기술이 교육 분야에 접목되며 등장하게 되었다. AI 코스웨어는 AI 활용 교육시스템 중 가장 대표적인 지능형 튜터링 시스템(Intelligent Tutoring System, ITS)을 기반으로 발전하였다. 이러한 시스템은 Bloom(1956)의 완전학습이론(Mastery Learning Theory)에 근거하여, 학습자의 학습 속도와 수준 차이를 고려할 경우 대부분의 학습자가 학습목표를 성취할 수 있다는 관점을 구현하는데 있다(신종호 외, 2021). 이에 ITS는 학습자의 반응 데이터를 분석하여 개인의 학습 수준을 파악하고, 학습자의 오개념이나 오류를 교정하기 위한 개별화 피드백을 제공하는 것을 핵심 기능으로 한다(Holmes et al., 2019). 따라서 AI 코스웨어는 학습자의 진단 결과를 토대로 맞춤형 학습경로를 제시하고, 학습 과정 중 생성되는 데이터를 분석하여 실시간으로 학습 내용과 피드백을 조정하는 “적응형 학습(adaptive learning)” 지원을 목표로 한다. 신종호⋅황영아(2024)에 따르면, 적응형 학습은 AI를 활용해서 학습자의 수준 및 특성에 대한 사전학습을 진단함은 물론 학습 과정에서 발생하는 모든 결정과 결과를 분석하여 학습경로를 설정하고 맞춤형 콘텐츠를 제공하는 ‘자동화’, ‘개인화’ 학습을 의미한다. 이를 위해 AI 코스웨어는 데이터마이닝, 학습분석(Learning Analytics), 지식공간이론(Knowledge Space Theory), 머신러닝 기반 추천시스템 등 다양한 기술적 알고리즘을 활용한다(손태권, 강다혜, 2024). 또한 AI 코스웨어는 교수자와 학습자 간 상호작용을 데이터 기반으로 지원하는 모듈형 학습환경으로, 교수자는 학습 대시보드(dashboard)를 통해 학생의 진도, 난이도 조정, 피드백 내용 등을 실시간으로 모니터링하고, 학습자는 개별화된 콘텐츠와 자동화된 평가를 통해 자기주도적 학습을 수행한다(신종호 외, 2021; Bryant et al., 2020). 이에 Lemke (2013)는 AI 코스웨어를 학생의 학습경험 과정에서 나타나는 모든 결정을 AI를 기반으로 파악하고 학습이론에 근거하여 학생에게 적합한 다음 학습 과정을 안내하고 학습경로나 속도 등을 조정하면서 학생들이 학습에 몰입할 수 있도록 돕는 디지털 학습 도구라고 정의한다. 이상의 내용을 종합해 보면, AI 코스웨어는 단순한 학습 플랫폼이 아니라 교수자와 학습자, 학습데이터가 상호작용하는 지능형 학습 생태계로 볼 수 있다.
2.2. AI 코스웨어의 주요 특성
AI 코스웨어는 사실 이미 교육현장에서 많이 사용되고 있으며, 기존의 LMS(Learning Management System)와 겹치는 부분도 상당히 많다. 하지만 인공지능 기술을 활용한 교육프로그램인 AI 코스웨어는 일반적으로 개인화(Personalization), 적응화(Adaptivity), 자동화(Automation), 분석 및 시각화(Analytics & Visualization)의 네 가지 특성을 중심으로 작동한다는(신종호 외, 2021; 손태권, 강다혜, 2024) 점에서 기존의 LMS와는 차별성을 가진다. AI 코스웨어가 갖는 각각의 주요 특성을 살펴보면 다음과 같다.
첫째, 개인화는 학습자의 수준과 특성에 따라 학습경로와 난이도를 조정하고, 오개념을 진단하여 적절한 학습 콘텐츠를 제공하는 기능을 의미한다. 가령, 학생들이 수학 문제 푼 것을 바탕으로 AI가 개별 수준에 맞춰서 다음 수학 문제를 제공하는 것이다. 둘째, 적응화는 학습자가 학습 과정 중 보이는 반응과 성취 결과를 실시간으로 분석하여 그에 맞게 학습경로를 자동 조정하는 것을 말한다. 이는 학생들의 학습데이터 분석 능력을 개선하고, 개개인에 맞춤형 교육으로 제공할 수 있다는 데 있다. 셋째, 자동화는 평가⋅피드백⋅진단⋅보충학습 등 교수학습의 여러 절차를 시스템이 자동으로 수행하여 교수자의 수업 준비 부담을 줄이는 기능이다. 이는 높은 업무부담이나 시간 부족 등으로 인한 교수자의 수업 설계를 시스템의 통합을 통해 지원하는 것이다. 마지막으로 분석 및 시각화는 대시보드를 통해 학습 진행 상황과 성취 수준을 시각화하여 학습자와 교수자가 모두 학습 현황을 확인하고 성찰할 수 있도록 지원하는 기능이다. 즉 학생들의 학습 진도율, 공부 효율 등을 실시간으로 모니터링함으로써 교수자와 학습자 모두가 학생의 학습상황을 더 정확하게 파악할 수 있게 한다. 이와 같은 AI 코스웨어의 기능은 AI 코스웨어가 기술적 도구를 넘어 교수설계와 학습평가를 포괄하는 통합적 교수학습 체제임을 보여준다(손태권, 강다혜, 2024; Choppin et al., 2014).
2.3. 고등교육과정에서의 AI 코스웨어 활용 및 효과
4차 산업혁명 이후 대학교육은 학습자 다양성, 학습격차 심화, 기초학력 저하 등의 문제에 직면하였고, 이를 해결하기 위한 혁신적 대안으로 에듀테크(Edutech)의 활용이 확대되었다(이지은, 2020). 에듀테크 중에서도 AI 코스웨어는 개별화 학습지원과 학습효과의 실증적 향상을 동시에 기대할 수 있는 도구로 주목받으며, 고등교육기관의 교양 및 기초교육 영역에서 활발히 도입되고 있다(신종호, 황영아, 2024; 신종호 외, 2021; 허선영 외, 2025). 특히 대학의 기초수학이나 통계학에서 가장 먼저 도입된 이후에 점차 다양한 교양 교과목으로 확산되고 있는 추세이다. 고등교육과정에서의 AI 코스웨어 활용의 효과는 교수자와 학습자 측면에서 살펴볼 수 있다. 먼저, 교수자 측면에서 보자면 대학 수업에서 자동화된 프로세스를 통해 진단-과제-평가를 운영함으로써 교수자의 시간 효율성 향상과 업무부담을 감소시켜줄 수 있으며, 이를 통해 학생들을 위한 교육 방법을 설계하는 등 학습지원을 위한 활동에 이전보다 더 많은 시간을 할애할 수 있다(Bryant et al., 2020). 또한 교수자는 AI가 제공하는 데이터를 통해 고차원적 사고력 향상을 위한 프로젝트⋅토론⋅문제해결 중심의 활동을 수행하는 수업을 계획함으로써 교실에서의 수업을 혁신할 기회를 제공받을 수 있다(Baker et al., 2019).
다음으로, 학습자 측면에서는 AI 코스웨어가 학생의 선수학습 수준을 진단하여 개인별 학습경로를 설정하고 학습 결과를 실시간으로 제공함으로써 학업성취 향상은 물론이고 자기주도성 및 자신감 등 학습 동기 향상에 긍정적으로 기여할 수 있다(이민아, 2024). 손효익(2023)의 연구결과에 따르면, AI 코스웨어를 잘 활용하면 일반 강의식 수업보다 높은 학업성취도 향상을 촉진할 수 있으며, 학생들은 자신의 학습 속도와 수준에 맞춰 학습을 진행함으로써 균등하게 성취 수준을 향상시킬 수 있는 것으로 나타났다. 이는 AI 코스웨어가 학습자에게는 즉각적 피드백과 개인화된 진단 기능을, 교수자에게는 수업 중 학습자 데이터를 활용하여 맞춤형 지도를 할 수 있게 지원해주기 때문이다. 또한 AI 코스웨어는 수업에서 인공지능 도구나 챗봇 등에 활용되어 학습자의 학습역량 향상에도 기여할 수 있는 것으로 나타났다(허선영 외, 2025; 신종호 외, 2021: Gotavade, 2024 ). 가령, 이민아(2025)는 대학 교양 수학에 AI 코스웨어를 도입하여 수업을 운영한 결과로 학생들의 오답률은 평균 46% 감소하였으며, 수업 참여도 및 자기주도학습 효과에서도 긍정적이었다고 보고하였다. 전인숙 외(2024)의 경우에도 AI 기반의 적응형 학습은 대학생들의 학습동기와 자기주도적 학습능력을 촉진하는데 효과적인 방안이 될 수 있다고 설명하였으며, 황지유와 이철현(2024) 또한 인공지능 챗봇 기반 코스웨어는 학습자에게 피드백과 유연한 탐색 경로를 제공하며 학습자의 자기주도적 학습 태도 향상에 기여할 수 있다고 보고하였다. 특히 수학 분야에서 인공지능 챗봇을 활용한 교육은 챗봇이 지식을 전달하거나 퀴즈를 제공 등을 통해 튜터 역할을 수행하면서 학습한 내용의 이해를 도울 수 있다고 보았다. 그 이외에 김민지 외(2021)의 연구에 따르면, AI 코스웨어를 활용했을 때 학습자가 흥미나 몰입감을 더 느끼고 수업 참여도를 높일 수 있는 것으로 보고하고 있어 AI 기반의 학습환경이 학습경험의 질을 높일 수 있는 효과적인 교수-학습 도구임을 뒷받침한다(허선영 외, 2025). 다만 일부 연구에서는 AI 코스웨어를 활용했을 때 과제 부담 증가, 기술 접근성 문제, 플랫폼 익숙도 차이 등은 수업 효과를 저해하는 요인이 될 수 있다는 지적도 있기에(신종호 외, 2021; 신종호, 황영아, 2024), AI 코스웨어를 교육현장에 효과적으로 잘 활용하기 위해서는 교수자가 시스템의 기능과 데이터 구조를 충분히 이해하고 이를 교수설계 단계에서 통합적으로 반영하려는 노력은 필요하다. 이처럼 AI 코스웨어를 활용한 교육은 학생들의 학습 수준에 맞추어 개념 지식을 효과적으로 획득하도록 지원할 뿐만 아니라 학생들의 기초학력 저하 문제를 해결함과 동시 고차원적 사고능력 향상이라는 국내 대학의 목표를 달성하는데도 혁신적이고 효과적인 교육전략이 될 수 있다(신종호, 황영아, 2024).
3. 연구방법
3.1. 연구 설계
본 연구는 W 대학의 교양교과목 ‘수학과 통계의 세계’ 수업에 AI 코스웨어를 적용하고, 그에 따른 효과를 탐색하는 것을 통해 AI 기반 학습모델의 교육적 활용 가능성을 검토하는 데 목적이 있다. 이에 동일한 교과목에서 AI 코스웨어를 활용한 수업과 기존 대면 수업 간에 기말성적의 차이가 존재하는지, 중간성적을 통제한 이후에도 AI 코스웨어 활용 여부는 기말성적에 정적인 영향을 미치는 살펴보고자 한다. 이를 위해 AI 코스웨어 수업모형을 활용한 분반을 실험집단으로, 기존 수업모형을 적용한 분반을 비교집단으로 설정하였다. 그리고 두 집단의 중간점수를 사전검사, 기말점수를 사후검사로 활용한 사전-사후 설계로 AI 코스웨어를 적용에 따른 수업의 성취 효과를 탐색하였다. 본 연구는 AI 코스웨어 실증참여 수업을 고등교육에 활용하는 것에 대한 초기 연구로, 연구 결과를 바탕으로 향후 AI 기반 플랫폼을 활용한 수업의 교육적 방안과 방향성을 제시하고자 한다.
3.2. 연구 자료
본 연구 자료는 전북 지역 소재한 W 대학의 2025년도 1학기 교양강좌로 개설된 ‘수학과 통계의 세계’ 교과목을 수강하는 두 개 분반의 학생들을 대상으로 수집하였다. 구체적으로 살펴보면, 한 분반은 AI 코스웨어를 활용한 실험집단으로 34명이 참여했으며, 다른 분반은 상대적 비교를 위해 기존 대면 수업을 활용한 비교집단으로 25명이 참여하였다. 실험집단의 학생들에게는 수업에 앞서 본 수업이 AI 코스웨어를 활용한 수업임을 알 수 있도록 강의계획서에 명시하였다. 그리고 첫 수업에서 오리엔테이션을 통하여 수업의 운영 방법을 상세히 안내하고 관련 자료를 학습관리시스템에 업로드하였다. 즉 해당 수업의 수강생 모두 AI 코스웨어 실증참여 수업에 동의한 학생들로 학기 중 6주간 AI 코스웨어 수업모형을 적용하여 수업이 이루어졌다. AI 코스웨어 적용 수업의 효과를 확인하기 위한 자료는 실험집단과 비교집단의 학기 내에 실시된 중간과 기말고사 점수로 연구자가 직접 수집하였다.
3.3. 수업 운영
3.3.1. 수업내용
‘수학과 통계의 세계’ 교과목은 현대 사회를 지혜롭게 살아가는데 필요한 생활 속의 수학적 소양을 갖추게 하고, 통계학에서 필요한 수학적 기본개념과 통계의 기초개념을 이해할 수 있는 교육적 토대를 교과 과정 안에서 제공하는 것을 목적으로 하고 있다. 교과목의 목적을 달성하기 위해 다음과 같은 수업내용을 포함하여 교육과정을 구성하였으며, 세부적인 내용은 <표 1>에 제시된 바와 같다. 첫째, 현대 사회에서 필요한 통계학 속에서 기초수학을 이해할 수 있도록 하였다. 둘째, 각자의 전공과 사회생활에 필요한 수학과 통계의 기본 소양을 배양할 수 있게 하였다. 셋째, 수학과 통계를 통해서 창의적 사고와 생각하는 힘을 키울 수 있도록 하였다.
<표 1>
에듀테크 교과로서 ‘수학과 통계의 세계’ 교육과정
3.3.2. 수업모형
기존의 ‘수학과 통계의 세계’ 교과목의 수업모형은 [그림 1]과 같이 LMS(학습관리시스템)를 활용하여 강의자료를 업로드하면 학생들이 다운로드해서 보충학습을 하고, 수업에 관하여 궁금한 사항은 LMS 시스템의 쪽지를 이용하여 소통하는 2학점짜리 교양 선택 수업모형으로 수업을 진행하였다.
하지만 ‘수학과 통계의 세계’ 교과목은 기초학습이 필요한 교과목으로 수학에 대한 기초개념과 활용에 대한 선행학습이 요구되는 교과목이다. 이에 학생들의 학습에 대한 편차를 줄이는 것은 물론이고 선행학습과 후행학습이 동시에 가능하도록 하기 위해 AI 플랫폼 활용을 고려할 필요성이 제기되었다. 따라서 먼저, 학교 측에 수업을 2학점에서 3학점으로 변경해줄 것을 요청하고 승인을 받아 수업시수를 늘렸다. 다음으로, 기존 수업모형에서 [그림 2]와 같이 ‘수학과 통계의 세계’ 교과목의 수업모형을 수정하는 과정을 거쳤다. 기존 수업모형은 수업 시간에 교수자에게만 의존해 이루어지던 학습방식이었다면, 수정된 수업모형은 AI 플랫폼을 사용하여 개념 정리를 하고 연관된 문제를 풀게 하였고 궁금한 사항은 챗봇을 활용하여 질문하도록 설계하였다. 또한 Q&A를 활용하여 학습관리를 하였고 기존 학습모델에서는 오프라인으로 과제를 내줬던 방식에서 2주에 한 번씩 AI 플랫폼의 문제은행을 통하여 문제를 생성하여 과제로 업로드하여, 학생들이 플랫폼상에서 과제를 하고 오답이 있을 경우 풀이 과정과 정답을 제공하고 유사 문제를 통해서 좀 더 학습할 수 있도록 설계하였다. 이는 교육과정과 수업이 학생들이 반드시 알아야 할 핵심적인 아이디어인 개념을 학습할 수 있도록 하여, 배운 내용을 더 오래 기억하고 더 깊이 이해할 수 있도록 하는 것뿐만 아니라 이러한 개념적 사고를 바탕으로 관련 문제를 해결할 수 있도록 구성된 것이다.
3.3.3. 수업 방법
교양은 전교생이 수강하는 교과로 특히 수학이나 통계와 같은 학생들의 기초학력이 필요한 교과목은 학생들의 기초학습에 대한 편차가 커서 학습을 중간에 포기하는 사례가 적지 않다. 따라서 본 대학에서는 교육의 효과를 높이기 위한 일환으로 2025년도 1학기 한 학기 동안 시범적으로 AI 코스웨어를 교양 수학교육에 적용하고 이에 따라 확대 운영하기로 하였다. 이에 학생들의 수학과 통계에 대한 기본개념을 정립시켜주고 기초학습역량 향상을 위해 AI 코스웨어를 수업에 도입하게 되었다. AI 기반의 플랫폼을 활용한 수업은 [그림 3]과 [그림 4]에 제시되었으며, 다음과 같은 교육과정에 따라 진행되었다.
먼저, 교수자가 학습 전에 강의자료를 LMS에 올려놓으면 학생들은 이들 자료를 가지고 선행학습을 진행하도록 하였다. 그리고 학생들이 학습 과정에서 개념을 정리하고 싶거나 질문할 사항이 있으면 AI 플랫폼의 챗봇과 문제은행을 이용할 수 있도록 하였다. 다음으로, 매 단원 학습 후에는 AI 플랫폼에 과제를 탑재하고 학생들의 문제를 푼 사항을 모니터링하였으며, 이와 더불어 전체적으로 학생들의 이해도가 떨어진 문제와 개별적 이해도 차이를 구분하여 수업 시간에 피드백을 주었다. 이때 과제는 교수자가 학생들에게 문제를 내고 학생들이 문제를 푸는 과정에서 유사 문제를 추가로 풀 수 있도록 설계가 되어있다. 단, 학생이 원하면 학생의 수준을 AI 플랫폼이 인지하여 추가 문제를 제공하는 형식으로 진행되었다. 이때 AI 플랫폼(언텍트에듀)에서는 과제를 제시하여 문제를 풀 때 주관식으로 답을 쓸 수 있도록 설정되어 있으며, 접근방식은 데스크탑 또는 노트북에서 접속하여 학습활동이 이루어질 수 있도록 되어 있다.
3.3.4. 수업 평가
‘수학과 통계의 세계’ 교과목은 학생들에게 수학적 소양을 갖추게 하고, 통계학에서 필요한 수학적 기본개념과 통계의 기초개념을 이해할 수 있는 교육적 토대를 교과 과정 안에서 제공하는 것을 목적으로 하고 있다. AI 코스웨어의 활용이 학습에 얼마나 효과가 있는지를 탐색하기 위해 2025년 1학기에 개설된 ‘수학과 통계의 세계’ 두 개 분반의 학생들을 대상으로 동일하게 수업을 설계하고 동일한 수업진도와 시험지(중간/기말)로 같은 날짜에 지필 평가를 실시하였다. 다만, 차이점은 한 분반은 AI 플랫폼 수업모형을 활용하여 학습하도록 하고 이후에 학생들의 학습상황을 모니터링하여 피드백을 하였지만, 다른 분반은 기존의 수업모형을 적용하고 학생들의 이해도가 떨어졌던 문제들만을 수업 시간에 리뷰해 주고 질의응답 시간을 갖는 것으로 그쳤다. 수업 시간은 두 분반 모두 3학점으로 동일하였다.
3.4. 측정 도구
‘수학과 통계의 세계’ 수업은 AI 코스웨어를 적용한 교과목으로 15주간으로 2시간 이론, 1시간은 실습으로 이루어져 있다. AI 코스웨어 실증참여 수업은 총 6주간에 걸쳐 진행되었다. AI 코스웨어 실증참여 수업의 효과를 탐색하기 위해 중간시험 점수와 기말시험 점수를 활용하였다. 이때 효과를 살펴보기 위해 사용된 중간-기말시험지는 내용과 문항 수는 다르지만, 구조가 같은 문제로 동형 시험지를 구성하여 측정하였다.
3.4.1. 중간 성취도
중간시험은 <표 2>와 같이 학생들의 수준을 고려하여 고등학교 수학 내용 중 기초적인 문제를 중심으로 구성하였다. 통계 개념과 용어, 함수, 조합과 순열, 확률변수 및 확률분포함수와 관련된 기본적인 문제들로 총 15문항으로 구성하였다. 문항별 점수는 각 문제에 따라 1점~ 4점까지로 부여되어 있으며 30점 만점으로 하였다.
3.4.2. 기말 성취도
기말시험은 <표 3>과 같이 교수⋅학습 방법에 따라 학생들이 대학 교양 수학의 미분과 적분에 관한 기초적인 내용과 적용문제, 응용문제를 어느 정도 성취하였는지를 알아보기 위한 것이다. 검사지는 대학 교양수학 내용에서, 미분, 특수함수 미분, 미분응용, 부정적분, 정적분, 적분 응용을 구하는 문제들로 17문항으로 구성하였다. 문항별 점수는 각 문제에 따라 1점~ 4점까지로 부여되어 있으며 30점 만점으로 하였다.
3.5. 자료 분석
본 연구는 대학 수업에 AI 코스웨어를 적용하고 그에 따른 효과를 탐색하기 위한 것으로 다음과 같이 세 단계의 절차를 거치며 분석이 이루어졌다. 이때 통계분석은 SPSS IBM 27.0 프로그램을 활용하였다. 첫째, 평균과 표준편차를 산출하여 문항의 반응경향성을 파악하였으며, Shapiro-Wilk 정규성 검정 및 왜도와 첨도값 등을 통해 자료의 정규성을 검증하였다. 둘째, 먼저 서로 다른 두 집단에 대하여 상호 비교가 가능한지 확인하기 위해 중간고사 성적을 기준으로 두 집단의 사전 동일성 검증을 확인하기 위한 독립표본 t-검정을 실시하였다. 다음으로는 동일한 교과목에서 AI 플랫폼을 활용한 수업과 기존 대면 수업 간에 기말성적의 차이가 존재하는지 즉 AI 코스웨어 활용 여부에 따른 성취도 차이가 있는지 살펴보기 위한 독립표본 t-검정을 실시하였다. 이는 서로 다른 2개의 집단 간 평균을 비교할 때 주로 사용되는 방법이다. 이때 두 집단은 상호 독립적으로 표집 된 집단으로, 한 집단의 표집이 다른 집단의 표집에 아무런 영향을 끼치지 않아야 한다. 셋째, 중간성적을 통제한 이후에도 AI 코스웨어 활용이 기말성적에 정적인 영향을 미치는지 알아보기 위해 공분산 분석(ANCOVA)을 실시하였다.
4. 연구결과
4.1. AI 코스웨어 적용 수업의 효과 분석
4.1.1. 기술통계
먼저 본 연구의 주요 변인에 대한 문항 반응 경향성을 살펴보기 위해 평균, 표준편차, 왜도, 첨도 등을 검토하였다. 이때 결측치를 제외하고 AI플랫폼 수업모형반 34명, 기존 수업모형반 25명을 최종 분석 대상으로 하였다. <표 4>에 나타난 바와 같이, 수업유형에 따른 중간성적 평균치는 AI플랫폼 수업모형반은 14.72점(SD=7.25), 기존 수업모형반은 13.00점(SD=8.18)으로 약 1.76점 정도의 집단 간 차이를 보였다. 기말성적 평균치는 AI플랫폼 수업모형반 18.62점(SD=12.04), 기존 수업모형반 13.28점(SD= 10.02)으로 AI플랫폼 수업모형반이 기존 수업모형반보다 약 5.34점 높게 나타났다. 그리고 두 집단 모두 표준편차에서 비교적 크게 나타나 학습자 간 성취도 분산이 존재함을 확인할 수 있었다. 왜도(skewness)는 두 집단 모두 약한 정적 또는 부적 양상을 보였으며, 첨도(kurtosis)는 대부분 강한 부적 양상을 나타냈다. 하지만 연구 검증을 하기 위한 전제조건인 정상분포조건(왜도<±2, 첨도<±4)을 만족시키는 것으로 나타났다(Hong, Malik & Lee, 2003). 다음으로 정규성 검증을 위해 소표본(n ≤ 50)에서 가장 유용한 Shapiro-Wilk 검정 통계량을 통해 살펴본 결과, 중간과 기말검사에서 AI 코스웨어 수업모형반, 기존 수업모형반 모두 검정 통계량≧.898, p>.05로 나타나 정규성을 가정하고 있는 것으로 나타났다.
4.1.2. 독립표본 t-검정
본 연구에서는 AI플랫폼 활용 수업의 학업성취 효과를 탐색하기 위해 사전 동일성 검정, 독립표본 t-검정, 그리고 중간성적을 통제한 공분산 분석을 실시하였다. 먼저, 중간고사 성적을 기준으로 두 집단의 사전 동일성 검증을 확인하기 위한 독립표본 t-검정을 실시하였다. 그 결과, <표 5>와 [그림 5]에 제시한 바와 같이 AI플랫폼 수업모형반과 기존 수업모형반 간의 평균 차이는 통계적으로 유의하지 않았다(t(50.31)=0.87, p=.389). 이는 두 집단이 사전 학업성취 수준에서 통계적으로 동질적인 집단임을 의미한다. 다음으로, AI 플랫폼 활용 여부에 따른 기말성적 차이를 검증하기 위해 독립표본 t-검정을 실시하였다. 그 결과 AI플랫폼 수업모형반의 기말성적 평균이 기존 수업모형반 기말성적 평균보다 높게 나타났으나 통계적으로 유의한 수준의 차이를 보이지는 않았다(t(56.06)=1.86, p=.069). 그리고 두 집단 간 평균 차이에 대한 효과크기(Cohen’s d)는 0.48로 중간 수준의 교육적 효과가 관찰되었다.
4.1.3. 공분산 분석(ANCOVA)
본 연구에서는 AI플랫폼 활용 여부에 따른 기말성적 차이를 탐색하기 위해 중간성적을 공변량으로 하여 공분산 분석을 실시하였다. 그 결과, <표 6>에 제시한 바와 같이 중간 성취도가 기말 성취도를 예측하고 있지만(F(1,55)= 94.72, p<.001), AI 코스웨어 활용 여부의 효과는 통계적으로 유의한 수준에 도달하지는 못했다(F(1,55)=3.54, p=.065).
<표 6>
중간성적을 통제한 기말성적의 공분산 분석 결과
| 변인 | SS | df | MS | F | P |
|---|---|---|---|---|---|
| 수정된 모형 | 4887.176 | 2 | 2443.588 | 51.263 | .000 |
|
|
|||||
| 절편 | 7.678 | 1 | 7.678 | .161 | .690 |
|
|
|||||
| 중간 성적(사전검사) | 4515.18 | 1 | 4515.181 | 94.721 | .000*** |
|
|
|||||
| AI플랫폼 활용 여부 | 168.78 | 1 | 168.779 | 3.541 | .065 |
|
|
|||||
| 오차 | 2621.74 | 55 | |||
|
|
|||||
| 전체 | 22711.00 | 58 | |||
|
|
|||||
| 수정된 합계 | 7508.914 | 57 | |||
5. 결론 및 제언
본 연구는 대학 수업에 AI 코스웨어를 적용하고 그에 대한 효과를 탐색한 파일럿 연구이다. 이를 위해 전북 지역 소재한 W 대학의 2025년도 1학기에 개설된 ‘수학과 통계의 세계’ 교과목 2개 분반의 학생을 연구 대상으로 하였다. 한 분반은 AI 코스웨어를 활용하여 수업이 이루어졌으며, 다른 분반은 기존에 해 왔던 대면 방식으로 수업을 진행하였다. AI 코스웨어 실증참여 수업은 ‘수학과 통계의 세계’ 단원을 학습하는 6주간 적용되었으며, 중간점수를 사전검사, 기말점수를 사후검사로 활용하여 AI 코스웨어 적용에 따른 효과를 평가하였다. 분석 방법은 사전 동일성 검정, 독립표본 t-검정, 그리고 공분산 분석과 같이 세 단계를 거치며 이루어졌다. 그 결과 첫째, 중간고사 성적을 기준으로 두 집단의 사전 동일성 검증을 위한 분석결과 사전 성취도에서 두 집단이 동질적인 집단인 것으로 나타났다. 둘째, 동일한 교과목에서 AI 코스웨어를 활용한 수업과 기존 대면 수업 간에 기말성적의 차이가 존재하는지 분석한 결과 AI플랫폼 수업모형반이 기존 수업모형반보다 기말성적 평균이 높았지만 통계적으로 유의한 수준의 차이를 보이지는 않았다. 셋째, 중간성적을 통제한 이후에도 AI 코스웨어 활용이 기말성적에 정적인 영향을 미치는지 살펴보기 위한 분석결과 사전 성취도가 기말 성취도를 예측했지만, AI 코스웨어 활용 여부의 효과는 통계적으로 유의수준까지는 도달하지 못하였다. 이러한 결과는 AI 기반 적응형 시스템 내에서 학생들의 학습활동과 성취도는 정적 상관관계가 있다고 보고한 연구 결과(김명희 외, 2023; 신종호 외, 2021; 조윤정, 2022)를 뒷받침할 수 있지만, AI 코스웨어를 활용한 수업 효과가 통계적으로 명확히 검증되지 않은 이유에 대한 분석이 추가될 필요성이 있음을 제기하고 있다. 따라서 이를 바탕으로 논의할 점은 다음과 같다.
첫째, 다양한 학습경험을 제공할 수 있도록 AI 플랫폼 활용과 수업 간의 연계가 잘 될 수 있는 교육 모델을 제공해야 한다. 이는 AI가 제공하는 피드백과 실제 교육과정 사이의 간극이 발생하거나 일부 내용 영역에만 효과적일 경우, AI 코스웨어를 활용하였으나 큰 성공을 거두지 못하거나 과목 내 확산에 실패하는 원인이 될 수 있기 때문이다(신종호, 황영아, 2024). 본 연구에서는 매 단원 학습 후에는 2주에 한 번씩 AI 플랫폼의 문제은행을 통하여 문제를 생성하여 과제로 업로드하고, 학생들이 플랫폼상에서 과제를 하고 오답이 있을 경우 풀이 과정과 정답을 제공하고 유사 문제를 통해서 좀 더 학습할 수 있도록 설계되어 있다. 따라서 교수자는 학생들의 문제를 푼 사항을 모니터링하며 전체적으로 학생들의 이해도가 떨어진 문제와 개별적 이해도 차이를 구분하여 다음 수업 시간에 전체적으로 피드백을 주는 방식으로 수업을 진행하였다. 이는 현재의 AI 코스웨어는 교실 수업과는 독립된 형태로 주로 개별 학습자 대상의 자율 학습을 목적으로 개발되고 설계되었기 때문이다. 따라서 학습의 맥락에서 동료, 교수자와 함께 학습자가 참여할 기회가 제공되거나 동료와의 협력학습을 지원하는 기능이 부족하다는 문제가 제기될 수 있다(Buchanan, 2000). 이에 교실 수업에서 개별 학습자 또는 특정 유형의 학습자 그룹에 적합한 최적화된 교육 방법과 교육자료를 제공하는 등 학습자 참여 중심 수업을 지원하는 요소를 포함하여야 한다(남진숙, 2023). 즉 교수설계 시 핵심적으로 고려해야 하는 요소와 설계의 단계마다 수행해야 하는 구체적인 활동은 무엇인지에 대한 전체적인 과정과 절차의 설계가 요구된다(신종호, 황영아, 2024). 이러한 관점으로 고려했을 때, 본 연구에서는 개별 학습자의 오개념에 대한 피드백 및 학업성취를 돕는 최적의 단계별 학습경로를 통해 학생들의 학습 과정에서 난이도를 조절하고 힌트를 제공함으로써 학생들이 보다 효과적으로 배울 수 있도록 충분히 돕지 못한 것으로 사료된다.
둘째, 학생들의 역량을 향상시킬 수 있도록 AI 플랫폼 효과적으로 활용하기 위해서는 기존의 대면 수업보다도 교수자와 학습자 모두 각각의 준비와 노력이 더 요구된다. AI 기반 학습 시스템만으로는 의미있는 학업성취를 내기 어렵기 때문에, 만일 AI 코스웨어 특징에 비추어 철저한 계획과 준비 없이 적용하게 된다면 학습을 구현하는 데 있어 장애물로 작용 될 수도 있다(신종호, 황영아, 2024). 본 연구에서는 AI 플랫폼 활용 수업에서 강의자료를 LMS에 올려놓으면 학생들은 이들 자료를 가지고 선행학습을 진행하도록 하였으며, 학습 과정에서 개념을 정리하거나 질문할 사항이 있으면 AI 플랫폼의 챗봇과 문제은행을 이용할 수 있도록 하였다. 이러한 과정은 단순한 지식을 습득하고 적응하는 것을 넘어 학생 스스로 문제를 발견하고 해결하고자 하는 사고와 태도를 갖도록 하는 데 있다(이은숙, 황혜영, 2013; 이화선, 최인수, 2014). 하지만 이때 학습자가 스스로 얼마나 자주 학습 플랫폼에 접속하여 학습활동에 대한 점검, 문제해결 지원에 대한 도움을 받기 위해 노력하는 과정을 거쳤는지에 따라 달라질 수 있다. 왜냐하면 AI 사용에 대한 접근성이 부족한 학생은 AI의 효과를 충분히 제공받지 못할 수 있으며, 성취도 측면에서 우수한 학생은 천장 효과로 인해 상대적으로 제한된 학습 효과만 누릴 수 있기 때문이다. 더불어 AI를 교육에 적용하기 위해 교수자가 수업을 계획하는 핵심 도구로 사용하며 학습자에게 의미 있는 학습경험을 제공해야 하는데(Choppin et al., 2017; Pepin & Gueudet, 2020), AI를 통한 학습에서 교수자의 지식과 준비가 부족하면 효과적으로 활용하기 어렵기 때문이다(손태권, 2024). 이러한 측면에서 시스템에서 제공하는 데이터를 효과적으로 활용하며 학생들의 흥미, 학습동기를 높여 학습진도를 포기하지 않고 따라가도록 하는 것에 대해서는 상대적으로 부족하였다고 평가된다.
셋째, AI 코스웨어가 학생들에게 학습 내용을 잘 받아들일 수 있도록 하는 수단이 되기 위해서는 AI 플랫폼 적용 기간, 기술적인 문제들을 고려해야 한다. 특히 수학, 물리, 화학 등과 같은 기초교과목들에 AI를 통한 개별화 학습을 적용하는 경우에는 더욱 학업 활동에 집중할 수 있는 학습 환경조성에 효과적인 방법으로 작용 되어야 한다(Holmes et al., 2019). 본 연구의 ‘수학과 통계의 세계’와 같은 대학 교양 수학은 다양한 전공의 학생들이 참여하며, 학습자 간 선수지식과 이해도 격차가 큰 영역이다. 따라서 교수자가 AI 플랫폼의 대시보드를 활용하여 학습자별 성취 데이터를 분석하고, 이를 토대로 맞춤형 피드백이나 보충학습을 제공함으로써 수업의 질을 높이기 위한 노력이 요구된다(신종호, 황영아, 2024; 허선영 외, 2025) 그럼에도 불구하고 AI 코스웨어 실증참여 수업이 ‘수학과 통계의 세계’ 단원을 학습하는 6주간 적용으로 기간이 제한적이었다는 점에서 학습격차 해소에 효과적인 도구로 활용되지 못한 것으로 판단된다. 또한 실제 AI 에듀테크 플랫폼을 사용하면서 학습에 유용한 측면도 있었지만 불편한 점과 개선이 필요한 사항 등 시스템의 한계도 있었다. AI 플랫폼(언텍트에듀)에서는 객관식과 혼용하여 사용할 수 없고 주관식으로만 답을 쓸 수 있는 과제를 제시하도록 제한이 이루어진 점, 학생들이 보다 쉽게 접근할 수 있는 모바일은 사용할 수 없고 데스크탑 또는 노트북에서만 접속하여 학습활동이 이루어질 수 있도록 되어 있는 점 그리고 답안 입력 시 같은 답을 입력하여도 정답인 경우, 오답인 경우로 다르게 나타나는 오류가 발생하는 등의 문제점들이 발생했기 때문이다. 따라서 향후 AI 코스웨어를 활용한 수업이 성공적으로 실현되려면 학습경로의 적응성 보장, 사용자 경험에 영향을 미치는 기술적 문제 등 이러한 제한점을 충분히 고려하여야 한다는 것이다(Alam, 2023; Murtaza et al., 2022).
넷째, AI 코스웨어에 대한 이론적 탐색과 더불어 서비스 도입에 따른 성과 분석에 있어서 정교한 연구 설계를 토대로 한 실증연구가 이루어져야 한다. 본 연구는 교육의 효과를 높이기 위한 일환으로 시범적으로 AI 코스웨어를 도입하여 교양 수학교육에 적용해보고 그에 따른 효과를 탐색하여 점차 확대 운영하기 위한 차원에서 이루어진 파일럿 연구이다. 이에 연구결과로 AI플랫폼 수업모형반이 기존 수업모형반보다 기말성적 평균이 높게 나타나 AI플랫폼 활용 여부에 따른 성과 차이는 확인하였지만 통계적으로 유의하지 않았다. 이는 AI 코스웨어의 강점이 형성평가와 즉각적 피드백에 있음에도 불구하고, 본 연구에서는 지필 중심의 총괄평가를 결과 변인으로 AI 코스웨어 활용 효과를 살펴보았다는 점에서 해석상의 한계가 있을 수 있다. 또한 소표본을 대상으로 하여 AI 코스웨어 분반 효과를 분석한 점, 연구자가 임의적으로 실험집단과 대조집단으로 구분하고 연구를 설계한 점 등은 연구결과를 일반화하는데 제한이 있을 수 있다. 본 연구는 본격적인 연구를 시작하기 전에 작게 실행해보는 ‘예비 연구’로 성취향상 경향과 효과크기를 통해 AI 코스웨어 수업의 효과를 경험적으로 제공하였다는 측면에서는 의미가 있다. 하지만 향후 최종 연구를 성공적으로 진행할 수 있도록 하기 위해서는 본 연구의 연구 계획과 방법이 제대로 작동하는지 확인하고 예상되는 문제점을 파악하여 이를 보완할 수 있는 연구를 설계할 필요성이 제기된다.
최근 우리 사회는 동시적이고 복합적인 활동을 할 수 있는 디지털 혁명 시대로, 이러한 변화에 대처하여 대학도 사회 요구에 맞는 인재 양성을 위해 다양한 변화와 새로운 시도가 이루어지고 있다. 특히 대학은 지금까지의 교육으로는 급변하는 시대에 대응하는 능력을 길러주기에 한계가 있다고 인식하며 교육과정 변화에 적극적으로 움직이고 있다. 이에 대학은 고등교육의 경쟁력 강화 방안을 AI 에듀테크에서 찾고자 하는 추세이다(이화영, 2023; 신동조, 2020; 손태권, 2024). 그러나 AI를 포함한 기술은 그 자체만으로는 긍정적인 교육을 보장하지 않음으로 AI 플랫폼을 대학교육에 의미 있게 활용하기 위한 구체적인 방향에 대한 논의가 선행되어야 한다(이지은, 2020; 최서연, 임철일, 2023). 이는 AI 에듀테크가 미래 사회를 이끌어 갈 학생과 기업의 요구에 대학이 어떻게 대응해야 할지에 대학교육의 디지털 전환에 대한 정보를 제공할 수 있기 때문이다. 이상을 종합하여 본 연구가 갖는 의의롤 살펴보면 다음과 같다. 첫째, AI 코스웨어의 대학교육 가능성을 탐색함으로써 미래 교육의 방향성을 모색하고 기초자료를 제공하였다는 데 있다. AI를 기반에 둔 교육으로 어떠한 경험에 집중해야 있는지, 교육을 실천하는 데 있어서 어떠한 변화를 추구해야 하는지에 대한 실제적 정보를 제공할 수 있다. 둘째, 고등교육과정에서 실시되고 있는 디지털 교육에 대해 성찰할 기회를 제공할 수 있다. 학생들에게 제공되는 교육프로그램에 대한 질적 평가의 중요성에 대한 관심을 조성하고, 이는 그들의 만족감을 높일 수 있는 양질의 교육을 진행할 수 있는 변화를 위한 토대를 마련하는 데 도움이 될 수 있다. 셋째, 고등교육에서 AI 코스웨어 연구의 교육적 의미와 실천적 방향을 위한 대안을 제시할 수 있다. 이는 현재 적용되고 있는 AI 플랫폼이 갖는 효과를 보여주고 보완해야 할 점 등에 대해 논의함으로써 교육 분야에 긍정적인 변화를 기대할 수 있다.
이 연구의 제한점으로부터 향후 연구의 방향을 다음과 같이 제안한다. 첫째, 실제 수업에 AI 코스웨어의 적용하고 운영함으로써 고등교육 에듀테크 소프트랩의 이점과 활용 가능성을 이해할 수 있는 경험적 자료를 제공하였다는 데에 의의가 있다. 하지만 AI 플랫폼 ‘언택트에듀’ 하나만을 사용하여 학습효과를 측정한 점은 연구결과의 외적 타당도와 일반화 가능성에 제한이 따른다. 따라서 추후 연구에서는 플랫폼 특성 자체가 결과에 영향을 미쳤을 가능성도 고려한다면 보다 정확한 효과 추정이 가능할 것으로 보인다. 둘째, 본 연구에서는 사전-사후 실험집단, 비교집단 설계를 사용하고 있으나 통계적 검정력을 확보하기에는 표본 규모가 다소 부족하고, 더불어 장기적 학습 성과 분석을 통해 AI 코스웨어 활용 수업의 효과를 보다 심도있게 검증하고 있지 않다. 따라서 향후 연구에서는 유의수준의 효과 크기 검증을 위해 표본 수를 확대할 필요가 있으며, 시간에 따라 성취가 어떻게 달라지는지 변화의 추이를 살펴보기 위해 연구 설계와 방법을 달리 적용하여 세심하게 살펴볼 필요가 있다. 셋째, 본 연구에서는 서로 다른 수업 모형반을 비교하기 전 수업에 영향을 미칠 수 있는 다양한 배경 변인을 살펴보지 않았다. 따라서 두 집단의 성취도 차이가 AI 코스웨어 실증참여 수업에 의한 효과인지 그 타당성을 입증하는 데 한계가 있다. 따라서 추후 연구에서는 수업에 영향을 미칠 수 있는 다양한 변인을 통제한 후에도 성취의 변화가 있는지 혹은 그 변화의 양상이 그대로 유지되었는지 살펴보고 교육 효과를 판단할 필요성이 있다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
