AI융합교육 프로그램 개발 및 적용에 따른 교육 방향성

1.1 연구의 필요성

4차 산업혁명 시대의 도래로 인해 빅데이터와 클라우드 기반 기술 혁신이 가속화되고 있으며, 특히 코로나19 이후 인공지능(AI) 및 소프트웨어(SW) 기술의 발전과 활용은 더욱 확대되고 있다[1]. 이러한 변화에 따라 교육부는 2015 개정 교육과정에서 정보 교과를 필수화하였으며, 2022 개정 교육과정에서는 모든 교과에서 디지털 및 AI 소양을 강조하며 AI 중심의 융합교육을 적극 추진하고 있다[2].

Figure 1.

Key contents of the 2022 Revised National Curriculum [2]

우리 정부는 「인공지능 국가전략」을 통해 초·중등학교에서 AI와 SW 교육을 필수화하고, AI 문해력 향상을 위한 전 국민 교육과 AI 인재양성 정책을 적극적으로 추진하고 있다[3]. 이러한 정책적 노력에도 불구하고, 학교 현장에서는 AI 교육의 구체적인 내용 구성과 교수학습 방법, 평가 방안에 관한 체계적이고 실질적인 지침이 부족한 상황이다[4, 5]. 기존 연구는 주로 AI 교육의 필요성과 효과성을 이론적으로 접근하거나, AI 교육이 단순한 기술적 교육을 넘어 사회적·윤리적 이슈를 함께 다루는 융합적 접근이 필요하다는 점을 강조하고 있다[6, 7]. 그러나 실제 중학교 현장에서 AI 융합교육을 적용할 수 있는 구체적인 프로그램 개발과 사례 연구는 여전히 부족하다.

따라서 본 연구는 경북 지역의 중학교 현장에 실제 적용 가능한 AI 융합교육 프로그램을 개발·적용하고, 학생들의 AI 인식 변화 및 미래핵심역량 향상 효과를 구체적으로 분석하고자 한다. 이를 토대로 현장에서 실질적으로 활용할 수 있는 교육 운영 방안과 정책적 지원 방향을 제안하여, 중학교에서 AI 융합교육이 성공적으로 정착할 수 있는 실천적 기반을 제공하는 데 그 목적이 있다.

1.2 연구 목표 및 내용

본 연구는 중학교 교육 현장에 적합한 AI 융합교육 프로그램을 개발하여 적용하고, 이를 통해 학생들의 인공지능 인식 변화 및 컴퓨팅 사고력을 포함한 미래핵심역량 향상 효과를 분석하며, 교사의 교수역량 강화를 위한 정책적 지원 방안을 제시하는 데 목적이 있다. 이를 달성하기 위한 구체적인 연구 목표는 다음과 같다.

첫째, 국내외 초·중등학교 AI 융합교육 사례 분석을 통해 중학교 수준에 적합한 교육 내용과 교수·학습 방법의 핵심 요소를 도출한다.

둘째, 컴퓨팅 사고력(CT-STEAM)을 기반으로 한 중학교용 AI 융합교육 프로그램을 개발하고, 전문가 타당성 검토를 통해 현장 적용 가능성을 검증한다.

셋째, 개발한 AI 융합교육 프로그램을 중학교 현장에 적용하고, 학생들의 인공지능에 대한 인식 변화와 미래핵심역량을 사전·사후 비교 분석하여 그 효과성을 실증적으로 확인한다.

넷째, 프로그램에 참여한 교사들의 교수역량 수준을 평가하고, 역량 강화를 위한 맞춤형 연수 프로그램 및 체계적인 정책적 지원 방안을 제안한다.

이 과정에서 경북 지역 중학교의 교육 환경과 정책적 특성을 고려하여 현장 적용성을 높이고자 하였다. 이를 위해 교육부 발표 자료와 정부 문헌을 바탕으로 자료를 정리하고, 국내외 AI 교육 사례 분석을 실시하였으며, 현장 중심의 실천적 프로그램 운영 방안을 제안하였다.

1.3 연구 제한점

본 연구의 제한점은 다음과 같다.

첫째, 본 연구는 특정 지역과 학교를 중심으로 AI 융합교육 프로그램을 개발하고 적용한 사례 연구로, 연구 결과를 전체 중학교 교육 현장에 그대로 일반화하기에는 신중한 접근이 필요하다.

둘째, AI 융합교육 프로그램의 효과 분석 과정에서 학생의 사전 지식, 교사의 교수법 특성, 학교 환경과 같은 다양한 변인이 존재할 수 있으나, 본 연구에서는 이러한 개별 요인을 엄밀하게 통제하지 않았다.

셋째, 본 연구는 단기적 적용 결과를 중심으로 하고 있어, AI 융합교육 프로그램의 장기적 효과 및 교사의 교수역량 변화의 지속성을 판단하기 위해서는 추가적인 장기 연구가 요구된다.

넷째, 학생과 교사의 역량 평가는 자기보고식 설문과 검사 도구에 의존하여 실시되었으므로, 향후 연구에서는 관찰, 심층 인터뷰 등 질적 접근 방법을 추가적으로 병행하여 보다 입체적이고 종합적인 결과를 도출할 필요가 있다.

1.4 용어 정의

2.1 인공지능 교육

최근 정보통신기술(ICT)의 급속한 발전과 함께 인공지능(AI)에 대한 연구와 사회적 관심이 크게 증가하고 있으며, 특히 소프트웨어(SW) 기술의 발전으로 AI를 활용한 실생활 문제해결이 활발히 이루어지고 있다. 이에 국내외 각국은 AI 관련 역량 강화를 위해 다양한 정책을 마련하여 현장에서 실천 가능한 목표와 전략을 제시하고 있다. 우리나라는 2019년 12월 「인공지능 국가전략」을 통해 AI 전문 인력 양성과 국민 대상의 AI 기본 소양 교육을 주요 과제로 설정하고, 초·중등학교의 SW 및 AI 교육을 필수 교육으로 지정하였다. 한국과학창의재단[9] 또한 국가 경쟁력 강화를 위해 AI 인재 육성을 위한 투자의 필요성을 강조하며 교육과정 개선과 디지털 역량 및 AI 소양 교육 확대를 촉구하고 있다.

2.1.1 인공지능과 AI교육 개념

인공지능의 정의는 Table 1에서 보는 바와 같이 학자마다 다소 차이가 있으나, 공통적으로는 ‘인간의 지능적 행동을 컴퓨터로 구현하는 것’을 의미한다.

Table 1.

Definitions of Artificial Intelligence by Various Scholars

본 연구에서는 위의 다양한 정의를 바탕으로 ‘인공지능’을 ‘인간의 지능적 행위를 모방하여 실생활의 다양한 문제를 해결하는 소프트웨어 시스템’으로 정의하였다. 대표적으로는 온라인 추천 시스템, 로봇, 음성 및 이미지 인식 등에서 활발히 활용되고 있으며, 특히 데이터과학과 기계학습(Machine Learning), 딥러닝(Deep Learning) 기술의 발전으로 AI의 활용 분야가 지속적으로 확대되고 있다.

인공지능과 관련된 용어의 개념 간 포함관계는 Fig. 2와 같다. 인공지능 분야에서는 데이터 기반의 기계학습이 가장 활발하게 연구되며, 특히 딥러닝 기술은 이미지, 음성 인식 등에서 뛰어난 성과를 나타내고 있다. 데이터과학 및 빅데이터 분야에서도 기계학습 방법을 활발히 사용 중이다.

Figure 2.

Conceptual Relationships among AI-related Terms [9]

박민규 외[4]의 연구에 따르면 정보통신기술의 발전과 함께 인공지능(AI)에 대한 관심이 지속적으로 증가하고 있으며, 하드웨어와 소프트웨어의 혁신으로 기존에 해결하기 어려웠던 문제를 해결할 가능성도 점차 높아지고 있다. 유엔의 미래보고서 역시 가까운 미래에 인공지능이 인간의 지능을 초월할 수 있다는 전망을 제시하고 있다.

한편, 교육 분야에서의 AI 교육은 AI를 교육의 내용으로 보는 관점과 교육을 위한 도구로 보는 관점으로 나눌 수 있으며, 실제 학교 현장에서는 두 관점이 혼재되어 사용되고 있다. 전자의 경우, AI의 개념과 윤리를 학습하여 이를 바탕으로 AI 알고리즘의 설계 및 활용 능력을 키우는 것이 목표이며, 이를 일반적으로 ‘AI 교육’이라 칭한다. 반면 후자는 에듀테크를 포함한 AI 기술을 교수학습 과정에서 수업의 질을 향상시키는 도구로 활용하는 데 초점이 맞춰져 있으며, ‘교육에서의 AI(AIED)’ 또는 ‘AI 기반 교육’이라 불린다[6].

이은경[11]의 국내외 AI 교육과정 분석 결과에 따르면, 최근 초중등교육에서는 AI의 개념 이해, 표현과 추론, 머신러닝 및 신경망 기술, 사회적 영향과 같은 내용이 공통적으로 다뤄지고 있다. 국내에서도 2022 개정 교육과정을 통해 AI 융합교육이 본격적으로 도입될 예정이며, 이는 학습자의 미래 핵심 역량을 강화하고자 하는 목적에서 추진되고 있다[4]. 세계적으로도 AI를 교과로 편성하거나, AI 및 데이터 과학 기반의 교육환경 구축, 교원 연수 강화 등 다양한 정책적 노력이 이루어지고 있다.

우리나라의 경우 초·중등학교 단계에서 SW 및 AI 중심의 교육과정을 편성하여 모든 학생이 AI 기본 소양을 필수적으로 갖추도록 하고 있으며, 고등학교 단계에서는 선택적 심화과정을 운영하고 있다. 또한 대학 단계에서는 다양한 전공과 AI를 융합한 학제적 접근이 확대되고 있으며, 교사의 전문성 향상 및 AI 교육 인프라 확충을 위한 노력도 적극적으로 진행 중이다.

교육부는 정보교육종합계획을 통해 미래사회 대응 역량을 위한 AI 교육을 강조하고 있으며, 이미 청소년들은 인공지능 기반의 다양한 기술과 접촉하고 있어 AI 교육의 필요성이 더욱 강조되고 있다. 현재 초·중등 인공지능 교육은 주로 소프트웨어 교육을 바탕으로 이루어지고 있으며, 이를 통해 컴퓨팅 사고력과 문제 해결 능력, 올바른 윤리적 가치관 형성을 목표로 하고 있다. 최근에는 초·중·고등학교에서 AI 교육의 시수를 늘리고 통합 교육 프로그램을 적극 개발하며 그 효과성을 분석하는 연구도 활발히 진행되고 있다.

AI 교육의 국제 기준으로는 AI4K12(미국), OECD AI Literacy Framework, UNESCO AI Competency Framework가 대표적이다. AI4K12는 인공지능 교육을 위한 5대 핵심 개념(Knowledge Representation, Learning, Perception, Natural Interaction, Societal Impact)을 제시하고 있으며, 초·중등 수준에서 AI 개념을 체계적으로 구성할 수 있게 한다. OECD는 AI 리터러시를 '기술적 이해', '사회적 영향 분석', '윤리적 의사결정'을 포함한 다층적 역량으로 제시하고 있으며, UNESCO는 교사, 학습자, 정책결정자 각각의 역할과 수준에 따른 차별화된 교육 역량 모델을 제시한다. 본 연구에서는 이러한 국제 기준을 문헌 검토 수준에서 참고하였으며, 일부 프로그램 요소 설계에 간접적으로 반영하였다.

2.2 융합교육과 인공지능 융합교육

2.2.1 융합교육과 인공지능 융합 교육

융합인재교육(STEAM)은 과학(Science), 기술(Technology), 공학(Engineering), 예술(Arts), 수학(Mathematics)을 융합하여 실생활 문제를 창의적으로 해결할 수 있는 역량을 함양하는 것을 목표로 한다[12]. 단순 교과 통합을 넘어, 학생 주도적 설계와 감성적 체험, 창의적 아이디어 적용을 강조하는 교육 방식으로 세부 내용은 Fig. 3과 같다.

Figure 3.

Learning Criteria for STEAM Education [12]

인공지능 융합교육은 이러한 STEAM 교육의 핵심 원리를 바탕으로, AI 기술의 이해와 활용을 다양한 교과 활동과 연계하여 문제 해결력을 기르려는 교육 방식이다. 특히, AI 기술이 지닌 사회적 영향력과 윤리적 이슈를 함께 다루며, 학생들이 실생활 문제에 대한 창의적이면서도 책임 있는 해결책을 모색할 수 있도록 한다[3, 13]. 초·중등 수준의 인공지능 융합교육은 기본적인 AI 소양을 바탕으로, AI 기술을 활용하여 실생활 문제를 해결하거나 새로운 아이디어를 창출하는 역량을 함양하는 데 목적이 있다. 또한, AI 기술의 사회적 영향력과 윤리적 이슈를 이해하고, 이를 긍정적이고 책임감 있게 활용할 수 있는 역량을 기르는 것을 중요하게 여긴다[7]. 본 연구에서는 이러한 관점을 반영하여 인공지능 융합교육을 ‘학생들이 인공지능 사회에서 필요한 이해와 윤리적 활용 능력을 함양하여, 실생활의 문제를 창의적이고 책임감 있게 해결할 수 있도록 지원하는 교육’으로 정의한다.

2.2.2 융합교육의 유형

Drake[14]는 융합교육을 다학문적(multidisciplinary), 간학문적(interdisciplinary), 탈학문적(transdisciplinary) 통합으로 구분하였다. 다학문적 통합은 하나의 주요 교과를 중심으로 다른 교과를 연계하여 내용을 구성하는 방식이다. 간학문적 통합은 특정 주제를 중심으로 여러 교과의 내용을 선정하여 통합적으로 구성하는 방식이며, 탈학문적 통합은 특정 학문에 구애받지 않고 현실 세계의 문제나 학생들의 관심사와 질문을 중심으로 여러 학문이 통합되는 형태이다[16]. 각 유형별 특징을 정리하면 Table 2와 같다.

Table 2.

Types of Integrated Education [14]

본 연구에서는 이러한 융합교육 유형 중 인공지능의 기술적 이해와 더불어 사회적 영향 및 윤리적 이슈를 함께 다루기 위해 다학문적 통합 방식과 탈학문적(transdisciplinary) 통합 방식을 결합하여 교육 프로그램을 개발하고 현장 적용 방안을 모색하고자 한다.

2.3 학교 교육에서 인공지능(AI) 융합 수업 사례 분석

AI 융합교육의 실제 적용 사례 분석을 위해 교육부와 한국과학창의재단에서 제작한 『인공지능 교육 길라잡이[16]』와 『AI 교육 선도학교 운영결과 보고서[17]』를 참고하였다. 분석 대상은 두 개 이상의 교과가 협력하여 운영된 사례로 제한하였다. 분석 사례의 요약은 Table 3과 같다.

Table 3.

Analysis of AI Education Class Cases in Middle and High School

3.1 컴퓨팅 사고력 기반 인공지능 융합교육 프로그램 개발 단계

본 연구는 사회적, 기술적, 윤리적 차원을 아우르는 인공지능 융합교육의 필요성에 따라, 기존의 소프트웨어(SW) 융합 교육 프로그램과 차별화된 컴퓨팅 사고력 기반의 인공지능 융합 교육(CT-STEAM) 프로그램을 개발하여 적용하였다. 프로그램 개발 및 적용은 다음과 같은 단계로 진행하였다.

• ① 계획 단계: 초·중등 AI 교육기준, 관련 문헌 및 선행연구 분석을 통한 CT-STEAM 주제 선정
• ② 준비 단계: CT-STEAM 프로그램 운영을 위한 교수학습 전략 및 내용 구성
• ③ 개발 단계: CT-STEAM 교수학습 모형을 활용한 구체적인 프로그램 개발
• ④ 검토 단계: 전문가 검토 및 피드백을 바탕으로 프로그램 및 교수학습 방법 수정·보완
• ⑤ 적용 및 분석 단계: CT-STEAM 프로그램의 학교 현장 적용, 결과 분석 및 효과성 검증

3.2 인공지능 융합교육 프로그램 개발 및 적용

인공지능 교육이 소프트웨어(SW) 교육의 연장선상에 있다는 점을 고려하여, 기존 SW 교육 교수학습 모형을 기반으로 프로그램을 개발하였다. 특히 인공지능 교육의 사회적, 기술적, 윤리적 측면과 다양한 교과 성취기준 간의 연계 가능성을 분석하였으며, 컴퓨팅 사고력 교수학습 모형[19]을 활용하여 초·중등 AI 교육기준에 부합하는 융합형 프로그램을 개발하였다.

이 과정에서 다수 활동을 국제 기준에 부합하도록 구성하였다. ‘AI 분석 활동’은 AI4K12의 ‘Knowledge Representation’과 ‘Learning’ 개념을 활용하여, 데이터 기반 의사결정 과정을 경험하도록 하였다. ‘윤리 토론’ 활동은 OECD AI Literacy의 ‘AI와 사회’ 범주 및 UNESCO의 ‘AI 윤리 인식’ 역량과 연결되며, 기술의 사회적 영향에 대한 비판적 사고를 유도하였다. 또한 ‘AI 기반 에세이 작성’은 학생의 표현 역량과 AI 활용 능력을 통합적으로 요구함으로써, AI를 단순 도구가 아닌 사고 확장의 수단으로 활용하도록 설계하였다. 그 결과, 교과 간 융합 형태로 총 26가지의 주제를 구성하여 현장에 적용하였다. 세부 내용은 Table 4와 같다.

Table 4.

AI Convergence Education Program Based on Computational Thinking

4.1 실험 설계

본 연구는 중학교 교육현장에서 실제 프로그램을 운영하는 실천적 맥락을 기반으로 하였으며, 연구윤리 및 학교 운영 구조상 통제집단 설정이 어려운 상황이었다. 이에 따라 단일집단 사전-사후 설계(one-group pretest-posttest design)를 채택하였으며, 내적 타당성에 한계가 있음을 인지하였다. 본 연구는 이를 보완하기 위해 ANCOVA를 통해 사전점수의 영향을 통제하고, 효과크기(Cohen’s d)를 산출하여 처치의 실제적 효과 수준을 함께 분석하였다.

본 연구를 위해 개발 및 적용한 인공지능 융합 교육 프로그램의 효과성을 검증하기 위해 Table 5와 같은 실험 설계를 실시하였다. 실험은 중학교 1, 2학년 학생을 대상으로, 사전 인식조사 및 KEDI 기반 미래핵심역량 검사를 실시한 뒤, 컴퓨팅 사고력 기반 인공지능 융합교육 프로그램을 9월 1주부터 11월 1주까지 총 5주간 35개의 융합 주제로 운영하였다. 프로그램 운영 후에는 동일한 형태의 사후 검사를 실시하였으며, 사전·사후 검사 결과는 대응표본 t-검정을 통해 효과성을 분석하였다.

Table 5.

Experimental Design

또한 초·중등 교사들의 인공지능 융합교육 교수역량 척도를 측정하고 면담을 진행했으며, 향후 AI 교육 활성화를 위한 ‘1학교 1인 AI 교육 퍼실리테이터 양성', '맞춤형 연수 지원', ‘AI 전문적 학습공동체 운영' 등의 정책 방안을 도출하였다.

4.2 문항 신뢰도 검증

실증 분석에 앞서 본 연구에서 수집한 설문 자료의 신뢰도를 검증하기 위해 Cronbach's α 계수를 산출하였다. Cronbach's α는 설문 문항 간의 내적 일관성을 평가하는 대표적인 지표로, 일반적으로 α값이 .6 이상이면 신뢰도가 양호하며, .8 이상이면 매우 높은 수준으로 해석된다.

본 연구에 사용된 전체 34개 문항에 대한 신뢰도 분석 결과는 Table 6과 같다. 추가로, 통계적 분석 방법의 타당성 확보를 위해 대응표본 t-검정의 전제 조건을 검토하였다. 정규성 검정을 위해 Kolmogorov–Smirnov 검정 및 Shapiro–Wilk 검정을 실시한 결과, 모든 변수에서 유의수준 .05 이상으로 정규성이 확보되었다. 등분산성(동질성) 가정을 확인하기 위한 Levene의 등분산성 검정에서도 유의수준 .05를 초과하여 분석의 동질성이 확인되었다.

Table 6.

Number of Items by Domain and Cronbach's α Coefficient

분석 결과, 학습자 인식 조사 문항의 Cronbach's α 값은 .942로 매우 높은 신뢰성을 보였다. 또한 미래핵심역량 검사 문항의 하위 영역별 신뢰도는 자기관리역량(.911), 지식정보처리역량(.833), 창의적 사고역량(.850), 공동체역량(.873), 의사소통역량(.900), 심미적 감성역량(.869)으로 나타나, 모든 영역에서 신뢰성 기준을 충족하였다. 따라서 본 연구에서 사용된 설문 도구는 신뢰성이 높은 것으로 판단할 수 있다.

4.3 실험 결과

중학교 1~2학년 학생 1,017명 중 3학급 60명을 대상으로 사전·사후 검사를 실시하고 리커트(Likert) 척도를 통해 향상도를 분석하였다. 사전검사는 기존 소프트웨어 교육 프로그램 적용 결과, 사후검사는 본 연구에서 개발한 인공지능 융합교육 프로그램 적용 결과다.

첫째, Table 7과 같이 학생들의 인공지능 융합교육에 대한 인식은 사전 평균 3.53에서 사후 평균 4.29으로 전 영역에서 긍정적으로 향상되었다. 특히 ‘인공지능의 친숙도’, ‘인공지능 기반 학습과제 경험’, ‘인공지능 개념에 대한 이해와 설명 능력’에서 높은 증가를 보였다. 이를 통해 인공지능 융합교육 프로그램을 통해 인공지능 기술을 직접 경험하고 활용하며 이해도를 높였음을 확인하였다.

Table 7.

Pre- and Post-Survey Results on Students’ Perceptions of AI Convergence Education(N=60)

둘째, KEDI 기반의 미래핵심역량 검사는 총 6개 역량, 24개 문항으로 구성되었으며, 역량별 사전·사후 결과는 Table 8과 같다.

Table 8.

Pre- and Post-Test Results of Core Future Competencies (Paired t-test)(N=60)

추가적으로, 사전 점수를 공변인으로 설정하여 사후 검사 결과의 집단 간 차이를 보다 엄밀히 확인하고자 공변량 분석(ANCOVA)을 실시하였으며, 효과 크기(Cohen’s d)를 통해 변화의 의미를 분석하였다. 그 결과는 Table 9와 같다.

Table 9.

ANCOVA Results and Effect Size of Core Future Competencies

공변량 분석 결과, 자기관리역량(F=5.13, p=.027), 지식정보처리역량(F=5.86, p=.019), 공동체역량(F=6.73, p=.012), 의사소통역량(F=7.60, p=.008)의 사후 점수는 사전 점수를 통제한 이후에도 통계적으로 유의미한 향상을 나타냈다. 또한, 효과 크기(Cohen’s d)는 0.43~0.53으로 중간 수준의 실제적 효과를 보였다. 자기관리역량과 의사소통역량이 유의미하게 향상된 이유로 프로젝트 기반 학습(PBL)을 중심으로 한 활동 설계를 들 수 있다. 팀 기반 문제해결 과제를 수행하며, 역할 분담, 발표, 피드백 과정 등을 반복적으로 경험하였다. 이는 사회적 구성주의 학습이론에서 강조하는 상호작용 중심 학습 환경의 효과로 볼 수 있으며, 인지적·사회적 통합을 촉진하는 구성적 활동이 역량 향상에 영향을 미친 것으로 해석할 수 있다.

반면 창의적 사고역량(p=.380)과 심미적 감성역량(p=.136)은 유의미한 변화가 나타나지 않았다. 이는 프로그램의 활동 설계가 이들 역량의 특성을 충분히 반영하지 못했기 때문으로 해석할 수 있다. 양적 결과만으로는 학생들의 창의적 사고 및 감성 역량 향상을 충분히 포착하기 어렵다는 판단 하에, 참여 학생과의 개별 면담을 통해 질적 자료를 보완적으로 수집하였다. Creswell[20]의 질적 분석 절차에 따라, 발화 단위별 코딩 → 주제별 범주화 → 핵심 의미 도출의 3단계로 수행되었다. 코딩 결과, 창의적 사고 활동에서는 ‘정답 중심 부담감’, ‘개방적 사고의 부족’, ‘기준 불명확성’ 등의 범주가 도출되었으며, 감성 역량 활동에서는 ‘표현의 제약’, ‘몰입 부족’, ‘정서적 공감 부재’ 등의 주제가 반복적으로 나타났다. 이러한 결과는 활동 설계가 학생 중심보다는 교사 중심으로 기획되었거나, 표현 중심 과제가 적절히 설계되지 않았다는 교육과정적 한계와 연관해 해석할 수 있다.

창의적 사고활동에 대해 A학생은“정답을 찾는 데 집중하다 보니 자유롭게 생각하기 어려웠다”고 말하였다. B학생은 심미적 감성 활동에 대해 “이론 중심이어서 감정을 표현하거나 몰입하는 게 쉽지 않았다”고 답했다.

이러한 제한점을 개선하기 위해서는 향후 창의적 사고력 향상을 위해 학생이 능동적으로 문제를 설정하고 해결방안을 탐구할 수 있는 개방형 프로젝트 방식을 도입해야 한다. 심미적 감성 역량의 경우, 예술적 표현과 감성적 몰입을 유도할 수 있는 체험 중심의 활동 설계가 필요하다. 더불어 평가 방법의 한계를 극복하기 위해 포트폴리오, 관찰 루브릭, 심층 서술형 평가를 도입하여 평가 체계를 보다 다각화할 필요가 있다.

4.4 인공지능 융합교육 교수역량 척도 결과

이제 인공지능 융합교육 교수역량 척도[21] 결과를 기반으로 중등 현직 교사들의 인공지능 융합교육 교수역량을 파악하고, 추후 교수역량을 함양하기 위한 교사 재교육 프로그램을 어떻게 설계하고 실행할 것인지에 대한 구체적인 목표와 지향점을 알아볼 필요가 있다. 인공지능 융합교육을 실행해 보거나 교육과정을 재구성 해본 경험이 있는 교사, 경험예정자 39명을 대상으로 조사하였다. 그 결과는 Table 10과 같다.

Table 10.

AI Convergence Teaching Competency Survey Overview(N = 39)

인공지능 융합교육 프로그램에 참여한 중학교 교사 대상으로 인공지능 융합교육 교수역량 척도에 대한 분석 결과는 Table 11과 같다.

Table 11.

Results of the AI Convergence Teaching Competency Scale(N = 39, Likert 5 point scale)

인공지능 융합교육의 효과성을 더욱 높이고, 이를 위한 교사 지원 정책을 마련하고자 인공지능 융합교육을 경험했거나 경험할 예정인 교사들을 대상으로 교수역량을 측정하였다.

측정 결과, 인공지능 융합교육 기초역량군의 평균 점수는 3.3~3.8점으로 나타났다. 특히 융합교육 사례를 구체적으로 설명하거나, 학교 현장에서의 인공지능 역할과 필요성을 명확히 제시하는 역량이 상대적으로 낮았다. 또한 인공지능 이해역량 중 데이터 과학 개념과 인공지능 관련 컴퓨터 과학 개념 부분의 역량도 다소 부족하게 나타나, 관련 역량 강화를 위한 맞춤형 연수가 필요한 것으로 판단된다.

인공지능 융합교육 설계역량군의 평균은 3.3~4.4점으로 나타났으며, 특히 교육과정 재구성 역량과 학생 참여형 교수학습 방법 및 수준별 학습자료 구성 역량이 3.3~3.5점으로 비교적 낮은 수준을 보였다. 이는 인공지능 융합교육의 효과적인 운영을 위한 가이드라인 개발과 제공이 시급함을 보여준다.

한편, 평가역량군의 경우 평균 점수가 3.5점에서 4.2점 사이로 타 영역에 비해 상대적으로 높은 수준을 보였다. 특히 교사들이 수업 개선을 위한 지속적인 전문성 개발 노력과 다양한 연수 프로그램에 대한 적극적 참여 의지를 나타낸 점은, 이를 제도적으로 뒷받침할 수 있는 체계적이고 지속가능한 정책 마련의 필요성을 더욱 부각한다.

이상의 결과들은 단순히 수치적 수준에서의 역량 편차 뿐만 아니라, 교사들이 교육 현장에서 AI 융합교육을 실행 가능한 수준으로 구체화하는 데 한계가 있음을 알 수 있다. 데이터 과학 개념 이해(3.5점)와 교육과정 재구성 능력(3.3점)이 상대적으로 낮았던 점은, 단편적인 이론 이해를 넘어서 실제 수업 맥락에서의 통합적 사고와 적용 능력이 충분히 확보되지 않았다는 점을 보여준다.

이는 곧 교사들이 AI 융합교육을 수행하는 과정에서 ‘무엇을 가르칠 것인가’보다는 ‘어떻게 설계하고 실행할 것인가’에 대한 구체적 전략과 경험 부족이 핵심 장애 요인으로 작용하고 있음을 의미한다.

실제로 교사들과의 인터뷰에서도 유사한 문제가 나타났다. ICT 교과 담당 교사는 “데이터 과학이나 인공지능 개념 자체는 어느 정도 알고 있지만, 이를 실제 수업에서 어떻게 가르치고 적용해야 하는지에 대한 구체적인 방법이 부족하다”고 말했다. 수학 교과 담당 교사는 “교육과정을 재구성하여 AI 융합 수업을 만드는 것에 익숙하지 않아, 교육과정 재설계를 위한 가이드나 사례가 절실히 필요하다”고 강조하기로 했다. 이처럼 현장 교사들은 이론적 이해를 넘어 실제 수업에서의 실천 역량 강화를 위한 구체적 지원과 훈련의 필요성을 강하게 제기하였다.

따라서 향후 교사 역량 강화 방안은 단순한 개념 전달 중심 연수에서 벗어나, 실제 수업을 기반으로 한 교육과정 재구성 훈련, 교과 간 협업 설계, 데이터 기반 문제 해결 학습 경험 등을 종합적으로 설계할 수 있는 시뮬레이션 기반의 연수 체계로의 전환이 필요하다. 또한 이러한 연수에서 개별 역량 향상을 넘어서, 학교 단위의 집단적 실천 기반으로 확장되어야 한다. 예를 들어, 교과 간 융합 수업 운영을 위한 팀티칭 기반의 전문적 학습공동체 운영, 지역별 교육 거점 중심의 AI 융합 수업 실험학교 운영, 그리고 데이터 중심 교육 설계에 대한 사례 기반 피드백 시스템 구축 등 다층적인 정책 지원 체계가 병행되어야 한다.

4.5 연구 결과 논의 및 후속 연구 제안

본 연구에서 개발한 인공지능(AI) 융합교육 프로그램은 중학교 현장에서 학생들의 AI 기술 이해도와 활용 능력을 높이고, 자기관리역량, 의사소통역량 등 미래 핵심역량을 유의미하게 향상시키는 효과를 보였다. 특히 AI의 개념 이해와 친숙도에서 두드러진 성과를 나타내었으나, 창의적 사고 및 심미적 감성 역량의 향상에서는 상대적으로 미미한 효과를 보여 추후 연구에서 이들 영역을 강화할 필요가 있다. 교사의 교수역량 측면에서는 AI 융합교육의 필요성 및 개념에 대한 기본적 이해는 충분히 이루어지고 있지만, 실제 수업에서의 AI 교육 콘텐츠 구성 및 데이터 과학과 컴퓨터 과학적 내용을 교수하는 실천적 역량은 보완이 필요함이 확인되었다. 이에 따라 교사 역량 강화를 위한 현장 맞춤형 연수 프로그램 개발과 적용이 시급한 과제로 나타났다.

이러한 결과를 토대로 다음과 같은 후속 연구가 필요하다. 첫째, AI 융합교육 프로그램에서 부족했던 창의적 사고력과 심미적 역량을 강화하기 위한 예술, 인문학 등 다양한 교과와의 융합적 접근 및 프로그램 설계 연구가 필요하다. 둘째, 교사의 실제 수업 운영 역량과 기술적 지원 역량을 실증적으로 향상시키기 위한 연수 프로그램의 개발과 현장 적용 효과성에 대한 심층 연구가 이루어져야 한다. 이러한 추가 연구들은 본 연구의 성과를 보완·확장하여 학교 현장에 더욱 정교하게 적용 가능한 AI 융합교육 모델을 마련하는 데 기여할 것이다.