AI 교육에 대한 교육 주체별 요구사항 분석 및 미래 교육과정 개선 방향 탐색

1. 서론

현대 사회는 급격한 디지털 전환과 인공지능(Artificial intelligence, 이하 AI) 기술의 비약적인 발전, 그리고 제4차 산업혁명 기술의 전면적인 확산이라는 중대한 패러다임의 변화를 겪고 있다. 이러한 지능정보사회에서 AI는 단순한 첨단 기술을 넘어 일상생활과 산업, 국가 경쟁력을 좌우하는 핵심 기반으로 자리 잡았다[1]. 이에 따라 초·중등 교육 단계에서 요구되는 학생들의 핵심 기초 역량 또한 전통적인 개념을 넘어 '디지털 소양(Digital Literacy)' 및 'AI 역량(Competency)'으로 빠르게 확장되고 있다[2]. 세계 주요국들은 이러한 시대적 변화에 선제적으로 대응하기 위해 국가 차원의 미래 교육 비전을 재정비하고 있으며, 초·중등 교육과정 내에 AI 교육을 필수적인 요소로 도입하여 그 비중과 적용 범위를 지속적으로 확대해 나가는 추세이다[3-34].

이러한 국제적 동향에 발맞추어, 국내에서도 학생들의 미래 주도성을 기르고 체계적인 AI 역량을 함양하기 위한 교육적 수요가 폭발적으로 증가하고 있다. 관련하여 2022 개정 교육과정에서는 정보과에서 AI 교육과 관련된 교과 역량을 설정하고, 초등학교에서 고등학교에 이르기까지 AI 교육과 관련된 교육 내용을 제시한 바 있다[35]. 그러나 2022 개정 정보과 교육과정이 개발되던 시기는 생성형 AI 기술이 등장하기 이전으로, 관련 교육 내용을 교육과정에 반영하는 것이 불가능하였고, AI와 관련된 기술은 매우 급격하고 빠르게 발전하는 상황이어서 교육과정의 개선 방향에서도 이에 대한 적절한 대안이 필요한 상황이다.

성공적이고 실효성 있는 AI 교육이 학교 현장에 안착하기 위해서는 단순히 기술 중심의 단편적인 지식 전달이나 해외 사례의 맹목적인 도입에 그쳐서는 안 될 것이다. 교육 주체인 교사, 학생, 학부모는 물론 미래 인재를 수용할 학계와 산업계 등 다양한 사회 구성원들이 AI 교육에 대해 어떠한 기대와 요구를 가지고 있는지 체계적이고 심층적으로 점검하는 과정이 필수적이다. 현장의 실질적인 필요와 국가적 기대치를 명확히 파악함으로써, 이에 기반한 타당하고 구체적인 정책적 대응 방향을 마련해야 할 시점이다.

이에 본 연구에서는 미래 초·중등 AI 교육에 대한 교육 주체별 요구사항을 분석하고, 도출된 요구사항 분석 결과를 토대로 미래 사회가 요구하는 인재 양성을 위한 초·중등학교 AI 교육 관련 교육과정의 구체적인 개선 방향을 모색하고자 한다. 본 연구의 목적을 달성하기 위해 구체적으로 수행할 연구 목표 및 세부 연구 목표별 연구 내용은 Fig. 1과 같다. 본 연구를 통해 도출된 AI 교육의 성격 및 정의, 추구하는 인재상 및 역량, 교육과정 편성 방안 등의 결과는 향후 국가 교육과정 개정 시 체계적이고 연속성 있는 AI 교육 강화를 위한 핵심적인 기초 자료로 활용될 수 있을 것이다.

Fig 1.

Research Goal and Contents

2. 관련 연구 탐색

2.1 AI 교육에 대한 국제 현황

본 연구에서는 AI 교육에 대한 국가·사회적 요구사항을 분석하기에 앞서 AI 교육과 관련하여 세계 주요 10개국(미국, 영국, UAE, 중국, 일본, 인도, 싱가포르, 캐나다, 호주, 독일)에서 추진 중인 정책 방향과 교육과정 운영 현황에 대해 조사 분석을 시행하였다[3-34].

Table 1은 세계 주요 10개국의 AI 교육 교육과정 운영 및 AI 교육 시작 연령 현황이다. 미국과 캐나다를 제외한 8개국에서는 국가 차원에서 AI 교육에 대한 주요 지침 및 국가 수준의 교육과정을 통해 AI 교육을 실시하고 있으며, AI 교육 시작 연령은 10개국 모두 유치원~초등학교 저학년 시기로 설정하고 있다.

Table 1.

Current Status of AI Curriculum Operation and AI Education Starting Age in 10 Major Countries

Table 2는 세계 주요 10개국에서 이루어지는 AI 교육에서 다루는 교육 내용에 대한 사항이다. 10개국 중 싱가포르를 제외한 9개국에서는 AI 교육을 AI에 관한 교육(Education about AI)의 관점에서 교육과정을 구성하고 있으며, 싱가포르의 경우 AI 활용 교육(Education with AI)의 관점에서 접근하고 있음을 확인할 수 있었다. 즉, AI에 관한 교육의 관점에서 세계 주요국에서는 AI의 기본 개념과 원리, 데이터 리터러시, AI와 관련된 알고리즘 및 프로그래밍, AI 윤리, AI의 개발, AI의 적용 및 응용의 내용을 교육과정에 포함하고 있다. 또한 10개국 모두 최근 급격히 발전하고 있는 생성형 AI를 다루는 교육을 시작하고 있었으며 단순 활용보다는 비판적 적용을 하기 위한 원리 교육 우선의 신중한 접근을 하고 있다.

Table 2.

AI Education Content in 10 Major Countries

이외에도 각국에서는 연령대(학년)별, 단계별 체계적인 교육과정을 제시하고 있었으며, 국가 차원에서 교사의 전문성 개발을 위한 연수, 관련 예산 및 투자 확대 등을 적극적으로 실시하고 있다.

3. AI 교육에 대한 교육 현장 요구사항 분석

3.1 ‘AI 교육’의 의미 및 범위 정의

본 연구에서는 국외의 AI 교육 현황 조사 결과를 토대로 AI 교육의 의미 및 범위를 Table 3과 같이 정의하였으며, 해당 정의를 설문지의 서두에 제시하고 교육 주체별로 이 관점에서 설문에 응답하도록 하였다.

Table 3.

Definition and Scope of AI Education in this Study

즉, AI 교육을 ‘AI에 관한 교육(Education about AI)’으로 한정하여 학생들이 AI의 개념과 원리를 바탕으로 사회·윤리적 영향을 이해하고 AI에 기반하여 융합적 문제를 해결하도록 가르치는 교육으로 제시하였다. AI 교육의 범위로는 초등 실과의 AI 교육 내용, 중등 정보과에서의 AI 교육, 다양한 교과에서의 AI 융합 수업을 포함하는 것으로 제시하였다.

3.3 교육 현장 설문 시행 및 결과

3.3.1 설문 시기 및 대상 인원

교육 현장 설문은 분석 대상별로 2월 9일부터 3월 12일까지 온라인으로 진행하였다. 1차 응답은 2026년 2월 9일부터 2월 28일까지 2025년 AI·정보교육 중심교 700개를 대상으로 진행하였고, 2차 응답은 2026년 3월 1일부터 3월 12일까지 지역별 일반 학교를 대상으로 진행하였다. 응답 시 지역, 학교별 인원의 안배를 위해 1개교당 교사는 5명, 학생은 10명, 학부모는 3명을 넘지 않도록 하였다. 교사의 경우 전체 교과를 대상으로, 학생의 경우 초등학교 3학년부터 고등학교 3학년까지, 학부모의 경우 초, 중, 고에 재학 중인 자녀를 둔 학부모를 대상으로 진행하였다. Table 4는 설문 대상별 세부 응답 인원이다.

Table 4.

Number of respondents by target group

Table 5는 설문에 응답한 교사의 담당 교과별 통계로, 초등 교사 190명(27.4%), 초·중등 교육 전문직 및 관리자 24명(3.5%), 중등 정보 206(29.7%)를 포함하여 총 694명(2교과 이상 중복응답 포함)이 응답하였다.

Table 5.

Subjects Taught by Survey Respondent Teachers

Tabe 6는 교육 현장 설문 응답 지역 분포도로 다음과 같다.

Table 6.

Regional Distribution of Survey Respondents

3.3.2 교육 현장 설문 응답 결과

3.3.2.1 교사 응답 결과

교사의 AI 교육에 대한 요구사항 설문 중 ‘AI 및 AI교육에 대한 이해도와 경험’ 영역의 설문 응답 결과는 Table 7과 같다.

Table 7.

Responses on Teachers' Understanding and Experience of AI and AI Education

응답 교사의 약 68.7% 이상이 ‘실생활 등의 문제 해결 과정에 AI 관련 개념과 원리를 적용할 수 있다’고 응답하였으며, 69.2%의 교사가 ‘AI 교육을 운영해 본 경험이 있다’고 응답하였다. 또한 AI 교육 실천에서 장애 요인으로 ‘체계적 교육과정의 부재(24.7%)’, ‘과도한 업무 및 행정 부담(22.1%)’ 순으로 응답하였다.

Table 8은 교사의 AI 교육에 대한 요구사항 설문 중 ‘AI 교육 필요성 및 준비도’ 영역에 대한 결과이다.

Table 8.

Responses on AI Education Necessity and Preparedness for Teachers

AI 교육의 학생 미래 도움 여부는 전체 교사의 90.4%가 ‘그렇다’ 이상의 응답을 하였으며, AI 교육의 필요성은 94.9%가 ‘필요하다’고 응답을 하였다. AI 교육 시수의 경우 56.7%가 ‘부족하다’고 응답하였으며, 현장에서 AI 교육 준비도의 경우 전체 교사의 17.9%만이 ‘충분하다’고 응답하였다.

Tabe 9는 교사의 AI 교육에 대한 요구사항 설문 중 ‘AI 교육 내용 요구’, ‘AI 교육 실행에 필요한 지원’ 영역에 대한 내용으로, 교사는 학교 교육에서 필요한 AI 교육 내용을 ‘AI 윤리(19.5%)’, ‘교과 융합 AI 프로젝트(16.8%)’, ‘데이터·AI 기반 프로젝트(16.4%)’ 순으로 응답하였다. AI 교육 실행을 위해 필요한 지원으로는 ‘체계적인 AI 교육과정과 성취기준 마련(20.7%)’, ‘수업 지도서·디지털 콘텐츠 다양화(17.7%)’ 순으로 응답하였으며, 국가, 시도 차원에서 필요한 지원으로 체계적인 ‘초·중등 AI 교육과정 정비(25.5%)’, ‘AI 기반 학습·평가 체계 개발(21.6%)’ 순으로 응답하였다.

Table 9.

AI Education Needs and Support Required for Teachers

3.3.2.2 학생 응답 결과

Table 10은 학생의 AI 교육에 대한 요구사항 설문 중 ‘AI 교육 경험 및 인식’ 영역에 대한 응답 결과로 응답 학생 중 70%가 ‘AI 교육 경험이 있다’고 응답하였다. AI 교육 경험 방식은 ‘초등 실과, 중·고등학교 정보 교과(44.3%)’, ‘창의적 체험 활동(22.1%)’ 순으로 나타났으며, 응답자의 90.3%가 ‘AI 교육이 필요하다’고 응답하였다.

Table 10.

AI Education Experience and Perception

Table 11은 학생들의 ‘AI 교육 내용 요구’, ‘생성형 AI 사용 경험’에 대한 응답 결과로 학생들이 학교에서 배우고 싶은 AI 교육 내용으로는 ‘알고리즘, 프로그래밍(20.7%)’, ‘데이터 리터러시(17.8%)’, ‘AI 개념·원리(15.8%)’ 순으로 나타났다. 응답 학생 중 93.8%의 학생들이 ‘생성형 AI를 사용해본 적이 있다’고 응답하였으며, 사용해 본 적이 있는 학생 중 약 70%의 학생은 ‘일주일에 1-2회 이상 사용’하는 것으로 응답하였다. 사용 목적으로는 ‘모르는 것을 물어보기 위해(33.9%)’, ‘과제시 도움을 받기 위해(26.0%)’ 순으로 응답하였다.

Table 11.

Student Responses on AI Education Content Needs and Generative AI Usage Experience

3.3.2.3 학부모 응답 결과

학부모의 AI 교육에 대한 요구사항 설문 중 ‘AI 교육 인식 및 필요성’, ‘AI 교육 내용에 대한 요구’ 영역에 대한 응답 결과는 Table 12와 같다.

Table 12.

Parent Responses on AI Education Perception, Necessity, and Content Requirements

응답 학부모 중 94.2%는 ‘AI 역량이 자녀의 미래를 위해 매우 중요하다’고 응답하였으며, 88.6%의 학부모가 ‘학교 교육에서 AI 교육이 필요하다’고 응답하였다. 반면 응답 학부모 중 35.3%만이 학교에서 AI 교육이 충분하다고 응답하였다. 자녀들이 학교에서 배워야 할 AI 교육내용은 ‘AI 개념·원리(18.7%)’, ‘AI 윤리(17.9)’, ‘진로, 직업 연계 교육(15.0%)’, ‘교과 융합 AI 프로젝트(15.0%)’ 순으로 응답하였다.

Table 13은 학부모의‘AI 교육 방식 및 운영 의견’, ‘학교 및 국가 차원의 지원 요구’에 대한 응답 결과이다.

Table 13.

Parent Responses on AI Education Methods, Opinions on Operation, and Requirements for School/National Level Support

학부모의 경우 AI 교육의 희망 운영 방식을 ‘정보 교과 관련 수업(26.9%)’, ‘다양한 교과에서의 AI 융합 수업(24.6%)’ 순으로 응답하였다. AI 교육의 희망 시작 연령은 ‘초등학교 4-6학년(52.4%)’, ‘중학교(25.8%)’, ‘초등학교 1-3학년(16.7%)’ 순으로 응답하였다. 국가 및 교육청 차원에서 AI 교육에 대한 지원 요구로는 ‘체계적인 AI 교육과정·성취기준 마련(23.8%)’, ‘AI 윤리·안전 가이드 강화(20.7%)’ 순으로 응답하였다.

4. AI 교육에 대한 산업계 및 학계 요구사항 분석

4.1 분석 개요

본 연구에서는 산업계 분야별 전문가 및 학계 전문가의 AI 교육에 대한 요구사항을 분석하기 위해 전문가 FGI를 실시하였다. FGI를 통해 산업계·학계에서 요구하는 인재상, AI 교육에서의 역량, 교육 내용(핵심 지식, 심화 교육 프로젝트), 다양한 교과에서 AI 교육의 적용 방향 등에 대한 의견을 수렴하였다. AI 교육에 대한 산업계 및 학계 요구사항 분석 절차는 Fig. 2와 같다.

Fig 2.

FGI Research Procedure for Analyzing AI Education Requirements

4.2 산업계 및 학계 FGI 시행 및 결과

4.2.1 전문 분야 및 대상 설정

산업계 및 학계의 분야별 다양성 및 전문성 확보를 위해 연구진 내부 논의 및 연구 의뢰기관의 의견 반영을 통해 6개 분야(IT, 금융, 제조, 의료(바이오), 에듀테크, 언론) 분야로 설정하고, 각 분야별로 산업계 및 학계 전문가를 포함하여 총 16인을 대상으로 FGI를 실시하였다.

4.2.2 FGI 질문지 초안 개발 및 전문가 검토

AI 교육에 대한 산업계 및 학계 요구사항 조사를 위한 FGI 질문지를 구성하기 위해 질문 영역 및 영역별 질문 초안을 작성하였다. 작성된 설문 초안에 대한 적절성(타당도) 확보를 위해 전문가 10인(교수 10인, 전원 컴퓨터교육 분야 박사학위 소지)을 대상으로 영역 설정 및 질문에 대한 전문가 검토를 실시하였다. 전문가 검토 의견은 내용타당도 비율(CVR)이 0.80미만(전문가 패널 10명일 때 기준값)인 항목에 대해 서술식 의견을 수렴하여 수정하였으며 이를 바탕으로 질문지의 최종안을 도출하였다[38]. 산업계 및 학계 대상 FGI 질문의 영역별 질문 항목 최종안은 부록 <표 2>에 수록하였다.

4.2.3 FGI 실시 결과

AI 교육에 대한 산업계 및 학계 요구사항 조사를 위한 FGI 실시 결과 도출된 주요 사항은 Table 14와 같다.

Table 14.

Key findings from the FGI

응답을 분석한 결과 AI교육의 필요성에 대한 인식 부분에서는 전문가의 100%가 ‘학교 교육에서 AI 교육이 필요하다’고 응답하였다. 산업계 및 학계에서 AI시대에 요구하는 유능한 인재상으로는 ‘실천적 융합 인재’, ‘학습 민첩성을 가진 메타 인재’, ‘비판적 결과 판독가’, ‘AI 통제자 및 아키텍트(설계자)’, ‘창의적 소통가’ 등의 주요 의견을 확인할 수 있었다. 또한 AI와 관련된 핵심(Core)이 되는 지식으로 ‘AI관련 기초 개념 및 알고리즘 원리’, ‘데이터 리터러시의 근본’, ‘비판적 사고 기반의 검증 능력’, ‘문제 구조화 및 커뮤니케이션’, ‘인간과 AI의 정체성 구분’ 등을 확인할 수 있었다. 학교 AI 교육에서 경험해야 할 프로젝트나 과제로는 ‘피지컬 AI의 구현’, ‘에이전틱 AI의 설계 및 구현’, ‘실생활 밀착형 문제 해결’, ‘비판적 검증 및 윤리적 평가’, ‘업무 자동화 워크 플로우 설계’ 등을 제시하였다. 다양한 교과에서 AI 교육의 적용 방안은 학생들이 실제 데이터를 기반으로 실생활의 문제 해결에 적용해 보는 실천적 경험이 필요하며, 단순한 도구로서 AI를 활용하는데에만 그치지 말고 AI의 원리와 관련된 기초 내용을 바탕으로 다양한 학문과 연계하는 경험을 제공할 필요가 있다고 응답하였다. 이를 통해 각 교과의 역량에서도 AI관련 미래 역량을 반영한 변화를 기대할 수 있을 것이라 응답하였다. 이때 AI 윤리적 측면 및 한계에 대한 비판적 접근을 잊지 말아야 하며 주체적인 사용이 필요함을 강조하였다.

5. AI 교육 관련 미래 교육과정 개선 방향 탐색

5.2 AI 교육 관련 미래 교육과정 개선 방향 탐색 결과

5.2.1 AI 교육의 의미 및 인재상

전문가들의 73.3%는 본 연구에서 제시한 AI 교육의 의미와 적용 범위가 적절하다고 평가하였다. 전문가들의 의견을 종합할 때, AI 교육은 공통적으로 ‘AI의 개념과 원리 이해’, ‘실생활 및 다양한 학문 분야의 문제 해결 역량 함양’, ‘윤리적·비판적 활용 및 성찰’을 다루는 교육으로 정의된다.

산업계·학계 요구사항 조사에서 도출된 5가지 인재상은 ‘실천적 융합인재’, ‘학습 민첩성을 가진 메타 인재’, ‘비판적 결과 판독가’, ‘AI의 통제자 및 아키텍트(설계자)’, ‘창의적 소통가’로 조사되었다. 각 인재상에 대한 적절성 평가 결과는 Table 15와 같으며, 전반적인 적절성이 80% 이상으로 높게 나타났다. 또한 CVR값은 모든 항목에서 기준값 0.6보다 높게 나타났다.

Table 15.

Evaluative feedback on the ideal talent profile pursued by AI education

반면 ‘AI의 통제자 및 아키텍트(설계자)’는 ‘부적절함’ 응답이 3명 (20.0%)으로 나타나 다른 인재상에 비해 합의 수준이 상대적으로 낮았으며, ‘창의적 소통가’는 ‘보통임’ 응답이 3명(20.0%)으로 의미의 모호성에 대한 보완이 필요하다는 의견이 일부 확인되었다. 또한 서술식 응답에서 ‘윤리’, ‘책임’, ‘주체적 활용’ 등의 용어를 공통적으로 확인할 수 있어 ‘실천적 융합 인재’, ‘학습 민첩성을 가진 메타인재’, ‘AI에 대한 비판적 설계 능력을 갖춘 인재’, ‘책임있고 윤리적으로 AI를 활용하는 인재’의 4가지 인재상으로 통합 및 수정하여 제시하도록 최종안에 반영하였다.

5.2.2 AI 교육이 추구하는 역량

2022 개정 정보과 교육과정의 AI 교육에 관한 교과 역량 및 산업계·학계 요구사항을 바탕으로 연구진이 제시한 AI 교육이 추구하는 역량에 대한 적절성을 조사하였다. 총괄 역량인 ‘인공지능 역량’에 대해서는 응답자의 93.3%가 적절하다고 평가하였다. 총괄 역량의 하위 역량으로는 ‘AI 문제 해결력’, ‘AI 비판적 문해력’, ‘AI 윤리 의식’, ‘AI 결과 해석 및 판단 능력’, ‘AI 협업 능력’, ‘데이터 리터러시’ 순으로 나타났다. 또한 CVR값은 총괄 역량 및 하위 역량의 모든 항목에서 기준값 0.6보다 높게 나타났다(Table 16 참조).

Table 16.

Evaluative feedback on the competencies pursued by AI education

하위 역량 중 ‘AI 비판적 문해력’, ‘AI 결과 해석 및 판단 능력’은 그 의미가 유사하다는 전문가 서술의견에 따라 ‘AI 결과 비판적 해석 및 판단 능력’으로 통합하여 제시하도록 최조안에 반영하였다.

5.2.3 교육과정 편성 방안

미래 국가 교육과정에서 학교급별 AI 교육 편성 방향에 대한 의견을 조사한 결과 전문가의 93.3%가 ‘정보’ 교과를 중심으로 편성하는 방안에 동의(매우 동의 73.3%)하여 강한 합의가 형성되었다. 구체적인 학교급별 편성 학년 및 방향에 대한 조사 결과는 Table 17과 같다.

Table 17.

Opinions on the curriculum organization plan for AI education

5.2.4 AI 교육의 내용 구성 방향

초·중·고 AI 교육에서 포함해야 할 7개 지식 영역 중 ‘인공지능과 데이터(100%)’, ‘인공지능의 개념과 특성(93.3%)’, ‘인공지능의 작동 원리(93.3%)’, ‘인공지능 윤리(93.3%)’ 등 6개 영역이 80% 이상의 높은 적절성을 보였다. 다만, ‘인공지능의 구현(66.7%)’ 영역은 단순히 구현을 넘어 ‘설계’ 및 ‘활용’ 내용을 포함하는 명칭으로 수정되어야 한다는 의견이 도출되었다. 세부적으로 각 지식 영역에서 포함해야 할 세부 지식의 내용으로 Table 18과 같은 의견이 제시되었다. 해당 내용 구성 방향은 후속 연구를 통해 학교급별 계열성, 연계성 등을 고려하여 단계별로 세분화할 예정이다.

Table 18.

Directions for structuring AI education contents

5.2.5 고등학교에서 추가 개설이 필요한 선택과목에 대한 의견

마지막으로 고등학교 단계에서 추가 편성이 필요하다고 제안된 세부 과목들은 Table 19와 같다.

Table 19.

Opinions on offering AI-related elective courses in high schooll

이 과목들은 고등학교 보통 교과의 진로 선택, 융합 선택 과목으로 개설 가능하며, 후속 연구를 통해 과목 간 중복성 제거, 내용 구체화 등이 필요하다.

6. 결론 및 제언

본 연구의 목적은 AI 교육 관련 교육 주체별 요구사항을 조사 및 분석하여 향후 국가 교육과정의 개선 방향을 도출하는 데 있다. 연구의 목적을 달성하기 위해 첫째, 해외 주요국(미국, 영국, 중국, 일본, 싱가포르, 인도, UAE, 캐나다, 독일, 호주 등)의 AI 교육 관련 정책 방향 및 교육과정 편성 현황 등을 조사하여 국가 수준에서 교육과정을 개정하기 위해 참고할 수 있는 기초 자료를 마련하였다. 둘째, 교육 주체(교사(686명), 학생(2444명), 학부모(492명))를 대상으로 AI 교육에 대한 요구사항을 조사하였다. 셋째, 산업계와 학계 전문가(IT, 제조, 금융, 의료/바이오, 에듀테크 등)를 대상으로 AI 교육에 대한 필요성, 인재상, 학교 교육에서의 요청사항 등을 분석하여 AI 교육의 국가수준 교육과정 반영에 대한 국가·사회적 요구사항을 재확인하였다. 마지막으로, 문헌 연구 및 국가·사회적 요구사항 분석 결과를 토대로 AI 교육의 성격, 내용, 구성 방향에 대한 초안을 마련하고, AI 교육 분야의 영역별 전문성을 갖춘 전문가 검토를 통해 내용 타당성을 확보하여 AI 교육의 개정 방향(안)을 모색하고자 하였다. 이를 통해 최종 도출된 AI 교육의 개선 방향(안)에서 AI 교육의 정의, 인재상, 역량은 Fig. 3과 같으며, 전체 개선 방향(안)은 부록 <표 3>에 수록하였다.

Fig 3.

The definition, talent, and competencies of AI education derived from this study

본 연구의 수행 결과를 기반으로 AI 교육의 개선 방안에 대해 다음과 같이 제언하고자 한다.

첫째, 국외의 선도적인 사례에서 공통적으로 확인되는 바와 같이 AI 교육의 성격을 단순한 도구 활용 교육을 넘어선 ‘AI에 관한 교육(Education about AI)’의 관점에서 근본적으로 접근할 필요가 있다. 이는 AI 기술의 이면에 존재하는 논리적 구조와 알고리즘의 원리를 깊이 있게 탐구하는 과정을 의미한다. 이를 위해 AI 교육을 위한 별도의 단편적인 교과 편성보다는 정보 교과 내에서 AI의 핵심 원리와 심화 내용을 체계적으로 다루는 동시에, 모든 타 교과 영역에서는 AI를 문제 해결의 도구로 활용하는 융합 교육을 지향함으로써 AI 리터러시와 교과 전문성을 동시에 확보할 필요가 있다.

둘째, 모든 학생이 AI 대전환 시대에서 소외되지 않도록 교육 기회의 형평성을 철저히 보장하고, 학습의 시기에 따라 교육 내용이 단절되거나 중복되지 않는 지속 가능한 AI 교육 체계를 구축할 필요가 있다. 교육 주체와 산업계의 요구는 초등학교 시기부터 체계적인 정보 및 AI 교육이 이루어져야 한다는 점에서 일치하고 있다. 이를 실현하기 위해 초등학교 단계에서는 단기적으로 실과 교과 내에 편성된 AI 교육의 내용과 규모를 확대하고, 장기적으로는 정보 교과를 독립 편성하여 중등 교육으로 이어지는 교육의 성격, 목표, 내용에 대한 계속성과 연계성을 공고히 해야 한다. 중학교에서는 3개 학년에 걸쳐 단계별로 학습이 가능하도록 AI 교육 내용을 구성 및 편성하여 학년 간 학습의 연속성을 확보할 필요가 있다. 고등학교에서는 정보 과목의 선택을 확대할 수 있도록 권고하여 모든 학생이 미래 사회의 필수 역량인 컴퓨팅 사고력과 인공지능 역량을 함양할 수 있도록 하고, 인공지능 기초나 데이터 과학 외에도 다양한 선택 과목의 폭을 확대하여 개별 학습자의 진로와 미래 역량 함양에 부합하는 맞춤형 교육 환경을 조성해야 한다.

셋째, AI에 관한 학문적·기술적 패러다임의 변화가 극도로 빠른 현 상황을 고려하여, 시간이 지나도 그 가치와 중요성이 유지되는 핵심(Core) 원리 중심으로 교육 내용을 구성할 필요가 있다. 국가 교육과정의 개정은 막대한 예산과 사회적 합의 과정이 수반될 뿐만 아니라 실제 학교 현장에 적용되기까지 최소 1-2년 이상의 시차가 발생한다는 점을 고려할 때, 특정 도구나 기능 위주의 교육은 지양해야 한다.

마지막으로 AI 교육의 질적 제고와 현장 안착을 위해 기초 연구와 교원 연수를 위한 국가적 차원의 인적·물적 투자를 전폭적으로 확대할 필요가 있다. 세계 주요국들이 AI 역량을 국가 미래 경쟁력의 핵심 지표로 인식하고 전담 지원 기관 설립과 대규모 예산 투입에 박차를 가하는 것처럼, 우리나라도 AI 교육 방법론 및 평가 체제 등에 대한 다각적인 연구 지원을 아끼지 말아야 한다. 특히 교육의 핵심 주체인 교사들이 AI 기술을 교실 현장에 능동적으로 도입하고 교육 혁신을 주도할 수 있도록 전체 교원을 대상으로 한 단계별 역량 강화 연수와 고품질의 교육 자료 배포를 정례화하며, 이를 뒷받침할 수 있는 지속 가능한 AI 교육 생태계 조성을 위한 행·재정적 지원 시스템을 확고히 구축할 필요가 있다.

본 연구는 교육 주체와 전문가의 요구를 다각적으로 분석하여, 단순한 기술 활용을 넘어선 ‘AI에 관한 교육’으로의 패러다임 전환과 초·중·고 단계에서의 연계성 있는 AI 교육 체계 구축을 위한 타당한 근거를 마련했다는 점에서 정책적·학술적 의의를 지닌다. 본 연구의 결과가 AI 교육에 대한 국가·사회적 요구사항이 충실히 반영된 미래 정보과 교육과정 마련의 단초가 되길 바란다.

Acknowledgments

본 논문은 2026년 교육부 정책연구보고서 내용 중 일부를 발췌하여 작성하였음(AI 교육 관련 국가·사회적 요구사항 조사 및 개선방안 연구).

참고문헌

• Act on Intelligence Informatization, Act No. 21065 (2025). (S. Kor.). https://www.law.go.kr/법령/지능정보화기본법
• OECD (2024). Results from TALIS 2024; The State of Teaching. https://www.oecd.org/en/publications/results-from-talis-2024_90df6235-en.html
• The White House. (2025). Executive Order 14277: Advancing Artificial Intelligence Education for American Youth. U.S. Government Publishing Office.
• U.S. Department of Education, Office of Educational Technology. (2023). Artificial Intelligence and the Future of Teaching and Learning: Insights and Recommendations. U.S. Department of Education.
• AI4K12 Initiative. (2026). The 5 Big Ideas in AI. https://ai4k12.org
• ACM. (2021). CCDS2021: Computing Competencies for Undergraduate Data Science Curricula. ACM.
• ACM/IEEE-CS/AAAI. (2024). CS2023: Computer Science Curricula 2023. ACM/IEEE-CS/AAAI.
• CSTA. (2026). CSTA K–12 Computer Science Standards(preview revised version). CSTA. https://reimaginingcs.org/
• Department for Digital, Culture, Media & Sport (DCMS). (2022, February 10). National AI Strategy: AI Action Plan. https://www.gov.uk/government/publications/national-ai-strategy-ai-action-plan
• Department for Education. (2013). National curriculum in England: Computing programmes of study. https://www.gov.uk/government/publications/national-curriculum-in-england-computing-programmes-of-study
• UAE Ministry of Education. (2024). Ministry of Education Introduces AI Curriculum in Public Schools Starting from 2025-2026 Academic Year. UAE Ministry of Education.
• UNESCO (2024). AI in the UAE’ computing, creative design and innovation(CCDI) K-12 curriculum. https://unesdoc.unesco.org/ark:/48223/pf0000388652
• Ministry of Education (China). (2022). Compulsory education curriculum standards for information technology (2022 edition) [义务教育信息科技课程标准]. Ministry of Education of the People's Republic of China.
• Ministry of Education, Culture, Sports, Science and Technology (MEXT). (2017). Elementary school curriculum guidelines commentary: General provisions [小学校学習指導要領解説：総則編]. https://www.mext.go.jp/a_menu/shotou/new-cs/1387014.htm
• Ministry of Education, Culture, Sports, Science and Technology (MEXT). (2018, July). High school curriculum guidelines commentary: Information [高等学校学習指導要領解説：情報編]. https://www.mext.go.jp/content/1407073_11_1_2.pdf
• Ministry of Education, Culture, Sports, Science and Technology (MEXT). (2021, October 21). On the introduction of "Informatics I" to the Common Test for University Admissions [大学入学共通テストへの『情報Ⅰ』の導入について]. https://www.mext.go.jp/a_menu/koutou/kousi/1413554_00003.htm
• Ministry of Education, Culture, Sports, Science and Technology (MEXT). (2023). Interim guidelines on the use of generative AI in elementary and secondary education [初等中等教育段階における生成AIの利用に関する暫定的なガイドライン]. https://www.mext.go.jp/content/20230713-mxt_kouhou01-000030800_1.pdf
• CBSE. (2023-2024). AI Facilitator Handbook for Class X. Central Board of Secondary Education.
• Ministry of Education, Government of India. (2020). National Education Policy 2020. Ministry of Education, Government of India.
• Ministry of Education, Government of India. (2020-2023). National Initiative for School Heads' and Teachers' Holistic Advancement (NISHTHA). Ministry of Education, Government of India.
• Delhi Government. (2025). Coding Integration in Classes 1-8. Government of Delhi.
• AI Centre for Educational Technologies (AICET). (2020). AI Tools in Singapore Education. AICET.
• AI Singapore. (2026). AI for Good (Educator). https://aisingapore.org
• Ministry of Education, Singapore. (2025). Artificial Intelligence in Education. Ministry of Education, Singapore.
• International School Community Singapore (ISCS). (2025). Artificial Intelligence (AI) Policy 2025-2026. ISCS.
• Ontario Ministry of Education. (2022). Ontario Updates Elementary and Grade 9 Science Curriculum for 2022. Government of Ontario.
• Canada's AI Taskforce. (2025). AI Literacy Policy Briefing Document. Canada's AI Taskforce.
• Australian Curriculum, Assessment and Reporting Authority (ACARA). (2022). Australian Curriculum: Digital Technologies (Version 9.0). https://v9.australiancurriculum.edu.au/
• Australian Government Department of Education. (2023). Australian Framework for Generative Artificial Intelligence in Schools.
• Department of Industry, Science and Resources. (2025). National AI Plan. Australian Government.
• Die Bundesregierung. (2020). Strategie Künstliche Intelligenz der Bundesregierung: Fortschreibung 2020. https://www.bundesregierung.de/
• Bundesministerium für Bildung und Forschung (BMBF). (2025). DigitalPakt Schule 2.0.
• UNESCO. (2023). Guidance for Generative AI in Education and Research. UNESCO.
• UNESCO. (2024). AI competency framework for students. UNESCO.
• Ministry of Education. (2022). Practical arts (Technology·Home economics) / Informatics curriculum (Ministry of Education Notice No. 2022-33, Book 10).
• Ministry of Education. (2021, June 22). Announcement of the results of the "Public Participation Survey" on the revised curriculum and the start of social consultation, [Blog post]. https://if-blog.tistory.com/12221
• Korea Foundation for the Advancement of Science and Creativity. (2022). Measures to improve equity of opportunity in elementary and secondary SW/AI education for nurturing future talents leading the digital society. KOFAC Focus. https://www.kosac.re.kr/menus/249/boards/476/posts/37521
• Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel psychology, 28, 563–575. [https://doi.org/10.1111/j.1744-6570.1975.tb01393.x]