국내 초·중등 교육에서 ‘인공지능 융합교육’ 개념의 혼재 양상 분석

1. 서론

인공지능 기술은 사회 전반에 영향을 미치고 있으며[1], 교육 분야도 예외는 아니다. 2022 개정 교육과정은 중‧고등학교 정보 과목에 인공지능 단원을 신설하고[2], 디지털 소양을 기초 소양으로 강조하여 총론에 반영했다[3]. 이에 따라 교육 현장에서도 인공지능을 적절하게 활용하는 ‘융합적 사고 함양’의 교육 목표가 설정되어 ‘인공지능 융합교육’을 키워드로 구체화 되고 있다[4, 5]. 이에 맞추어 학계에서도 인공지능 융합교육을 주제로 한 연구가 활발히 이루어지고 있다[6, 7].

그러나 인공지능 융합교육 개념은 연구마다 일관되지 않게 정의되고 있다[8, 9]. 이러한 개념적 모호성은 의사소통의 혼란을 초래할 뿐만 아니라, 연구 결과의 일관성과 신뢰성을 저해할 수 있다. 특히 인공지능 융합교육의 실천적 성격을 고려할 때, 그 개념에 대한 혼란은 교육 목표와 방향 설정에 직접적인 영향을 미칠 수 있다[10]. 실제로 개념의 혼재로 인해 연구 결과가 상반되게 나타난 사례가 존재한다. A 연구는 2019년부터 2022년 8월까지 출판된 인공지능 융합교육 관련 연구를 대상으로 메타분석을 수행했다[11]. Table 1과 같이 인공지능교육을 ‘이해교육(AI Understanding Education)’과 ‘활용교육(AI Utilization Education)’으로 구분하면서도, 두 접근이 통합적으로 운영될 때 더 효과적이라는 관점에서 이를 모두 포괄하는 상위 개념으로 ‘인공지능 융합교육’을 정의하고 분석을 진행했다. B 연구는 2021년 7월까지 출판된 인공지능교육 관련 연구들을 대상으로 메타분석을 수행했다. 인공지능교육을 ‘인공지능 이해교육(AI Understanding Education)’과 ‘인공지능 활용교육(AI Utilization Education)’으로 구분하면서, Table 1과 같이 ‘인공지능 융합교육’을 인공지능 활용교육의 하위범주로 분류했다[12]. 분석 결과 Table 2와 같이 A 연구에서는 인공지능 이해교육의 효과 크기를 0.975, 인공지능 활용교육의 효과 크기를 0.567로 산출한 반면, B 연구에서는 인공지능 이해교육의 효과 크기는 0.527, 인공지능 활용교육의 효과 크기는 0.883로 산출했다. 이러한 결과의 불일치는 단순히 각 연구에서 효과 크기를 산출하는 세부 조건의 차이가 있다는 점 외에도, Table 1에 나타난 연구자들이 인식하는 ‘인공지능 융합교육’ 개념의 차이에서 기인했을 것으로 보인다. 즉, 동일한 용어를 사용했음에도 연구자 간 개념 인식의 차이로 연구 결과를 수집하고 분류하는 과정에서 차이가 발생했고, 이러한 개념적 불일치가 메타분석 결과에 영향을 주었을 가능성이 있다.

Table 1.

Comparison of the Meaning of AI Convergence Education in Study A and Study B

Table 2.

Comparison of Effect Sizes by Instructional Type Classification in Study A and Study B (Number of cases in parentheses)

본 연구에서는 이러한 ‘인공지능 융합교육’ 개념의 혼재 양상을 체계적으로 분석하고, 개념 명료화에 필요한 기준점을 제시하고자 한다. 이는 명확한 개념 정립을 위해서는 현재의 혼재 양상을 면밀히 파악하는 과정이 선행되어야 한다는 관점에 기반한다.

본 연구는 총 여섯 장으로 구성된다. 2장에서는 핵심 개념에 대한 선행연구들을 정리하고, 3장에서는 연구 목적을 달성하기 위한 연구 방법을 기술한다. 4장에서는 분석 결과를 제시하고, 마지막으로 5장에서는 연구 결과를 정리하고 논의를 전개한다.

2. 선행연구

2.1 융합교육

2011년 STEAM(Science, Technology, Engineering, Art, Mathematics) 교육이 도입되면서 교육과학기술부는 해당 정책의 명칭을 ‘융합인재교육’으로 공식화했다[13, 14]. 이를 계기로 국내에서 ‘융합교육’이라는 용어가 본격적으로 사용되기 시작했다[13]. 김주아 외[14]는 이 과정에서 통합교육과정(Integrated Curriculum)과 융합인재교육(STEAM)의 개념이 혼용되면서, ‘통합’과 ‘융합’ 간의 개념적 경계가 불분명해졌다고 지적했다. 하지만 두 개념 모두 여러 과목이 결합하여 새로운 것을 형성한다는 점에서 개념적 차이가 크지 않다는 관점도 있다[14]. 현재 국내 연구자들은 강조하고자 하는 융합의 특성에 따라 해당 개념을 convergence, integrated, interdisciplinary 등으로 다양하게 번역하여 사용하고 있다[14]. 이러한 용어 혼용은 국내 인공지능 융합교육을 선도하는 인공지능 융합교육대학원의 명칭 표기에서도 확인된다. Table 3과 같이 서울대학교 AI융합교육학과는 AI-Integrated Education, 이화여자대학교 AI융합교육과는 AI Convergence Education을 각각 사용하고 있다[15, 16].

Table 3.

English name of the Department of AI Convergence Education in the Graduate School

2.2 인공지능교육

인공지능 융합교육은 인공지능교육과 융합교육의 합성어이므로, 인공지능교육에 대한 명확한 개념 정립이 선행되어야 한다. 그러나 인공지능교육에 대한 개념 역시 명료하지 않다. 이에 교육과정평가원과 교육부 등 주요 기관을 중심으로 인공지능교육의 방향성을 규정하려는 연구들이 이루어졌다.

홍선주 외[17]의 연구는 교육과정평가원에서 배포한 자료로, 인공지능교육 개념과 관련하여 다양한 연구에서 주요 참고 자료로 인용되고 있다. 이 연구는 인공지능교육과 관련된 다양한 용어들의 개념이 명확하게 정의되지 않았음을 지적하며, 문헌조사와 전문가 인식 조사를 통해, 교육 분야에서 인공지능을 Table 4와 같이 ‘인공지능에 대한 교육(Education About AI)’과 ‘인공지능 활용 교육(Education Using AI)’으로 구분했다[17]. ‘인공지능에 대한 교육’은 ‘내용으로서의 인공지능’ 개념과 유사하며, 인공지능 기술에 대한 지식 및 활용 능력과 윤리 의식에 중점을 둔다. ‘인공지능 활용 교육’은 ‘도구로서의 인공지능’ 개념과 유사하며, 인공지능 기술을 교수학습 과정에서 도구로 활용하는데 중점을 둔다[17].

Table 4.

Types of AI education by Hong et al[17].

김현철 외[18]의 연구는 교육부가 학교 내 인공지능교육의 필요성을 강조하며 발표한 정보교육 종합계획을 기반으로 개발된 자료이다. 이 연구는 인공지능교육의 개념과 범위, 교육 방법, 수업 사례 등을 제시하고 있다. 특히 Table 5와 같이 인공지능교육의 개념을 ‘인공지능의 혜택을 누리기 위해 필요한 지식과 기능을 배우고, 인공지능과 함께 살아가기 위해 필요한 가치와 삶의 방식을 배우는 교육’이라고 정의하고, 인공지능 기술과 교육이 결합된 유형을 세 가지로 구분하여 제시했다[18]. 이처럼 인공지능교육 개념에 대한 정의가 통일되어 있지 않은 점은 인공지능 융합교육 개념이 연구자마다 서로 다른 방식으로 정의되는 데에도 영향을 미치는 것으로 보인다.

Table 5.

Types of AI education by Kim et al[18].

3. 연구 방법

(1) 연구 설계

본 연구는 ‘인공지능 융합교육’ 개념에 대한 학자들 간의 해석 차이를 분석하여, 개념의 혼재 양상을 파악하고자 주제범위 문헌고찰(Scoping review) 방법을 활용했다. 주제범위 문헌고찰은 포괄적으로 검토된 적이 없는 특정 주제나 연구 영역에서 주로 수행되며 관련된 핵심 개념을 도출하여 개념적 구조를 탐색하는 연구 방법이다[19, 20]. Colquhoun et al.[21]는 주제범위 문헌고찰 방법이 주요 개념과 연구 간극을 체계적으로 분석하는 데 유용하다고 설명하였다. 본 연구진은 인공지능 융합교육의 개념 정립과 관련된 쟁점을 파악하고 연구자 간 개념적 차이를 분석하는 데 주제범위 문헌고찰 방법이 적절한 연구방법이라고 판단하였다. 구체적으로 본 연구는 Arksey & O’Malley[22]의 연구 절차에 따라, ① 연구 질문 설정 ② 관련 문헌 검색 ③ 문헌 선정 ④ 자료 기입 ⑤ 결과 수집·요약·보고의 5단계에 걸쳐 진행되었다.

(2) 문헌 검색

‘인공지능 융합교육’이라는 용어는 2020년부터 본격적으로 사용되기 시작했다[23]. 본 연구에서 논의하고 있는 ‘인공지능 융합교육’은 초·중·고등학교에서 이루어지는 학교 교육을 지칭한다. 구체적으로 연구 질문을 “2020년부터 2024년 8월까지의 국내 문헌에서 초·중·고등학교에서 이루어지는 ‘인공지능 융합교육’ 개념은 어떻게 정의되고 활용되고 있는가”로 설정하였다.

문헌을 수집하기 위한 데이터베이스로는 학술 연구정보 서비스(Research Information Sharing Service, 이하 RISS)을 선정하였다. RISS는 한국교육학술정보원(KERIS)에서 제공하는 학술검색 엔진으로 여러 데이터베이스를 연계하여 검색 결과를 제공한다는 장점이 있다[24]. 검색 키워드는 ‘AI 융합’, ‘인공지능 융합’, ‘AI STEAM’, ‘인공지능 STEAM’으로 설정하였으며, 출판 기간은 2020년부터 2024년 8월까지로 한정하되, 출판 유형에 대한 제한 없이 문헌을 수집했다.

(3) 선정 및 제외 기준

연구 목적에 부합하는 논문을 선정하기 위해 Fig. 1과 같이 PRISMA 가이드라인(Page et al., 2021)을 참고하여 절차를 수행했다[25]. 관련 문헌 검색 단계에서는 6,669편의 문헌이 수집되었다. 이후 1차 선별 과정에서는 원문을 찾을 수 없는 논문과, 제목과 키워드를 중심으로 관련 없는 논문을 제외하여 347편의 문헌을 추출했다. 2차 선별 과정에서는 원문을 검토하였다. 국내 문헌이 아닌 연구, 교육과 관련성이 없는 연구, 연구 대상이 부합하지 않은 연구는 제외하여 234편을 추출했다. 연구 대상의 경우, 연구 질문 설정 단계에서 명시한 바와 같이 국내 초·중·고등학생으로 제한하였다. 단, 교사와 같이 학생들에게 직접적으로 영향을 미칠 수 있는 대상에 대한 연구는 포함하였다. 예를 들어, 대학 무용전공자를 대상으로 한 윤서진[26]의 연구는 제외하였지만, 이원규와 김자미[27]의 연구는 인공지능 융합교육을 수행하는 교사를 대상으로 하므로 포함하였다. 3차 선별 과정에서는 ‘인공지능 융합교육’의 개념 정의의 출처가 명확하지 않은 문헌과 중복 문헌을 제거했다.

Figure 1.

PRISMA flowchart of study selection process

‘인공지능 융합교육’을 주제어로 선정했음에도 불구하고, ‘인공지능교육’과 ‘융합교육’의 의미만을 규명하고 ‘인공지능 융합교육’의 개념을 명시적으로 정의하지 않은 채 연구를 진행한 경우는 제외하였다. 이러한 선별 과정을 통해 총 84편의 문헌을 선정했다. 이후, 이들 문헌에서 제시된 ‘인공지능 융합교육’ 개념 정의의 근거로 인용된 참고문헌을 수집했다. 이는 개념의 토대가 되는 문헌을 직접 검토함으로써, 학술 담론 내에서 통용되는 개념의 실제 의미를 정교하게 비교하기 위함이다. 이 과정을 통해 46편의 문헌을 최종 분석 대상으로 선정하였다. 구체적인 문헌 목록은 부록에 제시하였다.

4. 연구 결과

최종 선정된 46편의 문헌을 검토하여 개념의 혼재 양상을 명확히 드러내는 세 가지 차별점을 귀납적으로 도출하였다. 그 결과 본 연구에서 설정한 비교기준은 (1) 인공지능 내용 지식 포함 여부, (2) 융합교육에서 인공지능의 역할, (3) 용어 간 관계 이다. 본 연구는 인공지능 융합교육 개념의 보편적 경향을 파악하기 보다, 개념의 혼재 양상을 선명하게 드러내는 데 목적을 두었다. 이를 위해 모든 개별 사례를 나열하기보다 서로 다른 관점이 명확히 대비되는 대표 의견들을 제시함으로써 개념의 혼재 상태를 직관적으로 이해할 수 있도록 하였다.

4.1 인공지능 내용 지식 포함 여부

‘인공지능 내용 지식 포함 여부’는 인공지능 융합교육이 인공지능의 개념 및 원리에 대한 내용 지식을 필수적으로 다루어야 하는지에 관한 것이다. 인공지능의 원리를 이해하고 탐구하는 교육과 인공지능 기술을 도구로만 활용하는 교육 간에는 학습 목표, 교육 내용, 수업 설계 전반에 걸쳐 본질적인 차이를 초래할 수 있다. Table 6과 같이 인공지능 내용 지식이 반드시 포함되어야 한다는 관점과 필수적이지 않다는 관점으로 나누어 비교했다.

Table 6.

Comparison According to the Necessity of Understanding AI Principles

내용 이해가 필수적으로 되어야 한다고 보는 관점은 인공지능에 대한 원리 이해가 선행되어야만 타 교과와의 융합이 교육적으로 의미를 가질 수 있다고 본다. 대표적으로 한선관 외[28]는 인공지능교육의 피라미드 구조를 제시하며, 인공지능 자체에 대한 이해가 전제되어야 융합교육이 가능하다고 보았다. 김현철 외[29] 역시 내용교육의 기반으로 타 영역과 융합이 가능한 것으로 주장했고, 전인성 외[30]도 인공지능의 개념과 원리, 종류를 바탕으로 활용해야한다고 설명하였다. 박한별 외[31] 역시 인공지능 지식이 수반되지 않으면 진정한 의미의 인공지능 융합교육으로 보기 어렵다고 지적했다.

그러나 이론적 배경에서 살펴본 바와 같이 교육에서의 인공지능은 도구적 특성이 있어[17], 인공지능 도구 및 플랫폼을 활용하는 경우에도 ‘인공지능 융합교육’으로 볼 수 있다는 주장도 존재한다. 대표적으로 이재호 외[32]는 인공지능 융합교육을 학습의 어려움을 줄이기 위해 인공지능 기술이 적용된 도구를 활용하는 것이라고 설명했다. 이 관점에 따르면 인공지능 자체에 대한 개념 지식 습득이 필수 요건이 되지 않는다. 강신천[33]은 인공지능 융합교육을 네 가지 유형으로 구분하며, 그 중 교육의 목적을 달성하기 위한 도구로 인공지능을 활용하는 ‘AI in STEAM’유형과 수업의 보조적 수단으로 인공지능을 활용하는 ‘AI-assisted STEAM’유형이 인공지능 융합교육에 포함된다고 보았다.

4.2 융합교육에서 인공지능의 역할

‘융합교육에서 인공지능의 역할’은 인공지능을 다른 교과와 어떻게 융합할 것인가에 관한 것이다. 이는 인공지능을 학습의 대상으로 보는지, 학습의 도구로 보는지에 대한 관점의 차이를 의미한다. 이러한 차이는 교육 목표를 인공지능 역량 함양과 타 교과 역량의 효과적인 함양 중 어느 쪽에 중점을 둘 것인지에 관한 본질적인 차이를 만들 수 있다. Table 7과 같이 인공지능을 학습의 대상으로 보는 관점과 학습의 도구로 보는 관점으로 나누어 비교했다.

Table 7.

Comparison According to the Role of AI

인공지능을 학습의 대상으로 보는 대표적인 연구로 박한별 외[31]는 인공지능 융합교육을 실현하기 위해 인공지능 지식과 타교과 지식이 내용적 융합이 필요하다고 보았으며, 이는 인공지능 자체를 핵심적인 학습의 대상으로 인식하고 있음을 보여준다. 허희옥과 강신천[34]도 인공지능 융합교육이 인공지능을 교육 대상으로 본다는 점에서 도구로 활용하는 인공지능 활용교육과 다르다고 설명했다.

반면, 인공지능을 학습의 도구로 바라보는 대표적인 연구로는 전인성 외[30]가 있으며, 인공지능 융합교육의 이점으로 교과 성취기준을 달성하기 위해 인공지능을 활용하는 것으로 봄으로써 수단적 측면을 강조했다. 또한 이재호 외[32] 역시 학습의 어려움을 줄이기 위한 도구로 인공지능 기술을 활용하는 것이 인공지능 융합교육이라고 설명하였다.

인공지능 융합교육을 네 가지 유형으로 제시한 강신천[33]은 두 유형을 인공지능을 교육의 주요 대상으로 설정하고, 나머지 두 유형을 교육을 위한 도구로 활용하는 방식으로 설명했다. STEAM through AI 유형과 STEAM about AI 유형은 각각 인공지능에 대한 교육적 경험을 중심으로 활용하는 방식과 인공지능 자체를 융합 주제로 삼는 방식으로, 인공지능 기술을 융합의 대상으로 다루는 관점에 해당한다. 반면, 인공지능을 단순한 도구로 활용하는 AI in STEAM 유형과 교수‧학습 상황에서 보조 수단으로 사용하는 AI assisted STEAM 및 AI based STEAM 유형은 교과 학습의 효과를 높이거나 개선하는 데에 목적을 두는 수단적 관점으로 이해할 수 있다.

4.3 용어 간 관계

‘용어 간 관계’는 ‘인공지능 융합교육’이 ‘인공지능 이해교육’, ‘인공지능 활용교육’ 등 기존의 인공지능교육 관련 용어들과 어떠한 개념적 관계를 맺고 있는지를 의미한다. 용어 간 관계는 교육의 범위, 목표, 내용 구성 등과 밀접하게 연결되기 때문에, 이 관계가 명확하지 않을 경우 연구자 및 교육자 간 개념적 혼선을 초래하고 생산적인 논의를 저해할 수 있다.

많은 연구에서 인공지능교육과 관련된 용어로 ‘인공지능 융합교육’ 뿐만 아니라 ‘인공지능 이해(원리, 내용)교육’(이하 인공지능 이해교육)과 ‘인공지능 활용교육’도 함께 사용되고 있다. 이에 관련 용어들이 다른 용어들과 어떤 관계 속에서 사용되고 있는지를 비교 분석하였다.

우선 ‘인공지능 이해 교육’과 ‘인공지능 활용 교육’의 의미가 일관되게 사용되고 있는지를 살펴보았다. ‘인공지능 이해교육’은 Table 8과 같이 ‘인공지능 원리교육’, ‘인공지능 개념교육’, ‘인공지능 내용교육’ 등 다양한 표현으로 나타나지만, 용어 간 의미상의 차이는 크지 않았다. 반면, ‘인공지능 활용교육’은 Table 9와 같이 동일한 용어를 사용하더라도 그 범위에 대해 연구자 간 입장이 크게 차이가 있었다. 한선관 외[28]의 인공지능 활용 분류에 따라 ‘수업의 도구로 인공지능을 활용하는 것(AI as Instructional Tool)’, ‘에듀테크로 인공지능을 활용하는 것(AI as EdTech)’, ‘교육 정책 및 업무 활용에 인공지능을 활용하는 것(AI for Policy & Administration)’의 기준에 따라 각 연구자의 관점을 비교했다. 일부 연구는 이를 교수학습 상황에서의 활용으로 한정하는 반면, 다른 연구들은 에듀테크 도구로서의 활용까지 포함하거나, 교육 정책 및 행정 업무에의 적용까지 포괄적으로 해석하고 있다. 특히 강신천[33]은 ‘수업의 도구로 인공지능을 활용하는 것’을 직접 제안한 인공지능 융합교육의 유형 중 하나인 ‘AI in STEAM’으로, ‘에듀테크로 인공지능을 활용하는 것’은 AI assisted (or added) STEAM and AI based STEAM로 분류하였다. 이는 다른 연구들이 해당 유형들을 인공지능 활용교육으로 구분한다는 점에서 구별된다.

Table 8.

Meanings of Terms Related to AI Principles Education

Table 9.

Meanings of Terms Related to AI Utilization Education

다음으로 ‘인공지능 이해교육’, ‘인공지능 활용교육’, 그리고 ‘인공지능 융합교육’ 간의 관계를 보다 명확히 이해하기 위해, 인공지능 융합교육 개념과 다른 개념 간 포함 관계를 구체적으로 밝힌 한선관[28], 최숙영[9], 김현철[29] 등의 연구를 검토하였다. 각 연구에서 제시한 용어들의 관계를 직관적으로 파악할 수 있도록, 이들 간의 포함 관계를 Table 10과 같이 벤 다이어그램 형태로 재구성했다.

Table 10.

Inclusion Relationships Among Terms Related to AI Education

한선관[28]은 인공지능 이해 교육, 인공지능 활용 교육, 인공지능 융합교육이 위계적인 관계에 있다고 보았으며, 이를 피라미드 모형으로 제시하였다. 본 연구에서는 이러한 유형을 ‘완전 포함형(fully inclusive type)’으로 정의하였다. 최숙영[9]은 인공지능 융합교육이 인공지능 내용 교육과 인공지능 활용 교육의 특성을 모두 포함하고 있기 때문에 이들 간에 공통된 영역이 존재한다고 보았다. 본 연구에서는 이를 ‘부분 교차형(partially overlapping type)’으로 분류하였다. 김현철[29]은 세 용어 간 의미가 일부 겹치는 부분이 있다고 해석하였으며, 이는 서로 다른 개념들이 일부 영역에서만 교차하는 구조로 이해할 수 있다. 본 연구에서는 이러한 유형을 ‘완전 교차형(complete intersection type)’으로 정의하였다. 세 연구 외에도 용어 간 포함 관계를 다룬 다른 연구들도 존재한다. 예를 들어, 고보경 외[39]는 인공지능 융합교육을 인공지능 이해 교육 또는 활용 교육이 교과 교육과 결합되는 지점에서 나타난다고 설명하며 인공지능 이해 교육과 활용 교육 위에 성립된다고 보았으므로, 이러한 관계는 ‘완전 중첩형(fully nested overlapping type)’으로 정의하였다. 김인재[40]는 인공지능교육을 ‘내용’과 ‘도구’의 관점, 그리고 ‘학습자 중심’과 ‘교사 중심’이라는 틀을 바탕으로 유형화하면서 인공지능 이해 교육과 인공지능 융합교육으로 구분하였다. 본 연구에서는 이를 ‘독립형(independent type)’으로 정의하였다. 이처럼 각 연구에서 정의하는 ‘인공지능 활용교육’의 개념에 차이가 존재한다는 점을 감안하더라도, 용어 간 포함 관계에 대한 해석은 연구자에 따라 다소 편차가 있는 것으로 나타났다. 이를 종합해보면 학계에서는 적어도 다섯 가지 이상의 서로 다른 용어 간 관계가 존재하는 것으로 확인된다.

인공지능 융합교육 개념을 명료화하기 위해서는 현재의 혼재 정도를 파악하고, 합의를 이끌어 낼 기준점을 설정하는 과정이 선행되어야 한다. 본 연구는 이러한 목적을 바탕으로, 국내 학계에서 사용되는 초·중등교육 대상 인공지능 융합교육 개념이 어떻게 정의되고 활용되고 있는지를 비교, 분석하고자 했다. 이를 위해 인공지능 융합교육 개념 정의의 근거로 인용되어 최종 분석 대상으로 선정된 46편의 문헌을 분석했다. 분석 기준으로 (1) 인공지능 내용 지식 포함 여부, (2) 융합교육에서 인공지능의 역할, (3) 용어 간 관계의 세 가지를 설정하고 혼재 양상을 분석했으며, 연구자들 간 개념 정의 및 해석에 있어 상당한 차이가 존재함을 확인했다. 분석된 연구 결과에 따른 논의 사항은 다음과 같다.

첫째, 인공지능 내용 지식 포함 여부 측면에서는 인공지능에 대한 이해가 전제되어야만 융합교육이 가능하다는 관점과 이를 필수적인 조건으로 보지 않는 관점이 모두 존재했다. 이 관점의 차이는 연구 결과를 해석하는 과정에서 불필요한 논쟁이나 오해를 초래할 수 있다. 예를 들어, 내용 지식을 중시하는 연구자는 인공지능 원리가 포함되지 않은 수업은 제외하고 인공지능 원리가 포함된 수업만을 포함하여 연구 결과를 계산하지만, 도구적 활용을 중시하는 연구자는 두 유형 모두를 인공지능 융합교육의 범주에 포함하여 분석할 것이다. 이처럼 연구자의 관점에 따라 포함되는 사례가 달라지면, 도출된 효과 크기는 다를 수 밖에 없으며, 결국 평균 효과 크기는 개념적으로 모호할 뿐만 아니라 아무 것도 제대로 설명하지 못하는 무의미한 수치가 된다. 나아가 이러한 오염된 연구 결과를 기반으로 정책이 수립될 경우, 인공지능 융합교육의 효과에 대한 잘못된 인식이 확산되거나, 관련 연구 분야가 위축되는 결과로 이어질 수 있다.

둘째, 융합교육에서 인공지능의 역할에 대해서는 인공지능을 인공지능 융합교육의 학습의 대상으로 바라보는 관점과 학습의 도구로 보는 관점이 공존했다. 이러한 해석의 차이는 실제 수업에서 목표 설정과 활동 구성 방식에 중대한 영향을 미치며, 교육의 방향성과 실행 전략을 달라지게 만든다. 전자의 관점을 가진 연구자는 교육의 성공 여부를 판단하기 위해 인공지능에 대한 이해도, 인공지능 리터러시와 같은 역량 변화를 측정 지표로 설정할 것이지만, 후자의 관점을 가진 연구자는 교과 성취도, 교과 흥미도를 핵심 지표로 설정할 것이다. 두 연구 모두 인공지능 융합교육의 효과에 대해 긍정적인 결론을 내릴 수 있지만, 각 연구에서 지칭하는 효과의 의미는 전혀 다르다. 이는 교육 정책 입안자와 현장 교사 모두에게 무엇을 기대하고 어떤 기준으로 교육 활동을 평가해야 하는지에 대한 큰 혼란을 야기한다. 궁극적으로 교육 정책의 목표와 학교 현장에서의 실제 실행 간의 괴리가 발생하고, 학생들은 일관성 없는 교육 경험을 겪을 가능성이 높아진다.

'인공지능 내용 지식 포함 여부'와 '융합교육에서 인공지능의 역할'라는 두 분석 기준은 표면적으로 일부 개념을 공유하는 것처럼 보일 수 있으나, 두 기준을 종합적으로 적용하여 주요 연구들을 분석하면 Table 11과 같이 명확한 차이를 보인다. 인공지능 융합교육을 실현하기 위해 인공지능 지식을 필수로 간주하며 학습 대상으로 바라보는 관점[31], 인공지능 지식은 필수적으로 이해하되 학습 도구로 활용하는 관점[30], 인공지능 지식은 반드시 필요한 것이 아니며 학습 도구로 활용하는 관점[32]이 공존한다. 이 세 연구가 모두 인공지능 융합교육의 정의를 논의하는데 인용되는 문헌이라는 점에서, 현재 학계에서 인공지능 내용 지식의 필요성 여부와 그 역할에 대한 해석이 여전히 혼재된 상태임을 시사한다.

Table 11.

Comparison of AI Knowledge Requirement and Role in AI Convergence education

셋째, 인공지능 융합교육과 함께 사용되는 용어인 ‘인공지능 이해교육’과 ‘인공지능 활용교육’간의 용어 간 관계를 검토한 결과, 연구자마다 이들 개념 간의 관계를 해석하는 방식에는 완전 포함형, 부분 교차형, 완전 교차형 등 최소 다섯 가지 이상의 서로 다른 관계 모델이 혼재해 있었다. 또한 ‘이해교육’은 ‘원리교육’, ‘개념교육’, ‘내용교육’ 등의 용어로 다양하게 표현되었지만, 의미는 유사하게 사용되고 있었던 반면, ‘활용교육’은 동일한 용어가 사용되면서도 연구자에 따라 해석에 차이가 있어 개념적 혼재가 있음을 확인했다. 이 문제는 서론의 Table 2에서 제시한 두 메타분석 연구 A와 B의 결과를 비교함으로써 실제로 발생하고 있음을 확인했다. 나아가 이러한 결과의 차이는 후속 연구에서 반복적으로 인용되거나 확장되는 과정에서 해석의 왜곡이 누적될 수 있으며, 이는 연구 분야에 대한 신뢰를 저해하고, 선행 연구를 기반으로 후속 연구를 설계하거나 관련 정책을 수립하는 데 어려움을 초래할 수 있다.

특히 인공지능 융합교육은 실제적 성격을 지니고 있다는 점에서, 개념의 혼란은 단지 학술적인 문제에 머물지 않으며, 결국 학교 현장의 학생들의 피해로 이어질 수 있다. 실제 학습 내용과 성과는 개념에 대한 교사의 주관적인 해석과 실행 방식에 따라 달라질 수밖에 없기 때문이다. 최근 다양한 교과에서 인공지능 융합교육이 활발히 시도되면서 이에 대한 관심과 수업 사례가 빠르게 확대되고 있다. 이러한 흐름 속에서 개념적 혼란은 교육의 질 저하와 학문적 발전의 저해로 이어질 수 있기 때문에, 인공지능 융합교육 개념을 명확히 정립하는 일은 시급한 과제다. 본 연구에서 제시한 세 가지 기준은 이러한 개념 정립을 위해 논의되고 합의되어야 할 핵심 요소로 제안될 수 있으며, 향후 인공지능 융합교육의 개념 정립을 위한 논의의 출발점이 될 수 있다.

그러나 본 연구에서 분석한 기준은 인공지능 융합교육의 복잡한 개념 체계를 모두 포괄하기엔 제한적이라는 한계점이 존재한다. 또한 본 연구는 국내 초중등 교육 맥락에서 수행된 46편의 연구만을 대상으로 한정하였으므로 국제적인 동향과의 비교가 이루어지지 않았다는 점에서도 한계를 지닌다. 향후 다양한 기준을 토대로 심도 있는 분석과 국제적인 인공지능 융합교육 연구 동향과의 비교 분석이 추가로 이루어질 필요가 있다. 또 다른 후속 연구로는 ‘교과 융합 인공지능교육’, ‘인공지능 융합 교과교육’, ‘인공지능 기반 교과 융합교육’ 등 현재 혼재되어 사용되고 있는 다양한 ‘인공지능 융합교육’ 관련 용어들의 의미와 범위를 정립할 필요가 있다. 예를 들어 인공지능과 수학의 융합 프로그램에 대해서 정지운[41]은 ‘AI 원리 융합 수학교육 프로그램’이라는 용어를 사용하고, 최선영[42]은 ‘수학융합 인공지능교육 프로그램’이라는 용어를 사용했다. 이들은 표면적으로 유사하면서도, 연구자가 강조하는 바에 차이가 존재하는 것으로 보인다. 유사 용어 간 명확한 개념 정리를 통해 용어 사용의 일관성을 높이고, 각 용어가 지칭하는 개념을 체계적으로 정립하여 궁극적으로 인공지능 융합교육 연구의 질적 수준을 제고하는 데 기여할 수 있을 것이다.

Acknowledgments

본 논문은 제1저자의 서울대학교 사범대학 석사학위논문 일부를 수정 및 보완하여 작성한 것임.

References

• Kim, H. (2019). From informational thinking to artificial intelligence(정보적 사고에서 인공 지능까지). Hanbit Media.
• Ministry of Education (2022). 2022 Revised National Curriculum. Ministry of Education Notification No. 2022-33.
• Ministry of Education (2022). 2022 Revised National Curriculum(2022-33). Ministry of Education.
• 수업지도안 공모전. (2022, December 4). AI융합교육연구지원센터. https://aied.dnue.ac.kr/aied/CMS/Board/Board.do?mCode=MN018, (Searched on 2024. 04. 13.)
• AIEDAP. (n.d.) https://aiedap.or.kr/, (Searched on 2024. 04. 13.)
• Choi, H. (2023). Development and Application of Mathematical Education Program Converging Artificial Intelligence Principles [Master’s thesis]. Graduate School of Education, Seoul National University of Education.
• Lim, C., Han, Y., Chae, J., Hong, S., Go, B. & Lim, E. (2025). Research Trends and Future Directions in Artificial Intelligence-Integrated Education. Journal of Educational Technology, 41(1), 363-395. [https://doi.org/10.17232/KSET.41.1.363]
• Heo, H. & Kang, S. (2023). Teacher competencies for designing artificial intelligence-integrated education. The Journal of Korean association of computer education, 26(2), 89-100. [https://doi.org/10.32431/kace.2023.26.2.008]
• Choi, S. (2023). A Study on the Understanding and Solving Tasks of AI Convergence Education. Journal of Industrial Convergence, 21(1), 147-157. [https://doi.org/10.22678/jic.2023.21.1.147]
• Kim, J., & Kim, Y. (2023). Analyzing Teachers' Educational Needs to Strengthen AI Convergence Education Capabilities. Journal of Internet Computing and Services, 24(5), 121-130.
• Seok, N. (2023). Artificial Intelligence in the Classrooms on cognitive learning effect [Master’s thesis]. Graduate School of Education, Ewha Womans University.
• Kang, Y., Jang, Y., Bae, S., & Hong, S. (2021). A Meta-analysis of the Effects of Artificial Intelligence Education Programs on Adolescents. Journal of Korean Association for Educational Information and Media, 27(4), 1273-1294. [https://doi.org/10.15833/KAFEIAM.27.4.1273]
• Lee, J. (2021). Analysis of Research Trends in Convergence Education [Master’s thesis]. Graduate School, Korea National University of Education.
• Kim, J., Lee, H., Lee, M., Seo, E., Cho, H., & Seo, J. (2016). Improving the quality of gifted education through convergence education (RR2016-12). Korea Educational Development Institute. http://kedi.re.kr/khome/main/research/selectPubForm.do?plNum0=11292
• 서울대학교 AI융합교육학과 (n.d.) https://aied.snu.ac.kr/new/main/main.php, (Searched on April 13, 2025)
• 이화여자대학교 AI융합교육과 (n.d.) https://ged.ewha.ac.kr/gedewha/major/major29.do, (Searched on April 13, 2025)
• Hong, S., Cho, B., Choi, I., Park, K., Kim, H., Park, Y., Park, J., & Lee, Y. (2020). Concept and utilization of artificial intelligence (AI) in school education(학교 교육에서 인공지능(AI)의 개념 및 활용) (ORM 2020-21-3). KICE Position Paper. Korea Institute for Curriculum and Evaluation. https://www.kice.re.kr/boardCnts/view.do?boardID=1500203&boardSeq=5050224&lev=0&m=030205&searchType=null&statusYN=W&page=1&s=kice
• Kim, H., Jang, Y., Lee, S., Lee, Y., Jeong, Y., Song, S., & Kim, J.. (2020). AI education guidebook. Ministry of Education, Ministry of Science and ICT, & Korea Foundation for the Advancement of Science and Creativity.
• Grant, M., & Booth, A. (2009). A typology of reviews: an analysis of 14 review types and associated methodologies. Health Information & Libraries Journal, 26(2). 91-108. [https://doi.org/10.1111/j.1471-1842.2009.00848.x]
• Seo, H. (2020). The Scoping Review Approach to Synthesize Nursing Research Evidence. The Journal of Korean Academic Society of Adult Nursing, 32(5), 433-439. [https://doi.org/10.7475/kjan.2020.32.5.433]
• Colquhoun, H., Levac, D., O'Brien, K., Straus, S., Tricco, A., Perrier, L., Kastner, M., & Moher, D. (2014). Scoping reviews: Time for clarity in definition, methods, and reporting. Journal of Clinical Epidemiology, 67(12), 1291–1294. [https://doi.org/10.1016/j.jclinepi.2014.03.013]
• Arksey, H., & O’Malley, L. (2005). Scoping studies: Towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19-32. [https://doi.org/10.1080/1364557032000119616]
• Kim, Y. (2021). Research Subject Trend Analysis on AI Education with Network Text Analysis on Korean Journals. Journal of Educational Innovation Research, 31(4) 197-217. [https://doi.org/10.21024/pnuedi.31.4.202112.197]
• About RISS (n.d.) https://www.riss.kr/myriss/ArticleDBLibraryList.do?providerId=03, (Searched on April 13, 2025)
• Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., et al. (2021). Updating guidance for reporting systematic reviews: development of the PRISMA 2020 statement. Journal of Clinical Epidemiology. 134, 103-112. [https://doi.org/10.1016/j.jclinepi.2021.02.003]
• Yoon, S. (2022). Development of AI(Artificial Intelligence) Convergence Course for College Dance Majors. Korean Journal of Convergence Science. , 11(9), 229-239. [https://doi.org/10.24826/KSCS.11.9.14]
• Lee, W. & Kim, J. (2020). Curriculum Development for AI Convergence Education. Korean Journal of Converging Humanities, 8(3), 29-52. [https://doi.org/10.14729/converging.k.2020.8.3.29]
• Han, S., Kim, T., & Ryu, Mi. (2020). Framework Research for AI Education for Elemetary and Middle School Students(초중등 인공지능 교육을 위한 프레임워크 기초 연구). Journal of The Korean Association of Artificial Intelligence Education 1(1), 31-42.
• Kim, H. (2021). The necessity and understanding of AI education(인공지능 교육의 필요성과 이해). In Korea Education and Research Information Service (Ed.), 2021 Artificial Intelligence (AI) Basic Competency Enhancement Training Manual(2021년 인공지능(AI) 기본 역량 강화 연수 교재)(TM 2021-18) , pp. 3–20. Korea Education and Research Information Service. https://www.keris.or.kr/main/ad/pblcte/selectPblcteETCInfo.do?mi=1142&pblcteSeq=13540
• Jeon, I., Kim, S., & Song, K. (2021). Analysis of Artificial Intelligence Education Policy Trends and Educational Institution's Operation Status in Korea. The Korean Association of Computer Education, 25(1(A)), 99-103.
• Park, H., Kim, J., & Lee, W. (2021). Derivation of teachers' competency for artificial intelligence convergence education. The Journal of Korean association of computer education, 24(5), 17–25. [https://doi.org/10.32431/kace.2021.24.5.002]
• Lee, J., Lee, S., & Lee, S. (2021). The Influence of AI Convergence Education on Students' Perception of AI. JOURNAL OF The Korean Association of information Education, 25(3), 483-490. [https://doi.org/10.14352/jkaie.2021.25.3.483]
• Directions for AI-Integrated Education and the Role of Educators(AI융합 교육의 방향과 교원의 역할). In Korea Education and Research Information Service (Ed.), 2021 Artificial Intelligence (AI) Basic Competency Enhancement Training Manual(2021년 인공지능(AI) 기본 역량 강화 연수 교재)(TM 2021-18), pp. 21–38. Korea Education and Research Information Service. https://www.keris.or.kr/main/ad/pblcte/selectPblcteETCInfo.do?mi=1142&pblcteSeq=13540
• Heo, H. & Kang, S. (2024). Suggestion of the Course Design Methods for AI-integrated Education. The Journal of Korean association of computer education, 27(1), 71-83. [https://doi.org/10.32431/kace.2024.27.1.006]
• Lim, D., Kang, S., Lee, E., Nam, H., Kim, S., Cho, S., Kim, G., Song, G., & Cho, H. (2022). A study on how to apply AI education to K-12: Research report(초·중등 인공지능(AI)교육 학교 적용 방안 연구 연구보고서) (SW·AI). Korea Foundation for the Advancement of Science and Creativity (KOFAC). https://www.kosac.re.kr/menus/244/boards/457/posts/37427?brdType=R&thisPage=1&bbIdx=37427&searchField=&searchText=
• Lee, J. & Kwon, K. (2022). Exploring the Effectiveness of CT and AI Capabilities Through the Development and Application of Elementary AI Convergence Education Programs. Journal of Creative Information Culture, 8(4), 301-310. [https://doi.org/10.32823/jcic.8.4.202211.301]
• Kim, H., Kim, S., Jeong, G., Kim, D., Kim, S., An, J., Lee, D., Lee, S., Lee, J., & Lee, C. (2023). First steps in artificial intelligence for teachers(교원을 위한 인공지능 첫걸음). Seoul Metropolitan Office of Education.
• Jeon, S., Lee, J., Choi, H., Lee, S., & Kim, M.(2023). Development of Artificial Intelligence education content system of K-12 for Artificial Intelligence convergence education. The Journal of Korean association of computer education, 26(2), 71-88. [https://doi.org/10.32431/kace.2023.26.2.007]
• Go, B., Lim, C., & Shin, B. (2024). Development of a math-AI convergence instructional model using a generative AI chatbot. Journal of Educational Technology, 40(1), 1-40. [https://doi.org/10.17232/KSET.40.1.1]
• Kim, I. (2022). An Analysis of Trends in Artificial Intelligence Education Using Topic Modeling [Master’s thesis]. Graduate School, Ewha Womans University.
• Jung, J. (2024). Development of a math education program that convergence artificial intelligence principles on elementary school students : Focusing on data and machine learning [Master’s thesis]. Graduate School of Education, Ewha Womans University.
• Choi, S. (2024). Development and Application of Artificial Intelligence Education Program for Mathematics Convergence Using Robots [Master’s thesis]. Graduate School of Education, Seoul National University of Education.