생성형 AI 활용 대학교육에 대한 교수자의 인식: 활동체제 모형을 중심으로

Abstract

생성형 AI가 대학교육에 급속히 확산되면서 교수자들은 AI 도입에 대한 기대와 우려를 동시에 표출하고 있다. 본 연구는 활동체제 모형을 활용하여 생성형 AI를 활용한 대학교육 체제에서 나타나는 효과와 문제점을 심층적으로 분석하고, 효과적인 활용 방안을 탐색고자 한다. 이를 위해 서울 소재 대학교에서 생성형 AI를 활용한 경험이 있는 교수자 10명을 대상으로 반구조화된 면담을 실시하고, 주제분석 방법을 적용하여 면담 자료를 분석하였다. 연구 결과, 교수자들은 생성형 AI가 학습자의 메타인지증진, 맞춤형 교육 제공, 사고 확장 지원에 기여할 것으로 기대하였다. 반면, 활동체제 구성요소 간의상충관계로 인한 문제도 확인되었다. 학습자의 인지적 외주 유발은 주체-도구 간 대립으로, AI의 할루시네이션으로 인한 지식 학습 왜곡은 도구-객체 간 상충으로 나타났다. 또한 AI 활용 양상이 대학의비판적 사고와 학문적 리터러시 함양이라는 교육문화를 저해하는 것은 공동체-객체 간 상충으로, 교수자의 피드백 및 평가 권한이 제약되는 것은 객체-분업 간 갈등으로 분석되었다. 교수자들은 이를해결하기 위해 학습자 주도 AI 기반 학습 설계와 휴먼서비스 강화를 제안하였다. 본 연구는 생성형AI 도입이 단순한 기술적 문제가 아니라 대학교육 체제 전반의 구조적 변화를 요구하는 문제임을 확인하였다. 연구 결과를 바탕으로 교수자-학습자-AI 삼각 협력 시스템 구축, 교수자-AI 하이브리드 피드백 제공, AI 질문 내역을 활용한 학습분석, 학습자의 비판적 AI 활용 역량 함양, 전공 분야별 AI 활용수업 모델 개발 등의 실천적 시사점을 제시하였다. 본 연구는 대학에서 생성형 AI를 효과적으로 통합하기 위해서는 개인 차원의 역량 강화를 넘어 체제적 관점에서의 구조적 개선이 필요함을 시사한다.

As generative AI rapidly spreads in higher education, instructors express both expectations and concerns about AI integration. This study analyzed expected benefits and challenges of generative AI-integrated higher education systems using activity system theory. Semi-structured interviews were conducted with 10 instructors from University in Seoul who had experience using generative AI, and data were analyzed using thematic analysis. Instructors expected generative AI to enhance students’ meta-cognition, provide personalized education, and support cognitive expansion. However, challenges from contradictions between activity system components were identified: cognitive offloading (subject-tool contradiction), knowledge distortion from AI hallucinations (tool-object conflict), undermining of critical thinking and academic literacy culture (community-object contradiction), and constraints on instructors’ feedback and assessment authority (object-division of labor contradiction). To address these challenges, instructors proposed learner-centered AI-based learning design and strengthening human services. This study confirms that generative AI integration requires structural changes across the entire higher education system beyond technical implementation. Based on the findings, this study provided practical implications of establishing instructor-learner-AI triangular collaboration systems, providing instructor-AI hybrid feedback, utilizing AI query logs for learning analytics, fostering students’ critical AI literacy, and developing discipline-specific AI-integrated instructional models. Effective integration of generative AI in universities requires structural improvements from a systemic perspective beyond individual capacity building.