교수 설계와 AI 가이드라인(AI문고)

생성형 AI를 교수 설계 전 과정에 어떻게 통합할 것인지 다룬다. ADDIE 모형에 따라 분석, 설계, 개발, 실행, 평가 단계에서 AI가 학습자 분석, 목표 진술, 자료 제작, 피드백, 학습 데이터 해석을 어떻게 도울 수 있는지 제시한다. 그러나 AI의 산출물은 완성품이 아니라 초안이다. 최종 판단과 책임은 교수자에게 있다. AI 활용법보다 교수자의 주도권을 지키는 설계 원칙을 말하는 책이다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

[목 차]
  

생성형 AI 시대, 교수 설계의 새로운 가능성

01 AI와 교수 설계 워크플로 

02 분석: 인지적 협력자로서의 시작

03 설계: AI와 함께 그리는 수업 청사진

04 개발: AI와 함께하는 학습 경험 구현

05 실행: 학습 경험의 최적화

06 평가: 지속적 개선을 위한 성찰

07 프롬프트 엔지니어링 실전 전략

08 교수 설계 사례와 적용

09 지속 가능한 AI 활용을 위한 실천 전략

10 교수 설계 단계별 윤리적 쟁점

[본 문]
  

교수 설계의 절차는 어떻게 구성될까. 다양한 모형이 있지만, 그중에서도 ADDIE 모형은 가장 널리 알려진 교수설계의 표준 프레임워크다. 분석(Analysis), 설계(Design), 개발(Development), 실행(Implementation), 평가(Evaluation)의 영문 머리글자를 따서 만든 이 모형은 교수 설계의 전 과정을 다섯 단계로 체계화한다. ADDIE 자체는 새로운 개념이 아니다. 그러나 생성형 AI의 등장은 각 단계에서 교수자가 실제로 무엇을 하고, 어디에 시간을 쓰며, 무엇을 판단해야 하는지를 근본적으로 바꾸고 있다.

－01_“AI와 교수 설계 워크플로” 중에서

대학 수업 설계에서 설계 단계의 핵심은 추상적인 교육 목적을 실제 학습 경험으로 전환하는 데 있다. 교수자는 자신이 전달하고자 하는 전공 내용을 중심으로 사고하기 쉽지만, 설계 단계에서는 ‘무엇을 설명할 것인가’보다 ‘학생이 수업 후 무엇을 할 수 있어야 하는가’를 중심으로 수업을 조직해야 한다. 생성형 AI는 이러한 설계 단계에서 교수자의 사고를 확장하고 다양한 설계 대안을 탐색하도록 돕는 역할을 할 수 있다. 특히 교수자가 익숙한 교수 방식에 머무르지 않고 보다 다양한 수업 구조와 학습 활동을 설계할 수 있도록 지원한다는 점에서 의미가 크다. 전에는 교수자가 자신이 알고 있는 범위 내에서 교수법과 학습 활동을 결정해야 했다면, 이제는 AI가 학습 목표와 학습자 특성에 적합한 교육 방법을 빠르게 제안할 수 있다. 교수자는 AI의 제안을 바탕으로 자신의 수업 맥락에 맞는 대안을 검토·수정·재구성하면서 보다 정교한 수업을 설계하게 된다.

－03_“설계: AI와 함께 그리는 수업 청사진” 중에서

교수 설계의 성찰과 갱신은 교육의 질 관리 측면에서도 중요한 의미를 갖는다. 객관적인 데이터에 기반해 설계 과정을 지속적으로 다듬는 교수자의 노력은 학습자에게 더 나은 교육 경험을 제공하겠다는 실천적 약속과 같다. AI는 이 복잡하고 번거로운 검토 과정에서 데이터를 분석하고 개선 방향을 제안함으로써, 교수자가 교육의 본질적 가치를 유지하면서도 교수 설계 역량을 지속적으로 발전시킬 수 있도록 돕는다. 결론적으로 평가 단계는 한 학기의 끝이 아니라, 생성형 AI와 교수자가 함께 수행한 교수 설계의 경험을 정리하고 다음 수업을 위한 출발점을 마련하는 시간이다. 이 과정에서 도출된 모든 데이터와 성찰의 기록은 다시 첫 번째 분석 단계로 흘러 들어가 더 정교한 다음 수업을 가능하게 한다. 교수자의 전문적 통찰과 AI의 분석 역량이 조화를 이루는 이 마지막 단계를 통해, 교육은 끊임없이 진화하고 성장하는 배움의 과정으로 거듭날 수 있다.

－06_“평가: 지속적 개선을 위한 성찰” 중에서

어떤 전략을 갖추더라도 AI 활용이 뜻대로 되지 않는 순간은 반드시 찾아온다. 공들여 만든 프롬프트가 예상과 전혀 다른 결과를 내놓거나, AI의 도움으로 설계한 수업이 실제 강의실에서 기대만큼 작동하지 않는 경험이 그것이다. 이런 순간에 흔히 보이는 반응은 두 가지다. AI 활용 자체를 잠시 내려놓거나, 반대로 더 나은 방법을 찾아 헤매며 시간을 소비하는 것이다. 그러나 지속 가능한 실천의 관점에서 보면, 실패는 제거해야 할 장애물이 아니라 자신의 AI 활용 방식을 교정하는 신호다. 중요한 것은 실패를 포기의 근거가 아니라 조정의 근거로 읽는 태도다. AI가 생성한 강의 자료의 품질이 기대에 미치지 못했다면, 맥락 정보가 충분했는지, 검토 과정이 적절했는지를 돌아보는 계기가 된다.

－09_“지속 가능한 AI 활용을 위한 실천 전략” 중에서