AI와 학습경험설계(AI문고)

AI를 도입했다고 학습이 깊어지는 것은 아니다. 중요한 건 기능이 아니라 경험이다. 학습 목표와 활동, 피드백, 평가를 연결하고, 학습자의 사전 지식·동기·정서·자기조절에 따라 AI의 역할과 도움의 정도를 조정한다. 데이터도 성과의 숫자가 아니라 막힘과 재도전의 단서로 읽는다. 기술을 쓰는 법이 아니라 질문하고 판단하며 성장하는 배움을 설계하는 법을 다루며, 현장의 선택과 시행착오까지 함께 담았다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

[목 차]

AI 시대, 왜 학습경험을 설계해야 하는가

01 학습경험설계의 의미

02 학습경험설계의 기반

03 요구 분석과 설계

04 학습경험설계의 밀고 당기기

05 이해와 적용

06 참여와 연결

07 동기와 정서

08 데이터로 읽는 학습경험

09 학습경험의 분석

10 지속 가능한 학습경험설계

[본 문]

학습을 설계하기 위해서는 인지적 이해뿐 아니라 정서와 행동도 함께 보아야 한다. 학습자는 새로운 개념을 만날 때 흥미, 불안, 자신감, 좌절, 성취감과 같은 감정을 경험한다. 감정은 주의, 동기, 전략 선택, 기억에 영향을 미치는 조건이 된다. 또한 학습자는 질문하고, 쓰고, 말하고, 선택하고, 연습하고, 수정하고, 다시 시도하면서 배운다. 학습경험설계에서 정서와 행동을 함께 고려해야 하는 이유가 여기에 있다. (…) 학습경험설계는 학습을 내적 변화와 수행 변화가 함께 일어나는 과정으로 이해하는 데서 출발한다. 학습자는 지식, 사람, 도구, 과제, 피드백, 맥락과 상호작용하면서 자신의 이해와 행동을 바꾸어 간다. 따라서 학습경험설계는 학습자가 의미 있게 배우고, 다시 시도하며, 자신의 성장을 확인할 수 있도록 학습의 조건을 의도적으로 조직해야 한다.

－01_“학습경험설계의 의미” 중에서

요구를 정의하고 AI의 필요성을 판단했다면, 이를 교육적 설계로 해석해야 한다. 현장에서 수집되는 요구는 대부분 기능 중심으로 표현된다. ‘자동 피드백 기능이 있으면 좋겠다’, ‘학생별 대시보드가 필요하다’, ‘수준에 맞는 콘텐츠를 추천해 주면 좋겠다’ 등이다. 이러한 요구는 설계의 출발점은 될 수 있지만 개발할 기능 목록은 아니다. 기능에 앞서 어떤 교육적 문제를 해결해야 하는지, 그 기능을 통해 교수자와 학습자가 무엇을 할 수 있어야 하는지의 교육적 맥락을 구체화해야 한다. 실제 요구와 교육적 맥락을 충분히 반영할 때 기술의 효과와 채택 가능성이 높아진다.

－03_“요구 분석과 설계” 중에서

온라인과 AI 학습 환경에서도 사람과의 연결이 드러나야 한다. AI는 학습자의 질문에 개별적으로 응답하고 필요한 도움을 제공하지만, 소속감은 교수자와 동료가 서로의 생각과 경험에 반응하는 과정에서 형성된다. AI가 생성한 답변을 함께 검토하고, 서로 다른 질문과 결과를 공유하며, 판단 기준을 공동으로 정하는 활동은 AI 활용을 사회적 학습으로 확장한다. 온라인 환경에서는 교수자와 동료의 존재를 확인하고 서로의 수행에 반응할 수 있도록 활동을 구성해야 한다.

－06_“참여와 연결” 중에서

분석 결과는 피드백과 성찰, 학습 환경의 개선으로 이어질 때 교육적 의미를 갖는다. 협력 활동에서 발언과 시선의 분포를 돌아보거나, 수업 중 놓치기 쉬운 상호작용을 확인하고, 필요한 지원 시점을 찾는 데 활용할 수 있다(Yan et al., 2024). 이때 교수자와 학습자가 결과를 함께 검토하고 자신의 경험을 바탕으로 다른 설명을 제시할 수 있어야 한다. 분석 결과는 학습자의 상태를 확정하는 판단보다 학습경험을 이해하기 위한 근거와 질문으로 활용하는 것이 적절하다.

－09_“학습경험의 분석” 중에서