Institutional approaches to generative AI management in higher education: a systematic review

핵심 요약
첫째, 7개 학술 DB에서 239편을 검색, PRISMA 2020에 따라 50편 최종 분석. 고등교육 생성형 AI 거버넌스·구현·학습성과·효율성 종합 검토.
둘째, 효과적 AI 도입은 거버넌스 성숙도에 달려 있다. 다부서 감독, 학문적 무결성 기준, 위험 기반 데이터 거버넌스가 핵심.
셋째, 메타분석: 학업성취 효과크기 0.857, 동기 0.803. 그러나 고차원 사고 개선은 제한적.
넷째, 미국 R1 대학에서도 정책과 현장 적용의 괴리. 글로벌 남반구는 AI 거버넌스 프레임워크 자체가 부재.
다섯째, AI 과의존은 인지적 참여 감소와 탈숙련화 위험을 초래.

배경 및 이론적 맥락
생성형 AI가 고등교육에 급속 확산되면서 평가·저작권·연구·행정 전반에 제도적 감독이 필요해졌다. 기존 연구는 개별 주제를 다루었으나 통합적 리뷰는 부족했다. 이 연구는 사회기술적(socio-technical) 프레임워크로 기술·제도·인적 요소의 상호작용을 분석했다.

연구 방법론
PRISMA 2020에 따라 Scopus·WoS·Google Scholar·ERIC·IEEE·ScienceDirect·ACM 등 7개 DB에서 2020~2026년 문헌 검색. 239편 → 중복 제거 → 221편 선별 → 120편 전문 평가 → 50편 최종 포함. 30개국 이상, 다양한 방법론 포괄.

연구 결과
6개 핵심 주제: 거버넌스(74개 정책 문서 분석, 투명성·책임에 수렴하나 집행 상이), 학습성과(효과크기 0.857/0.803, 고차원 사고는 제한적), 기관효율성(등록·채점·예측분석 자동화, 중퇴율 15% 감소), 교수진(혁신 의지 vs 훈련 부족), 과제(학문적 무결성·불평등·남반구 격차).

결론 및 의미
‘힌턴의 역설’ 관점에서, AI가 기초 지식 습득에는 효과적이지만 전문성 형성의 핵심인 비판적 사고와 창의성에는 추가적 교수법적 개입이 필요. 정책과 현장의 괴리는 제도적 선언만으로는 부족하며, 교수진 훈련과 학생 지도라는 인적 투자가 동반되어야 함을 보여준다.

Bacalso, F. D. et al. (2026). Institutional approaches to generative AI management in higher education: a systematic review. Frontiers in Education, 11, 1814426. https://doi.org/10.3389/feduc.2026.1814426

<AI 활용 내역> Claude. (2026), Claude, [대형언어모델(LLM)]. https://claude.ai/ 논문의 핵심 내용을 요약하고 한국어 리뷰를 작성하는 데 활용했으며, 결과물은 연구자가 최종 검토 후 수정해 블로그에 반영했다.