Between cognitive offloading and critical autonomy: a systematic review of the epistemic implications of generative AI in higher education

Between cognitive offloading and critical autonomy: a systematic review of the epistemic implications of generative AI in higher education

핵심 요약

첫째, 생성형 AI는 고등교육에서 ‘인지적 비계(scaffold)’이자 동시에 ‘인식론적 취약점’으로 기능한다. 26편의 실증 연구를 체계적으로 분석한 이 리뷰는 GenAI가 피드백 문해력, 메타인지적 성찰, 개념 명확화, 자기조절학습을 지원하는 동시에, 비판적 검증 없이 사용될 때 인지적 외주화(cognitive offloading), 자동화 편향(automation bias), 피상적 정보 처리, 분석적 참여 약화를 초래한다는 이중적 증거를 제시한다.

둘째, AI의 교육적 결과는 기술 자체가 아니라 ‘교수 설계(pedagogical design)’, ‘AI 리터러시’, ‘평가 관행’에 의해 결정된다. 검증 지향적이고 교수법적으로 구조화된 AI 활용은 성찰적 참여, 반복적 추론, 자기조절학습과 연결되었으나, 편의 지향적이거나 감독이 미약한 사용은 과잉 의존, 출처 검증 감소, 평가적 판단 약화와 연관되었다.

셋째, 이 연구는 HEEP-HE(Hybrid Epistemic Engagement Practices in AI-Mediated Higher Education) 모델을 제안한다. 이 모델은 인식론적 검증(epistemological validation), 교수법적 비계(pedagogical scaffolding), 사회기술적 교정(sociotechnical calibration), 시민-민주적 회복력(civic-democratic resilience)이라는 4개 영역으로 구성된다.

넷째, 학생들이 AI에 위임하는 것은 단순한 ‘작업 위임’이 아니라 ‘인식론적 위임(epistemic delegation)’이다. 출처 선정, 증거 평가, 해석, 검증, 최종 판단까지 AI에 이전할 때, 이는 인식론적 자율성의 근본적 침식을 의미한다.

다섯째, AI 시대 고등교육의 핵심 과제는 AI 사용을 막는 것이 아니라, ‘보정된 위임(calibrated delegation)’의 역량을 기르는 것이다. 어떤 인식론적 작업을 AI에 맡길 수 있고, 어떤 작업은 인간의 판단 아래 유지해야 하는지 구분하는 능력이 핵심이다.

배경 및 이론적 맥락

ChatGPT, Gemini, Claude 등 대규모 언어모델(LLM) 기반 생성형 AI의 급속한 확산은 고등교육 환경을 근본적으로 변화시키고 있다. 이 기술들은 더 이상 간헐적 기술 보조도구가 아니라, 글쓰기, 정보 검색, 요약, 브레인스토밍, 시험 준비 등 학습 생태계의 일상적 구성 요소로 정착했다.

이 논문의 핵심 문제의식은 인식론적(epistemic) 차원에 있다. 기존 논의가 ‘학술적 무결성(academic integrity)’이나 ‘기술 수용(technology acceptance)’에 집중한 반면, 이 연구는 학생들이 지식을 구성하고, 검증하고, 평가하는 방식 자체가 어떻게 변형되고 있는지를 탐구한다. AI가 유창하고 일관된 언어로 권위 있게 보이는 답변을 생성할 때, 학생들은 이를 중립적이고 신뢰할 수 있는 지식의 원천으로 인식하는 경향이 있다. 이는 부정확성, 환각(hallucination), 은폐된 편향이 포함된 경우에도 마찬가지다.

연구진은 SPIDER 프레임워크를 사용하여 연구 질문을 조작화했으며, “생성형 AI 도구의 사용이 고등교육에서 인식론적 관행을 어떻게 변형시키는가, 그리고 학생들의 비판적이고 책임 있는 AI 사용을 촉진하기 위해 어떤 교육적 대응이 제안되었는가?”라는 핵심 질문에 답하고자 했다.

연구 방법론

PRISMA 2020 가이드라인에 따라 수행된 이 체계적 문헌 리뷰는 Scopus, Web of Science Core Collection, EBSCOhost(ERIC 포함 7개 데이터베이스)에서 2022-2026년 사이 발표된 동료 심사 실증 연구를 체계적으로 검색했다. 총 7,215건의 레코드에서 중복 제거 후 4,093건을 선별하여 최종 26편의 연구가 분석에 포함되었다.

분석 방법으로는 3단계 접근법을 채택했다: (1) 기술적 매핑(descriptive mapping)으로 포함된 연구의 공식적 특성을 문서화하고, (2) Thomas와 Harden(2008)의 주제적 합성(thematic synthesis) 절차에 따라 줄 단위 코딩, 기술적 주제 구성, 분석적 주제 생성을 수행했으며, (3) 프레임워크 합성(framework synthesis)으로 증거를 4개 영역(인식론적, 교수법적, 사회기술적, 시민-민주적)에 매핑했다.

방법론적 질 평가는 JBI(Joanna Briggs Institute) 비판적 평가 도구를 사용하여 두 명의 독립 검토자가 수행했다. 포함된 연구는 질적 연구 11편, 혼합방법 연구 7편, 분석적 횡단면 연구 4편, 준실험 연구 2편, 무작위 대조 시험(RCT) 2편으로 구성되었다.

연구 결과

1. 6개 기술적 주제(Descriptive Themes)

주제 1: 인식론적 권위의 재구성 – AI는 단순한 기술 도구가 아니라 학술적 추론, 글쓰기, 설명, 정보 검색, 피드백, 지식 구성의 매개자(mediator)로 기능한다. 전통적 학술 권위(교수자, 도서관, 학문적 절차)에서 대화형 AI 시스템으로 권위가 부분적으로 재분배되었다.

주제 2: 지식 검증과 출처 평가의 취약성 – AI가 생성한 답변은 증거적 근거가 없더라도 유창하고 수사적으로 설득력 있게 보인다. 핵심 과제는 AI가 오류를 생성하느냐가 아니라, 학생들이 그 오류를 탐지하고 해석하고 수정할 인식론적 역량을 갖추고 있느냐이다.

주제 3: 학술적 무결성에서 인식론적 무결성으로의 전환 – 무결성 논의가 전통적 표절 문제를 넘어, AI가 학술 작업에 기여할 때 누가 주장, 해석, 출처, 결론에 대해 책임을 지는가라는 더 넓은 인식론적 책임의 문제로 확장되었다.

주제 4: 인지적 외주화와 학습자 주체성의 침식 – AI가 개인화, 즉각적 피드백, 글쓰기 향상을 지원하는 동시에, 과잉 의존은 인지적 외주화, 노력 감소, 창의성 상실, 비판적 사고 약화, 독립적 판단의 침식을 초래할 수 있다. 교육적 가치는 기술 가용성이 아니라 교수법적 조건에 달려 있다.

주제 5: 고차원적 사고를 위한 비계로서의 GenAI – 안내된 탐구(guided inquiry), POE/POEE 기반 접근법, 비판적 프롬프팅, 과정 기반 평가와 같은 구조화된 모델 내에서 AI가 사용될 때, 비판적 사고, 창의성, 성찰적 사고, 탐구 기반 학습이 향상되었다.

주제 6: 금지에서 관리된 통합으로의 제도적 전환 – 고등교육 기관들이 AI를 거부하거나 무비판적으로 수용하는 대신, 정책, 역량, 교수법 모델, 검증 관행을 통해 통합하는 ‘관리된 통합(governed integration)’ 패턴으로 이동하고 있다.

2. 5개 분석적 주제(Analytical Themes)

(1) 정보 접근에서 인식론적 책임으로: AI가 정보 접근을 확대했지만, 합성적 지식을 검증할 책임의 부담도 증가했다.
(2) 학술적 비위에서 하이브리드 저작권 거버넌스로: 인간 학습자가 AI 지원을 윤리적으로 통합하면서 지적 소유권과 책임을 유지하는 새로운 규범이 필요하다.
(3) 디지털 역량에서 인식론적 AI 리터러시로: AI 도구 사용 능력을 넘어, AI가 생성한 결과물의 신뢰성, 투명성, 편향을 심문하고 검증하는 역량이 요구된다.
(4) 인지적 보조에서 보정된 위임으로: 문제는 위임 자체가 아니라 ‘비보정된 위임’이다. 어떤 인지적·인식론적 작업을 AI에 맡길 수 있고, 어떤 작업은 인간 판단 아래 유지해야 하는지 아는 것이 핵심이다.
(5) 개인적 사용에서 제도적 인식론적 거버넌스로: 책임 있는 AI 사용을 개별 학생이나 교수자에게만 맡길 수 없다. 교육과정, 평가, 교수 개발, 정책, 윤리 지침을 통한 제도적 거버넌스가 필요하다.

3. HEEP-HE 모델

프레임워크 합성의 결과로 구축된 HEEP-HE(Hybrid Epistemic Engagement Practices in AI-Mediated Higher Education) 모델은 4개의 상호의존적 영역으로 구성된다:

• 인식론적 검증(Epistemological Validation): AI가 매개한 지식 주장을 검증하고, 정당화하고, 귀속시키고, 책임을 지는 역량
• 교수법적 비계(Pedagogical Scaffolding): AI 사용이 비판적 사고, 메타인지, 탐구, 증거 기반 추론을 지원하는 학습 환경 설계
• 사회기술적 교정(Sociotechnical Calibration): AI에 무엇을 위임할 수 있고, 무엇에 인간 감독이 필요하며, 알고리즘적 한계가 지식 생산을 어떻게 형성하는지 결정하는 역량
• 시민-민주적 회복력(Civic-Democratic Resilience): 합성적 정보를 평가하고, 허위정보에 저항하며, 증거 기반 민주적 숙의에 참여하는 역량

결론 및 의미

이 연구는 생성형 AI 시대 고등교육이 직면한 근본적 딜레마를 정면으로 다룬다. AI를 금지할 것인가, 환영할 것인가라는 이분법적 질문 자체가 잘못되었다. 진짜 질문은 “학생들이 AI와 함께 생산하는 지식에 대해 인식론적 주체성(epistemic agency)을 유지할 수 있는가?”이다.

이 질문은 ‘힌턴의 역설’ 제3부 “인간만의 영역은 존재하는가?”(특히 제13장 ‘인지적 외주화의 함정’과 제14장 ‘전문성은 어떻게 형성되는가’)의 핵심 주제와 정확히 맞닿아 있다. 힌턴의 역설이 제기하는 핵심 논제는 AI가 인간의 인지 작업을 대체할수록, 인간이 그 작업을 통해 형성하던 전문성과 판단력이 약화된다는 것이다. 이 체계적 리뷰의 26편 실증 연구가 바로 이 역설의 교육 현장 증거를 제공한다.

특히 주목할 점은 ‘보정된 위임(calibrated delegation)’이라는 개념이다. 이것은 이 블로그에서 이전에 리뷰한 Zhu 등(2026)의 “의존적 외주화 vs. 자율적 외주화” 구분과 직접 연결된다. Zhu 등이 개인 수준에서 인지적 외주화의 이중 경로를 밝혔다면, 이 리뷰는 그것을 제도적·시스템적 수준으로 확장한다. 단순히 “AI를 적게 쓰라”가 아니라, 어떤 인식론적 기능을 AI에 맡겨도 되고, 어떤 기능은 절대로 인간이 직접 수행해야 하는지를 분별하는 역량이 교육의 새로운 핵심이 되어야 한다.

교육자에게: 이 연구는 AI 사용 금지가 해답이 아님을 분명히 한다. 대신 ‘검증의 교수법(pedagogy of verification)’이 필요하다. 학생들에게 AI가 생성한 주장을 외부 증거와 비교하고, 인용을 확인하고, 불확실성을 식별하고, 수용·거부 결정을 설명하게 하는 학습 활동을 설계해야 한다. 구체적으로, (1) AI 없는 시험과 구술 방어를 병행하고, (2) AI 사용 과정을 성찰 일지로 문서화하게 하며, (3) AI 결과물에 대한 비판적 검토를 평가 기준에 포함시켜야 한다.

학습자에게: AI가 제공하는 유창하고 자신감 있는 답변에 속지 말아야 한다. ‘인식론적 AI 리터러시’란 AI를 잘 사용하는 기술적 능력이 아니라, AI가 왜 그럴듯하지만 틀린 답변을 생성하는지 이해하고, 모든 AI 출력을 독립적 증거로 검증하는 습관을 의미한다. 힌턴의 역설 제5부에서 강조하는 ‘작은 승리의 축적’처럼, 매일 AI 출력 하나를 직접 검증하는 작은 실천이 인식론적 자율성을 지키는 가장 확실한 방법이다.

정책입안자와 대학 행정가에게: HEEP-HE 모델이 제시하는 4개 영역의 통합이 핵심이다. 교수법적 혁신만으로는 부족하고(사회기술적 교정 없이), 제도적 정책만으로도 부족하다(교육과정 통합 없이). 특히 ‘시민-민주적 회복력’ 영역은 AI 시대의 시민성 교육과 직결된다. 합성적 정보 환경에서 허위정보를 식별하고 증거 기반 공론에 참여하는 능력은 더 이상 선택이 아니라 민주주의의 전제 조건이다.

기업과 고용시장에: 이 연구가 확인한 ‘인식론적 위임’ 현상은 Orr 등(2026)이 보고한 AI 노출 전공의 노동시장 충격과 연결된다. 대학 시절 AI에 인지적 작업을 과도하게 위임한 졸업생은 직장에서 독립적 판단이 요구되는 상황에서 취약해진다. Inside Higher Ed의 보도에서 고용주들이 “최근 졸업생들이 LLM 없이는 기본적 기능도 수행하지 못한다”고 불만을 토로한 것은 이 역설의 노동시장 발현이다.

결국, 이 리뷰가 전하는 메시지는 명확하다. 생성형 AI는 인간의 사고를 대체하는 도구가 아니라, 인간의 사고력을 시험하는 리트머스 시험지다. AI가 할 수 있는 모든 것을 AI에 맡기는 순간, 인간에게 남는 것은 AI가 할 수 없는 것을 판단하는 능력뿐인데, 그 판단력마저 AI에 위임했다면 우리에게는 아무것도 남지 않는다. HEEP-HE 모델이 제안하는 ‘하이브리드 인식론적 참여’야말로 이 역설에서 벗어나는 유일한 경로다.

출처

Suazo Galdames, I. C., Santiesteban Velázquez, M., Saracostti, M., & Chaple Gil, A. M. (2026). Between cognitive offloading and critical autonomy: a systematic review of the epistemic implications of generative AI in higher education. Frontiers in Education, 11. https://doi.org/10.3389/feduc.2026.1878665

AI 활용 내역

이 블로그 글은 AI(Claude)를 활용하여 논문 원문을 분석하고, 한국어로 리뷰를 작성하며, 인터랙티브 인포그래픽을 제작하는 데 사용했습니다. 모든 핵심 내용은 원문 논문에 근거하며, 결론 및 의미 섹션의 해석과 연결은 필자의 분석입니다.