Generative AI as a catalyst for critical thinking: reframing students from consumers to co-creators

핵심 요약

첫째, AI 리터러시만으로는 윤리적 인식이 직접적으로 향상되지 않는다. 104명의 학부생을 대상으로 한 이 연구에서, AI 리터러시와 윤리적 인식 사이의 직접 효과는 통계적으로 유의하지 않았다(β=0.165, p=.091). 이는 ‘AI를 잘 안다’는 것과 ‘AI를 윤리적으로 쓴다’는 것이 별개의 문제임을 실증적으로 보여준다.

둘째, 학습 혜택의 ‘체험’이 윤리적 인식의 핵심 매개변수다. AI 리터러시가 윤리적 인식으로 이어지는 경로에서, 학생들이 실제로 AI의 학습 혜택을 체감하는 것(시간 절약, 품질 향상, 학습의 즐거움)이 필수적인 다리 역할을 했다(간접효과=0.194, 95% CI [0.051, 0.361]).

셋째, 학생을 ‘AI 소비자’에서 ‘공동 창작자’로 전환하는 구조화된 활동이 효과적이다. 학생들이 AI 도구로 수업을 준비하고 동료에게 직접 가르치는 활동을 통해, AI 리터러시(M=3.81), 학습 혜택 인식(M=4.22), 윤리적 인식(M=4.10) 모두 높은 수준을 기록했다.

넷째, AI 사용 빈도가 높을수록 리터러시·혜택·윤리 인식 모두 유의미하게 높았다(p<.01). 반면 성별과 학년에 따른 차이는 나타나지 않아, 구조화된 AI 교육은 성별이나 학년에 관계없이 공평한 효과를 낼 수 있음을 보여준다.

다섯째, 학생의 54.8%가 AI 출력의 부정확성을 주요 우려로 꼽았다. 이는 학생들이 AI를 무비판적으로 수용하는 것이 아니라, 비판적 시각을 유지하면서도 AI의 혜택을 인정하는 ‘균형 잡힌 관점’을 형성했음을 시사한다.

배경 및 이론적 맥락

생성형 AI가 고등교육에 빠르게 침투하면서, 교육자들은 근본적인 질문에 직면하고 있다. ‘가르친다는 것은 무엇인가? 배운다는 것은 무엇인가? 지식은 어떻게 만들어지는가?’ ChatGPT, Google Gemini, Microsoft Copilot 같은 도구들이 보편화되면서, 학생들은 이미 과제 작성, 즉각적 피드백, 어려운 읽기자료 요약, 새로운 관점 탐색에 AI를 활용하고 있다.

연구 문헌에서는 두 가지 대조적 관점이 공존한다. 낙관론은 AI가 개인화된 학습, 학생 참여, 교수 효율성을 높일 수 있다고 본다. 비관론은 학술적 정직성 훼손, AI 과의존, 비판적 사고력 약화를 우려한다. Lee(2024)는 AI가 반복적 질문을 통해 비판적 사고를 강화할 수 있다고 보았고, Urhan 등(2026)은 과의존이 고차적 사고를 약화시킨다고 경고했다. 중요한 것은 AI 그 자체가 아니라 ‘교수 설계(instructional design)’가 결과를 결정한다는 점이다.

이 연구는 구성주의 학습 이론(Vygotsky의 근접발달영역), 자기결정이론(유능감과 자율성이 내면화를 촉진), 기대가치이론(가치 신념이 역량 신념과 행동 결과를 매개)을 통합한 이론적 프레임워크를 제시한다. 특히 Sweller의 구분 – AI가 ‘인지적 증폭기(cognitive amplifier)’가 될 수도, ‘인지적 목발(cognitive crutch)’이 될 수도 있다 – 이 교수 설계의 방향을 결정한다고 본다.

연구 방법론

참여자: 이집트 아랍개방대학교(Arab Open University) 경영학부 학부생 104명(남녀 각 50%). 300명 초청 중 34.6% 응답률. 95.2%가 학사 과정, 56.7%가 21~23세.

중재(Intervention): 2학기(2024-2025 학년도)에 걸친 구조화된 AI 통합 교실 활동. 학생들은 ChatGPT, Google Gemini, Microsoft Copilot을 사용하여 짧은 수업을 준비하고 동료에게 직접 가르친 후, 책임감 있고 윤리적인 AI 사용에 대한 안내된 토론에 참여했다. 핵심 설계 원리: 학생이 AI 출력을 복사-붙여넣기하는 것이 아니라, 비판적으로 평가하고 오류를 수정하며 자신의 판단을 사용하도록 요구.

측정 도구: 구조화된 설문지(5점 리커트 척도)로 AI 리터러시(3문항, α=.751), 학습 혜택 인식(3문항, α=.894), 윤리적 인식(4문항, α=.800) 측정. 전체 신뢰도 α=.861.

분석: 기술통계, Pearson 상관분석, Hayes PROCESS Macro Model 4(5,000 부트스트랩 샘플)를 활용한 매개분석. 비정규분포로 인해 Mann-Whitney U 및 Kruskal-Wallis 비모수 검정 병행.

연구 결과

세 영역 모두 높은 수준의 긍정적 응답을 보였다.

• AI 리터러시(M=3.81, SD=0.908): AI가 수업 준비에 어떻게 도움이 되는지 이해(M=4.01) > AI 생성 콘텐츠에 대한 비판적 사고(M=3.84) > 활동 참여도(M=3.56)
• 학습 혜택 인식(M=4.22, SD=0.874): 학습이 더 쉽고 즐거워짐(M=4.29) > 시간 절약(M=4.27) > 작업 품질 향상(M=4.09)
• 윤리적 인식(M=4.10, SD=0.846): 책임감 있는 AI 사용에 대한 헌신(M=4.28) > 활동 후 윤리적 이해 향상(M=4.18) > 제도적 가이드라인 필요성 지지(M=4.07)

매개분석(Mediation Analysis)이 이 연구의 핵심 기여다.

• 경로 A (AI 리터러시 → 학습 혜택): β=0.538, p<.001 (분산의 31.2% 설명)
• 경로 B (학습 혜택 → 윤리적 인식): β=0.360, p<.001
• 직접 효과 (AI 리터러시 → 윤리적 인식): β=0.165, p=.091 (비유의)
• 간접 효과: 0.194, 95% CI [0.051, 0.361] (유의 – 완전 매개)

이는 AI 리터러시가 윤리적 인식에 직접적으로 영향을 미치지 않고, 학습 혜택의 체험을 통해서만 간접적으로 영향을 미친다는 것을 의미한다. ‘아는 것’과 ‘윤리적으로 행동하는 것’ 사이에는 ‘체험’이라는 필수적 다리가 있다.

집단 비교에서는 성별(p>.05)과 학년(p>.05)에 따른 차이가 없었고, 사전 AI 경험이 있는 학생이 학습 혜택(p=.003)과 윤리적 인식(p=.005)에서 유의하게 높았다. AI 사용 빈도는 세 영역 모두에서 유의한 차이를 보였다(p<.01).

결론 및 의미

1. ‘힌턴의 역설’ 제2부 “인지적 항복”과의 직접 연결: 왜 AI 리터러시 교육만으로는 실패하는가

이 연구의 가장 충격적인 발견은 AI 리터러시와 윤리적 인식 사이의 직접 효과가 유의하지 않다는 것이다(β=0.165, p=.091). ‘힌턴의 역설’ 제2부에서 다루는 ‘인지적 항복(cognitive surrender)’ 개념이 여기서 실증적으로 확인된다. AI에 대해 아무리 많이 가르쳐도, 학생이 AI의 혜택을 직접 체험하지 않으면 윤리적 책임감은 형성되지 않는다. 이것은 한국의 대학들이 서둘러 도입하고 있는 ‘AI 윤리 특강’, ‘AI 리터러시 필수과목’에 대한 근본적 경고다. 강의실에서 AI의 위험성을 강조하는 것만으로는 학생들의 행동을 바꿀 수 없다. 학생들이 AI를 직접 사용하면서 시간을 절약하고, 작업 품질이 올라가는 경험을 하고, 그 과정에서 AI의 한계를 스스로 발견할 때 비로소 윤리적 사용에 대한 내면적 동기가 생긴다.

2. 제3부 “전문성의 재구성”과의 연결: 공동 창작자 모델이 인지 외주화를 막는 유일한 방법이다

이 연구에서 학생들은 AI로 수업을 준비하고 동료에게 직접 가르쳤다. 이 ‘프로테제 효과(protege effect)’ – 가르치는 행위가 학습을 심화시키는 현상 – 가 핵심이다. 앞서 리뷰한 Zhu 등(2026)의 연구가 인지 외주화(cognitive offloading)의 이중 경로를 제시했다면, Abdelbaki의 연구는 그 해법을 제시한다. 학생을 AI의 수동적 소비자로 두면 ‘의존적 외주화’가 일어나지만, 공동 창작자로 전환시키면 ‘자율적 외주화’가 가능해진다. ‘힌턴의 역설’ 제3부가 강조하는 것처럼, 전문성은 AI가 대체할 수 없는 영역이 아니라 AI와의 협업 방식에 의해 재정의되는 영역이다. 이 연구는 그 재정의의 구체적 방법론을 제공한다.

3. 교육자에게: “AI 금지”도 “AI 방임”도 답이 아니다 – 구조화된 체험 설계가 유일한 길이다

한국의 많은 대학이 아직 AI 사용을 금지하거나(특히 시험과 과제에서), 반대로 아무런 가이드라인 없이 방치하고 있다. 이 연구는 두 극단 모두가 실패한다는 것을 보여준다. 금지는 학생이 AI 혜택을 체험할 기회를 빼앗아 윤리적 인식 형성의 매개변수 자체를 제거하고, 방임은 비판적 평가 없는 수동적 소비를 조장한다. 유일한 답은 구조화된 AI 통합 활동이다: (1) 학생이 AI를 직접 사용하되, (2) AI 출력을 비판적으로 평가하고 수정하며, (3) 그 결과를 동료에게 가르치거나 발표하는 과정을 포함해야 한다. 이 세 요소가 갖춰질 때, 리터러시·혜택·윤리가 동시에 상승한다.

4. Suazo Galdames 등(2026)의 체계적 문헌 리뷰와의 연결: 인지 외주화에서 비판적 자율성으로의 전환 경로가 구체화되다

이전에 리뷰한 Suazo Galdames 등(2026)의 연구는 고등교육에서 생성형 AI의 인식론적 함의를 체계적으로 분석하면서 “인지 외주화와 비판적 자율성 사이”의 스펙트럼을 제시했다. Abdelbaki의 연구는 그 스펙트럼에서 비판적 자율성 쪽으로 이동하는 구체적 메커니즘을 밝혀냈다: AI 리터러시 → 학습 혜택 체험 → 윤리적 인식이라는 순차적 경로가 바로 그것이다. 또한 Gong과 Li(2026)가 발견한 ‘AI 인지 대체의 역설’ – 교사 지원이 학생 창의성에 미치는 영향이 AI에 의해 조절되는 현상 – 과도 연결된다. 구조화된 교수 지원(이 연구의 가이드된 토론)이 AI의 부정적 효과를 완충하는 메커니즘이 양쪽 연구에서 확인된다.

5. 학부모와 학생에게: AI를 많이 쓸수록 윤리적 인식도 높아진다 – 단, 구조화된 환경에서만

이 연구에서 AI 사용 빈도가 높은 학생이 리터러시·혜택·윤리 인식 세 영역 모두에서 유의하게 높은 점수를 기록했다(p<.01). 이것은 직관에 반하는 결과다. ‘AI를 많이 쓰면 게을러진다’는 통념과 반대로, 구조화된 환경에서의 빈번한 AI 사용은 오히려 비판적 사고와 윤리적 감수성을 강화한다. 부모님들이 자녀의 AI 사용을 무조건 제한하기보다, ‘어떤 환경에서 어떻게 사용하는가’에 집중해야 하는 이유가 여기에 있다. AI와 함께 성장하는 세대에게 필요한 것은 AI 금욕이 아니라 AI 리터러시와 체험을 결합한 교육 설계다.

출처

Alsaiid Abdelbaki, D. (2026). Generative AI as a catalyst for critical thinking: reframing students from consumers to co-creators. Frontiers in Education, 11, 1952725. https://doi.org/10.3389/feduc.2026.1952725

AI 활용 내역

이 글은 AI(Claude)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 인터랙티브 인포그래픽 코드 생성에도 AI가 활용되었습니다. 최종 검토 및 발행은 블로그 운영자가 수행하였습니다.