고등 교육에서 AI 리터러시 향상: AI 도구에 대한 학생 경험에 관한 혼합 방법 연구

인공지능(AI)은 교육에서 점점 더 보편화되고 있으며, 학생들이 정보를 배우고 상호작용하는 방식을 변화시키고 있습니다. 생성적 AI(GenAI)와 같은 AI 기술이 계속 발전함에 따라 학생들과 교육자들 사이에서 AI 리터러시의 필요성이 커지고 있습니다. 본 연구는 대학원생들이 AI 리뷰 메커니즘과 AI 이미지 생성 도구에 노출됨으로써 그들의 AI 리터러시 개발에 대한 인식이 어떻게 영향을 받는지를 탐구함으로써 고등 교육에서 AI 리터러시에 관한 새로운 문헌에 기여합니다. AI 리터러시는 다양한 맥락에서 AI 기술을 비판적으로 이해하고 평가하며 적용할 수 있는 능력을 포함합니다. 고등 교육에서 AI 리터러시를 개발하는 것은 학생들이 AI 주도 세계를 탐색하고 학업 및 직업 생활에서 AI 도구를 효과적으로 활용할 수 있도록 준비하는 데 중요합니다. 이 연구는 대학원 교육 과정에서 AI 도구와의 실습 경험을 통해 학생들이 AI 리터러시를 향상시키기 위한 효과적인 방법에 대한 관점을 조사합니다.

이 연구는 양적 설문 데이터와 학생 반성에서 얻은 질적 통찰을 결합한 수렴적 혼합 방법 사례 연구 접근 방식을 사용했습니다. 연구는 미국 중서부의 한 대학 교육대학 내 세 개의 8주 온라인 과정에서 수행되었습니다. 61명의 등록 학생 중 37명이 연구에 자발적으로 참여했습니다. 참여자는 주로 25세에서 45세 사이의 백인 여성으로, 교육 및 인문학 분야의 대학원 학위를 추구하고 있었습니다. 그들의 AI 기술에 대한 사전 노출은 다양했으며, 22%는 AI 개념에 대해 높은 친숙성을 보고했고, 22%는 AI 개념에 대한 친숙성이 없다고 응답했습니다. 연구는 복잡한 에세이를 평가하기 위한 전문 AI 리뷰 도구와 학습 경험을 반영하기 위한 AI 기반 이미지 생성 도구라는 두 가지 주요 AI 응용 프로그램에 대한 학생들의 경험에 초점을 맞췄습니다.

이 연구는 학생들이 인식하는 AI 리터러시 개발을 탐구하기 위해 전체론적 사이버 사회적 접근 방식을 활용했습니다. 이 접근 방식은 다음을 포함했습니다: 1. 연구팀이 설계하고 개발한 소셜 학습 플랫폼의 GenAI 리뷰 도구 2. 학생 반성을 위한 GenAI 이미지 생성 도구 3. 과정 자료 및 토론을 통한 AI 관련 주제에 대한 비판적 노출 AI 리뷰 도구는 OpenAI의 GPT와 인터페이스하여 학생 프로젝트에 대한 자동 피드백을 제공하며, 동료 및 강사 피드백을 보완했습니다. 이 도구는 프롬프트 엔지니어링, 정밀 조정, 투명성, 인간 조정 및 학문적 온톨로지 통합을 통해 향상되었습니다. 학생들은 학기 동안 기술, 교육 이론 및 실습을 조사하는 다중 모달 프로젝트를 수행했습니다. 그들은 개발 과정의 다양한 단계에서 AI 및 동료 피드백을 받았으며, 이를 통해 두 가지 유형의 리뷰를 비교하고 반성할 수 있었습니다.

데이터 수집은 과정 전후 설문 조사와 학생들이 AI 리터러시 진행 상황에 대한 반성을 포함했습니다. 설문 조사는 참여자들의 AI 개념에 대한 친숙성, AI 도구 사용에 대한 자신감 및 AI 이미지 생성 경험을 조사했습니다. 설문 조사에서 수집된 양적 데이터는 기술 통계 및 추론 통계를 사용하여 분석되었으며, 쌍 샘플 t-검정을 통해 참여자들이 보고한 AI 리터러시의 유의미한 변화를 확인했습니다. 개방형 설문 응답 및 학생 반성에서 수집된 질적 데이터는 주제 분석을 통해 AI 리터러시 개발과 관련된 공통 주제 및 경험을 식별했습니다.

연구 결과는 학생들이 인식하는 AI 리터러시 개발에 대한 몇 가지 주요 통찰을 밝혀냈습니다: 1. AI 개념에 대한 친숙성 증가: 학생들은 과정 후 AI 및 기계 학습 개념에 대한 이해가 크게 증가했다고 보고했습니다(평균 점수는 2.62에서 5점 척도에서 3.22로 증가). 2. AI 도구 사용에 대한 자신감 향상: 참여자들은 교육 목적으로 AI 도구를 활용하는 데 대한 자신감이 상당히 향상되었다고 느꼈습니다(평균 점수는 2.41에서 3.27로 증가). 3. 프롬프트 작성 기술 향상: 학생들은 AI 이미지 생성을 위한 프롬프트 작성 능력이 향상되었다고 보고했습니다(평균 점수는 2.16에서 3.35로 증가). 4. AI 유용성 인식: 과정 후 67%의 참여자는 AI 이미지 생성 도구가 학습 경험에 대해 최소한 중간 정도로 유용하다고 평가했습니다. 5. AI 피드백의 비판적 평가: 학생들은 AI 피드백과 인간 리뷰의 장단점을 식별하는 능력을 개발하여 AI 응용 프로그램과 관련된 비판적 사고 능력이 향상되었습니다.

학생 반성의 주제 분석은 그들의 AI 경험에 대한 몇 가지 중요한 측면을 밝혀냈습니다: 1. 반복 학습 과정: 학생들은 AI 이미지 생성 도구와의 상호작용을 반복적인 시행착오 과정으로 설명하며, 이는 프롬프트 작성 기술 향상으로 이어졌습니다. 2. 창의적 표현: 참여자들은 AI 생성 이미지를 사용하여 동료 및 AI 리뷰와의 경험을 은유적으로 표현하며, AI 도구의 창의적 응용을 보여주었습니다. 3. AI에 대한 긍정적인 인식: 학생들은 AI를 생산성을 높이고 인지 발달을 지원하는 강력하고 지능적이며 협력적인 도구로 보았습니다. 4. AI 응용 프로그램에 대한 관심 증가: AI 리뷰에 대한 노출은 향후 학문적 및 직업적 맥락에서 AI 응용 프로그램을 탐구하려는 관심을 높였습니다. 5. 개인적 실천에 AI 통합: AI 리뷰 도구에 대한 경험이 더 많은 학생들은 ChatGPT와 같은 AI 도구를 교육적 실천 및 개인 학습에 더 광범위하게 통합했다고 보고했습니다.

이 연구의 결과는 고등 교육에서 AI 통합에 대한 몇 가지 시사점을 제공합니다: 1. 실습 경험: 학생들에게 AI 도구와 직접 상호작용할 기회를 제공하는 것은 그들의 AI 리터러시와 이러한 기술 사용에 대한 자신감을 크게 향상시킬 수 있습니다. 2. 보완적 피드백: AI와 동료 리뷰를 결합하면 학생들이 자신의 작업에 대한 보다 포괄적인 이해를 제공하고 비판적 평가 기술을 개발할 수 있습니다. 3. 창의적 응용: 학생들이 창의적 표현을 위해 AI 도구를 사용하도록 장려하면 혁신적 사고와 AI 기술에 대한 더 깊은 참여를 촉진할 수 있습니다. 4. 맞춤형 전략: 교육자들은 다양한 학생의 필요와 AI 리터러시 수준에 따라 AI 도구 채택 및 리터러시 개발을 극대화하기 위한 맞춤형 교육 전략을 개발하는 것을 고려해야 합니다. 5. 지속적인 기술 개발: AI 기술이 계속 발전함에 따라 고등 교육 기관은 학생과 교육자 모두를 위한 지속적인 AI 리터러시 개발을 우선시해야 합니다.

이 연구는 고등 교육에서 AI 리터러시 개발에 대한 귀중한 통찰을 제공하지만 몇 가지 한계가 있습니다: 1. 자가 보고 데이터: 이 연구는 학생들의 AI 리터러시에 대한 자가 보고된 인식에 의존했으며, 이는 실제 기술 개발을 완전히 반영하지 않을 수 있습니다. 2. 제한된 샘플 크기: 이 연구는 단일 대학의 37명의 상대적으로 작은 샘플을 포함하여 일반화 가능성을 제한했습니다. 3. 특정 교육적 맥락: 연구는 대학원 교육 과정에 초점을 맞추었으며, 결과는 다른 학문 분야나 교육 수준에 동일하게 적용되지 않을 수 있습니다. 미래 연구 방향은 다음을 포함할 수 있습니다: 1. 객관적 평가: 자가 보고 데이터를 보완하기 위해 AI 리터러시의 객관적 측정 방법을 개발하고 구현합니다. 2. 종단적 연구: AI 통합이 학생들의 AI 리터러시 및 학업 성과에 미치는 장기적 영향을 조사합니다. 3. 교차 학문 연구: 다양한 학문 분야 및 교육 수준에서 AI 리터러시 개발을 탐구합니다. 4. 윤리적 고려사항: 고등 교육에서 AI 통합의 윤리적 함의를 조사하고 책임 있는 AI 사용을 위한 프레임워크를 개발합니다. 5. 교수법 전략: 다양한 학생 집단의 AI 리터러시를 향상시키기 위한 효과적인 교수법 접근 방식을 조사합니다.