협력적 학습을 효과적으로 지원하기 위해서는 집단 효능감을 강화하고 학습 과정 전반에 걸쳐 시의적절하며 맞춤형 피드백을 제공하는 것이 필수적이다. 그러나 단일 교수자가 여러 학습 집단을 동시에 모니터링하고, 각 팀의 구체적 요구에 부합하는 피드백을 실시간으로 제공하기는 종종 어렵다. 본 연구는 협력적 학습 환경에서 집단 효능감을 향상시키는 AI 챗봇을 위한 체계적인 설계를 개발하고 타당화하는 것을 목적으로 한다. 이 설계는 설계 원칙을 개발하고 타당화함으로써 마련될 것이다. 설계 기반 연구 방법론은 설계 원칙을 개발하기 위해 수행되었으며, 이후 전문가에 의해 타당화되고 사용성을 평가받았다. 이 과정은 관련 문헌 검토와 사례 분석에 이어 전문가 타당화 및 사용성 테스트를 수행하여 설계 원칙의 타당성을 확인하는 방식으로 이루어졌다. 최종 설계 원칙은 네 가지 설계 요소— (1) 집단 응집성 지원, (2) 정서적 응집성 지원, (3) 협력적 학습 활동 지원, (4) 대화 촉진—과 열 가지 설계 원칙으로 구성된다. 여기에는 소속감 형성, 상호의존성, 긍정적 분위기, 공감 형성, 공유, 협력적 문제해결, 사회적 조절, 즉각적 스캐폴딩, 친숙성, 의인화가 포함된다. 설계 원칙은 또한 46개의 실행 가능한 하위 지침에 의해 뒷받침된다. 타당화는 교육자와 개발자들을 대상으로 세 차례의 전문가 검토 및 사용성 테스트를 통해 수행되었으며, 이들의 다양한 관점은 원칙의 교육적 타당성과 기술적 실현 가능성 모두에 영향을 주었다. 본 연구는 교육에서 AI 챗봇을 설계하기 위한 이론적 근거를 갖춘 동시에 실제 적용 가능한 지침을 제공함으로써 학문 분야에 기여한다. 특히, 이 원칙은 기술적 전문성이 요구되지 않더라도 교육자가 활용할 수 있도록 설계되어, 일반 교실에서의 확장 가능하고 접근 가능한 구현을 지원한다.

배경: 생의학 대학원 교육은 전통적인 강의 중심 접근이 분야의 학제 간 및 임상 지향적 요구를 충족하지 못한다는 점에서 체계적인 개혁을 필요로 한다. 본 연구는 RPISD를 활용하여 학습자와 교수자의 요구에 부합하도록 데이터 기반의 교육 시스템을 설계함으로써 생의학 분야의 교육 시스템을 개발하고자 한다. 방법: 포괄적인 문헌 검토, 현황 분석, 관련 사례 분석을 수행하였다. 또한 기술통계를 사용해 100명의 학습자 설문을 분석하였고, 36명의 학습자 및 15명의 교수자 인터뷰는 주제 분석을 통해 검토하였다. 프레임워크를 검증하기 위해 RPISD의 단계에 맞추어 사용성 테스트도 수행하였다. 결과: 본 연구는 생의학과를 위한 12개의 교육 원칙과 18개의 전략을 도출하였다. 구체적으로, 교육과정에 관하여 6개의 교육 원칙과 7개의 교육 전략을 개발하였고, 교수 방법에 관하여 4개의 교육 원칙과 5개의 교육 전략을 수립했으며, 교육 환경과 관련하여 4개의 교육 원칙과 6개의 교육 전략을 마련하였다. 결론: 본 프레임워크는 맥락적 적응성과 학습자 중심 설계에 대한 강조를 통해 기존 접근과 차별화된 구조화된 모델을 제공함으로써 고등교육에 기여한다. 또한 대학원 교육 시스템을 개혁하거나 개선하려는 기관에 지침을 제공한다.

이 범위 검토(scoping review)는 교육 환경에서 지능형 학습 동반자 시스템(intelligent learning companion systems, LCS)의 역할을 조사하고, 이러한 역할 속에 구현된 인공지능(artificial intelligence, AI)의 존재 양상, 그리고 교육에서의 적용을 탐색한다. 범위 검토를 위한 PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 지침을 사용하여, LCS의 다면적 역할과 그에 따른 학습에의 함의를 다룬 24편의 연구를 분석하였다. AI 기반 LCS는 인간의 학습 동반자를 모방하는 적응형 시스템으로 확인되었으며, 학습자에게 지원과 동반자 관계를 제공하기 위한 역동적인 사회적 맥락을 제공한다. 인간과 유사한 특성을 시뮬레이션함으로써 AI 기반 동반자는 개인화된 학습 경험과 성과를 향상시키며, 교육 성과를 최적화한다. 본 검토에서는 지능형 LCS가 수행하는 14가지 역할을 분류하여, 이들의 다양성과 학습자의 필요와 능력에 적응하고 이를 충족할 잠재력을 강조하였다. 본 검토는 LCS 역할에 대한 포괄적인 분류를 제공하여, 교육적 맥락에서의 그 존재 양상과 실제 적용을 설명한다. 연구 결과는 교육에서 AI의 전환적 역할을 부각시키며, 인간의 교수 및 학습 상호작용을 모방하고 이를 증강할 수 있음을 보여준다.

교육에서의 신속한 디지털 전환은 기술 강화 학습 환경이 미치는 영향에 대한 평가를 필요로 해 왔다. 본 연구는 한국의 중학생을 대상으로, 2022년 교육과정 개정에 초점을 두어 일대일(1:1) 기술 도입이 디지털 리터러시에 미치는 영향을 살펴본다. 연구는 사례 연구(case study) 접근을 활용하여, 기술 통합 수준이 서로 다른 두 학교로부터 수집한 자료를 분석한다. 사전·사후 설문, 면담, 수업 관찰을 사용하여, 학생들의 디지털 리터러시 변화—디지털 기술의 이해와 적용, 디지털 마인드셋, 디지털 사고 능력, 디지털 리터러시 실천—을 평가한다. 연구 결과는 디지털 사고 능력에서 특히 학업 성취 수준이 높은 학생들 사이에서 통계적으로 유의미한 향상이 나타났음을 시사한다. 그러나 교사의 참여도와 학교 인프라의 차이가 일대일 기술 도입의 효과에 영향을 미쳤다. 본 연구는 기술 강화 교육의 이점을 최적화하기 위해 구조화된 교수 전략, 교사 연수, 교육과정 통합의 필요성을 강조한다. 향후 연구에서는 기술 강화 학습 환경에 대한 모범 사례와 학생들 간 디지털 리터러시 격차를 해소하기 위한 전략을 탐색해야 한다.

도서관이 점차 ‘학습 커먼스(learning commons)’로 진화함에 따라, 전통적인 물리적 공간에서 몰입형 메타버스 환경으로의 전환을 이해하는 일은 협력적이고 경험 중심적인 학습을 지원하는 데 있어 중요해졌다. 본 연구는 이러한 변화의 여정을 탐구하며, 신흥 기술의 맥락에서 도서관의 역할이 어떻게 전환되는지를 강조한다. 혼합방법(mixed-methods) 접근을 사용하여, 연구는 먼저 포괄적인 문헌고찰과 사례연구 분석을 통해 도서관 공간에 대한 이론적 분류 틀을 구축한다. 이후 사서, 메타버스 전문가, 연구자를 포함한 전문가들을 대상으로 반구조화 포커스 그룹 인터뷰를 수행하여 이 분류 틀을 검증하고 메타버스 도서관의 전략적 목적에 대한 통찰을 수집하였다. 연구 결과는 도서관 공간을 물리적, 가상, 메타버스 범주로 구분하는 뚜렷한 분류 틀을 제안하며, 각 범주의 고유한 가능성(affordances)을 부각한다. 또한 메타버스 도서관의 다섯 가지 핵심 역할을 다음과 같이 확인하였다: (1) 미래 학습자의 역량을 강화하고, (2) 독서 경험을 풍부하게 하며, (3) 물리적 한계를 넘어 공간을 확장하고, (4) 활기찬 독서 문화를 조성하며, (5) 역동적인 교수-학습 경험을 제공하는 것이다. 도서관을 전통적 경계를 초월하는 몰입형·상호작용형 학습 커먼스로 구상함으로써, 본 연구는 차세대 도서관 서비스의 전략적 개발과 실행, 그리고 향후 연구를 위한 기초적 통찰을 제공한다.

영어 쓰기 교육은 개별화된 피드백과 과정 중심 접근이 요구되지만, 현실적인 수업 제약과 학습 격차로 인해 그 실현에 어려움이 따른다. 최근 인공지능 기술을 활용하여 문법 교정, 협업 플랫폼 등이 교육 효과를 높일 수 있음이 보고되고 있으며, 단순한 기술 사용을 넘어 교수자-학습자-인공지능 간 협력적 상호작용을 기반으로 수업 설계가 요구된다. 본 연구는 중등 영어 글쓰기 교육에서 인공지능 및 디지털 도구를 활용한 협력 기반 수업 설계 전략을 개발하였다. 설계·개발 연구(design and development research) 방법론을 적용하여 선행 문헌 고찰, 교수자 요구 분석, 사례 분석을 통해 초기 전략을 도출하고, 전문가 타당화(2회) 및 현직 교원 대상 사용성 검토를 통해 전략을 수정·보완하였다. 최종 전략은 글쓰기 과정을 주제 선정, 아이디어 생성, 아이디어 조직, 작문하기, 첨삭하기, 평가하기의 6단계로 구조화하고, 각 단계별 교수자, 학습자, 인공지능의 역할을 제시하였다. AI 도구로는 ChatGPT, Grammarly, Google Docs의 AI 기능 등을 활용하여 주제 추천, 아이디어 확장, 문법 교정, 자동 피드백을 수행하였고, 교수자는 도구 활용 안내 및 추가 설명과 피드백을 담당하였다. 사용성 평가는 만족도, 구성 적절성, 효과성, 사용 용이성, 재사용 의사 등을 중심으로 4점 척도 설문으로 수행되었다. 그 결과, 본 전략은 학습자의 몰입도와 쓰기 능력 향상, 교수자의 수업 부담 경감에 기여함을 확인하였다. 본 연구는 영어 쓰기 교육에서 디지털 도구와 AI를 통합한 구체적 수업 설계 틀을 제시하며, 교수자-학습자-인공지능이 유기적으로 상호작용하는 수업 구조의 가능성을 보여준다.

협력적 학습을 효과적으로 지원하기 위해서는 집단 효능감을 강화하고 학습 과정 전반에 걸쳐 시의적절하며 맞춤형 피드백을 제공하는 것이 필수적이다. 그러나 단일 교수자가 여러 학습 집단을 동시에 모니터링하고, 각 팀의 구체적 요구에 부합하는 피드백을 실시간으로 제공하기는 종종 어렵다. 본 연구는 협력적 학습 환경에서 집단 효능감을 향상시키는 AI 챗봇을 위한 체계적인 설계를 개발하고 타당화하는 것을 목적으로 한다. 이 설계는 설계 원칙을 개발하고 타당화함으로써 마련될 것이다. 설계 기반 연구 방법론은 설계 원칙을 개발하기 위해 수행되었으며, 이후 전문가에 의해 타당화되고 사용성을 평가받았다. 이 과정은 관련 문헌 검토와 사례 분석에 이어 전문가 타당화 및 사용성 테스트를 수행하여 설계 원칙의 타당성을 확인하는 방식으로 이루어졌다. 최종 설계 원칙은 네 가지 설계 요소— (1) 집단 응집성 지원, (2) 정서적 응집성 지원, (3) 협력적 학습 활동 지원, (4) 대화 촉진—과 열 가지 설계 원칙으로 구성된다. 여기에는 소속감 형성, 상호의존성, 긍정적 분위기, 공감 형성, 공유, 협력적 문제해결, 사회적 조절, 즉각적 스캐폴딩, 친숙성, 의인화가 포함된다. 설계 원칙은 또한 46개의 실행 가능한 하위 지침에 의해 뒷받침된다. 타당화는 교육자와 개발자들을 대상으로 세 차례의 전문가 검토 및 사용성 테스트를 통해 수행되었으며, 이들의 다양한 관점은 원칙의 교육적 타당성과 기술적 실현 가능성 모두에 영향을 주었다. 본 연구는 교육에서 AI 챗봇을 설계하기 위한 이론적 근거를 갖춘 동시에 실제 적용 가능한 지침을 제공함으로써 학문 분야에 기여한다. 특히, 이 원칙은 기술적 전문성이 요구되지 않더라도 교육자가 활용할 수 있도록 설계되어, 일반 교실에서의 확장 가능하고 접근 가능한 구현을 지원한다.

배경: 생의학 대학원 교육은 전통적인 강의 중심 접근이 분야의 학제 간 및 임상 지향적 요구를 충족하지 못한다는 점에서 체계적인 개혁을 필요로 한다. 본 연구는 RPISD를 활용하여 학습자와 교수자의 요구에 부합하도록 데이터 기반의 교육 시스템을 설계함으로써 생의학 분야의 교육 시스템을 개발하고자 한다. 방법: 포괄적인 문헌 검토, 현황 분석, 관련 사례 분석을 수행하였다. 또한 기술통계를 사용해 100명의 학습자 설문을 분석하였고, 36명의 학습자 및 15명의 교수자 인터뷰는 주제 분석을 통해 검토하였다. 프레임워크를 검증하기 위해 RPISD의 단계에 맞추어 사용성 테스트도 수행하였다. 결과: 본 연구는 생의학과를 위한 12개의 교육 원칙과 18개의 전략을 도출하였다. 구체적으로, 교육과정에 관하여 6개의 교육 원칙과 7개의 교육 전략을 개발하였고, 교수 방법에 관하여 4개의 교육 원칙과 5개의 교육 전략을 수립했으며, 교육 환경과 관련하여 4개의 교육 원칙과 6개의 교육 전략을 마련하였다. 결론: 본 프레임워크는 맥락적 적응성과 학습자 중심 설계에 대한 강조를 통해 기존 접근과 차별화된 구조화된 모델을 제공함으로써 고등교육에 기여한다. 또한 대학원 교육 시스템을 개혁하거나 개선하려는 기관에 지침을 제공한다.

이 범위 검토(scoping review)는 교육 환경에서 지능형 학습 동반자 시스템(intelligent learning companion systems, LCS)의 역할을 조사하고, 이러한 역할 속에 구현된 인공지능(artificial intelligence, AI)의 존재 양상, 그리고 교육에서의 적용을 탐색한다. 범위 검토를 위한 PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 지침을 사용하여, LCS의 다면적 역할과 그에 따른 학습에의 함의를 다룬 24편의 연구를 분석하였다. AI 기반 LCS는 인간의 학습 동반자를 모방하는 적응형 시스템으로 확인되었으며, 학습자에게 지원과 동반자 관계를 제공하기 위한 역동적인 사회적 맥락을 제공한다. 인간과 유사한 특성을 시뮬레이션함으로써 AI 기반 동반자는 개인화된 학습 경험과 성과를 향상시키며, 교육 성과를 최적화한다. 본 검토에서는 지능형 LCS가 수행하는 14가지 역할을 분류하여, 이들의 다양성과 학습자의 필요와 능력에 적응하고 이를 충족할 잠재력을 강조하였다. 본 검토는 LCS 역할에 대한 포괄적인 분류를 제공하여, 교육적 맥락에서의 그 존재 양상과 실제 적용을 설명한다. 연구 결과는 교육에서 AI의 전환적 역할을 부각시키며, 인간의 교수 및 학습 상호작용을 모방하고 이를 증강할 수 있음을 보여준다.

교육에서의 신속한 디지털 전환은 기술 강화 학습 환경이 미치는 영향에 대한 평가를 필요로 해 왔다. 본 연구는 한국의 중학생을 대상으로, 2022년 교육과정 개정에 초점을 두어 일대일(1:1) 기술 도입이 디지털 리터러시에 미치는 영향을 살펴본다. 연구는 사례 연구(case study) 접근을 활용하여, 기술 통합 수준이 서로 다른 두 학교로부터 수집한 자료를 분석한다. 사전·사후 설문, 면담, 수업 관찰을 사용하여, 학생들의 디지털 리터러시 변화—디지털 기술의 이해와 적용, 디지털 마인드셋, 디지털 사고 능력, 디지털 리터러시 실천—을 평가한다. 연구 결과는 디지털 사고 능력에서 특히 학업 성취 수준이 높은 학생들 사이에서 통계적으로 유의미한 향상이 나타났음을 시사한다. 그러나 교사의 참여도와 학교 인프라의 차이가 일대일 기술 도입의 효과에 영향을 미쳤다. 본 연구는 기술 강화 교육의 이점을 최적화하기 위해 구조화된 교수 전략, 교사 연수, 교육과정 통합의 필요성을 강조한다. 향후 연구에서는 기술 강화 학습 환경에 대한 모범 사례와 학생들 간 디지털 리터러시 격차를 해소하기 위한 전략을 탐색해야 한다.