본 논문은 K-12 교사들이 사용하는 생성형 AI 플랫폼에서 추출한 14만 건 이상의 교사-AI 메시지를 대상으로 대규모 질적 분석을 위한 인간-AI 협업 방법론을 제시한다. 4단계 코딩 파이프라인(귀납적 주제 발견, 코드북 개발, 구조적 주석, 모델 벤치마킹)을 통해 교사의 참여 패턴을 조사하고 질적 코딩 작업에서 LLMs의 성능을 평가했다. 기존 교사 평가 프레임워크에 맞춰 계층적 코드북을 개발하여 교사의 교육 목표, 상황적 요구, 교육적 전략을 포착했다. 특히 Claude 3.5 Haiku는 주제 식별을 신뢰할 수 있게 지원하고, 복잡한 상황에서 인간의 인식을 확장하며, 정확성과 구조적 신뢰성 측면에서 오픈 가중치 모델보다 우수한 성능을 보였다. 분석 결과, 교사들은 AI를 활용하여 주로 교육 방식 개선(79.7%), 콘텐츠 생성 및 수정(76.1%), 평가 및 피드백 루프 지원(46.9%), 맞춤형 교육에 대한 학생 요구 충족(43.3%), 기타 직무 지원(34.2%)에 활용하는 것으로 나타났다. 이 연구는 AI 증강 질적 연구를 위한 확장 가능하고 투명한 모델을 제시하며, 교육 실무에서 생성형 AI의 진화하는 역할에 대한 기초적인 통찰력을 제공한다.
