✍🏻 트라이팟 컬럼

인류 역사상 지식과 정보가 가장 빠르고 풍부하게 생산되는 시대의 한가운데 놓여진 느낌입니다. 검색창에 몇 개의 단어만 입력하면 수십 년 동안 축적된 지식에 접근할 수 있고, 생성형 AI에게 질문 하나를 던지면 복잡한 개념을 설명한 글과 이미지, 표와 코드, 발표자료까지 몇 초 만에 만들어낼 수 있습니다. 한때는 며칠씩 걸렸을 자료조사와 문서 작성이 이제는 몇 분 안에 끝나고, 전문적인 지식이 필요하다고 생각했던 영역에도 누구나 손쉽게 접근할 수 있게 되었습니다. 이제 PPT를 직접 만드는 사람이 몇명이나 되는지도 의문이고, 수많은 문서들을 내가 직접 모두 작성했던 적이 언제인지 기억이 흐릿해져가는 것도 같죠. 분명 놀라운 변화입니다. 그런데 이상한 일이 벌어지고 있습니다. 이렇게 많은 정보와 콘텐츠가 쏟아지고 있는데도 우리는 오히려 필요한 정보를 찾는 일이 더 어려워졌다고 느낍니다. 읽을거리는 넘쳐나는데 정작 끝까지 읽고 싶은 글은 찾기 어렵고, 검색 결과는 많지만 어느 것을 믿어야 할지 판단하기가 점점 더 어려워졌습니다. 이미지와 영상은 매일같이 새로운 형태로 생산되지만, 보고 나서 오래 기억에 남는 장면은 의외로 많지 않습니다. 아마도 정보가 부족해서가 아니라 너무 많아서 생기는 피로가 아닐까 생각됩니다. 생성형 AI가 우리의 일상에 깊숙이 들어오면서 디지털 생태계는 이전과 비교할 수 없을 정도로 빠르게 팽창하고 있습니다. 텍스트는 물론이고 이미지, 영상, 음악, 코드에 이르기까지 사람이 직접 만들어야 했던 수많은 결과물이 이제는 거의 실시간으로 생산됩니다. 과거에는 콘텐츠를 하나 만드는 데 시간과 노동이 필요했지만, 지금은 아이디어만 있으면 AI를 통해 무한에 가까운 결과물을 만들어낼 수 있습니다. 문제는 생산의 속도가 빨라진 만큼 그 결과물의 가치까지 함께 높아진 것은 아니라는 데 있습니다. 오히려 우리는 그 반대의 현상을 곳곳에서 경험하고 있습니다. 양은 폭발적으로 증가했지만, 그 안에서 실제로 읽을 가치가 있는 것, 생각할 거리를 주는 것, 누군가의 경험과 고민이 담겨 있는 것을 골라내는 일은 점점 더 어려워지고 있습니다. 디지털 공간에 정보가 부족한 것이 아니라, 정보 사이에서 의미 있는 것을 구별하기 위한 우리의 시간과 집중력이 부족해지고 있는 것입니다.

요즘 내 교실에는 수많은 데이터가 쌓인다. 수업 중 퀴즈 응답, 학습 플랫폼의 접속과 진도 기록, 수행평가 결과, 학생들이 남긴 짧은 소감 등. 예전 같으면 알기 어려웠던 정보였다. 어떤 문제에서 학생들이 많이 틀렸는지, 누가 다른 학생보다 오래 고민했는지, 어느 학생의 이해도가 낮은지 한눈에 확인할 수 있었다. 처음에는 교사의 경험과 감에만 의존하던 수업에서 벗어나 데이터를 근거로 학생을 바라보고 있다는 생각이 들어 꽤 뿌듯했다. '그래, 이게 AI·디지털 기반 교육이지.’ 그런데 데이터가 쌓이기 시작하면서 이상한 일이 생겼다. 볼 수 있는 것은 많아졌는데, 정작 무엇을 봐야 하는지는 점점 더 어려워졌다. 정답률이 낮다는 것은 알겠는데, 왜 낮은 것인지는 쉽게 알 수 없었다. 학습 시간이 긴 학생은 정말 오랫동안 고민했던 것일까. 아니면 화면을 켜 둔 채 다른 일을 하고 있었던 것일까. 특정 문제를 반복해서 틀린 학생은 개념을 이해하지 못한 것일까, 문제를 잘못 읽은 것일까, 아니면 단순한 실수였을까. 데이터 하나를 확인하면 또 다른 질문이 생겼다. '그래서 이 학생에게 무엇을 다시 가르쳐야 하지?' '다음 수업에서는 무엇을 바꿔야 하지?' '이 결과를 학생에게 어떻게 돌려주어야 하지?' 플랫폼마다 쌓인 응답과 그래프를 이 화면 저 화면 옮겨 다니며 바라보다가, 어느 순간 아무것도 하지 못하고 멍하니 앉아 있을 때도 있었다. 데이터는 이렇게 많은데, 나는 여기에서 무엇을 읽어야 하는 걸까. 생각해 보니 그동안 나는 여러 AI 디지털 도구를 접하면서 데이터를 '모으는 방법'은 많이 배웠지만, 이 데이터들을 '읽는 방법'은 제대로 고민해본 적은 많지 않았다. 어떤 디지털 도구를 활용할 것인지, 학생의 응답을 어떻게 받을 것인지, 결과를 어떻게 내려받을 것인지는 익숙했다. 하지만 어떤 데이터를 수집해야 하는지, 어떤 결과를 신뢰할 수 있는지, 서로 다른 데이터를 어떻게 연결해서 바라봐야 하는지, 그 결과를 실제 교육적 행동으로 어떻게 바꾸어야 하는지는 또 다른 문제였다.

좋은 수업을 만들기 위해, 요즘 나는 수업에서 많은 것을 덜어 내고 있다. 몇 년 전, 캔바라는 도구를 처음 접하고 학생들에게 발표 슬라이드를 만들어 보게 했다. 학생들은 금세 사용법을 익혔다. 어울리는 사진을 찾고 글꼴과 색을 고르며 제법 근사한 슬라이드를 완성했다. 그런데 막상 발표가 시작되자 조금 다른 모습이 보였다. 자신이 그 내용을 선택한 이유를 충분히 설명하지 못하거나, 화면을 읽는 데 집중하느라 청중을 제대로 바라보지 못하는 학생들이 있었다. 수업을 마치고 남은 결과물은 이전보다 보기 좋아졌지만, 학생들이 발표를 통해 무엇을 배웠는지는 선뜻 답하기 어려웠다. 그 뒤로 캔바를 활용한 발표 수업의 순서를 조금씩 바꾸었다. 먼저 발표할 내용을 고른 이유와 전달하고 싶은 핵심을 정리하게 했다. 슬라이드 제작에 쓰는 시간은 줄이고, 실제로 말해 보거나 친구의 의견을 듣고 발표를 고치는 시간을 늘렸다. 지금은 학생들이 캔바를 여는 시간이 예전보다 조금 늦어졌다. 돌이켜 보면 그때 줄인 것은 도구가 수업에서 차지하던 시간과 관심의 몫이었다. 화면을 꾸미는 시간이 줄어든 자리에는 학생이 자기 생각을 고르고, 말로 표현하고, 다시 고쳐 보는 시간이 들어왔다. 도구를 얼마나 능숙하게 사용하는지만큼이나 도구를 언제, 어느 정도 사용해야 하는지를 판단하는 일이 중요하다는 것도 알게 되었다. 캔바를 처음 활용했던 수업을 실패한 수업으로 생각하지는 않는다. 학생들이 새로운 도구를 익히고 결과물을 완성한 경험에도 의미가 있었다. 또한 그때 보았던 학생들의 모습은 발표 수업을 계획하는데 있어서 활동의 목표와 시간 배분, 도구의 활용 방안을 다시 한 번 생각하는 계기가 되었다. 이 경험 이후 수업을 준비할 때면 활동을 얼마나 많이 넣을지보다 시간이 어디에 쓰이는지를 먼저 살피게 된다. 교사의 설명이 길어지면 학생이 질문하고 자신의 방식으로 이해해 볼 시간이 줄어든다. 활동이 많아지면 정해진 절차를 따라가느라 그 활동을 왜 하는지 놓치기도 한다. 디지털 도구를 다루고 결과물을 완성하는 데 마음이 쏠리면 학생이 어떤 생각과 판단을 거쳤는지 살피기 어려워진다. 수업 시간은 정해져 있으므로 무언가를 더하는 순간, 다른 무언가는 자연스럽게 밀려난다.

아이들에게 나눗셈의 원리를 알려주는 가장 좋은 수업 방법은 무엇일까? 그것은 수 모형을 갖고 직접 만지면서 원리를 스스로 깨닫게 하는 것이다. 수학 교구를 사용하니 수 감각도 생기고, 재미까지 더해가며 배울 수 있다. 그러나 나는 그 방법을 잘 알면서도 아이들이 원리를 깨닫고 정답을 틀려볼 기회를 빼앗았던 경험이 있다. 수학 시간 40분 수업 안에 도달해야 할 목표가 있다 보니, 수 모형 교구를 활용하기엔 시간이 역부족이라 여겼다. 따라서 나는 모형 교구를 사용하는 방식이 아닌, 아이들에게 함께 생각해보기 방식을 택했다. 나는 1분을 주면서 "생각해보고, 짝과 이야기 나눠봅시다". "만일 어렵다 여겨지면 짝이 이야기하는 것을 들어보아요" 라고 했다. 그리고 그 1분이 지나자 지체 없이 원리를 설명해주었다. 한마디로 아이들이 원리를 탐구한 것이 아니라, 교사가 제공한 모범 답안을 듣게 한 것이다. 만일 1분이 아니라 5분간 고민할 시간을 주고, 몇몇 아이들의 발표를 들은 뒤, 다시 5분을 더 주면서 생각해보자 했다면, 아마도 상당수의 아이들은 스스로 답을 찾았을 것이다. 그렇다면 나는 왜 학생들에게 고민할 기회를 주지 않았을까? 하나는, 제한된 시간 안에 기준에 아이들을 도달하도록 해야 한다는 압박감이었다. 그 결과가 성적표로 학부모에게 전달된다는 부담도 있었다. 다른 하나는, 내가 충분히 설명해줘야만 아이들이 이해할 거라는 믿음이었다. 하지만 이건 아이들의 힘을 믿지 못한 것이었다. 시간 부족과 진도 압박은 아이들에게서 틀리고 고민할 시간을 빼앗았고, 나에게는 아이들의 역량을 의심하는 습관을 남겼다. 회사는 실적으로 평가 받는다. 공무원도 성과로 평가 받는다. 우리 사회는 과정이 아닌 결과로 증명하고자 한다. 교사도 결과로 평가 받는 직업이다. 학업 성취도, 학부모 민원, 관리자 참관까지 모두 결과로 나를 증명해야 한다. 그리고 이런 문화는 자연스럽게 아이들에게로 이어진다. 나는 과연 아이들에게 스스로 생각할 시간, 틀려볼 기회, 스스로 맞혀보는 기쁨을 충분히 주고 있는가?

AI가 써주는 학기말 평어, 기록은 누구의 것인가 7월의 교무실은 조용한 전쟁터다. 1학기 성적 처리 기간, 교사들은 나이스 앞에 앉아 교과학습발달상황과 행동특성 평어를 입력한다. 그런데 올해 교무실 풍경에는 눈에 띄는 변화가 하나 있다. 옆자리 선생님의 모니터에 나이스 창과 나란히 생성형 AI 창이 떠 있는 것이다. "성실하고 발표를 잘하는 4학년 학생의 국어과 평어를 다섯 가지 버전으로 써 줘." 몇 초 만에 그럴듯한 문장들이 쏟아진다. 복사하고, 붙여 넣고, 다음 학생으로 넘어간다. 솔직히 고백하자면, 나 역시 그 유혹 앞에서 자유롭지 않다. 스물몇 명의 학생에 대해 교과별로, 창체별로, 행동특성까지 문장을 쓰다 보면 어느 순간 내가 글을 쓰는 것인지 문서를 생산하는 것인지 헷갈리는 순간이 온다. 그 피로의 틈을 AI가 정확히 파고들었다. 이제 질문을 던져야 할 때다. AI가 써주는 평어는 여전히 '기록'인가. 평가는 확대되고, 기록은 얇아지는 역설 지금 학생평가 정책의 방향은 분명하다. 교육부는 2026년 업무계획에서 질문중심수업과 서술형·논술형 평가 확대를 핵심 과제로 내걸었고, 서울시교육청은 AI 서·논술형 평가지원시스템 실천학교를 두 배 가까이 늘리며 "정답 중심 평가에서 사고력과 성장을 중시하는 평가로의 전환"을 선언했다. 경기의 하이러닝, 서울의 채움AI 등 AI가 채점과 피드백을 지원하는 시스템도 빠르게 자리 잡고 있다. 방향 자체는 환영할 일이다. 선다형 문항이 포착하지 못하는 사고의 과정을 보겠다는 것이니까. 그런데 여기에 묘한 역설이 숨어 있다. 학생의 답안은 점점 길고 깊어지기를 요구받는데, 그 배움을 담아내는 교사의 기록은 점점 자동화되고 있다는 점이다. 학생에게는 "네 생각을 너의 언어로 써 보라"고 요구하면서, 정작 그 학생에 대한 기록은 누구에게나 적용 가능한 범용 문장으로 채워진다면, 우리는 평가의 절반만 바꾼 셈이다. 교육과정-수업-평가-기록의 일체화에서 '기록'은 늘 막내 취급을 받아 왔다. 수업과 평가에 대한 담론은 넘치지만, 기록은 학기말에 몰아서 처리하는 행정 업무로 여겨지기 일쑤였다. AI는 이 오래된 관행을 해결한 것이 아니라, 오히려 그 관행을 아주 효율적으로 완성해 버렸다.

AI를 금지하면 해결될까 -생성형 AI 시대, 학교는 무엇을 가르쳐야 하는가 최근 학교 현장에서는 생성형 AI를 둘러싼 다양한 논의가 이어지고 있다. AI의 무분별한 사용에 대한 우려가 커지면서 교육청에서는 AI 윤리교육 자료와 활용 가이드라인을 보급하고, 학교에서는 새로운 에듀테크 도입 시 학교운영위원회의 심의를 거치는 사례도 늘어나고 있다. 개인정보 보호, 저작권 침해, 허위 정보 생성, 과도한 의존과 같은 문제 역시 중요한 교육적 과제로 떠오르고 있다. 이러한 움직임은 충분히 필요하다. 하지만 문득 이런 생각이 들었다. AI를 금지하면 정말 문제가 해결될까. 얼마 전 초등학교 3학년 학급 학생들에게 생성형 AI 사용 경험을 물어본 적이 있다. 24명 중 15명이 ChatGPT를 사용해 봤거나 현재 사용하고 있다고 답했다. 모르는 내용을 물어보거나, 궁금한 것을 검색하고, 재미있는 이야기를 만들어 보는 등 사용 목적도 다양했다. 놀라웠던 것은 사용 경험 자체가 아니었다. 초등학교 3학년 학생들에게 생성형 AI는 더 이상 특별한 기술이 아니라는 사실이었다. 몇 년 전만 해도 교사가 먼저 설명해야 했던 기술이 어느새 아이들의 일상 속으로 자연스럽게 들어와 있었다. 이 경험은 우리 반만의 이야기가 아니다. 여성가족부가 2025년 발표한 '2024년 청소년 매체이용 및 유해환경 실태조사'에 따르면, 전국 초등학교 4~6학년부터 고등학생까지 청소년 약 1만 5천 명 중 절반이 이미 생성형 AI를 사용하고 있는 것으로 나타났다. 10대의 생성형 AI 이용률은 81%로, 전 연령대 중 가장 높은 수준이다. 생성형 AI는 이미 학생들의 일상 속으로 깊숙이 들어와 있다. 생성형 AI는 이미 학생들의 일상 속으로 들어와 있다. 학교 밖으로 시선을 돌려보면 비슷한 변화가 곳곳에서 나타난다. 최근 기업들은 생성형 AI의 확산으로 새로운 고민에 직면하고 있다. 자기소개서 작성, 포트폴리오 제작, 과제 전형에서 AI 활용이 늘어나면서 결과물만으로 지원자의 역량을 판단하기 어려워졌기 때문이다. 일부 기업들은 자기소개서의 비중을 줄이고 실시간 면접이나 상황 기반 과제를 강화하고 있다.

"선생님~ 감자 잎이 말라 죽었어요!" 아이들이 호들갑을 떨며 교실로 들어섰다. 서울 도심 속 우리 학교 자그마한 텃밭에 올해 감자를 열 개 심었다. 3월 말, 씨감자를 흙에 묻으며 아이들은 신이 나 있었다. 감자전을 해 먹자, 감자 샐러드로 샌드위치를 만들자며 두 달을 정성껏 돌봐온 감자가 며칠 전부터 시들시들 스러져가고 있었다. 텃밭에 나가 살펴보니 이유는 단번에 보였다. 땅이 너무 물러 있었다. 잡초를 뽑는 과정에서 뿌리와 줄기가 거듭 충격을 받은 흔적도 역력했다. 사랑이 지나쳤던 것이다. 초기에 필요했던 물주기와 잡초 매기를, 이미 뿌리를 내리고 땅속에서 새 감자를 키워나가던 시기에도 멈추지 않은 것이 화근이었다. 교실로 돌아와 아이들에게 말했다. "사람도 감자도 똑같아요. 처음에는 물도 주고, 잡초도 매어주는 정성이 필요하지요. 그런데 어느 순간이 지나면, 무심하게 두는 것도 사랑이에요. 우리는 감자를 처음 심었을 때의 사랑으로 감자를 돌보지 말았어야 했어요." 텃밭에서 돌아오는 길, 문득 이런 생각이 들었다. 감자를 기르는 일과 사회정서교육은 참 많이 닮아 있다고. 그 깨달음을 기반으로 선생님들이 사회정서교육에 대해 갖고 계시는 여러 가지 질문에 대해 하나씩 이야기를 꺼내보려 한다. "인성교육과 차별점이 무엇인가요?" '농부는 근면해야 한다, 식물을 사랑해야 한다.'와 같이, 해당 인간상이 도달해야 하는 목표를 가르치는 것이 인성교육이라면, 사회정서교육은 물 주기, 잡초매기 등 감자가 스스로 뿌리를 내리고 자랄 수 있는 실제적인 기술을 가르치는 한가지 방법이라 할 수 있다. 인성교육이 결과로서의 '바람직한 인간상'의 모습을 목표로 한다면, 사회정서교육은 그 과정에서 아이가 자신의 감정을 알아차리고, 관계 속에서 스스로 판단하고 행동하는 힘을 기를 수 있게 하는 데 집중한다. 농부가 햇빛과 물과 흙의 조건을 살피듯, 사회정서교육은 아이의 마음이 자랄 수 있는 기술을 구체적으로 다룬다. 둘은 대립하는 것이 아니라, 인성이라는 열매를 맺기 위해 사회정서교육이라는 뿌리가 먼저 단단히 자리를 잡아야 한다는 점에서 서로 깊이 연결되어 있다.

AI와 사회 정서 교육 서울시여성가족재단은 2025년 보고서에서 초등 저학년, 즉 만 6~8세 시기를 관계적 역량이 자라는 중요한 시기로 보았다. 친구와 가까워지고, 다투고, 다시 손을 잡는 경험이 본격적으로 쌓이는 때다. 그런데 그 시기의 아이들이 이제 사람뿐 아니라 AI와도 대화하고 있다. 이 변화 앞에서 우리는 사회정서교육을 다시 생각해야 한다. 사회정서학습, 즉 SEL은 새로운 개념이 아니다. CASEL은 오래전부터 자기인식, 자기관리, 사회적 인식, 관계 기술, 책임 있는 의사결정이라는 다섯 가지 역량을 중심으로 SEL을 설명해 왔다. 학교 현장에서도 감정 알기, 친구 마음 이해하기, 갈등 해결하기 같은 활동은 꾸준히 이루어져 왔다. 그런데 지금의 문제는 조금 다르다. 예전에는 아이의 사회정서 발달을 흔드는 요인이 주로 가정환경, 또래 관계, 학습 어려움처럼 개인마다 다르게 나타났다. 하지만 스마트 기기와 AI는 훨씬 넓고 지속적으로 아이들의 일상에 들어와 있다. 특정 아이만의 문제가 아니라, 거의 모든 아이가 비슷한 환경을 지나가고 있다는 점에서 무게가 다르다. Jonathan Haidt는 2024년 『The Anxious Generation』에서 2010년대 이후 청소년의 불안과 우울이 증가한 현상을 스마트폰과 SNS 중심의 생활 변화와 연결해 설명했다. 물론 스마트폰이 청소년 정신건강 악화의 직접 원인인지에 대해서는 여러 논의가 있다. 그럼에도 분명한 것은 아이들의 관계 경험이 예전과 달라지고 있다는 점이다. 놀이터와 골목, 친구 집과 교실에서 이루어지던 관계 연습의 시간이 화면 속 활동으로 빠르게 옮겨가고 있다. 국내 상황도 가볍게 볼 수 없다. 2024년 국민 정신건강 지식 및 태도 조사에 따르면, 지난 1년간 정신건강 문제를 경험했다는 응답은 73.6%였다. 이 수치는 성인을 대상으로 한 조사지만, 정신건강의 문제를 교육과 분리해서 생각하기 어렵다는 점을 보여준다. 아이들이 감정을 이해하고, 관계 속에서 버티고, 도움을 요청하는 힘을 기르는 일은 더 이상 부가적인 교육이 아니다.

매일 올라오는 아이들의 '인생샷'은 당신의 교실에 어떤 영향을 미치는가. 화려한 스마트 기기와 앱이 교육 현장을 혁신한다고? 나는 회의적이다. 오히려 기술이 덧씌운 '보여주기식' 문화가 교육의 본질을 가리고 교사들을 소진시키는 현실을 직접 목격한다. 키즈노트의 그림자, 실시간 사진 공유의 역설 어린이집과 유치원에서 학부모에게 아이들 사진을 매일 전송하는 일은 이제 선택이 아니라 필수가 되었다. 키즈노트나 학교종이 같은 알림장 앱의 등장은 소통의 지평을 넓히는 듯 보였다. 그러나 10여 년간 이 관행이 굳어지면서 본질적인 목적은 퇴색하고 부작용만 증폭되는 것이 현실이다. 사진 촬영과 업로드는 교사의 핵심 업무로 자리 잡았고, 기관 간 과열 경쟁은 그 부담을 더욱 가중한다. 일선 교사들은 행사 많은 날 하루에 100장 넘는 사진을 찍는다. 반 아이가 10명이어도 100장이다. "잘 나온 사진"을 골라야 하고 "우리 애만 눈을 감았다"는 민원까지 피해야 하는 압박 때문이다. 한국일보 기사는 3~5세 유치원 학령인구가 2020년 125만7,000명에서 2025년 82만3,000명으로 5년 만에 34.5% 감소했음을 지적한다. 원아 모집 경쟁이 심화하면서 기관들은 학부모의 '입소문'을 의식해 사진 서비스를 강화하는 방향으로 내달린다. 이것은 기술 발전이 낳은 '보여주기식 교육'이라는 괴물이다. 다음 표는 실시간 사진 공유 기술의 의도와 현실 간의 간극을 보여준다. 기술은 소통의 지평을 넓혔지만, 동시에 투명의 강박을 키워냈다. 의도와 결과가 정반대인 확실한 역설이다. 프레임 밖 교실의 진실, 교육의 본질을 잃다 사진 속 아이들의 환한 미소 뒤에는 교사들의 전쟁 같은 현실이 있다. 학부모 민원을 피하기 위해 모든 아이가 예쁘게 나온 사진을, 그것도 모든 활동에 걸쳐 찍어 올려야 한다. 아이들은 통제할 수 없는 존재다. 한 경력 교사는 초임 시절 민원 때문에 아예 영상을 찍어 캡처본을 보내는 방식으로 대응한다. 업무 여건이 좋다고 알려진 국공립 유치원도 상황은 다르지 않다. 어린이집에서 매일 사진을 받아보던 학부모들이 유치원에서도 비슷한 수준을 기대하기 때문이다. 이처럼 사진 업무는 교육 활동을 증명하기 위한 '노동'으로 변질됨이 분명하다.

AI가 코딩을 대행하는 시대, 교사는 무엇을 해야 하는가? 안드레이 카파시는 사유(Thinking)는 아웃소싱해도 이해(Understanding)는 불가능하다고 단언한다. 2025년 12월을 기점으로 AI 에이전트의 능력이 급격히 향상됨에 따라, 교육 현장에서도 근본적인 역할 재정의가 필요하다. 2025년 12월, 에이전트 시대의 개막 카파시는 2025년 12월을 AI 에이전트가 실질적으로 작동하기 시작한 분기점으로 지목한다. 이전에는 코드 덩어리를 던져주고 수정해야 하는 수준이었지만, 이후에는 에이전트가 스스로 리서치, 계획, 코딩, 테스트, 디버깅까지 일관된 흐름으로 수행하기 시작했다는 것이다. 작년 11월쯤 AI 코딩 능력이 별로라고 결론 내렸다면, 지금 다시 시도해야 한다. 소프트웨어 3.0 시대, 코딩은 프롬프팅 소프트웨어를 3단계로 구분하는 카파시의 프레임워크는 시사하는 바가 크다. 소프트웨어 3.0 시대에는 프로그래밍이 곧 프롬프팅이 된다. 코드 위에서 돌아가던 것이, 코드가 사라진 자리에 신경망이 직접 들어가는 것이다. 이 변화는 기존 패러다임의 속도 향상이 아닌, 이전에는 불가능했던 것을 가능하게 한다. 앱을 만들 계획이 있다면, 신경망 호출 한 번으로 되는 것은 아닌지 질문해야 한다. AI의 들쭉날쭉 지능과 인간의 역할 카파시는 AI가 모든 영역에서 뛰어난 것이 아니라, 채점 가능한 영역에서만 천재적인 능력을 발휘한다고 강조한다. 답이 명확한 수학, 코딩에서는 능숙하지만, 일상적인 상식이나 미묘한 뉘앙스를 파악하는 데는 어려움을 겪는다. 10만 줄 코드 리팩토링하는 모델이 세차장에는 차를 가져가야 하는 것을 모르는 상황이 발생한다. 이러한 들쭉날쭉함(Jagged Intelligence) 때문에 인간이 루프 안에 있어야 한다. AI를 도구로 사용하되, 최종 결정권은 인간이 가져야 한다. 오픈AI가 체스 데이터를 프리트레이닝에 추가했을 때 체스 능력이 향상된 사례는, AI의 능력이 데이터 분포에 얼마나 의존적인지 보여준다. 바이브 코딩과 에이전틱 엔지니어링의 균형

AI에게 코딩을 시켜본 경험이 있는가? 시키는 대로 했을 뿐인데, 왜 항상 만족스러운 결과가 나오지 않을까? 마치 학생이 질문의 요지를 파악하지 못하고 엉뚱한 답을 늘어놓는 상황과 놀랍도록 닮았다. AI의 코딩, 우리 학생들의 학습 과정과 닮았다 최근 AI 분야의 저명한 개발자 안드레이 카르파티의 통찰이 담긴 흥미로운 글을 읽었다. 그는 대규모 언어 모델(LLM)이 코드를 생성할 때 흔히 저지르는 실수들을 지적한다. 이를 요약하면 세 가지 문제로 요약된다. 첫째, AI는 스스로 잘못된 가정을 하고 이를 확인하지 않은 채 코드를 만들어낸다. 혼란스러워도 명확히 묻지 않고, 불일치를 드러내거나 절충안을 제시하지도 않는다. 둘째, 코드를 불필요하게 복잡하게 만든다. 추상화를 남용하고, 쓸모없는 코드를 정리하지 않으며, 100줄이면 될 것을 1,000줄로 늘린다. 셋째, 주어진 과제와 상관없는 기존 코드의 주석이나 구조를 마음대로 수정하거나 삭제하는 경우가 생긴다. 마치 학생이 본질을 놓친 채 과도하게 장황한 보고서를 쓰고, 불필요한 부분까지 손대어 오히려 완성도를 떨어뜨리는 모습과 흡사하다. 이러한 문제를 해결하고자 그는 LLM의 코드 생성 능력을 향상하는 네 가지 원칙을 제시한다. 코딩 전 사고: 생각하고 묻는다 첫 번째 원칙은 "코딩 전 사고(Think Before Coding)"이다. LLM은 종종 모호한 지시를 받으면 스스로 한 가지 해석을 택하고 그 방향으로만 진행한다. 이 원칙은 AI에게 가정을 명시적으로 밝히고, 불확실한 경우 추측 대신 질문하게 한다. 만약 여러 해석이 가능하다면, AI는 그 해석들을 제시하고 사용자에게 선택을 요구한다. 더 간단한 방법이 있다면 주저 없이 반대 의견을 내고, 혼란스러울 때는 무엇이 불분명한지 정확히 말하고 명확화를 요청한다. 우리 교육 현장에서도 학생들에게 문제 해결 전 자신의 가정을 밝히고, 궁금한 점을 질문하며, 더 나은 해결책을 탐색하게 하는 과정과 다르지 않다. 이는 메타인지를 훈련하는 핵심이다. 간결함의 미덕: 단순함이 최고이다

새 학년, 교사들이 가장 먼저 마주하는 것이 학생의 얼굴이 아니라 빼곡한 사업 목록이라면 학교는 과연 어디를 향해 가는가. 교사들은 더 많이 일하는데 정작 수업 시간은 줄어드는 기묘한 현실이 우리 교육 현장을 짓누른다. 교육의 본질을 가리는 가짜 노동의 그림자가 점차 짙어진다. 교사들이 학생보다 사업 목록을 먼저 만나는 이유 얼마 전, 한 교감은 새 학년 업무 분장 회의를 두 시간 가까이 진행했다. 그중 절반은 누가 어떤 사업을 맡을지를 두고 팽팽한 침묵이 오갔다. 교사들이 새 학년 첫날 학생이 아닌 '사업 목록'과 먼저 마주한다는 사실은 오늘날 학교가 어떤 공간으로 작동하는지를 명확히 보여준다. 이런 현실 속에서 교육부는 '학교 가짜 일 줄이기'에 나섰다고 반가운 소식을 전한다. 학생 상장 공적 조서 작성 관행을 없애고, 예산 증빙을 간소화한다는 내용이다. 그러나 현장의 반응은 미지근하다. 전국교직원노동조합은 "언 발에 오줌 누기식 처방"이라 혹평한다. 서류 한 장을 줄이는 것으로 학교가 숨 쉴 여유를 찾을 수 없기 때문이다. 이른바 가짜 노동은 단순한 행정 업무가 아니다. 교육의 본질을 침해하고, 교사의 에너지를 소진시키는 그림자 업무다. OECD가 말하는 불편한 숫자 감각이 아닌 데이터로 현장을 들여다본다. OECD 국제 교원 및 교직 환경 조사인 탈리스(TALIS, 2024) 결과는 한국 학교의 기형적인 구조를 여실히 보여준다. 한국 초등교사의 주당 행정업무 시간은 4.5시간으로, OECD 평균인 2.7시간보다 무려 1.7배 많다. 일본과 더불어 최상위권에 해당한다. 흥미롭게도, 한국 초등교사의 총 근무시간은 41.1시간으로 전체 조사국 평균인 40.4시간보다 약간 길다. 더 많이 일하지만, 정작 핵심인 수업 시간은 평균 24.9시간보다 4.4시간 적은 20.5시간에 불과하다. 교사는 더 많은 시간을 학교에 머물지만, 수업에 할애하는 시간은 줄어든다. 그 공백을 메우는 것이 평균의 1.7배에 달하는 행정업무 시간이다. OECD는 이러한 현실을 두고 한국을 "교육 성과는 높지만 교직의 지속가능성은 현저히 낮은 고성과-고위험 구조"라 진단한다. 학교가 교육이라는 목적지 대신 행정이라는 다른 길로 질주하는 모습과 같다.

급변하는 인공지능 기술은 교육 현장의 오랜 믿음을 뒤흔든다. 과거의 학습 방식과 미래의 필요 사이에서 교사들은 새로운 방향을 탐색한다. 이 글은 인공지능의 진화가 던지는 도전에 직면하여, 교사에게 요구되는 태도와 역량이 무엇인지 깊이 성찰한다. 불확실성 시대, 교사의 흔들리는 좌표 "우리는 이미 존재하는 것과 아직 존재하지 않는 것 사이의 경계를 탐험한다." 교단에 서서 학생들과 마주하는 교사들은 매일 새로운 교육적 질문에 직면한다. 특히 인공지능 기술의 눈부신 발전은 어제의 상식을 오늘의 구습으로 만든다. 과거 우리는 인공지능이 결코 넘을 수 없는 인간만의 영역을 확신하며 그 경계를 교육의 목표로 삼았다. 과연 그 경계는 여전히 견고하게 존재하고 있을까? 2016년 일본의 인공지능 도로보군 프로젝트는 도쿄대 입학에 도전했다. 당시 도로보군은 일본 대학입학자선발 대학입시센터시험에서 상위 20%의 성적을 기록했다. 수학과 역사 과목에서는 만점에 가까운 성적을 받았으나, 국어와 영어처럼 맥락 이해와 의미 파악이 중요한 과목에서는 저조한 성적을 나타냈다. 당시 전문가들은 인공지능의 한계를 명확히 지적했다. 글과 글 사이의 맥락을 이해하지 못하고, 유연성이나 창조성을 발휘하지 못하며, 스스로 생각하고 판단하는 능력은 없다는 것이 지배적인 견해였다. 도로보군을 기획한 아라이 노리코 교수 역시 인공지능이 도쿄대 입학 목표를 달성하지 못하고 프로젝트를 중단한 이유로 이러한 근본적인 한계를 꼽았다. 그러나 불과 몇 년 만에 상황은 급변했다. 최근 보도에 따르면, 최신 대규모 언어 모델(LLM)은 2026학년도 도쿄대 입학시험에서 실제 수험생 최고점을 넘어서는 점수를 기록했으며, 교토대 시험에서도 수석 합격 수준의 성적을 냈다고 한다. 특히 수학 과목에서는 만점을 기록했고, 2020년 당시 도로보군이 약점을 보였던 세계사 서술형 문제나 복합적 의미 해석 문제에서도 발전된 양상을 보인다. 이처럼 단기간에 인공지능의 능력이 확장되자, 과거 인공지능의 한계라고 여겼던 지점들이 무색해지는 경험을 한다.

AI가 우리의 삶을 바꾼다고 말한다. 하지만 그 AI가 정말 한국인의 삶을, 우리의 교육 현장을, 그리고 우리 학생들의 마음을 이해하는지 생각해 본 적이 있는가. 단지 기술이 아니라 '사람'을 닮아가는 AI의 새로운 시도에 주목한다. AI, 사람을 만나다 최근 엔비디아가 Nemotron-Personas-Korea라는 흥미로운 데이터셋을 공개했다. 이는 한국인의 다양한 삶의 모습을 반영하는 합성 페르소나 데이터셋이다. 즉, 가상의 인물들이지만 실제 한국 사회의 통계적 분포를 따른다. AI가 한국 사람들의 생각과 감정을 더 잘 이해하고 반응하도록 돕는 중요한 시도다. 이 데이터셋은 단지 이름과 직업 목록이 아니다. 각 페르소나는 직업, 취미, 가족 관계, 성격, 사는 지역, 심지어 특정 상황에서의 반응 방식까지 상세하게 묘사한다. 마치 소설 속 인물처럼 생생하다. AI가 '철수'나 '영희'라는 추상적인 개념이 아니라, '광주 서구 하역 현장의 베테랑 전기태 씨'나 '서초동 부동산 회계 사무원 최은지 씨'처럼 구체적인 인물을 학습하는 셈이다. 이처럼 AI에게 인간 군상의 깊이와 다양성을 보여주려는 노력은 궁극적으로 AI의 이해도를 높이는 길이다. 통계 속 살아있는 이야기 Nemotron-Personas-Korea는 가상의 인물이지만, 그 기반은 놀랍도록 현실적이다. 대한민국 통계청, 대법원, 국민건강보험공단, 농촌경제연구원, 네이버 클라우드의 실제 통계 데이터를 바탕으로 인구통계학적 특성, 지리적 분포, 심지어 성격 특성까지 반영한다. 말 그대로 '통계 속에서 살아있는 이야기'를 끄집어낸다. 예를 들어, "전기태 씨"라는 페르소나를 보면, 그는 70대 광주 서구의 하역 일을 하는 가장이다. 투박한 전라도 사투리를 쓰며, 주말에는 무등산 자락을 걷고 단골 목욕탕에서 친구들과 정치 이야기를 나눈다. 무뚝뚝하지만 아내가 좋아하는 간식을 슬그머니 식탁에 올려두는 애정을 표현한다. 이러한 묘사는 단순히 연령, 직업, 지역만 제공하는 것이 아니다. 한 인물의 삶의 궤적, 가치관, 행동 양식까지 보여준다. AI는 이처럼 구체적인 사례를 통해 '70대 광주 할아버지'라는 추상적인 개념을 훨씬 더 풍부하게 이해한다.

오늘날 교육 현장은 그 어느 때보다 복잡한 도전에 직면한다. 방대한 학습 자료의 홍수 속에서 학생 개개인의 필요에 맞춘 교육을 제공하고, 행정 업무 부담 속에서도 수업의 질을 높이는 것은 교사에게 늘 버거운 과제로 다가온다. 이러한 상황에서, 인공지능은 단순한 검색 도구를 넘어 교사의 전문성을 확장하고 교육의 지평을 넓히는 '에이전트'로서 새로운 가능성을 제시한다. 이 글은 교사가 AI를 단순한 도구가 아닌 능동적인 협력자로 활용하기 위한 구체적인 방법론을 탐구한다. 왜 지금, 'AI 에이전트' 역량 개발인가? "기술은 그 자체로 선하지도 악하지도 않다. 중요한 것은 우리가 그것을 어떻게 사용하는가이다." 교실에는 매일 예측 불가능한 상황이 펼쳐진다. 학생들의 다양한 학습 속도, 배경 지식의 차이, 개별적인 흥미와 요구는 교사에게 끊임없이 맞춤형 접근을 요구한다. 동시에 교과서 내용은 끊임없이 업데이트되고, 새로운 교육 방법론이 쏟아져 나오며, 행정 업무는 줄어들 기미를 보이지 않는다. 이러한 복잡한 교육 환경 속에서, 교사는 마치 여러 개의 복잡한 프로젝트를 동시에 관리하는 프로젝트 매니저와 같은 역할을 수행한다. 이처럼 모호하고 다층적인 과제들을 처리하기 위해 교사는 AI를 어떻게 활용해야 하는가? 최신 인공지능 모델의 발전은 AI를 과거의 단순한 정보 검색 도구나 텍스트 생성기를 넘어, 더욱 자율적이고 지능적인 '에이전트'로 인식해야 함을 시사한다. 특히 코딩 작업과 같이 명확한 목표와 복잡한 논리적 사고를 요구하는 분야에서 클로드 Opus 4.7과 같은 모델이 보여주는 역량은 교육 현장에 중요한 함의를 던진다. 이 모델은 과거 버전보다 모호성 처리 능력, 버그 발견 능력, 그리고 세션 간 맥락 유지 능력이 현저히 개선되었다. 이는 교사가 AI에게 넘겨주는 교육 과제 역시 과거보다 훨씬 더 복잡하고 추상적인 것이 될 수 있음을 의미한다. 예를 들어, 학생들의 수행 평가 피드백 초안을 작성하거나, 특정 주제에 대한 심화 학습 자료를 여러 관점에서 탐색하게 하거나, 혹은 학습 부진 학생을 위한 개별화된 보충 자료를 생성하는 작업들은 본질적으로 높은 수준의 모호성과 다단계 추론을 요구한다. AI 에이전트가 이러한 모호한 과제를 더 효과적으로 이해하고, 오랜 시간 동안 일관된 맥락을 유지하며 작업을 수행할 수 있다는 것은 교사에게 실질적인 업무 경감과 더불어 교수 전문성 심화의 기회를 제공한다.

문제는 교육자들의 판단력이 부족해서가 아니다. 교육자들이 몸담고 있는 시스템 자체가 끊임없는 변화를 합리적이고 유능한 것으로 만든다는 것이 핵심이다. 마치 물고기가 물을 벗어나 살 수 없듯, 교육 시스템의 구조적 특성 네 가지가 우리를 이 반짝이는 새것의 굴레에서 벗어나기 어렵게 만든다. 교육에는 네 가지 구조적인 힘이 작용한다. 느리고 불분명한 피드백 고리 성공과 실패, 효과와 비효과가 명확하지 않다. 보이는 변화만이 리더십의 증거 짧은 관리자 임기동안 지속성과 안정이 수동적이며 방향없음으로 보이기 쉽다. 새로운 아이디어에 대한 낮은 진입 장벽 검증대신 일단 도입하는 데 대한 안전장치나 그 장벽이 현저히 낮다. 도덕적 긴급성 어려움을 겪는 아이들에게 도움이 될 수 있다는 제안이라면, 당장 행동해야 한다는 압력이 엄청나 이것이 행동을 향하는 강력한 편향이 된다. 유행에 무심히 끌려가지 않으려면 진짜 유능함을 가시화해야 한다. 그렇게 하지 않으면 시스템은 개선의 현실보다 변화의 외양에 계속 보상할 것이다. 교육이 유행에 민감한 것은 우리가 흔히 생각하는 이유 때문이 아니다. 무엇이 효과적인지 잊어서가 아니라, 때론 시스템이 가만히 있는 것(아무것도 하지 않는다는 뜻이 아니다)을 무책임하게 보이도록 만들기 때문이다. 심지어 그 가만히 있음이 성공을 위해 꼭 필요한 순간에도, 우리 뇌는 즉각적인 만족과 보상에 매우 민감하게 반응한다.

교육 현장에서 마주하는 복잡한 문제들은 종종 우리의 선한 의도와 노력을 무색하게 만든다. 학생들의 성장과 교사들의 웰빙을 위한 끊임없는 시도에도 불구하고, 문제는 해소되지 않거나 때로는 더 심화되는 역설적인 상황이 나타난다. 이 글은 이러한 현상의 근본 원인을 시스템 사고의 관점에서 탐구하고, 공감 기반 시스템 리더십(CSL)이 제시하는 지속 가능한 변화의 길을 깊이 사유한다. 선한 의도가 좌절되는 역설, 그 이면에 작동하는 시스템 "모든 시스템은 현재 자신이 만들어내는 결과를 완벽하게 만들어내도록 설계되어 있다." 성적 부진 학생을 위한 특별 보충 수업, 교사 스트레스 해소를 위한 일회성 힐링 연수, 갈등 상황 해결을 위한 강압적 지시 등 교육 현장에서 이루어지는 수많은 조치는 분명 선한 의도에서 출발한다. 당면한 문제에 대한 해결책을 찾으려는 간절한 마음에서 비롯된 노력들이다. 그러나 시간이 지나면서 학생들은 학습 자체에 대한 흥미를 잃고, 교사들은 냉소주의에 빠지며, 학교 구성원 간의 소통은 더욱 단절되는 경험을 하는 경우가 많다. 이처럼 애써 내놓은 해결책이 오히려 기존의 문제를 심화시키거나 새로운 문제를 야기하는 현상은 왜 반복되는 것일까? 우리는 종종 눈앞의 고통스러운 문제 증상에만 매몰되어 즉각적인 해결책을 찾으려 한다. 이는 시스템 사고에서 말하는 '부담 전가(Shifting the Burden)'라는 고전적인 원형(Archetype)과 깊이 연관되어 있다. 부담 전가 모델은 문제 증상, 증상적 해결책, 부작용, 그리고 근본적 해결책이라는 네 가지 핵심 요소로 구성된다. 우리에게 가장 시급하고 고통스러운 '문제 증상'이 나타나면, 우리는 보통 가장 빠르고 쉽게 적용할 수 있는 '증상적 해결책'에 매달린다. 이러한 증상적 해결책은 단기적으로는 문제를 완화하는 것처럼 보인다. 예를 들어, 학생들의 성적 하락이라는 증상에 대해 강압적인 보충수업을 늘리는 것은 당장 시험 성적을 올리는 데 기여할 수 있다. 교사들의 높은 스트레스에 대한 일회성 힐링 연수나 격려 현수막 게시는 잠시나마 분위기를 전환하는 데 도움을 줄 수도 있다.

몸과 마음은 연결되어 있다. 사람들은 구체적인 신체적 경험을 바탕으로 추상적인 심리적 개념을 형성한다. 이는 단순히 관념적인 개념이 아니라, 신경생물학적인 근거를 갖는다. Williams과 Bargh(2008)는 자신들의 연구에서 뇌의 뇌섬엽(insular cortex)은 신체적인 온도 감각을 처리할 뿐만 아니라, 타인에 대한 신뢰와 공감 같은 대인관계적 따뜻함을 처리하는 데에도 공통적으로 관여한다고 말한다. 제시된 실험의 내용이 매우 흥미롭다. ■ 실험 1: 물리적 온도가 타인에 대한 인상 평가에 미치는 영향 (1) 실험방법: 참가자들은 실험실로 이동하는 엘리베이터 안에서 실험 보조자의 부탁으로 '따뜻한 커피' 또는 '차가운 아이스 커피'를 잠시 들고 있게 되며 온도에 노출됨. 이후 가상의 인물에 대한 성격 평가 설문지를 작성함. (2) 실험 결과: 따뜻한 커피를 들었던 참가자들은 차가운 커피를 들었던 참가자들에 비해 타인을 더 따뜻하고 관대한 성격을 가진 사람으로 평가함. ■ 실험 2: 물리적 온도가 친사회적 행동에 미치는 영향 (1) 실험 방법: 참가자들은 제품 평가를 명목으로 '따뜻한 치료용 패드' 또는 '차가운 치료용 패드'를 잠시 들고 있게 됨. 이후 연구 참여에 대한 보상으로 '자신을 위한 선물'과 '친구를 위한 선물' 중 하나를 선택하도록 함. (2) ​실험 결과: 차가운 패드를 경험한 참가자들은 자신을 위한 보상을 선택하는 비율(75%)이 압도적으로 높았음. 반면, 따뜻한 패드를 경험한 참가자들은 친구에게 주는 이타적인 선물을 선택하는 비율(54%)이 더 높게 나타나, 물리적 따뜻함이 친사회적 행동을 촉진함을 증명함. ■ 나의 생각 우리가 인식하지 못하는 순간에도 우리는 감각을 이성적 판단에 통합하여 활용하고 있다. 배움도 본질적으로 그러하다. 머리로만 배우는 것 같지만, 유아기부터 축적된 이미지 도식을 활용하여 개념을 이해하고 확장한다. AI를 수업에 활용할 때 실패하는 이유는, 배움이 단순히 머릿 속에서만 일어난다고 생각하기 때문이다. 신체 움직임, 감각의 활용, 환경과 타인과의 상호작용 등이 배제된 학습은 학생의 배움을 온전히 이끌 수 없다.

Ⅰ. 들어가는 말: AI 시대, 교육의 질문이 바뀌다 우리는 지금 'AI 디지털시대 미래인재 양성'이라는 거대한 전환 앞에 서 있다. 생성형 AI는 지식을 저장하고 꺼내 쓰고 조합하는 데 있어 이미 사람을 넘어서는 속도와 효율을 보이고 있다. 이 변화 속에서 학교가 여전히 지식을 효율적으로 전달하는 일에 머문다면, 교육은 학생의 삶과 멀어질 위험이 있다. 국민주권정부가 제시한 '각자의 가능성을 키우는 교육'은 단순히 기술 사용법을 익히는 교육이 아니다. 학생이 자신이 살아가는 세계에서 문제를 발견하고, 그 문제를 어떤 관점으로 바라볼 것인지 고민하고, 디지털 환경에서 해결 방안을 만들어 가는 힘을 기르는 방향이다. AI는 학습의 목적이 아니라, 자신의 생각을 확장하는 과정에서 활용하는 하나의 도구일 뿐이다. [그림 1] AI 시대 학습 구조의 변화: 지식 중심 교육에서 목적 기반 학습으로의 전환 이제 교육이 던져야 할 핵심 질문은 [그림 1]과 같이 바뀌었다. 과거의 중심이 "무엇을 배울 것인가"였다면, 오늘의 중심은 "왜 배우는가, 어떻게 배울 것인가, 그리고 그 배움을 가지고 무엇을 할 것인가"로 이동한다. 본 토론문에서는 이러한 문제의식을 바탕으로, AI 시대 교육의 구조를 설명할 수 있는 틀로서 빙산 역량 모델(Iceberg Model)과 다중복합 리터러시를 살펴본다. 그리고 이를 실제 수업에 구현한 미림마이스터고등학교의 〈기후 데이터 대시보드 제작〉과 〈땀 흘리는 시 팟캐스트 영상 제작〉 프로젝트 사례를 통해, 미래인재 양성의 방향을 구체적으로 이야기하고자 한다. Ⅱ. 이론적 배경: 역량 구조와 문해력의 재구성 AI 시대의 학습은 학생이 자신의 삶과 가치관을 기초로 문제를 바라보고, 탐구하고, 결과물을 만들어 내는 흐름을 갖추어야 한다. 이를 설명하는 데에 빙산 역량 모델과 다중복합 리터러시가 중요한 역할을 한다. 1. 빙산 역량 모델: 학습의 출발점은 태도(Why)이다 빙산 역량 모델은 기존 교육이 주목해온 표층의 역량―즉, 지식(What)과 기능(How)만으로는 AI 시대의 학습을 설명할 수 없음을 지적한다. 이 모델은 학습의 출발점이자 방향성을 결정하는 심층의 요소, 곧 태도(Why)가 역량의 핵심임을 강조한다. 학생이 무엇을 배우는가보다 더 중요한 질문은 "나는 왜 이 문제를 다루는가?"이다. 이 질문에 대한 목적성이 결여될 경우, 어떠한 기술이나 지식도 의미 있는 학습으로 확장되기 어렵다. 따라서 AI 시대 학습은 WHY → HOW → WHAT, 즉 태도가 기능을 인도하고, 기능이 지식을 의미 있게 구성하는 방식의 구조로 재편되어야 한다. [그림 2]는 이러한 역량 구조를 시각적으로 잘 보여준다

Loewenstein(1994)은 기존의 호기심 연구가 호기심의 자발적 추구와 구체적인 트리거에 대한 설명이 불충분하다고 지적한다. 그는 호기심을 '지식의 공백에서 발생하는 인지적 박탈감'으로 재정의하고 그 원인과 과정을 통합적으로 설명하는 정보 공백 이론을 제시한다. ■ 호기심의 기본 메커니즘, 참조점(Reference Point)의 이동 사람에게는 정보를 받아들이는 두 가지 기준점이 있음. '현재 자신의 지식 수준'과, '알고자 하는 지식의 수준(참조점)' 평소에는 두 기준점이 일치하지만, 어떠한 트리거(퀴즈,질문 등)에 의해 '내가 잘 모르고 있다는 것'이 느껴지면, 참조점이 높아짐 두 기준점 사이의 '공백'은 불쾌한 박탈감을 유발하며, 사람은 이 불쾌함을 해소하기 위해 정보를 찾아 그 공백을 메우려고 하는데, 이것이 바로 호기심임. ■ 호기심의 트리거 질문이나 수수께끼: 명시적으로 답을 모른다는 것을 일깨워 공백을 만듦. 지식의 순서가 뒤바뀐 사건: 결과는 알지만 원인을 모를 때 공백이 생김. (예: 미스터리 소설) 예상 위반: 자신의 기대와 다른 일이 벌어졌을 때, 세상에 대한 자신의 모델(지식)에 구멍이 있음을 인지함. 타인의 지식 소유: 남들은 아는데 나는 모른다는 사실이 공백을 자극함. 과거의 잊어버린 기억: 분명히 알았던 것 같은데 기억이 안 날 때, 공백이 매우 강하게 느껴짐. ■ 지식과 호기심의 역 U자 관계 호기심은 '어느 정도 알고 있을 때' 가장 강력하게 발동함. 이는 지식이 늘어날수록 채워야 할 공백이 눈에 잘 띄게 되기 때문임. 전혀 지식이 없을 때는 공백을 인지할 수 없고, 지식이 너무 많으면 공백이 없어 호기심이 발동하기 어려움 ■ 호기심의 주요 특성 강렬함(Intensity): 호기심은 무언가를 얻으려는 희망보다는, 정보가 결핍되어 있다는 '상실감'에 기반하기 때문에 강력한 동기를 유발함. 일시성(Transience): 호기심은 정보 공백에 대한 주의에 의존하므로, 주의가 분산되면 빠르게 사라짐.