AIEd 지식베이스AIEd KB
이 페이지의 목차

이 페이지는 한국어로 번역되었습니다. 문서 페이지는 여전히 영어로 작성되어 있습니다. 이 페이지를 영어로 읽기

개념

성인 학습

생성일 2026-08-06 · 갱신일 2026-09-30

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

성인 학습 — 성인을 교육하는 것(안드라고지, andragogy)의 이론과 실천, 그리고 AI 도구와 기술이 성인 학습자의 자율성, 선행 경험, 실제적 관련성을 어떻게 지원하도록 설계될 수 있는지를 다룹니다. 이 지식 베이스에서 13편의 문서를 통해 탐구됩니다.

생각해 볼 질문들

  • 성인 학습 이론은 학습자가 자기주도적이고, 살아온 경험에 의지하며, 실제적 관련성을 원한다고 가정합니다. 그러나 AI가 인지 작업의 상당 부분을 수행한다면, 눈에 보이는 도움 없이 과제를 완수한 학습자가 실제로 그것을 주도했다는 것을 입증할 수 있을까요? 그들이 실제로 주도했다고 확신하게 해줄 것은 무엇이겠습니까?
  • 도구로부터의 행동적 독립은 더 이상 학습자가 학습을 주도했다는 것을 보장하지 않습니다. 성인 학습자를 위한 AI를 설계한다면, 조용한 위임이 아닌 진정한 자기주도를 확인하기 위해 무엇을 살펴보시겠습니까?
  • 성인 AI 도구의 설계 지침은 분주한 삶에 맞춰 들어가는 것을 강조합니다 — 모바일 친화적이고, 오프라인에서도 작동하며, 실제 문제에 연결되는 것. 이 중 여러분 자신의 학습에 가장 중요한 것은 무엇이며, 이를 무시하는 도구는 학습자에게 어떤 대가를 치르게 합니까?
  • 성인 학습자는 종종 직장이나 집에서 공부하므로 온라인 전달이 지배적입니다 — 이는 유연성을 가져오는 동시에 작업의 외주화와 진실성 문제의 위험도 가져옵니다. AI 지원의 편리함은 분주한 성인의 지속 가능한 학습이라는 목표와 어떻게 상호작용합니까?
  • 연구에 따르면 모든 설계 지침을 충족하는 단 하나의 성인 학습 AI 시스템은 없었고, 전체 생태계가 필요했습니다. 이것은 하나의 도구가 모든 학습자의 요구를 충족할 것이라는 기대에 대해 무엇을 시사합니까?
  • 주변화된 학습자와 신경다양적인 성인 학습자에게 형평성은 도구에 대한 접근보다 교육자의 관계적 돌봄에 더 가까울 수 있습니다. 인간을 돌봄의 중심에 놓는 것은 AI 도구를 설계하거나 도입하는 방식에 어떤 변화를 가져옵니까?

들어가며

Knowles의 안드라고지 모형에 뿌리를 둔 성인 학습은 학습자가 자기주도적이고, 살아온 경험에 의지하며, 즉각적이고 실용적인 목표에 의해 동기부여되며, 학습이 그들의 실제적 역할에 연결될 때 가장 큰 이익을 얻는다고 가정합니다. 이러한 가정은 AI 설계에 중요한데, 생성형 AI가 이제 학습의 거의 모든 단계 — 요구 파악, 목표 설정, 정보 해석, 산출물 생성, 수행 평가 — 에 참여할 수 있기 때문입니다. AI가 그렇게 많은 인지 작업을 수행할 때, 도구로부터의 행동적 독립은 더 이상 학습자가 실제로 학습을 주도했다는 것을 보장하지 않습니다. 이에 따라 이 지식 베이스의 연구는 자기주도를 가정된 기본값이 아닌 능동적인 설계 목표로 재구성하며, 목표의 소유, 위임의 통제, 인지적 회복가능성과 같은 기준에 따라 성인 학습 AI를 평가합니다.

연결된 문서로부터의 증거

  • 안드라고지와 GenAI의 인지적 위임. Hyoung (2026)은 AI가 매개하는 인지적 위임 아래에서 Knowles의 여섯 가지 안드라고지 가정을 재검토하며, 눈에 보이는 AI 도움 없이 과제를 완수하는 것이 의미 있는 자기주도를 입증하지 않는다고 주장합니다. 이 연구는 다섯 가지 분석 차원 — 요구와 목표의 소유, 위임의 통제, 인식론적 보정, 인지적 회복가능성과 전이, 동기적 자율성 — 을 도출하여, 성인 학습을 인지 부하 외주화과 자기조절 학습에 연결하고 학습자가 생성형 AI 시대에 진정으로 자기주도적인 상태를 유지하는지를 평가합니다.

  • AI 성인 학습 도구의 설계 지침. National AI Institute for Adult Learning and Online Education (AI-ALOE)의 종단적 배치 데이터에 기초하여, DIS 2026 논문 19개의 경험적으로 뒷받침된 설계 지침을 종합합니다. 일곱 개의 배치된 시스템에 걸친 약 1,600건의 이해관계자 진술로부터 도출된 이 지침들은 인지적, 사회적, 교수적 존재감(Community of Inquiry 틀)에 걸쳐 있으며, 도구가 분주한 성인의 삶에 맞춰 들어가고(모바일 친화적, 오프라인 가능), 내용을 실제 문제에 연결하며, 의미 있게 개인화하고, 실질적인 지원과 피드백을 제공하며, 데이터에 관해 투명해야 한다고 강조합니다. 어떤 단일 시스템도 모든 지침을 충족하지 못했고, 이를 포괄하기 위해 전체 AI-ALOE 생태계가 필요했습니다.

  • 성인, 원격, 평생 학습 맥락. Rienties et al.은 Open University가 여섯 건의 design-based-research 연구를 통해 내장형 AI 조교(AIDA)를 어떻게 설계하고 평가했는지를 보여줍니다. 이를 사용한 학생들은 강좌에서 두 배의 시간을 보냈으나, 이 연구는 기술적 역량이 AI 거버넌스와 조직적 준비 태도와 짝을 이루어야 한다고 경고합니다. Theodora and Tselios는 성인과 평생학습에서의 AI의 이중적 역할을 개인화되고 확장 가능한 교육의 촉진제이자 형평성과 거버넌스 위험의 원천으로 규정하며, 포용적이고 인간 중심의 정책을 요구합니다. A Midwestern case study는 취약 지역 사회의 54명 성인을 위해 공동 설계된 AI 리터러시 프로그램으로, 형평성 지향의 성인 AI 교육이 기초적인 디지털 리터러시 격차를 다루고, 데이터 프라이버시에 관한 신뢰를 구축하며, 살아온 경험에 연결되어야 함을 발견했습니다. Herron's "Sovereign Hive" / Tutor-in-the-Loop framework는 Further Education에서의 GenAI 형평성을 단순한 도구 접근이 아닌 대기의 규제처럼 다루며, 주변화된 학습자와 신경다양적인 성인 학습자를 위해 교육자를 관계적·인지적 돌봄의 중심에 자리매깁니다.

관련 개념과의 연결

성인 학습은 이 지식 베이스의 여러 밀접하게 연결된 개념들이 교차하는 지점에 놓여 있습니다. 고등 교육는 상당수의 성인 학습과 원격 학습이 이루어지는 제도적 맥락을 제공하고, 직장 학습은 그 노동력 차원을, 평생학습은 그 지속적 교육 차원을 다룹니다. Vocational education and training은 학습자가 아닌 직업을 명명하는 이웃 개념입니다. 성인 학습은 학습자가 어떤 맥락에든 가져오는 것 — 자기주도성, 선행 경험, 즉각적인 실용적 목표 — 을 서술하는 반면, VET는 명명된 직업이나 기술적 역할을 위한 초기의 실천에 근접한 준비를 가리키며, 장비를 갖춘 입증된 역량으로 판단되고 자격 프레임워크에 의해 규정된다는 점에서 안드라고지적 성향이 아닙니다. Online teaching and learning은 성인 학습자에게 지배적인 전달 매체입니다 — 이들은 종종 직장이나 집에서 공부하므로 — 따라서 그 가능성(24/7 접근, 비동기적 지원)과 위험(진실성, 외주화)은 성인 학습 설계의 중심입니다. 자기조절 학습과 학습자 주체성는 AI가 반드시 보호해야 할 학습자 역량을 명명하고, 인지 부하 외주화은 AI가 이를 지원하거나 침식할 수 있는 메커니즘을 포착합니다. 포용적 학습과 형평성는 성인 AI 도구의 형평성 의무를 규정하고, 인간 개입는 인간을 책임 있게 유지하는 설계 패턴을 명명하며, 스캐폴딩은 그러한 도구가 제공해야 할 점진적 지원을 서술합니다.

성인 교육 교수자와 설계자를 위한 함의

  • AI를 자기주도의 비계로 설계하고, 대체물로 삼지 마십시오. 도구로부터의 행동적 독립은 학습자가 학습을 주도했다는 것을 입증하지 않습니다 — 목표의 소유, 위임의 통제, 인지적 회복가능성을 보호하십시오(안드라고지 + 인지적 위임).
  • 분주한 성인의 삶에 맞춰 들어가게 하십시오. 도구를 비동기적이고 모바일이며 오프라인에서도 가능하게 만들고, 내용을 실제 문제에 연결하십시오(AI-ALOE 지침).
  • 인간을 고리에 남겨 두십시오. 특히 주변화된 학습자와 신경다양적인 성인 학습자를 위해 교육자를 관계적·인지적 돌봄의 중심에 자리매깁니다(Tutor-in-the-Loop).
  • 기초적 디지털 리터러시와 데이터 신뢰를 다루십시오. 도입을 기대하기 전에 AI 리터러시와 데이터 프라이버시에 관한 신뢰를 구축하십시오(공동체 AI 교육).
  • AI를 학습 과학과 안드라고지에 기반을 두게 하고, 깊은 개인화를 우선하십시오. 안드라고지적 이론을 적용하고 내용을 실제 문제에 연결하십시오. 표면적 적응보다는 깊은 개인화(과업 서열화, 난이도 보정)를 우선하십시오.
  • 투명성과 공동체 기능을 일급 시민으로 만드십시오. 데이터 실천의 투명성과 사회적·공동체적 기능은 성인 AI 도구에서 가장 소외되면서도 가장 높이 평가되는 차원에 속합니다.
  • 기술적·구조적 신뢰성을 전제 조건으로 다루십시오. 참여는 교수법의 질만큼이나 안정적이고 포용적인 인프라에 달려 있습니다 — 불안정하거나 배제적인 플랫폼은 그 외에는 건전한 설계를 무너뜨립니다.
  • 안드라고지를 위한 AI 설계 원칙. Kim et al. (2026)은 성인 학습자가 AI를 협력적 학습 에이전트로 가치 있게 여김을 발견하고, 안드라고지를 위한 세 가지 AI 설계 원칙을 도출합니다. human-in-the-loop(공유된 심성 모형, 인간-AI 공동 창작), 정서적 설계(AI 의존도의 보정, 공감적 의사소통), 적응성(지속적 적응, 상호운용성)입니다. 이들의 11개 시나리오 프로토타입은 또한 각 안드라고지 원칙을 구체적인 AI 가능성에 매핑합니다. 참여에는 AI 튜터와 가르칠 수 있는 에이전트, 자율성과 자기평가에는 모니터링과 분석 도구, 경험에는 공감적 챗봇과 시뮬레이션, 문제 중심적 작업에는 사례 라이브러리와 고차원 질문 생성기, 관련성에는 AI 플래너와 진로 코치입니다.
  • 생산적인 고군분투를 보존하십시오. 같은 집단의 productive-failure 연구는 AI 지원을 PF의 두 단계에 매핑하고, 설계가 그 고군분투를 해결해서는 안 된다고 결론짓습니다. 대화형 에이전트는 생성과 탐구 단계에서 비지시적인 사고 파트너로 작동한 뒤, 종합 단계에서 비교와 재구성, 전이를 지원합니다(Kim et al. (2026)).

연결된 개념

연결된 문서

메타데이터

연구 설계System Development
수준Adult Learning, Higher Ed
학습과 교수직장 학습
기술과 기법교육공학 플랫폼
연구 방법과 평가사용성 연구
교육에서의 인공지능 기초교육에서의 인공지능, 학습 설계
SourceHistoryEditChat

이 페이지 삽입

아래 코드를 복사하여 학습 관리 시스템이나 다른 웹사이트에 이 페이지를 삽입하세요. 삽입된 버전은 페이지 콘텐츠만 표시하며, 사이트의 헤더, 내비게이션, 푸터는 숨겨집니다.