AIEd 지식베이스AIEd KB
이 페이지의 목차

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

개념

AI 사용 및 공개 진술

생성일 2026-08-27 · 갱신일 2026-10-04

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

AI 사용 및 공개 진술 — 학습자가 학문적 작업에서 생성형 AI의 사용을 (요구받아 또는 자발적으로) 공개하도록 하는 정책, 선언, 실천입니다. AI 사용 선언, AI 공개 진술, 또는 투명성 진술이라고도 불리는 이 메커니즘들은 AI 시대에 학문적 진실성, 윤리, 신뢰, 평가가 교차하는 지점에 자리합니다. 지식베이스의 연구는 공개가 결코 중립적인 행정적 형식이 아님을 보여 줍니다. 그것은 처벌에 대한 두려움, 모호한 정책, 일관되지 않은 집행, 또래 규범, 낙인, 자기기소의 심리적 비용에 의해 형성되며 — 그리고 자기조절 학습과 도움 요청과 깊이 얽혀 있습니다.

생각해 볼 질문들

  • 여러분이 어떤 과제에 생성형 AI를 쓴 학생이라면, 그것을 교수에게 말하시겠습니까? 이 페이지는 정직한 대답이 두려움에 의해 크게 좌우된다고 제안합니다. 연구는 공개가 드물며 '처벌 불안'과 자기기소에 대한 걱정에 의해 이끌린다는 것을 발견합니다. 여러분 자신의 공개 행동에 대해 의심해 봐야 할 어떤 가정이 있을까요?
  • 여기서의 핵심 설계 질문은 공개가 감시로 작동하는지, 아니면 윤리적 참여를 위한 비계로 작동하는지입니다. 읽기 전에, 공개 양식이 하려는 것이 무엇이라고 가정하셨습니까 — 그리고 같은 양식이 정반대의 목적을 수행할 수 있는 방법을 떠올려 보실 수 있습니까?
  • 한 가지 놀라운 발견은 항상 공개한 학생들이 부정행위로 고발될 확률이 세 배를 넘었다는 것입니다 — 투명성이 의심을 불러왔습니다. 정직이 의심을 높일 수 있다면, 학생과 교수 사이의 신뢰를 어떻게 설계해야 한다고 말해 줍니까?
  • 이 페이지는 의무적 준수 메커니즘과 AI 리터러시와 자기규제를 기르는 형성적 공개 실천을 구분합니다. 여러분 기관의 접근은 이 둘 중 어디에 더 가깝다고 생각하시며, 그것이 다른 하나가 되려면 무엇이 바뀌어야 할까요?
  • 연구는 은폐를 부적응적 자기규제에, 공개를 적응적 도움 추구에 연결합니다 — AI 사용을 가시적으로 만드는 것이 교수로부터 유용한 보정을 불러올 수 있습니다. 여러분(학습자 또는 교사로서) 불확실하거나 도움의 사용을 숨기지 않고 드러내는 것이 유익했던 적은 언제입니까?
  • 공개 규범은 학문 분야, 언어 배경, 맥락에 따라 다릅니다 — 어떤 학생들은 다른 학생들보다 은폐로 인해 더 제재받기 쉬울 때 형평성의 함의를 지닙니다. 공개 정책을 설계한다면, 이미 소외된 학습자에게 고르지 않은 부담을 지우는 것을 어떻게 막으시겠습니까?

들어가며

AI 사용 및 공개 진술은 학생이 어떤 과제에서 생성형 AI를 썼는지, 어떻게 썼는지를 보고하는 선언입니다 — 표지의 체크박스에서부터 모형, 입력, 목적, 출력이 어떻게 평가되었는지를 기록하는 구조화된 형식에 이르기까지. 체계는 세부 사항뿐만 아니라 종류에서도 다릅니다. 어떤 것은 미공개에 대한 제재를 수반하는 의무적 준수 메커니즘으로 작동하고, 다른 것들은 공개를 AI 리터러시, 투명성, 윤리적 판단을 기르는 도구로 다루는 형성적 실천으로 작동합니다. 그것이 어느 쪽이 되는지를 결정하는 설계 질문은 공개가 잡아내기 위해 쓰이는지 가르치기 위해 쓰이는지이며, 이는 이 개념을 학문적 진실성와 교육 AI 정책 안에 확실히 자리매김합니다.

AI 사용 공개 진술이란 무엇인가

AI 사용 선언은 학생이 어떤 과제에서 생성형 AI를 썼는지, 어떻게 썼는지를 밝히도록 요구하거나 권유합니다 — 통상 과제 표지, 제출 양식, 또는 성찰 프롬프트에 기재합니다. 체계는 간단한 체크박스 선언부터 모형, 입력, 목적, 출력이 어떻게 평가되었는지를 기록하는 구조화된 형식(예: Model-Input-Evaluation/MInE 체계)에 이르기까지 널리 다양합니다. 이들은 의무적 준수 메커니즘(미공개에 대한 제재를 수반)에서부터 공개를 AI 리터러시, 투명성, 자기교육에서의 AI 규제을 기르는 교수법적 도구로 다루는 형성적 실천에 이릅니다. 핵심 설계 질문은 공개가 감시로 작동하는지, 아니면 윤리적 참여를 위한 비계로 작동하는지입니다.

AI 교육에 있어 공개가 중요한 이유

공개는 AI 지원 작업을 가시적으로 만들어 따라서 통치 가능하게 하는 메커니즘입니다 — 학문적 진실성의 대응물이자 학생과 교수 사이의 신뢰의 전제 조건입니다. AI 사용에 대한 투명성이 없으면 교육자는 정당한 지원과 부정행위를 구별하거나 피드백를 보정하거나 형평성의 격차를 탐지할 수 없습니다. 그러나 연구는 공개가 또한 정서적이고 사회적인 과정이지 정책의 문제만이 아님을 보여 줍니다.

연구가 보여 주는 것

  • 공개는 드물고 불안에 의해 이끌립니다. 연구 전반에 걸쳐 대부분의 학생은 AI 사용을 교수에게 공개하지 않습니다. Kirsanov 외(2026)는 경제학 학생의 약 34%만이 AI 사용을 인정했으며 공개는 더 드물어, "처벌 불안"에 의해 이끌어진다는 것을 발견했습니다. Vetter 외(2026)는 학생의 66%가 공개를 전혀 또는 거의 하지 않았으며, 학문적 제재에 대한 두려움이 가장 큰 이유라는 것을 발견했습니다. Gonsalves(2025)는 킹스 비즈니스 스쿨의 의무적 선언에 대한 74%의 미준수를 기록했습니다.
  • 모호하고 처벌적인 정책이 은폐를 이끕니다. AI 사용 정책이 불분명하거나 집행되지 않거나 금지적일 때, 학생은 참여하기보다 사용을 숨깁니다. "특정 상황에서의 제한적 사용" 정책이 공개를 가장 잘 예측하며, "허용되지 않음" 또는 "인지하지 못함" 정책은 은폐를 예측합니다. 명확하고 일관되며 협력적인 정책이 반복적으로 요구됩니다.
  • 공개는 심리적 비용을 지니며 — 숨겨진 비용도 있습니다. 학생은 선언을 자기기소로 여기며, 어떤 이는 계산기를 쓰는 것처럼 AI 사용이 사적인 것이라고 믿습니다. Vetter 외(2026)는 "항상" 공개한 학생들이 고발될 확률이 세 배를 넘었다는 것을 발견했습니다 — 투명성이 의심을 불러올 수 있습니다. Chang 외(2026)는 걱정이 공개를 억제하기보다 또래 쪽으로 돌려, 학생을 교수의 피드백으로부터 차단한다는 것을 발견했습니다.
  • 공개는 자기규제 학습과 얽혀 있습니다. Chang 외(2026)는 교수가 지시하는 공개를 적응적 도움 추구 — 도움을 가시적으로 만들어 외부적 보정을 불러오는 것 — 으로 해석하며, (특히 AI 사용량이 많은 학생 사이에서) 은폐는 부적응적 규제를 닮는다고 봅니다. 구조화된 형성적 공개는 효과적인 자기규제를 특징짓는 메타인지적 성찰과 윤리적 추론을 촉진할 수 있습니다.
  • 공개 규범은 학문 분야, 언어, 맥락에 따라 다릅니다. 교육, 사회과학, STEM/보건 학생은 비즈니스 학생보다 더 많이 공개합니다. 단일언어 학생은 다중언어 학생보다 덜 공개할 수 있습니다. 한 연구에서 국제 학생은 더 적게 공개하여 형평성 우려를 제기했습니다. 공개 규범은 학업 진급과 함께 자동으로 발전하지 않습니다.
  • 공개 규범은 전문직 프로그램에서 확립되지 않았습니다. Gutowski와 Hurley(2025)는 ABA 공인 미국 법학전문대학원이 AI의 어떤 사용이든 공개되어야 하는지에 대해 의견이 갈리며, 교수에게 제출되는 학생 공개 양식을 서술하고, 학술적 또는 수업 글쓰기가 AI를 어떻게 인용해야 하는지에 대해서는 합의가 없음을 발견합니다 — Bluebook 자체도 여전히 침묵하고 있습니다. 그들은 또한 공개가 결국 학생이 검색 엔진을 썼다고 적는 것만큼 쓸모없어 보일 것이라고 예측하며, 지금 쓰이고 있는 규칙의 유효 기간에 대한 경고를 하며, 규범의 질문을 법학 교육에 근거시킵니다.

공개는 탐지 메커니즘이 아닙니다

반복되는 기관의 오류는 선언을 금지된 사용을 잡아내는 방법으로 다루는 것입니다. 그것들은 그 기능을 수행할 수 없습니다. 그것들은 솔직함에 의존하며, 그것들을 집행하는 것은 같은 탐지 불가능성으로 되돌아가기 때문입니다. 기관은 일반적으로 공개되지 않은 사용이 발생했음을 증명할 수 없습니다. Teichmann(2026)은 그들의 진정한 가치를 다른 곳에 둡니다 — 신뢰의 문화에 내장된 가시적인 정직성 약속, 그리고 집행이 아니라 투명성, 공유된 기대, 학생의 성찰에 있습니다. 그 교육적 메커니즘은 법의학적인 것이 아니라 규범적인 것입니다.

그 규모는 기록되어 있습니다. 미국 공공정책 석사 프로그램에 대한 지원 7,462건에 걸쳐, 서명된 AI 금지 확약서는 2025년 지원자의 56.1%가 상업적 탐지기가 주로 AI가 쓴 것으로 분류한 에세이 한 편을 제출하는 것을 막지 못했으며, 표시된 에세이 한 편마다 입학 확률이 1.5퍼센트포인트에서 2.6퍼센트포인트 낮은 것과 연관되었습니다(Isley, Gaebler와 Goel(2026)).

Mohamed와 Temimi(2026)의 모형화 작업은 공개가 작동하는 조건을 희망이 아니라 설계 기준으로 제시합니다. 공개된 사용은 정직의 비용이 그것이 사들이는 억제력 아래에 머무를 때에만 숨겨진 사용을 이깁니다. 그 한계는 탐지의 신빙성과 함께 높아지므로, 탐지와 공개의 안전성은 서로를 강화합니다 — 그러나 표시될 위험이 정직한 응답과 부정직한 응답에 똑같이 떨어질 때에만, 이 경우 정직은 비교우위를 갖춘 보호를 유지합니다. 그들의 설계 함의는 직접적입니다. 선언된 AI 사용을 자백이 아니라 맥락으로 다루어, 감시가 가장 강한 환경에서 바로 정직의 비용을 낮게 유지하고, 공개를 시인이 아니라 평가적 판단의 표시로 읽는 것입니다. 허용과 공개는 별개의 지렛대입니다 — 허용은 허용되는 사용의 형식적 경계를 바꾸고, 공개는 가시성을 바꿉니다 — 하나에서의 성공은 다른 것에 대해 아무것도 말해 주지 않습니다.

AlGhamdi(2026)는 공개 효과 자체에 대한 암시적인 시험을 제공합니다. 같은 강좌가 눈을 가린 연구(AlGhamdi 2024)와 투명한 연구를 운영했으며, 투명한 집단만이 AI의 역할을 명시적으로 경계짓고 평가적 권위에 의문을 제기했습니다. 집단과 연도가 다르므로 저자들은 그 대비를 인과적이기보다 암시적인 것으로 부르지만, 공개가 고지 사항이 아니라 교수적 프롬프트로 작동하여 피드백을 당연시되는 행위에서 성찰의 대상으로 변형시켰으며, 이탈이나 저항의 징후는 없었다고 주장합니다.

가장 혁신적인 미국 대학 50곳의 생성형 AI 지침을 조사하며, Qian(2026)은 공개를 지원과 허위 표시 사이의 경계에 자리매김합니다. AI가 허용되는 곳에서 기관은 학생이 출력을 전적으로 자신의 것처럼 제시하기보다 AI 지원을 인정하고 인용하거나 달리 기록하도록 지시하며, 도서관이 — 정직성 사무국이 아니라 — 인용과 출처 기준에 대한 권위를 지닙니다. MIT 도서관의 AI는 저자가 아니며 저자가 도구가 어떻게 기여했는지를 기록할 책임이 남는다는 틀짓기가 그 패턴을 보여 주며, Qian은 공개를 정직성 규범이자, 제출 전에 모호함을 줄이는 설계 원칙이며, 책임성·형평성·프라이버시와 나란히 네 가지 정직성 기둥 중 하나로 동시에 읽습니다. 이것은 이 절이 서술하는 것과 같은 비법의학적 사용이며, Qian이 탐지를 확대하기보다 도서관을 인용 당국으로 제도화할 것을 권하는 이유입니다.

  • 공개는 신뢰의 대가를 지니며, 정당성이 논증된 메커니즘입니다. 13개의 실험에서, 대부분 미국 온라인 패널리스트를 대상으로 하여 4,093개 관찰로 통합된(θ = 0.81, z = 10.52, 95% CI [0.66, 0.96]) 결과, AI 사용을 공개한 행위자는 침묵한 이보다 덜 신뢰받았습니다(Schilke와 Reimann(2025)). 그 효과는 여섯 가지 공개 틀짓기, AI가 이미 쓰였음을 알고 있던 평가자, 의무적·자발적 체제 모두를 통틀어 살아남았습니다. 이것은 항상 공개한 학생이 고발될 확률이 세 배를 넘었다는 위의 조사 결과에 대응하는 실험적 사례입니다 — 투명성 자체가 공개자에게 비용이 될 수 있습니다. 이 논문의 유일한 학생 대상 결과는 학생들이 교수가 AI 채점을 공개했을 때 그 교수를 덜 신뢰했다는 것입니다.

효과적인 공개의 설계

  • 억제력보다 명확성과 일관성이 낫습니다. 허용되는 사용의 구체적인 사례와 그것을 어떻게 선언하는지를 담은 명확하고 일관되며 협력적으로 구축된 AI 정책을 수립하십시오. 은폐를 유발하는 처벌적이거나 모호한 체계는 피하십시오.
  • 정서적 장벽을 다루십시오. 행동만을 겨냥하는 공개 정책은 불충분합니다 — AI 사용을 정상화하고, 인지된 판단과 낙인을 줄이며, 정직한 공개가 제재받지 않을 것임을 학생에게 안심시키십시오.
  • 공개를 형성적으로 만드십시오, 단순한 준수가 아니라. 성찰 프롬프트와 구조화된 선언(모형/입력/평가)을 사용하여 공개가 감시가 아니라 AI 리터러시와 자기규제를 기르게 하십시오.
  • 신뢰를 쌓도록 교수진을 훈련하십시오, 탐지에 의존하지 말고. 공개 다음에 고발이 뒤따라서는 안 됩니다. 교수진은 신뢰할 수 없는 AI 탐지기에 기대기보다 신뢰를 쌓는 대화를 배워야 합니다.
  • 형평성을 위해 설계하십시오. 학문 분야, 언어 지위, 학생 배경에 걸친 공개의 차이에 주목하고, 이미 소외된 학습자에게 고르지 않은 부담을 지우는 메커니즘을 피하십시오.

연결

AI 사용 및 공개는 학문적 진실성(그의 근본이 되는 우려), 윤리, 신뢰와 신뢰 보정(취약성의 행위로서의 공개), AI 거버넌스와 교육 AI 정책(기관 정책 체계), 그리고 평가(공개가 작동되는 곳)가 교차하는 지점에 있습니다. 이것은 AI 리터러시(학생이 무엇을 어떻게 공개할지 이해해야 함), 자기조절 학습과 도움 요청(가시적인 도움 추구로서의 공개), 형평성(차별적 공개)와 연결됩니다. 이것은 AI의 오용과 학습에 대한 해(공개가 가시적으로 만들고자 하는 해악)과 관련되지만 구별되며, AI 탐지(공개 체계가 점점 대체하는 탐지 기반의 대안)과도 그러합니다.

연결된 개념

연결된 문서

연결된 FAQ

메타데이터

수준Higher Ed
기술과 기법생성형 AI
평가와 측정평가
제도와 정책교육 AI 정책
형평성, 윤리, 그리고 책임 있는 사용AI 사용 및 공개 진술, 윤리, 신뢰
교육에서의 인공지능 기초학문적 진실성
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.