개념
교육에서의 AI의 역사
영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.
교육에서의 AI의 역사 — 20세기 중반 이후 인공지능과 교육이 어떻게 함께 진화해 왔는지를 연구하는 분야이며, 과거의 개념적·용어적·설계적 선택이 오늘날 학습에서의 AI에 관한 논쟁을 어떻게 계속 규정하는지를 다룹니다. 생성형 AI를 갑작스럽고 전례 없는 힘으로 다루기보다, 역사적 렌즈는 AI가 교육에 등장한 이래로 구조를 이루어 온 되풀이되는 긴장 — 통제 대 자율성, 표준화 대 창의성, 자동화 대 증강 — 을 드러냅니다.
생각해 볼 질문들
- 오늘날의 생성형 AI는 흔히 전례 없는 혁명으로 묘사됩니다. 그런 틀짓기('현재중심주의')가 되풀이되는 패턴을 보지 못하게 막을 수 있는 이유는 무엇입니까?
- 이 분야는 '인공지능'이 아니라 '사이버네틱스'로 거의 명명될 뻔했습니다. 기계를 독자적인 지능으로 볼 것인지, 상호 연결된 피드백 시스템의 일부로 볼 것인지를 가르는 데 이 단일한 명명 선택이 어떤 영향을 미쳤을 수 있습니까?
- 이 페이지는 AIED의 역사를 통제(교육을 최적화하는 Anderson의 인지 튜터)와 자율성(학습자에게 힘을 주는 Papert의 구성주의) 사이의 긴장으로 틀짓습니다. 여러분 자신의 교육에서의 AI 관련 선택은 그 스펙트럼의 어디에 놓이며, 왜 그렇습니까?
- 이 페이지는 개인화에 두 가지 의미가 있다고 주장합니다. 즉 같은 결과에 이르는 경로를 다양화하는 것, 또는 다양한 학습자 주도의 결과를 가능하게 하는 것입니다. 여러분의 기관이 실제로 추구하는 것은 어떤 종류의 개인화이며, 어떤 종류여야 한다고 생각합니까?
- 오늘날의 GenAI 논쟁이 이 역사적 긴장을 '반영'한다면, 우리가 되풀이하고 있을지도 모르는 과거의 어떤 실수는 무엇이며, 그것들을 기억함으로써 무엇을 피할 수 있습니까?
- 이 페이지는 기술적 설계 선택이 학습의 목적에 관한 가치 판단을 내포한다고 주장합니다. 여러분이 사용해 본 AI 교육 도구에서 학습자의 자율성보다 표준화를 조용히 우대한(또는 그 반대인) 설계 결정을 찾아낼 수 있습니까?
들어가며
이 분야의 역사는 선형적 진보가 아니라 그 효과가 지금도 메아리치는 일련의 우연적 결정들의 연속입니다. 이 역사를 이해하는 것은 "현재중심주의"(현재의 발전을 독특하게 혁명적인 것으로 대하는 편향)에 맞서 방어하는 역할을 하며, 과거의 실수를 되풀이하는 것을 막고, 기술뿐 아니라 틀짓기와 용어에 관한 선택이 어떻게 교육에서의 AI의 궤적을 이끄는지를 보여 줍니다.
주요 역사적 흐름
사이버네틱스에서 "인공지능"으로. John McCarthy가 1956년 다트머스 여름 연구 프로젝트를 기획할 때, 그는 Norbert Wiener와 그가 집중한 아날로그 피드백으로부터 이 분야를 거리를 두려는 의도에서, cybernetics 대신 artificial intelligence라는 용어를 의도적으로 선택했습니다. 이 명명 결정은 기계의 능력을 인간의 인지와 직접 비교하여 틀짓었고(의인화 틀짓기), 수십 년에 걸쳐 연구 우선순위와 대중의 인식, 윤리 논쟁을 이끌었습니다. 만약 이 분야가 사이버네틱스 틀짓기를 유지했다면, 이 논문은 우리가 지금 "AI 튜터"가 기계를 독자적인 지능의 원천으로 위치시키는 대신, 피드백과 상호 연결을 강조하는 "사이버네틱스 학습 시스템"에 관해 이야기하고 있을지도 모른다고 상상합니다.
인지 혁명과 ITS의 뿌리. 초기 개척자들 — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — 은 단순히 인지를 모형화한 것이 아니라 학습과 교수에 관한 근본적인 질문을 탐구하고 있었습니다. 그들의 연구는 인간 인지의 정보처리 모형을 만들어 냈고, 이것은 교육심리학의 기초가 되었으며, 1960~70년대 AI의 휴리스틱 탐색과 전문가 시스템 패러다임에 뿌리를 둔 지능형 튜터링 시스템(ITS)으로 이어졌습니다. 이런 시스템들은 평가와 표준화의 기존 구조와 자연스럽게 조화를 이루었고, 결국 AIED 공동체로 뭉쳤습니다.
통제 대 자율성: Anderson과 Papert. John Anderson과 Seymour Papert에 구체화된 두 가지 경쟁하는 비전이 등장했습니다. Anderson의 인지 튜터(ACT/ACT-R 이론)는 지식을 생성 규칙으로 분해하고, 정밀한 개별화된 피드백을 제공하며, 전통적인 교육 구조를 강화했습니다. 즉 AI를 교육을 최적화하는 도구로 보는 비전입니다. Papert의 구성주의(Logo, "마이크로월드", 디버깅을 통한 학습)는 컴퓨터를 아이들이 창의적 실험을 통해 지식을 구성하는 환경으로 보았습니다. 즉 제도적 위계에 도전하는 지적 역량 강화의 도구로 AI를 보는 비전입니다. 통제와 자율성 사이의 이 "본질적 긴장"은 이 분야 역사의 관통하는 흐름입니다.
개인화의 두 형태. 개인화는 이 비전들에 대응하는 두 가지 뚜렷한 해석을 지닙니다. 첫째는 결과를 동일하게 유지하면서 경로를 다양화하는 것으로, Skinner의 교수 기계와 숙달에 이르는 튜터링에 관한 Khan Academy 비전에 뿌리를 둡니다. 둘째는 다양한 결과를 받아들이는 것으로, 학습자가 개인의 관심사와 재능을 추구하며 표준 교육과정의 경계에 구속되지 않는 것입니다(Zhao, 2024). ITS 모형은 전자를, 구성주의는 후자를 뒷받침합니다.
GenAI 시대를 위한 교훈. 오늘날 생성형 AI에 관한 논쟁은 이 역사적 긴장을 밀접히 반영합니다. GenAI는 흔히 차세대 지능형 튜터(Anderson의 연장선)로 위치지어지며, 감시, 자료 수집, 표준화에 관한 우려를 불러일으킵니다. 다른 한편으로 그것은 창의적 자율성의 도구(Papert의 연장선)가 될 수도 있으며, 이를 위해서는 평가를 다시 생각하고 더 모호한 결과를 받아들여야 합니다. Mishra 등의 결론대로, 제도적 힘은 기존 구조를 강화하는 접근을 반복적으로 우대하며, 우리가 선택하는 언어와 은유가 미래의 가능성을 형성할 것입니다. Rismanchian & Doroudi의 AI×Ed 틀은 이 직관에 경험적 토대를 제공합니다. 즉 AIED 학술대회 논문들(1985, 1993, 2021, 2024)과 IJAIED(2004, 2014, 2021)의 논문을 두 축 — AI의 역할(응용 도구 대 인간 지능에의 비유)과 최종 사용자 — 을 따라 위치시켜, 이 분야가 인간 지능에의 비유로서 AI를 상당 부분 사용한 초기 연구(학습의 계산적 모형, Papert의 마이크로월드, 지식 습득의 에이전트 기반 모형)를 포함한 다양한 혼합에서 2000년대에 이르러 응용적·수단적 사용에 거의 독점적으로 집중하는 방향으로 움직였음을 추적합니다. 특히 생성형 AI 시대는 그 궤적을 부분적으로 되돌리는 듯합니다. 즉 AIED 2024에서 이 분야의 "AI-as-analogy" 사분면에 있는 네 편의 논문 가운데 세 편이 LLM 기반이었고, LLM 기반 가르칠 수 있는 에이전트에 관한 최우수 논문 작업이 여기에 포함됩니다.
생성형 AI의 최근 영향
생성형 AI — 대규모 언어 모형(텍스트)과 이미지·오디오·비디오 생성기를 아우르는 넓은 계열 — 의 도래는 이 분야의 성립 이래 AIED 역사에서 가장 중대한 전환점을 이룹니다. LLM은 이 계열에서 가장 두드러진 구성원이며 교실 영향의 대부분을 이끄는 동력이지만, 생성형 AI 전체(새로운 텍스트, 이미지, 소리, 코드를 만들어 내는 능력)가 교육을 재구성하는 더 넓은 힘입니다. 이것은 AIED의 역사를 배경으로 이해하는 것이 가장 좋으며, 깔끔한 단절로 이해해서는 안 됩니다. 생성형 AI 시대를 특별하게 만드는 몇 가지 특징이 있습니다.
규모와 도달 범위. 통제된 실험실과 교실 환경에서 운용되던 이전 수십 년의 인지 튜터와 ITS와 달리, LLM은 공개된 지 몇 달 만에 수억 명의 학습자와 교육자에게 도달하여, 일상적인 글쓰기와 숙제, 교수에 거의 즉시 들어섰습니다. GenAI 논쟁은 전문 학술지에서 교실, 이사회, 입법부로 전례 없는 속도로 이동했습니다.
새로운 종류의 능력. 이전의 AIED 시스템은 인지를 모형화하고 구조화된 교수를 제공했습니다(Anderson 전통). LLM은 개방적 생성을 수행합니다. 즉 에세이, 설명, 코드, 대화를 만들어 내며, 이것은 이전의 ITS가 할 수 없었던 방식으로 학습자의 자율성과 창의성(Papert 전통)을 전면에 내세웁니다. 이것이 바로 현재의 순간이 통제 대 자율성의 긴장을 그토록 날카롭게 다시 점화하는 이유입니다. 즉 같은 도구가 결과를 통제하는 차세대 지능형 튜터로 배치될 수도 있고, 자율성을 증폭하는 창의적 공동 저자이자 사유의 동반자로 배치될 수도 있기 때문입니다.
접근성 방정식의 반전. 역사적으로 개인화된 튜터링은 희소하고 비쌌습니다. GenAI는 적응적 일대일 지원을 거의 무료이면서 보편적으로 만들어, 이전 AIED를 규정했던 접근성과 비용의 장벽을 극적으로 낮추었습니다. 그러나 그것은 새로운 위험도 도입했습니다. 알고리즘 편향, 환각, 감시, 자료 수집, 교육자의 역량 상실이 그것입니다.
AI 리터러시와 오용에 관한 되살아난 우려. 생성형 AI 시대는 AI 리터러시를 시급한 문제로 만들고 학문적 진실성 논쟁을(탐지 대 대화) 다시 틀짓었으며, 자동화·표준화·인식론적 의존에 관한 오래된 우려를 되살렸습니다. 이것들은 이 분야 최초의 긴장들이 현대적으로 표현된 것입니다.
현재중심주의의 위험. Mishra 등이 경고하듯, 생성형 AI를 둘러싼 과장에는 흔히 역사적 인식이 결여되어, 기술 복음 전도자들이 대화를 지배하게 놓아둡니다. 오늘날의 GenAI 논쟁이 Anderson–Papert의 분열과 1955년 사이버네틱스 명명 결정을 메아리친다는 점을 이해하는 것은, 현재를 필연적인 것으로 대하기보다 의도적인 선택을 할 수 있게 합니다. 진정한 질문은 생성형 AI 도구가 무엇을 할 수 있는가가 아니라, 우리가 그것이 무엇을 하기를 원하는가이며, 이것은 우리가 어디를 거쳐 왔는지에 의해 형성되는 결정입니다.
함의
- 과장을 역사적으로 읽기. 새로운 AI 물결마다 혁명적으로 틀지어지는 것을 알아차리고, 역사적 인식은 연속성을 드러내어 대화에 대한 기업의 지배에 저항하는 데 도움이 됩니다.
- 설계 선택을 가치 선택으로 보기. 교육에서의 AI에 관한 기술적 결정은 학습의 목적에 관한 이념적 입장을 내포합니다. 그것을 표면화하고 따져 물으십시오.
- 통제와 자율성을 의도적으로 저울질하기. AI가 표준적 결과를 향해 최적화해야 하는지, 아니면 다양한 학습자 주도의 결과를 가능하게 해야 하는지는 기술적 필연이 아니라 제도적·정치적 귀결을 지닌 진정한 선택입니다.
- 학습자의 자율성을 보존하기. 개방적이고 학습자 중심적인 접근을 위해 표준화와 통제에 맞서 되풀이되는 저항은 지킬 만한 지속적인 흐름입니다.
연결된 개념
연결된 문서
- Control vs. Agency: Exploring the History of AI in Education — 교육에서의 AI의 역사 탐구: 통제 대 자율성
- How Human-Centered Is AI-Aided Learning in Education? — 인간 중심의 AI 지원 학습(Anderson의 유산과 맞섬)
- The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — 인지 공유지와 AI 전문성(역사적 틀짓기)
- Programming Intelligent Tutoring Systems — 지능형 튜터링 시스템 프로그래밍
- Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems — 인지 튜터의 힌트 버튼 재검토
- Learning by Teaching: Engaging Students as Instructors of Large Language Models in Computer Science Education — LLM을 통한 가르치기 학습(Papert의 구성주의 계보)
- The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework