AIEd 지식베이스AIEd KB
이 페이지의 목차

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

개념

학습자 정체성

생성일 2026-08-27 · 갱신일 2026-10-01

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

학습자 정체성(Learner identity) — 한 사람이 학습자로서의 자신이 누구인지(그리고 누구로 되어 가는지)에 대한 진화하는 감각으로, 학문적, 직업적, 창조적, 학구적 정체성을 포괄합니다. AI 교육에서 생성형 AI는 학습자 정체성을 두 방향으로 동시에 압박합니다. 정체성 형성을 지원할 수도(스캐폴딩을 통해 학문적 소속감과 자신감을 북돋우면서) 있고, 그것을 위협할 수도(지각된 저자성, 유능감, 진정한 학습을 훼손하면서) 있습니다. 학습자 정체성을 이해하는 것은, 학습자의 자기 감각을 확인해 주는 것이 아니라 잠식하는 AI를 설계하는 데 핵심적입니다.

생각해 볼 질문들

  • 어떤 기술이나 작업이 진정으로 '여러분의 것'이었던 때와, 단지 여러분을 통해 완료된 것에 불과했던 때를 떠올려 보십시오. 차이를 만든 것은 무엇이었습니까? 저자성, 인정, 유능감 중 무엇이었습니까? 여러분을 대신해 작업을 생산하는 도구가 그 느낌을 어떻게 바꿀 수 있겠습니까?
  • 흔한 가정은 정체성이 학습자가 갖거나 갖지 못하는 고정된 특질이라는 것입니다. 학습자 정체성을 대신 참여, 인정, 저자성을 통해 지속적으로 구축되는 것으로 다룬다면, 학습 설계에서 무엇이 달라지겠습니까?
  • 이 페이지는 미술·디자인 학생들 사이의 '유능감 역설(competence paradox)'을 설명합니다. AI 도구는 쉽고 유용하게 느껴지지만, 그것의 사용은 학생들이 수공예적 기량에서 얻는 창조적 정체성을 위협합니다. 쉬운 도구가 여러분 자신의 유능감이나 정체성에 도전한 적이 있습니까? 어떤 긴장이었습니까?
  • 학생들은 때로 자신의 AI 사용을 숨기거나 부끄러워하는데, 이는 그들의 학구적 정체성과 정직한 참여를 조각냅니다. 어떤 유형의 학습자로 보이려는 압력이 사람들로 하여금 자신이 실제로 학습하는 방식을 숨기게 할 때가 언제이며, 무엇이 공개를 안전한 것으로 느끼게 하겠습니까?
  • AI는 정체성을 위협하는 것만이 아니라 조력할 수도 있습니다. AI 학습 동반자를 설계한다면, 저자의 자기 소유감을 보호하면서도 여전히 지원을 제공할 어떤 구체적인 기능을 만들겠습니까?

들어가며

학습자 정체성은 학습자가 한 분야 안에서 자신을 어떻게 이해하며, 누구로 되어 가는지를 다룹니다. 이것은 동기 부여적이고 발달적인 구성 개념으로, 내가 이것을 할 수 있는가라는 더 좁은 질문에 답하는 자기효능감, 즉 자기효능감 같은 능력 믿음과 구분됩니다. 정체성은 참여, 인정, 저자성을 통해 형성됩니다. 한 분야 안에서 자신이 비치는 것을 보고, 그 자기 시선이 타인에 의해 검증되는 것을 통해서입니다. AI는 이 세 조건 모두를 재형성하는데, 그것이 누가 작업을 하는지, 자신의 기여로 무엇이 인정되는지, 그리고 학습자가 자신의 학습의 저자로 인정받는지(학습자 주체성, 메타인지)를 바꾸기 때문입니다.

AI 교육에서 정체성이 중요한 이유

정체성은 동기 부여적이고 발달적인 구성 개념으로, 관련된 능력과 믿음들과 구분되지만(연결되면서) 존재합니다. 자기효능감, 즉 자기효능감이 내가 이것을 할 수 있는가를 다룬다면, 정체성은 나는 누구이며, 누구로 되어 가는가를 다룹니다. 그것은 참여, 인정, 저자성을 통해 — 한 분야 안에서 자신이 비치는 것을 보고 그 자기 시선이 검증되는 것을 통해 — 구축됩니다. AI는 정체성이 형성되는 조건을 재형성합니다. 그것이 누가 작업을 하는지, 자신의 기여로 무엇이 인정되는지, 그리고 학습자가 자신의 학습의 저자로 느껴지는지를 바꾸기 때문입니다. 이것은 정체성을 주변의 "부드러운" 요인이 아니라 일차적 설계 관심사로 만듭니다.

  • 위협받는 저자성과 유능감. AI가 텍스트, 이미지, 코드를 생산할 때, 학습자는 그 결과가 진정으로 "자신의 것"인지 의문을 제기할 수 있습니다. 이는 정체성의 저자성 차원에 대한 도전입니다. **Liu et al. (2026)**는 텍스트-이미지 생성형 AI를 사용하는 미술·디자인 학생들에서 유능감 역설을 기록합니다. 도구들은 쉽고 유용하게 느껴지지만, 그것의 사용은 동시에 학생들이 수공예와 저자성에서 얻는 창조적 정체성을 위협하여, 쉬움과 자기 가치 사이의 진정한 긴장을 낳습니다.

저자성과 구별되는 하나의 저자성 조건, 즉 저자성에 대한 위협만이 아닙니다. 자기 형성적 대화가 습관적으로 대화형 모델에 위임될 때, 저자들이 주장하기를 저자 행위의 통합적 작업은 미발달되거나 부재한 것이 아니라 위임된 것입니다. 즉, 빽빽하게 목소리를 내지만 저자되지 않은 자아(self)로서, 기존 구성 개념들은 이에 관한 자리가 없다고 합니다(Du et al. (2026)).

  • 부끄러움과 숨겨진 사용. **Lin et al.**는 컴퓨팅 학생들이 AI 사용을 둘러싸 부끄러움과 죄책감을 경험하며, 이것이 숨기기와 선택적 공개를 이끄는 사회적 조절자로 기능한다고 보여줍니다. 이는 학구적 정체성을 조각내고 학습과의 정직한 참여를 훼손할 수 있습니다.
  • AI가 조력할 수 있는 무언가로서의 정체성. AI가 정체성을 위협하기만 하는 것은 아닙니다. **Benedetti (2026)**는 책임 있게 관계 지향적인 교수법적 동반(accompaniment)이, 학습자가 자신의 궤적을 소유할 여지를 남기는 투명하고 경계 지어진 지원을 제공함으로써 학습자의 STEM 정체성 발달을 지원할 수 있다고 주장합니다.

지식 기반 연구 속의 정체성

  • 창조적 정체성: **T2I 유능감 역설**은 사용의 용이성이 어떻게 미술·디자인 학생들의 기량 기반 정체성을 훼손할 수 있는지를 포착합니다.
  • 지각된 저자성은 실제 독창성과 분리될 수 있습니다. AI로 웹사이트를 만드는 디자인 학생들은 자신의 저자성을 높게 평가했습니다(67/100, 만족도 6.4/7, 지각된 품질 6.1/7). 그러나 그 평가들은 측정 가능한 어떤 것도 추적하지 않았습니다. 그들의 디자인은 AI 없이보다 더 균질했고, 지각된 저자성은 측정된 독창성과 r ≤ +0.13에서만 상관했습니다(Boussioux et al., 2026).
  • 직업적 정체성: 여러 연구가 AI의 직업적 정체성 영향을 다룹니다. 예를 들어 **Lodge et al. (2026)**는 졸업생들이 AI가 통합된 미래에서 생존 가능한 직업적 정체성을 유지하기 위해 적응 역량(AI 리터러시, 분산 인지, 메타인지)이 필요하다고 주장합니다. 자신의 도구에 의해 정의되거나 — 혹은 그것들에 의해 배제되지 — 않기 위해서입니다.
  • 포스트휴먼 및 하이브리드 정체성: **Elsayed (2026)**는 포스트휴먼 학습자를 이론화합니다. 이 학습자의 인지는 생물학적 체계와 인공 체계에 걸쳐 진정으로 하이브리드하고 분산되어 있으며, 이는 인지적 AI 시대에 정체성 형성 자체의 재규정입니다.
  • 학생 및 학구적 정체성: 진정성 평가 연구는 정체성과 연결됩니다. 진정한 개인 수행을 요구하는 평가 과제가 학생들이 자신을 유능한 실천자로 보도록 돕기 때문입니다. **역사 교육 연구**는 후견주의적 AI 사용이 학생들이 학문적 탐구자로서의 자신의 정체성을 어떻게 구성하는지를 형성할 수 있는지를 보여줍니다.
  • 학생들이 도구를 어떻게 규정하는지가 그들의 직업적 성장을 형성합니다. 생성형 AI를 오로지 사회정서적 동반자로 규정한 학생들은, 그것을 기법, 학습 자료, 구조로서도 규정한 학생들보다 자신의 직업적 학습에 관해 덜 분화된 성찰을 산출했습니다(Bohmer et al., 2026).
  • 경계된 채택: 정체성 보호로서의 선택적 AI 사용. Zagami (2026)는 한 호주 대학의 학생 484명을 조사하여, 성취도가 높은 학생들이 더 낮은 능동적 생성형 AI 참여, AI에 대한 더 낮은 긍정적 정서, 더 낮은 지각된 학습 영향, 더 낮은 AI 관련 무관심을 보고했다는 것을 발견했습니다. 가장 강한 연합은 지각된 학습 영향에서 rho = -0.395, 긍정적 정서에서 rho = -0.359였습니다. 이들의 개방형 응답은 선택적(명확화, 요약, 워크플로 지원)이고, 검증되며, 자신의 판단에 종속된 사용을 묘사했고, 항목 수준 결과는 AI 의존이 비판적 사고과 독립적인 문제 해결을 저해한다는 데 더 큰 동의를 보였습니다. 저자들은 이것을 정체성 작업으로 읽습니다. 성공한 학습자로서의 자기 감각이 자신의 노력과 판단에 의존하는 학생들에게, AI 사용에 경계를 긋는 것은 그 정체성이 의존하는 인식론적 주체성을 방어합니다. 이는 또한 그 패턴이 기술 공포증도 낮은 참여도 아니라는 뜻입니다.

학습자 주체성과의 관계

학습자 주체성과 학습자 정체성은 밀접하게 관련되지만 서로 혼동하기 쉬운 구별되는 구성 개념이며, 둘 다 AI가 학습에 미치는 영향의 중심입니다.

  • 주체성은 행함에 관한 것이고, 정체성은 존재에 관한 것입니다. 학습자 주체성은 의도적으로 행동하고, 선택하며, 그 순간 자신의 학습에 대한 통제를 행사하는 능력 — 상황에 놓이고 상호작용적이며 가변적인 능력 — 을 다룹니다. 학습자 정체성은 학습자로서 자신이 있는 모습과 되어 가는 모습 — 더 지속적이고 서사적이며 발달적인 자기 감각 — 을 다룹니다. 주체성은 "이것을 내가 이끌 수 있는가?"를 묻는 반면, 정체성은 "이것이 나인가 / 내가 되고 싶은 나인가?"를 묻습니다.
  • 둘은 인과적으로 얽혀 있습니다. 주체성은 정체성의 원천이자 결과 모두입니다. 선택하고, 저자 행위를 하고, 지속하는 주체성 행사는 학습자가 자신을 행위자적인 사람으로 보게 되는 방식입니다(정체성은 부분적으로 내면화된 주체성입니다). 반대로, 안정된 학문적·직업적 정체성은 어려움 속에서 주체성을 유지하는 동기와 자기 가치를 제공합니다. 정체성은 반복된 행위자적 행위의 축적된 산물입니다. 주체성은 정체성을 구축하는 지속적인 행사입니다.
  • AI는 서로 다른 메커니즘을 통해 둘을 위협합니다. AI는 과의존과 수동적 수용을 유인함으로써 주체성을 침식할 수 있습니다. 학습자가 자신의 추론을 이끄는 것을 멈추게 해서입니다. AI는 저자성과 유능감을 훼손함으로써 정체성을 침식할 수 있습니다. AI가 작업을 생산할 때, 학습자는 그 산출이 "자신의 것"이거나 자신이 그 분야에 속한다고 느끼는 것을 멈출 수 있습니다. 유능감 역설은 정체성 위협입니다. 암묵적 AI에 의한 인식론적 노동 재분배는 주로 주체성 위협이지만, 시간이 지나 정체성으로 합성됩니다.
  • 둘을 모두 보호하는 것이 설계 목표입니다. 주체성을 지원한다는 것은 학습자의 통제와 선택을 보존하는 것을 의미합니다(예: 경계 지어진 생산적 마찰, 휴먼 인 더 루프 감독). 정체성을 지원한다는 것은 저자성과 인정을 보호하는 것을 의미합니다(예: 진정성 평가, AI와 인간 기여의 투명한 귀속). 주체성은 보호하되 저자성을 보호하지 않는 설계는, 자기 감각을 보호하지 않은 채 통제만을 보호합니다. 그 반대도 마찬가지입니다.

한마디로: 학습자가 행동할 수 있도록 주체성을 키우고, 행동하는 동안 자신이 누구인지 알도록 정체성을 유지하십시오. 건강한 AI 지원 학습은 둘 모두에 관심을 둡니다.

교사 정체성과의 관계

학습자 정체성은 교사 정체성의 학생 지향적 대응물입니다. 교사 정체성 — 교육자들의 진화하는 직업적 자기 이해 — 은 교수(Teaching) 페이지에 기록되어 있으며, 거기서 Laidlaw (2026)는 생성형 AI를 기술 격차가 아닌 교수진에게 닥친 정체성 위기로 규정하고, TPK 기반 교사 교육은 정체성을 직업적 준비의 일부로 다룹니다. 둘은 상호적입니다. 정체성 붕괴를 경험하는 교사는 학생들의 정체성 발달을 지원하는 데 덜 유능하므로, 건강한 AI 통합 시스템은 둘 모두에 관심을 기울여야 합니다.

연결

학습자 정체성은 학습자 주체성(정체성은 행위자적 저자 행위를 통해 행사됩니다), 자기효능감(정체성을 유지하는 유능감 믿음), 동기과 자기결정이론(정체성 형성은 자율성과 유능감의 욕구를 충족시킵니다), 학생 경험와 학생 참여, 그리고 STEM 교육(그곳에서 학문적 정체성이 지속의 핵심 결과이자 예측 변수입니다)과 연결됩니다. 이것은 또한 상황 학습과 비판적 교수법(참여로서의 정체성, 그리고 권력으로 점철된 협상으로서의 정체성)에 의해 형성되고, 실제적 평가(학습자가 수행하고 따라서 정체성을 주장할 수 있게 하는 과제들)와 연결됩니다. 이의 고등 교육 및 K-12 관련성은 학교 교육과 직업적 준비를 모두 아우릅니다.

연결된 개념

연결된 문서

연결된 FAQ

메타데이터

분야Stem Education
수준Adult Learning
대상 독자Learners
교육에서의 인공지능 기초학습자 주체성, 학습자 정체성
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.