이 페이지의 목차

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

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

종단 연구 — 동일한 단위를 시간에 걸쳐 반복 측정하는 설계로, 개인·학급·기관 내부의 변화를 그들 사이의 차이와 분리할 수 있게 합니다. 교육에서의 인공지능에서 종단 연구는 도입, 기술 성장, 참여에 관한 주장을 스냅샷에서 궤적으로 바꾸는 작업입니다. 생성형 AI 사용이 증가함을 보여 주는 4학기 교사 교육 설문, 평가 압박 아래 메타인지 지식이 감소함을 보여 주는 한 학기의 자기조절 데이터, 기울기가 함께 움직이는 5차시 참여 데이터가 그 예입니다. 그 가치는 더 많이 측정한다는 데 있지 않고, 단일 측정으로는 답할 수 없는 질문을 던질 수 있다는 데 있습니다. 무엇이, 누구에게, 어떤 속도로 변하고 있는가입니다.

생각해 볼 질문들

  • 횡단 설문에서 AI를 더 많이 사용하는 학생이 더 높은 자기효능감을 보고합니다. 또 어떤 설명이 가능하겠으며, 어떤 설계가 그 설명들을 분리할 수 있습니까?
  • "종단"이라는 말은 시점이 두 개인 모든 연구에 흔히 쓰입니다. 사전/사후 쌍은 무엇을 확립하며, 무엇을 열어 둡니까?
  • Xu의 패널 모형은 안정적 특성과 상황별 변동을 분리합니다. 피드백 리터러시가 참여를 유발한다는 주장에 그것이 왜 중요합니까?
  • AI 도구는 연구 도중에 변합니다. 모형은 업데이트되고, 기능은 나타나며, 라이선스는 만료됩니다. 일정한 처치를 가정하는 설계에 그것은 무슨 일을 합니까?
  • 표본 유실은 무작위가 아닙니다. 표본의 5분의 1이 이탈한 학기를 연구는 어떻게 보고해야 합니까?
  • 한 학기는 강좌에는 길지만 발달에는 짧습니다. AI에 관한 어떤 주장에는 수년이 필요하고, 어떤 주장은 몇 주면 답이 됩니까?

들어가며

종단 연구는 하나의 방법이 아니라 설계 계열입니다. 동일 코호트의 반복 설문, 패널 연구, 성장곡선 모형, 코호트 비교, 경험 표집, 한 학기에 걸쳐 축적되는 로그 데이터 분석이 포함됩니다. 이들을 묶는 것은 분석 단위(두 번 이상 관찰되는 동일한 학습자, 학급, 기관)와 그로부터 따라 오는 추론상의 이득입니다.

그 이득은 흔히 과장됩니다. 100여 편의 논문이 스스로를 종단 연구라고 칭하며, 4학기 추세 분석부터 단일 사전/사후 비교까지 걸쳐 있습니다. 이 라벨은 품질 신호가 되었고, 그래서 각 설계가 무엇을 지지하는지 정확히 짚을 가치가 있습니다. 반복 설문은 분포가 움직였음을 보여 줄 수 있습니다. 패널 모형은 개인이 자신의 기저선 대비 움직였음을 보여 줄 수 있습니다. 성장 모형은 이동 속도가 사람마다 다르고 두 과정이 함께 움직인다는 것을 보여 줄 수 있습니다. 양 끝에 결과 측정이 있는 설계 중 일부만이 도구가 그 변화를 유발했는지 다루기 시작할 수 있습니다.

더 강한 연구들이 확립하는 것은 라벨이 시사하는 것보다 적으며, 설계 계열마다 지지할 수 있는 것이 다릅니다.

개인 내 변화 대 개인 간 차이

가장 많은 일을 하는 구별은 안정적 특성과 상황별 상태 사이입니다. Xu(2026)는 480명의 중국 학부생에게서 AI 피드백 리터러시와 주체적 참여를 6주 간격으로 세 번 측정하고, 무작위 절편 교차지연 패널 모형을 사용해 두 수준을 분리했습니다. 안정적 특성 상관은 r = 0.315(p < 0.001)였고, 개인 내 교차지연 경로는 어느 구성개념이 먼저 움직였는지에 대해 다른 이야기를 들려주었습니다. 그 분리 없이는 두 변인 간 횡단 상관이 관계의 증거로 보고되었을 것이고, 그것은 모호했을 것입니다. 전반적으로 피드백 리터러시가 높은 사람이 전반적으로 참여도도 높을 수 있으며, 어느 쪽도 다른 쪽을 변화시키지 않았을 수 있습니다.

이것이 이 설계의 핵심 기여입니다. 이 문헌의 대부분의 질문(AI 피드백이 참여를 구축하는가, 의존이 자기조절을 침식하는가, 사용이 웰빙을 예측하는가)은 변화에 관한 질문이며, 단일 측정은 표본이 아무리 커도 변화에 관한 질문에 답할 수 없습니다.

궤적과 그것에 공변하는 것

성장 모형화는 다른 질문을 던집니다. 개인이 평소 수준과 다른지가 아니라, 변화가 어떤 형태를 취하며 두 변화 과정이 연결되어 있는지입니다. Zhang과 Tang은 중국 4개 대학의 학부 음악 전공생 850명을 한 학기에 걸쳐 다섯 번 설문하여, AI 보조 수업에서 수업 참여, 몰입, 스스로 지각한 음악적 정서 지능을 측정했습니다. 세 변인 모두 5차시에 걸쳐 상승했고, 기울기는 함께 움직였습니다. 참여의 기울기는 몰입의 기울기와 0.39, 정서 지능의 기울기와 0.22의 상관을 보였습니다.

이 발견은 도구에 대해 인과적이 아니라 기울기에 대해 상관적이며, 저자들도 그렇게 제시합니다. 그 가치는 변화를 수준이 아니라 속도에 위치시킨다는 데 있으며, 이는 교과과정 설계자가 행동할 수 있는 종류의 주장입니다. 몰입이 더 빨리 오르는 곳에서 참여도 더 빨리 오른다면, 설계 질문은 무엇보다 먼저 몰입을 만들어 내는 것이 무엇이냐가 됩니다.

도입과 태도 추세

세 번째 계열은 성장 과정이 아니라 모집단을 추적합니다. Parker, Loper, Carter, Hayes, Karakas는 미국 중서부 교사 교육 프로그램의 300명 이상 학생에게서 4학기 설문 데이터를 분석하여, ChatGPT 출시 이후 생성형 AI 사용과 윤리 인식을 추적했습니다. 사용은 크게 늘었습니다. 평가 준비는 57%에서 83%로, 학습은 44%에서 76%로 늘어난 반면, 윤리적 입장은 정착되기보다 더 불확실해졌고, 인식은 하위 집단마다 달랐습니다.

이것은 반복 횡단면 설계입니다. 동일한 프로그램이지, 반드시 동일한 학생은 아닙니다. 모집단의 추세를 확립하며, 이는 정책 질문이 필요로 하는 바로 그것이지만, 개인 변화를 확립할 수는 없습니다. 추세가 발달로 읽힐 때 이 구별이 중요합니다. 학기 전반에 걸친 보고된 사용의 증가는 동일한 학생이 변한 것만큼이나, 다른 규범을 가지고 들어오는 새 코호트를 반영할 수 있습니다.

상태, 특성, 그리고 한 학기의 형태

Song과 동료들의 75명 대학 1학년생 대상 한 학기 연구는, 보통 적성으로 다루어지는 구성개념에 대해서도 개인 내 질문을 던질 가치가 있음을 보여 줍니다. 학생들의 자기조절 학습 개인별 기저선은 안정적이었지만, 메타인지 지식과 웰빙은 학기 동안 체계적으로 감소하며 전공 평가 마감 같은 교과과정 요구를 추적했습니다. 개념 증명은 LLM에 학생별 맥락을 주어 조절이 필요한 순간에 지원할 수 있음을 보여 주었습니다.

실천적 읽기는 한 번 측정된 특성이 그 감소를 숨겼으리라는 것입니다. 방법론적 읽기는 "안정적"과 "불변"이 다른 주장이며, 반복 측정만이 둘을 구별한다는 것입니다.

설계 계열과 각각의 비용

  • 코호트 반복 설문. 동일 학생, 여러 차시. 개인 변화를 확립합니다. 표본 유실과 검사 효과에 취약합니다.
  • 반복 횡단면(추세). 동일 모집단, 차시마다 새 표본. 모집단 변화를 확립합니다. 개인을 추적할 수 없습니다.
  • 지연 효과를 포함한 패널 모형. 순서를 모형화할 수 있도록 간격을 둔 차시, 특성과 상태의 분리. 시간적 선행성을 확립합니다. 적절한 간격과 표본 크기가 필요합니다.
  • 성장곡선 모형. 절편과 기울기를 모형화하는 3회 이상 차시. 변화의 형태와 속도, 과정 간 공변을 확립합니다.
  • 종단 준실험. 반복 측정에 걸쳐 조건을 비교합니다. Melanou와 동료들의 87명 학생 대상 9주 연구가 그 예로, 세 AI 조건에서 지식이 모든 집단에서 상승했고(F(1, 50) = 29.8) 사전 성취가 이익을 조절했습니다. 조건이 궤적을 바꾸는지 확립합니다. 여전히 무작위 배정은 아닙니다.
  • 경험 표집과 로그 패널. 빈번한 현장 측정 또는 추적 데이터. 미세한 역동을 확립합니다. 성찰을 요구하는 구성개념에는 약합니다.

AI 연구에서 실제로 물리는 위협

네 가지 문제가 되풀이되며, 마지막 둘은 이 분야에 특유합니다.

표본 유실. 이탈한 학생은 연구를 떠나므로, 이후 차시는 참여한 학생을 과대표집합니다. 생존자로부터 추정된 궤적은 코호트 전체가 그렇지 않은데도 상승 기울기를 보일 수 있습니다.

검사와 도구화 효과. 동일 도구에 반복 노출되면 응답이 변합니다. 태도와 사용의 자기보고 측정에서 특히 그렇습니다.

도구 표류. AI 도구는 고정된 처치가 아닙니다. 모형은 업데이트되고, 인터페이스는 변하며, 기관 라이선스는 학기 중에 철회됩니다. 한 학기에 걸친 연구는 움직이는 대상을 측정하는 것이며, 버전 변화를 보고하는 논문은 드뭅니다.

학습으로 오인된 보조 수행. 도구를 사용할 수 있는 상태에서 측정된 향상은 학습자가 내면화한 것이 아니라 지원을 받고 할 수 있는 것을 보여 줄 수 있습니다. 이 구별은 스캐폴딩과 발달을 가르는 것과 동일하며, 종단 설계는 이후 차시에 비보조 측정을 포함하지 않는 한 이 문제를 해결하지 못합니다.

실천을 위한 함의

교수자는 학기말 설문 하나를 변화가 작동했다는 증거로 읽는 일을 멈출 수 있습니다. 두 학기 사이에 움직인 분포는 새 코호트, 새 평가 체제, 또는 새로움을 잃은 도구를 반영할 수 있습니다. 동일 학생을 자신의 이전 점수와 비교하는 것이 더 좁고 더 유용한 질문에 답합니다.

프로그램 책임자는 평가를 차시별로 계획할 수 있습니다. 프로그램 전반의 3회 이상 측정은 학과가 두 점을 비교하는 대신 기울기를 추정하게 하며, 차시마다 표본 유실을 보고하면 상승하는 평균이 떠난 학생들을 숨기는 일을 막습니다.

교수개발 담당자도 같은 방식으로 전문성 개발을 평가할 수 있습니다. 반복 측정과 도구 없이 완료한 과제를 최소 하나 두는 것입니다. 자신감과 사용은 올리면서 비보조 수행은 평평하게 남기는 워크숍 시리즈는 태도에 관해 무언가를 보여 준 것이며, 그 구별은 다음 시리즈에 자금을 대는 사람들에게 보고할 가치가 있습니다.

행정가는 연구나 파일럿 동안 무엇이 변했는지 기록할 수 있습니다. 모형 버전, 라이선스 변경, 인터페이스 업데이트입니다. 한 학기는 도구가 다른 처치가 되기에 충분히 길며, 설명되지 않는 도약을 해명하는 것에 비하면 문서화는 쌉니다.

연구자는 자신의 글에서 두 주장을 분리해 둘 수 있습니다. 시간적 순서는 인과가 아니라 선행성을 지지하며, 사전/사후 쌍은 궤적이 아니라 반복측정 설계입니다.

종단 설계가 할 수 없는 것

종단 설계는 스스로 인과를 확립하지 않습니다. 시간적 순서는 필요하지만 충분하지 않습니다. 같은 일정에 따라 변하는 미측정 변인(새 평가 체제, 교과과정 개혁, 코호트 효과)이 동일한 패턴을 만들어 낼 수 있습니다. 참가자 시간 측면에서 비용이 커서 표본 크기가 제한되고 자기보고를 강요당하는 경우가 많습니다. 그리고 한 학기는 짧습니다. 발달 심리학이 그 용어를 쓰는 의미의 발달 질문에는 수년이 필요하며, 이 문헌에서 그 기간을 아우르는 것은 거의 없습니다.

연구에서 나타나는 양상

더 강한 사례들은 한 학기가 자연스러운 틀을 제공하는 고등교육에 몰려 있습니다. Xu의 3차시 패널, Zhang과 Tang의 5차시 성장 모형, Song의 한 학기 자기조절 데이터, Melanou의 9주 준실험입니다. 교사 교육은 추세 연구를 기여합니다. 학교 수준 종단 연구는 더 얇으며, 슬러그에 "longitudinal"을 단 중학교 LMS 논문은 종단 연구가 아니라 설계 제안입니다. 제목의 라벨이 설계는 아니라는 것을 일깨워 줍니다.

다른 방법과의 관계

종단 설계는 양적 연구 안에 자리하며 그 측정 문제를 공유합니다. 궤적이 왜 휘었는지가 질문일 때 흔히 혼합 방법과 짝을 이룹니다. 시간에 따른 자연 발생 변이를 배정하는 대신 관찰한다는 점에서 무작위 실험과 다르고, 개입을 반복 개선하지 않는다는 점에서 설계 기반 연구와 다릅니다. DBR은 맥락에서 무언가를 작동시키는 법을 설명하고, 종단 연구는 무엇이 언제 변했는지를 설명합니다. 학습 분석은 반복 설문 없이도 미세한 종단 분석을 가능하게 하는 추적 데이터를 공급합니다.

흔한 오해

  • "시점이 두 개면 종단 연구다." 사전/사후 쌍은 반복측정 설계입니다. 궤적을 추정할 수 없고, 보통 변화와 검사 효과를 분리할 수도 없습니다.
  • "종단은 인과를 뜻한다." 시간적 순서는 필요하지만 충분하지 않습니다. 코호트 효과, 동시 개혁, 도구 업데이트 모두 처치가 원인이 아닌 변화를 만들어 냅니다.
  • "큰 표본이 짧은 기간을 해결한다." 표본 크기는 정밀도를 다루지, 발달 과정이나 제도 과정이 펼쳐지는 데 필요한 시간을 다루지 않습니다.
  • "같은 프로그램이면 같은 사람들이다." 반복 횡단면은 개인이 아니라 모집단을 추적합니다. 둘은 다른 주장을 지지합니다.
  • "자기보고 추세는 태도 추세다." 보고된 사용과 보고된 입장은 행동뿐 아니라 규범과 도구에 따라서도 움직입니다.

연결된 개념

연결된 문서

이 페이지 삽입

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