AIEd 지식베이스AIEd KB
이 페이지의 목차

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

개념

자기결정이론

생성일 2026-08-10 · 갱신일 2026-09-30

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

자기결정이론(SDT) — 내재적 동기와 웰빙이 세 가지 기본 심리적 필요 — 자율성, 유능감, 관계성 — 의 충족에 달려 있다고 보는 인간 동기의 심리학 이론입니다. 교육에서의 AI에서 SDT는 학습자와 교수자의 동기를 약화시키기보다 뒷받침하는 AI 도구와 전문성 개발을 설계하기 위한 틀을 제공합니다.

생각해 볼 질문들

  • 이 이론은 동기가 단순히 얼마나 많이 갖고 있느냐가 아니라 환경에 의해 형성되는 질이라고 주장하며, 그것은 세 가지 필요 위에 놓여 있습니다. 자율성, 유능감, 관계성. 당신을 지치게 한 학습 경험을 떠올려 보십시오. 그 세 가지 필요 가운데 어느 것이 침해당했으며, 무엇이 그것을 회복시켰겠습니까?
  • 1년간의 연구는 — 시간이 지나도 안정적이었던 — 세 가지 동기 프로파일(무관심(Disengaged), 발달 중(Developing), 자기결정(Self-Determined))을 발견했으며, 자기결정 프로파일에 도달한 학생들이 가장 큰 AI 리터러시 향상을 보였습니다. 읽기 전에, 동기는 학생들이 지니고 오는 것입니까, 아니면 잘 설계된 환경이 키워 낼 수 있는 것입니까? '발달적이지 고정적이지 않다'는 것은 무엇을 시사합니까?
  • AI 도구가 모든 과업을 손쉽고 '쓰기 쉽게' 만든다면, 어떤 심리적 필요를 충족할 수 있으며 — 그리고 어떤 필요를 조용히 약화시킬 수 있습니까? 단기 참여를 높이는 도구가 어떻게 장기적 동기를 잠식할 수 있습니까?
  • 교수자를 위한 필요 지지적 전문성 개발은 그들의 AI 리터러시와 지속적인 참여를 향상시켰습니다. 이것은 AI 그 자체가 하는 것만큼 AI에 관해 교육자들을 훈련시키는 방식이 중요하다는 것을 시사합니까? 당신 개인에게 '자율성을 지지하는' AI 훈련은 어떤 모습이겠습니까?
  • 한 연구는 ChatGPT가 언어 학습에서 자율성, 관계성, 유능감을 지원할 수 있다는 것을 발견했습니다. 그러나 같은 도구가 다른 학습자에게는 그 필요들을 약화시킬 수 있지 않겠습니까? 이론이 성립하려면 그것이 어떻게 쓰이는지*에 대해 무엇이 참이어야 하겠습니까?
  • 더 읽기 전에, AI 도구를 쓰면서 자신의 유능감, 자율성, 혹은 연결감이 영향을 받았다고 느낀 한 가지 방식을 말해 보십시오 — 그리고 그것을 찾아보라는 촉구가 없었다면 그 변화를 알아차렸을지 성찰해 보십시오.

들어가며

SDT는 점점 더 학습자 대상 및 교수자 대상 AI 시스템 모두에 대한 이론적 렌즈로서 교육에서의 AI 연구에서 사용됩니다. 이 이론의 중심 주장 — 동기가 학습자가 갖고 있는 단순한 양이 아니라 사회적·기술적 환경에 의해 형성되는 질이라는 것 — 은 AI 도구가 참여, 끈기, 학습 결과에 어떻게 영향을 미치는지에 관한 질문에 직접 관련됩니다. 이 지식베이스의 논문들은 SDT를 세 가지 주요 맥락에 적용합니다. 교수자 전문성 개발, AI가 매개하는 학습 참여, 그리고 감성 컴퓨팅.

핵심 연구 주제

SDT 기반 교수자 전문성 개발은 이론의 필요 지지적 원칙을 AI에 대비한 교육자들을 준비시키는 데 적용합니다. **Chiu et al.**는 중등학교 교사 382명을 연구하여, SDT에 기반한 필요 지지적 전문성 개발이 교수자들의 AI 리터러시를 향상시키고 온라인 전문 학습 공동체에서의 지속적인 행동적 참여를 북돋운다는 것을 발견했습니다. 질적 분석은 자율성, 유능감, 관계성을 지지하는 아홉 가지 설계 전략을 규명하여, 고립된 전문성 개발과 전문 학습 공동체 사이의 간극을 메웠습니다.

AI가 매개하는 학습 참여에서의 SDT는 생성형 AI 도구가 학생의 동기를 어떻게 형성하는지를 검토합니다. **Isaeva et al.**는 SDT를 인식론적 네트워크 분석과 결합하여 학업 학습에서의 생성형 AI에 대한 학생의 참여를 연구했습니다. **Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming**는 AI의 이용 가능성이 학생의 동기와 끈기에 어떻게 영향을 미치는지를 탐구하며, 동기 잠식에 관한 과의존 우려와 연결됩니다. **Liang et al. (2026)**는 SDT를 1년간의 AI 교육과정에서 2,086명의 중등 학생에 대한 잠재 전이 분석으로 AI 학습에 확장하여, 시간에 걸쳐 안정적이었던 세 가지 동기 프로파일(무관심, 발달 중, 자기결정) 을 규명하고, 대부분의 학생이 더 높은 프로파일을 유지하거나 그쪽으로 나아갔음을 보여 주었습니다. 결정적으로, 자기결정 프로파일에 도달하거나 그것에 남아 있던 학생들이 가장 큰 AI 리터러시 향상을 보였습니다 — 이는 자율성, 유능감, 관계성의 충족이 더 나은 AI 학습 결과를 예측하며, 동기가 발달적(고정적이지 않은) 학습자 속성이라는 직접적 종단적 근거입니다.

대비되는 교실 결과는 그 필요들이 함께 움직이지 않는다는 것을 보여 줍니다. 2,464명의 중학교 1학년 학생들 사이에서, ChatGPT가 지원하는 역량 기반 학습은 자율성 지지와 유능감 충족을 높였으면서도 저품질 동기 프로파일의 비중을 더 크게 늘렸고, 관계성 충족은 AI가 아닌 역량 기반 학습보다 약했습니다(Schweder, Hagenauer & Raufelder (2026)).

구성적(배열적) 검증이 그 논점을 날카롭게 합니다. 498명의 의학 학부생 사이에서, GAI 사용은 필요 충족과 약하게만 연관되었고(β = 0.155) 높은 참여에 불필요한 것으로 드러났으며, 유능감 필요 충족이 가장 강한 배열에서의 핵심 조건이었습니다(He et al. (2026)).

학습 분위기에서 AI 사용으로 향하는 이중 경로. Shen and Arunrugstichai (2026)는 SDT를 행동적 참여의 훅 모형과 통합하여, GenAI 사용이 건설적 지원에서 강박적 의존에 이르기까지 하는 이유를 설명합니다. 서로 다른 고등학교 배경과 현재 맥락(중국과 태국)을 가진 대학생 508명의 횡단적 설문 자료에서, 고등학교 압력 대 자율성 지지에 대한 회고적 보고는 학생들이 대학에 들어와 따랐던 두 경로 가운데 어느 쪽인지를 차별적으로 예측했습니다 — 하나는 건설적이고 자율적인 GenAI 사용으로 향하고, 다른 하나는 강박적 의존으로 향합니다. 결과는 횡단적 다집단 분석에 걸쳐 일관되었습니다. 이 모형은 SDT 동기 과정을 AI가 지원하는 학습의 지각된 질에 연결하여, 자율성 지지를 학생을 의존적이 아니라 생산적인 AI 사용으로 이끄는 수단으로 틀짓습니다.

  • 언어 학습에서 ChatGPT와 SDT 필요: Annamalai et al. (2026)는 말레이시아 대학생 25명과 함께 SDT 렌즈를 사용하여, ChatGPT가 영어 학습에서 자율성, 관계성, 유능감을 지원한다는 것을 발견했습니다 — 문법, 글쓰기, 대화 과제를 향상시키면서 교육자들이 고차원 훈련에 집중할 수 있게 하는 것입니다.

교수자 자신의 AI가 매개하는 실천에 적용된 SDT. Claassen et al. (2026)는 SDT를 교수자들이 학습 분석과 생성형 AI를 학습 설계에 통합하는 방식에 대한 해석적 렌즈로 사용하여 — 교수자들의 기본 필요(자율성, 유능감, 관계성)를 지지하는 것이 그들의 설계 작업이 요구하는 창조적 문제 해결을 북돋운다는 것을 발견했습니다. 그들의 ENA 분석에서 GenAI 사용은 학생의 자기결정을 위한 설계(예: 학생들과 공동으로 평가 루브릭을 만들어 내는 것)와 연관되어, SDT를 학습자에게서 필요 지지적인 AI가 매개하는 환경을 구축하는 교육자들로 확장합니다.

교수자 자신에게도 AI 협업은 양면을 지닙니다. 대학 교수자 468명을 대상으로 한 세 차례의 파동 연구는 그것이 심리적 이용 가능성을 통해 업무 참여를 높이는 한편 업무 소외를 통해 그것을 낮추었으며, 디지털 역량이 첫 경로를 강화하고 두 번째 경로를 약화시켰다는 것을 발견했습니다(Sun et al. (2026)).

공동 행위성 틀은 AI가 매개하는 교육에서 SDT의 도달 범위에 경계를 짓습니다. 그것은 자율성, 유능감, 관계성이 생겨나는 상황을 바꾸지만 권력의 형평성, 자료 소유권, 책임은 다루지 않은 채 남겨 둡니다. 그것이 저자들이 인간의 인식론적 책임을 이론 바깥의 타협 불가능한 조건으로 설정하는 이유입니다(Poudyal (2026)).

아동의 GenAI 사용에 대한 틀로서의 자율성 지지. Fan, Li and Zhang (2026)는 책임 있는 사용의 문제를 제한에서 필요 지지로 옮겨, 중요한 구별이 아동 주변의 성인들이 자율성을 통제하기보다 지지하는지 여부라는 것을 논증하며, SDT의 용어로 인지 부하 외주화의 의존적 형태와 자율적 형태를 구별합니다. 의존적 전가는 학습자 주체성을 이전하고 내재적 동기를 낮추며, 자율적 전가는 학습자가 인식론적 통제를 유지하는 동안 비계처럼 떠받칩니다. 이 검토의 두 가지 특징은 SDT 적용에 직접 관련됩니다. 그것은 자율성 지지가 허용이 아님을 주장하며, 현재 지침이 가정하는 가정-학교 조율을 시험되지 않은 가설로 다루어, 가정만, 학교만, 조율된, 그리고 평소 실천 지침을 대조하는 요인 설계 시험만이 구별할 수 있는 가산적, 시너지적, 보완적 버전을 형식화합니다.

관련 개념과의 연결

SDT는 동기를 그것의 상위 구인으로 하여 직접 연결되며, 감정을 인식하는 AI 설계를 위해 정서 컴퓨팅과 감성 튜터링에, 그리고 학습자가 AI가 매개하는 환경을 어떻게 경험하는지에 대해 학생 경험에 연결됩니다. 이론의 자율성에 대한 강조는 자기조절 학습에 연결되며, 그것의 유능감 차원은 Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice과 교수자의 AI 역량에 연결됩니다. SDT는 필요 지지적 설계가 AI를 사용하도록 교육자들을 준비시키는 데 전이 가능한 원칙이기 때문에 직장 학습과 교육 개발에 특히 관련됩니다.

연결된 개념

연결된 문서

메타데이터

대상 독자Learners
학습과 교수동기, 자기결정이론
기술과 기법정서 컴퓨팅
교육에서의 인공지능 기초교육에서의 인공지능, 교수자의 AI 역량
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.