자기주도 학습

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

자기주도 학습(SDL) — 학습자가 자신의 학습 필요를 진단하고, 목표를 세우고, 자원을 파악하고, 전략을 선택하여 실행하고, 결과를 평가하는 일을 주도적으로 떠맡는 과정으로, 흔히 제한된 외적 구조 속에서 이루어집니다. AI 시대에 SDL은 핵심 산출물이면서(AI의 사용이 학습자가 자신의 학습을 스스로 이끌어 갈 역량을 뒷받침합니까, 아니면 그것을 잠식합니까?) 동시에 취약점입니다(생성형 AI의 편의가 SDL이 요구하는 자율성과 자기효능감 자체를 약화시킬 수 있습니다).

생각해 볼 질문들

• 자기주도 학습은 제한된 외적 구조 속에서 자신의 필요를 진단하고, 목표를 세우며, 결과를 평가하는 것을 뜻합니다. 읽기 전에, 당신은 실제로 자신의 학습을 이끄는 데 얼마나 편안합니까 — 그리고 AI 도구가 당신이 알아차리지 못하는 사이에 그것을 덜 할 수 있게 만든 적이 있습니까?
• 이 페이지는 SDL을 바라는 산출물이자 취약점으로 규정합니다. 생성형 AI의 편의가 SDL이 요구하는 자율성과 자기효능감을 잠식할 수 있다는 것입니다. 즉각적인 답을 주는 도구가 왜 나중에 자신의 학습을 이끄는 것을 더 어렵게 만들겠습니까?
• 비판적 평가 없이 GenAI를 쓰는 것 — 산출물을 평가 없이 받아들이는 것 — 은 SDL에 직접적으로, 그리고 자기효능감과 동기의 잠식을 통해서도 해를 끼치는 것으로 발견되었습니다. AI의 답을 평가 없이 받아들인 적을 떠올릴 수 있습니까? 그것이 있었다면, 무엇을 잃었습니까?
• SDL과 자기조절 학습(SRL)은 긴밀하게 관련되면서도 뚜렷합니다. SRL은 학습의 순간순간의 교육에서의 AI 규제에 관한 것이고, SDL은 시간에 걸친 전반적인 책임에 관한 것입니다. 당신의 실제 경험에서 '이 과업을 관리하는 것'과 '나의 학습을 이끄는 것' 사이의 경계를 어디에서 봅니까?
• 무분별한 AI 사용으로 인한 해는 어떤 학생에게는 동기를, 다른 학생에게는 자기효능감을 더 세게 타격했습니다. 이런 심리적 자원의 잠식이 학습자마다 고르지 않다면, AI의 편의로 인해 가장 많은 것을 잃는 사람에 대해 어떤 형평성 문제가 제기됩니까?
• 읽기 전에 목표를 세우십시오. 현재 대부분 혼자서 추구하고 있는 학습 목표 하나를 말해 보고, AI 도구가 그것을 돕는 한 가지 방식과 그것이 조용히 당신으로부터 주도권을 가져가는 한 가지 방식을 말해 보십시오.

들어가며

자기주도 학습은 자기조절 학습(SRL)과 긴밀하게 관련되면서도 그것과 뚜렷합니다. SRL이 학습의 순간순간의 인지적, 동기적, 행동적 조절(계획하기, 점검하기, 통제하기, 성찰하기)을 강조하는 반면, SDL은 흔히 비형식적이거나 스스로 선택한 맥락에서 시간에 걸쳐 자신의 학습의 방향과 관리에 대한 학습자의 전반적인 책임을 강조합니다. SDL은 성인 학습과 평생 학습에 기초적이며, 학습자가 예정된 수업 시간 없이 자율성을 유지해야 하는 원격 및 온라인 교육에서 두드러진 이론입니다. SDL은 또한 점점 더 경험적 연구가 가능한 대상이 되고 있습니다. VERA에서 822개의 모형을 만든 온라인 학습자 315명의 클릭스트림을 분석하여, An, Hammock & Goel (2025)는 자기주도의 세 가지 행동적 지표 — 관찰(Observation), 구성(Construction), 탐구(Exploration) — 를 규명하고, 학습자가 직접 손으로 하는 구성을 넘어 가설 주도의 탐구로 더 완전히 나아가는 가운데 관찰은 모든 단계에 걸쳐 지속됨을 발견했습니다. 이는 비구조화된 온라인 과업에서 학습자가 행사하는 자율성의 정도와 종류가 그들의 추적 자료만으로도 구별될 수 있음을 보여 줍니다.

생성형 AI가 자기주도 학습을 어떻게 재구성하는가

지식베이스의 연구는 GenAI–SDL 관계의 양면을 기록합니다.

• AI는 SDL을 지원할 수 있습니다. AI와 평생 학습과 GenAI와 학습 분석을 통한 자기주도적 성장은 AI 도구가 독립적 탐구를 비계처럼 떠받치고, 요청에 따른 자원을 제공하며, 학습 경로를 개인화하여 학습자의 자율성을 강화할 수 있다는 것을 보여 줍니다. 생성형 AI의 교육적 결과에 관한 메타분석적 근거와 비형식 학습에서의 대화형 AI는 AI가 학습자가 주도하는 자원으로 쓰일 때 긍정적 잠재력이 있음을 시사합니다.
• 학습자는 신탁이 아니라 생각하는 동료를 원합니다. 면접한 성인 학습자들은 AI가 답을 공급하기보다 성찰을 촉진하고 검증하기를, 그리고 학습 경로를 규정하기보다 스스로 통제할 수 있게 두기를 원했습니다(Kim et al. (2026)).
• 무분별한 사용은 SDL을 약화시킵니다. Zhao & Gu (2026)는 GenAI의 무분별한 사용 — AI 산출물을 비판적 평가 없이 받아들이는 것 — 이 학부생의 SDL에 직접적으로, 그리고 자기효능감과 동기의 잠식을 통해서도 유의미한 해를 끼친다는 것을 보여 줍니다(모형이 SDL 분산의 75.3%를 설명했습니다. TUGA β = −0.42). 동기에 대한 부정적 효과는 남학생에게서, 자기효능감에 대한 부정적 효과는 여학생에게서 더 강했습니다. 이것은 지식베이스에 기록된 더 넓은 과의존 위험과 연결됩니다.
• 인지적 전가와 위임. 성인교육학과 인지적 위임과 GenAI와의 대화를 통한 학습은 학습자가 SDL이 요구하는 노력이 드는 처리를 우회하는 방식으로 인지적 작업을 AI에 위임할 수 있음을 검토합니다 — 달리 말하면 자율성을 지원하는 도구의 실패 양식입니다. GenAI로 비판적 사고를 비계처럼 떠받치기와 테스트 주도 AI 지원 학습은 더 생산적인 설계를 모델링합니다.

실제에서의 SDL–SRL 구분

SDL이 학습자가 주도하는 방향을 강조하기 때문에, 그것을 보호하려는 개입은 순간순간의 행동을 조절하는 것에 그치지 않고 학습자 주체성과 자기효능감을 보존하는 데 초점을 맞춥니다. 무분별한 AI 사용이 SDL이 의존하는 심리적 자원인 동기와 자기효능감을 잠식한다는 근거는, 책임 있는 AI 사용을 촉진하는 것이 단순한 진실성의 문제가 아니라 발달의 문제라는 것을 시사합니다. 학생들이 자신의 학습을 이끌어 갈 역량을 보호하는 일입니다.

연구 기반 학습을 위한 AI 추출 비계

• 연구 기반 학습을 위한 비계로서의 AI 추출. An과 동료들(2026)은 연구 간행물을 구조화되고 추적 가능한 자료 집합으로 변환하는 AI 기반 정보 추출 시스템을 설계하여, STEM에서 학부 논문 완성을 지원합니다. 이것은 증거-주장 관계를 검사할 수 있게 하면서 저수준의 자료 처리 부담을 줄이는 인식론적 비계로 자리매김됩니다. 80개의 문서에 걸친 20명의 학생 혼합 방법 파일럿에서, 학생들은 목표로 한 매개변수의 90% 이상을 추출했고, 자기 보고된 문헌 검토 시간은 약 65% 감소했으며, 영향력 있는 변수를 파악하는 능력은 50% 향상되었습니다 — 이는 AI가 인지적 부하를 일상적인 요약이 아니라 고차원적이고 자기주도적인 연구 추론 쪽으로 재균형 잡을 수 있다는 생각을 뒷받침합니다.

연결된 개념

• 자기조절 학습
• 학습자 주체성
• 자기효능감
• 동기
• 메타인지
• 인지 부하 외주화
• AI의 오용과 학습에 대한 해
• AI 리터러시
• 성인 학습
• 평생학습
• 고등 교육

연결된 문서

• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences — 무분별한 GenAI 사용과 자기주도 학습(SEM, 성별 차이)
• Artificial Intelligence in Lifelong Learning: Opportunities and Challenges in Adult Education Policy — AI와 평생 학습 정책
• Fostering Self-Directed Growth with Generative AI: Toward a New Learning Analytics Framework — GenAI와 학습 분석을 통한 자기주도적 성장
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — 생성형 AI의 교육적 결과에 관한 메타분석
• What Remains Self-Directed? Revisiting Andragogy Through Cognitive Delegation in Generative AI-Mediated Adult Learning — GenAI와 함께하는 성인교육학과 인지적 위임
• Adult Learners' Perspectives of AI Applications in Supporting Andragogy — 성인교육학을 지원하는 AI의 적용(Kim et al. 2026)
• How Online Learners Engage in Self-Directed Modeling: A Behavioral Analysis