AIEd 지식베이스AIEd KB
이 페이지의 목차

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

개념

사회정서학습

생성일 2026-08-13 · 갱신일 2026-09-30

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

사회정서학습(SEL) — 개인이 자신과 타인과의 긍정적 상호작용을 촉진하기 위해 생각, 감정, 행동을 동기화할 수 있게 하는 역량들을 발달시키는 과정입니다. 즉 자기 인식, 자기 관리, 사회적 인식, 관계 기술, 책임 있는 의사 결정입니다(CASEL 틀). AI 교육에서 SEL은 generative AI가 학습에 빠르게 통합되면서 학생들의 웰빙, 사교성, 공감, 신뢰에 관한 질문들을 제기하기 때문에, 그리고 기술적 AI 리터러시만으로는 AI가 매개되는 학습 환경을 항해하기에 불충분하기 때문에 점점 더 중대한 것으로 인식되고 있습니다.

생각해 볼 질문들

  • CASEL 틀은 다섯 가지 역량 — 자기 인식, 자기 관리, 사회적 인식, 관계 기술, 책임 있는 의사 결정 — 을 나열합니다. 이 중 어떤 것을 AI tutor가 지원할 수 있다고 생각하며, 어떤 것은 지원할 수 없다고 의심합니까?
  • 이 페이지는 사회정서학습과 정서 지능을 구분합니다. 읽기 전에, 그 차이를 어떻게 설명하겠으며, 왜 그 구분이 학교가 이 둘에 접근하는 방식에 중요할 수 있겠습니까?
  • 기술적 AI 리터러시만으로 AI가 매개되는 학습을 항해하기에 '불충분'하다면, 무엇이 빠져 있다고 생각하며, 그것은 학생(또는 여러분 자신)을 준비시키는 방식에 어떤 함의를 가집니까?
  • AI에 대한 심각한 의존이 학생의 사교성, 공감, 신뢰감을 어떻게 재형성할 수 있으며, 교육이 그런 변화들을 능동적으로 설계해야 할 것입니까?
  • research는 SEL이 AI가 '대체가 아니라 보완'해야 하는 학습의 관계적 차원들을 뒷받침함을 시사합니다. 기술이 인간 관계를 강화한 곳과 조용히 그것을 대체한 곳을 각각 본 적이 있습니까?

들어가며

사회정서학습은 정서 지능(EI)과 밀접하게 관련되지만 구분됩니다. SEL/SEC(사회정서 역량)는 긍정적 상호작용을 위해 생각, 감정, 행동을 동기화하는 능력을 포괄하는 반면, EI는 정서적 정보를 처리하는 개인의 역량입니다(능력 모형 — 추론과 문제 해결 — 또는 특성 모형 — 정서적 경향과 행동 — 을 통해 개념화됩니다). AI 시대에 SEL은 AI가 학생들의 관계적·정서적 발달에 영향을 미치는 방식으로 학습을 재형성할 수 있고, 교육자가 학습자를 효과적으로 지원하기 위해 기술과 정서 지능이 모두 필요하기 때문에 중요합니다.

SEL이 연구에 나타나는 방식

  • AI 리터러시에 SEC 통합하기: The narrative review by Palmquist et al.는 AI 리터러시와 사회정서 역량을 결합한 통합 틀을 제안하며, 기술적 숙련도만으로는 불충분하다고 논증합니다. 교육자와 학생 모두 AI가 매개되는 학습 환경을 항해하기 위해 기술적 지능과 정서적 지능이 모두 필요하며, 이는 personalized learning, 협력, 윤리적 engagement를 촉진합니다.
  • 교사와 관계적 실천: AI literacy frameworks과 teacher-student trust에 관한 연구는 SEL이 학습의 관계적 차원들(교사–학생 관계와 학생–학생 관계)을 뒷받침하며, AI가 그것을 보완해야지 대체해서는 안 된다고 강조합니다.
  • 교수법적 에이전트가 SEL에서 나를 수 있는 것과 나를 수 없는 것. 맹점 평가된 관찰 108건에 걸쳐, 생성 AI 교수법적 에이전트는 존중하는 어조와 일상적인 절차적 비계를 유지하는 데 교육자보다 더 일관적이었으나, 성찰을 안내하고 사회정서적 지식을 촉진하는 데서는 교육자에게 뒤졌습니다. 이는 대체가 아닌 노동 분업을 뒷받침합니다(Raave et al., 2026).
  • 웰빙과 AI의 정서적 영향: 연구는 생성 AI의 사용 증가가 학생들의 사회정서 기술, 웰빙, 사교성, 신뢰와 공감의 감각에 어떤 영향을 미치는지를 살핍니다. 이는 인문주의적·사회적·정서적 가치에 뿌리둔 AI 리터러시에 대한 OECD의 요청을 촉발한 우려들입니다.
  • AI의 정서적 차원: SEL은 AI 체계가 정서적·관계적 학습을 지원하거나 손상시킬 수 있는 방식을 살피는 정서 컴퓨팅 및 웰빙 연구에 연결됩니다.
  • AI × SEL에서의 정책 결손: systematic review 65편(Tran, Liu & Nguyen 2026)은 상당한 "정책 결손"을 발견합니다. 연구의 거의 4분의 3이 정책적 함의를 제시하지 않으며, 제시하는 소수의 경우에도 종종 행위자 특수적 안내가 결여되어 있습니다. 이 검토는 정책 참여를 출판 매체와 연결하고, 기술적 가능성이 부각되는 반면 책임 있는 이행을 위한 제도적 조건은 미명시된 채 남는 "기술 해결주의"의 덫을 경고합니다. 이는 "함의를 사후 덧붙임"에서 "함의를 방법론"으로 옮기기 위한 "WH 질문" 틀(Who, What, Why, When/Where, How)을 제안하여, AI-for-SEL 혁신을 educational policy과 AI 거버넌스에 연결합니다.

AI 시대 연구에서 SEL의 잠재적 하위 주제들

지식 기반의 연구는 SEL을 각각 고유한 증거 기반을 지닌 여러 독립된 하위 주제들로 묶습니다.

자기효능감과 자신감

학생들이 AI와 상호작용하는 방식을 강하게 조건짓는 핵심 SEL 역량(자기 인식/자기 관리)입니다. Student dependency on AI(이스라엘 고등교육 학생 478명)은 기술 기반 AI 리터러시 차원들이 AI 의존과 긍정적으로 연합된 반면, 학업적·AI 특유의 자기효능감과 노력 교육에서의 AI 규제는 부적으로 연합됨을 발견했습니다. 즉 AI 리터러시만으로는 의존을 막을 수 없으며, 자기효능감이 막는다는 것입니다. Cen et al. (EC-TEL 2026)은 기저 자기효능감이 더 낮은 학생들이 연습 형식과 무관하게 더 큰 학습 이득을 얻었고, 조력자에 대한 선호도가 조력자 기반 연습에서 더 중요했음을 발견하여, 동기적 프로파일에 맞춰 연습을 조정하는 것의 가치를 강조합니다. 연결된 개념: 자기효능감, 동기, 학습자 주체성.

동기와 "AI 가용성" 효과

동기는 SEL의 책임 있는 의사 결정과 자기 관리와 교차합니다. AI availability and student motivation 및 student/teacher motivation and self-efficacy에 관한 연구는 AI의 단순한 가용성만으로도 학생들의 동기적 지향과 지각된 노력을 재형성할 수 있음을 보여줍니다. 이는 AI가 내재적 동기를 손상시킬 수도 지원할 수도 있는 방식과 관련됩니다. Self-efficacy research는 노력 규제를 AI 의존에 대한 균형추로 규정합니다.

정서 규제와 정서적 지원

정서 규제는 직접적인 학습 결과를 낳는 핵심 SEL 역량이며, SEL→achievement의 직접적 연결을 이룹니다. 정서 컴퓨팅 도구인 MathBuddy는 학생의 감정을 모델링하여 pedagogical 반응을 형성하며, AI campus well-being tools(예: PsychoGPT, AURA)는 예방과 개입에 걸쳐 있습니다.

AI 사용에 대한 수치심, 죄책감, 정서적 반응들

감정은 학생들이 AI 사용을 어떻게 가시화하는지를 규제합니다. "Stuck in a Spiral"(컴퓨팅 학생 19명)은 수치심과 죄책감이 AI 사용의 사회적 규제자로 작용하여, 숨기기 행동과 선택적 공개를 추동하고 행위성이 축소되는 순환을 만들어냄을 발견했습니다. AI anxiety은 AI를 학습 자원으로 전략적으로 규제하는 것으로 전환될 수 있습니다. 이것들은 SEL의 사회적 인식과 자기 관리를 학문적 진실성과 책임 있는 AI 사용에 연결합니다.

신뢰와 소속감

SEL은 관계적 학습과 사회적 응집을 뒷받침합니다. Principled AI education과 AI chatbots for collaborative learning은 소속감과 집단 효능감 — 팀이 과제를 수행할 수 있다는 공유된 믿음 — 에 연결됩니다. 브루킹스 사전 검토(premortem)는 AI에 대한 과잉 의존이 사회정서적 웰빙, 교사–동료 관계, 학생 프라이버시/안전을 위협한다고 강조합니다. 이는 소속감과 연결감의 차원들입니다. Teacher-student trust는 AI가 지원적으로 지각되는지의 중심에 있습니다.

끈기, 심성, 생산적 투쟁

SEL은 학습의 노력적 차원과 겹칩니다. Framing the 5% problem는 동기/몰입, 인지적 장벽, 도전 아래의 회복탄력성, 연결에 의해 형성되는 교육 기술에서 반복되는 과제로서 학생의 낮은 끈기를 확인합니다. Favero et al.은 노력을 대체하는 AI가 교육이 구축하는 바로 그 역량들을 침식한다고 경고하며, 메타인지와 over-reliance에 맞선 생산적 투쟁의 가치와 일치합니다.

교사와 교수 설계를 위한 함의

  • SEL을 덧붙임이 아니라 일급 설계 목표로 취급하십시오. 사회정서 역량을 AI 리터러시 교육과정에 통합하십시오(Palmquist et al.에 따름). 그래야 학생들이 AI를 어떻게 쓰는지뿐 아니라 언제, 왜 쓰는지를 자신의 감정, 노력, 관계에 주의를 기울이며 배웁니다.
  • 자기효능감과 행위성을 위해 설계하십시오. 기술 기반 AI 리터러시가 의존을 증가시킬 수 있는 반면 자기효능감과 노력 규제는 그것으로부터 보호하기 때문에, 수업은 기술과 함께 학생들의 자신감과 자기 관리를 의도적으로 구축해야 합니다. 예를 들어 비계화된 연습, 낮은 위험의 성공, AI 산출물을 검증하고 자신의 것으로 만들 것을 요구하는 프롬프트입니다.
  • AI를 관계적 학습을 지원하는 데 쓰되 대체하지는 마십시오. AI 도구는 teacher-student and student-student relationships를 보완해야 하며, educators는 그것을 완전히 위임하기보다는 관계적 역할 — 정서와 소속감을 감시하는 것 — 을 유지해야 합니다.
  • Emotion-aware이고 정서에 민감한 설계. Affect-aware systems들은 정서 상태(불안, 좌절, 혼란)를 탐지하고 대응할 수 있으나, 증거는 그 이득이 보편적이지 않다는 것을 보여줍니다. 학습자의 숙련도와 프로파일에 따라 조절됩니다. 따라서 정서적 설계는 가정이 아니라 맞춤화되어야 합니다.
  • AI 사용의 정서적 측면을 다루십시오. AI 사용에 관한 논의를 정상화하고, 투명성을 조성하며, 신뢰와 행위성을 침식하는 감시 기반 대응을 줄임으로써 수치심/죄책감의 나선과 AI 불안에 맞서 설계하십시오.
  • 끈기와 생산적 투쟁을 지원하십시오. 대체가 아니라 Scaffold하십시오(Favero et al.에 따름). 그래야 AI가 노력적인 학습을 심화하지 우회하지 않으며, 메타인지와 productive difficulty과 일치합니다.
  • 즉각적인 언어적 조치를 훈련하십시오. SEL 지원은 설계나 정서의 AI 탐지로 틀지어지는 경향이 있지만, 교사는 학생의 정서 상태가 참여를 끝내게 할 위협이 있을 때 무엇을 말할지도 필요합니다. 그 상태를 학습의 전제 조건이 아니라 실시간으로 함께 다룰 대상으로 취급하는 것입니다. Parlant's practitioner guide는 이것을 정서적 미세 개입이라 부릅니다. 감정을 인정하고, 그 뒤에 있는 평가를 재구성하며, 투쟁을 전문가 정체성에 다시 연결하는 짧은 언어적 행위이며, 수업 전 정찰 의식과 교육자가 개인화할 수 있도록 생성형 AI가 초안을 잡는 데 도움을 줄 수 있는 재사용 가능한 표현집을 통해 준비됩니다.
  • 교사의 SEL 역량을 준비하십시오. 교육자는 기술과 정서 지능이 모두 필요합니다(교수자의 AI 역량). 교사의 professional development은 AI가 매개되는 환경에서 학생의 SEL을 지원할 역량을 구축해야 합니다.

학습 이득과 다른 측정치들과의 연결

  • 자기효능감이 이득을 조절합니다. Cen et al.은 기저 자기효능감이 낮은 학생들이 가장 큰 학습 이득을 얻었고, 조력자에 대한 선호도가 조력자 기반 연습에서의 이득을 예측했음을 발견하여, 동기적 프로파일이 누가 어떤 형식으로부터 혜택을 받는지를 형성함을 보여줍니다.
  • 웰빙과 참여를 중간 결과로. SEL 관련 결과들(동기, 웰빙, 소속감, 참여, 자기효능감)은 종종 하위 성취의 매개자로 기능하며, AI 연구는 원시 시험 점수와 함께 — 또는 어떤 경우에는 그것 대신에 — 이것들을 점점 더 측정합니다.
  • 효과는 조건적이며 보편적이지 않습니다. 연구는 SEL 지향적 개입이 어떤 학습자들에게는(프로파일/숙련도에 따라) 도움이 되고 다른 학습자들에게는 그렇지 않을 수 있다고 경고하므로, SEL 기반 학습 이득에 관한 주장들은 조절 효과를 위해 검토되어야 합니다.
  • 장부의 해로운 쪽. 브루킹스 사전 검토는 AI에 의한 overreliance이 사회정서적 웰빙, 관계, 소속감을 위협한다고 경고합니다. 이런 결과들이 침식되면 장기적 학습과 성취의 토대 그 자체를 훼손할 수 있습니다.

관련 개념들과의 연결

SEL은 AI 리터러시(AI 리터러시를 관계적이고 윤리적으로 만드는 보완물로서), 정서 컴퓨팅과 웰빙(AI의 정서적 차원들), 자기조절 학습(자기 관리와 노력 규제), 자기효능감과 동기(AI interaction을 조절하는 학습자의 믿음들), 학습자 주체성(의존에 맞선 학습자 통제의 보호), 윤리(책임 있는 의사 결정), 교수자의 AI 역량(SEL을 지원하는 교육자의 역량), 학생 경험(웰빙과 소속감), 학습 성과(SEL이 성취를 뒷받침한다는 증거)에 연결됩니다. SEL이 주입된 AI 리터러시가 길러지는 환경으로서 고등 교육과 K-12와도 관련됩니다.

연결된 개념

연결된 문서

연결된 FAQ

메타데이터

수준Higher Ed
대상 독자Learners
학습과 교수자기조절 학습, 웰빙
기술과 기법정서 컴퓨팅
형평성, 윤리, 그리고 책임 있는 사용윤리
교육에서의 인공지능 기초AI 리터러시, 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.