강좌 AI 정책을 어떻게 작성하고 학생들에게 어떻게 전달합니까?

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

여러분에게는 강의계획서 하나, 과제 안내문 하나, 그리고 이미 생성형 AI에 관해 자신들만의 사적 규칙을 정해 놓은 학생들로 가득 찬 강의실이 있습니다. 여러분이 공표하는 것은 무엇이든 규칙을 지키는 학생과 그렇지 않은 학생 모두에게 공정해야 하고, 마음이 약한 사람이 되거나 경찰관이 되지 않고 마흔 개의 제출물에 실제로 적용할 수 있는 것이어야 합니다.

핵심 요약: 유혹받는 것보다 적은 규칙을 쓰고, 각 규칙을 여러분이 평가하는 구체적인 것에 묶고, 학생이 AI 사용을 선언하는 단일 표준 장소를 하나 지목하고, 집행 경로를 탐지기 점수가 아니라 여러분이 직접 눈으로 볼 수 있는 증거로 만드십시오. 스스로를 설명하는 정책은 평가 설계와 의사소통 작업을 동시에 하는 것입니다 — 이것이 한 오후가 걸리고 한 학기의 논쟁을 아껴 주는 이유입니다.

이 페이지는 하나의 모듈, 강좌 또는 프로그램 영역에 대한 강좌 수준의 문서를 다룹니다. 전반에 걸친 전제는 여러분이 무엇을 평가할지를 이미 결정했다는 것입니다. 질문은 그것을 어떻게 말하고 그것이 자리 잡게 하느냐입니다.

지금 강좌 정책이 실제로 어떤 모습인가

미국 R1 대학 131곳의 기관 생성형 AI 정책 116건과 그중 54곳의 컴퓨팅 과학 강의계획서 98건에 대한 내용 분석은 기관이 대체로 사용에 우호적이라는 것을 발견했습니다 — 63%가 생성형 AI 사용을 장려하고, 41%가 상세한 강의실 지침을 제공하며, 27%가 그것을 억제하는 반면, 강의계획서의 절반(50%)은 이를 전면 금지하고, 41%는 지정된 활동에 대해 부분적 사용을 허용하며, 7%는 장려를 전달합니다. Ganguly 등(2026)은 이것을 하향식 대 상향식 격차라고 부릅니다. 강의계획서의 92%가 명시적 지침을 제시하지만, 교수자는 기관 지침과 정합되지 않을 수 있는 지역 규칙을 작성하고, 두 수준 모두가 탐지 가능한 기관은 47곳에 불과했습니다. 인용은 두 수준이 유일하게 합의하는 것으로, 강의계획서의 83%가 요구합니다. 여러분의 지역 규칙은 학생이 처음 만나는 것이며, 기관보다 엄격한 것은 정상입니다 — 그러나 그것은 여러분이 홀로 짊어지는 약속입니다.

Chirikov(2026)는 2021년부터 2025년까지 텍사스의 한 대형 공립 연구 대학에서 31,000건이 넘는 강의계획서를 추적했습니다. 규제는 ChatGPT 이전의 거의 영에서 2025년 가을에는 강좌의 55%로 증가한 반면, 전면 제한적 정책의 비율은 매년 약 5퍼센트 포인트씩 하락했습니다. 2025년 가을까지 교수자는 가장 흔하게 초안 작성과 수정(79%) 그리고 추론과 문제 해결(65%)을 제한하고, 가장 흔하게 편집과 교열(83%), 학습 지원과 종합(80%), 코딩(75%)을 허용했습니다. 아이디어 발상이 가장 논쟁이 많은 사용이었습니다(46% 허용, 54% 제한). 학문적 정직성 언급은 63%에서 49%로, 학습에 대한 AI의 영향에 대한 언급은 1%에서 29%로, 출처 표기 요건은 16%에서 43%로 각각 변했습니다. 교수자는 "부정행위를 하지 마십시오"라는 언어에서 "이 경계가 여러분의 학습을 보호하는 이유는 이러합니다"라는 언어로 옮겨가고 있습니다.

Nash와 Burriss(2026)는 예비 영어 교사 27명이 작성한 교실 AI 정책 27건을 분석했습니다. 27건 중 26건이 다소간의 AI 사용을 허용했으며, 거의 항상 교사가 지정한 조건, 시간, 장소에서였고, 하나는 이를 전면 금지했습니다. 아이디어 발상이 가장 폭넓게 허용되는 사용이었고(27건 중 22건) 가장 모호했습니다. 22건은 문장, 문단, 논문의 AI 작성을 금지하거나 불명확하게 남겼습니다. 16건은 문법 검사와 교열을 허용한 반면 16건은 대규모 AI 생성 텍스트의 작성을 금지했으며, 27건 중 22건은 읽기를 전혀 다루지 않았습니다. 반복된 실패는 운영화였습니다. 한 정책은 AI를 "생각을 시작하게 하는 것"에 허용하면서 "여기서 선을 긋는 것이 타당합니다"라고 선언하면서도 어디인지는 말하지 않았습니다. 그 모호함은 타협이 아니라 결함입니다 — 학생은 준수할 수 없고 여러분은 일관된 기준을 적용할 수 없게 남습니다.

무엇을 쓰고 어디에 두어야 하는가

철학이 아니라 과제에서 시작하십시오. 가장 명확히 정리된 방법은 McCorkle(2025)입니다. 그는 학생들이 자신에게 적용된다고 믿지 않았던 전면 금지를 대체했습니다. 문제는 정합의 부족이지 저항이 아니었습니다. 학생들은 자신을 부정직하게 행동하는 것으로 보지 않았습니다. 방법은 학기 프로젝트의 모든 과제를 목록화하고 각 과제에 대해 "구체적으로 무엇을 평가하고 있는가?"를 묻고, 각 과제에 그럴듯한 직업적 생성형 AI 사용을 짝짓고, 능력을 평가할 필요와 인력 역량을 기르는 가치를 저울질하며 과제별로 결정하는 것이었습니다. 그 결과 정책은 의도적으로 고르지 않습니다. 브레인스토밍은 허용하지만 구체적이고 측정 가능한 학습 목표의 작성은 허용하지 않고, 이미지 큐레이션은 허용하지만 슬라이드 수준의 메시지 설계는 허용하지 않으며, 대본과 나레이션은 AI 출력의 필수 평가와 함께 허용합니다.

강의계획서에: 요약 — 과제, 각 과제에 허용되는 사용, 공개가 작동하는 방식, 경계를 넘었을 때의 결과. 과제 안내문에: 강조 표시입니다. 하나의 요약은 복잡한 프로젝트에는 너무 거칠기 때문입니다 — McCorkle의 작성은 각 제한을 정당화하는 평가를 지목하며 학생을 2인칭으로 대하는 근거를 제공했기 때문에 효과가 있었습니다. 수업에서: 규칙을 한 번 소리 내어 말하고, 그것이 처음 적용되는 순간에 그것을 눈앞의 작업에 묶으십시오 — 학생이 처음 혼자 마주하는 규칙은 혼자 해석되는 규칙입니다.

공개 메커니즘은 자체적인 강의계획서 단락을 받을 자격이 있습니다. 안내된 탐구를 통해 강좌 정책을 공동 설계한 학생들은 학생과 교수자를 위한 훈련, 표준화된 공개 절차, 더 강한 기관 지원, 그리고 AI에 관한 의사결정에의 더 큰 참여를 우선시했습니다(Hingle과 Johri(2026)). 학생이 AI 사용을 어떻게, 어디에, 어떤 형식으로 선언하는지를 말하고, 그것을 한 번만 말하십시오. Pisan(2026)의 동등한 조치는 프롬프트 로그를 채점되는 산출물로 만드는 것이었습니다. 모형이 생산을 수행할 때, 프롬프트와 상호작용 로그가 버전 관리할 가치가 있는 것입니다.

집행할 수 있는 규칙만 작성하십시오

과제별 모니터링을 요구하는 규칙이나 평가가 언제 "시작되는지"에 대한 판단 호출은 일관성 없이 적용될 것이고, 불일치는 그 자체로 형평성의 문제입니다. 탐지기 기반 체제는 고르지 않게 내려앉는 감시 비용을 수반하고 감독 및 데이터 보유 문제를 제기합니다. Chirikov가 발견한 실질적인 학문 분야 및 과제별 편차는 일률적 명령보다는 해당 분야 내에서 교수자에게 자율성을 부여하는 틀을 뒷받침합니다.

여기에는 형평성 차원이 있습니다. 불투명한 정책은 저작, 출처 표기, 학문적 작업의 규범에 관한 공유된 배경지식을 전제하므로, 그것 없이 도착하는 학생들에게 가장 큰 타격을 줍니다. McCorkle의 논증은 투명성이 그 잠재적 교육과정의 일부를 해체하고 정책 실패가 징계 사안이 될 가능성을 줄인다는 것입니다. 이 모든 것의 가장 값싼 버전은 더 적고 더 구체적인 규칙들입니다 — 여러분이 평가하는 과제, 각 과제에 허용되는 사용, 공개 메커니즘, 경계를 넘었을 때의 결과 — 각 경계의 이유가 밝혀진 것들.

학생이 준수하도록 말하는 법

공개 규칙은 그 자체로는 준수 메커니즘으로 작동하지 않습니다. 그렇다고 가정하는 것이 가장 흔한 설계 오류입니다. 학부생 409명에 대한 혼합 방법 연구에서 Qu와 Wang(2026)은 비공개가 도덕적 태만이 아니라 지각된 동료 규범과 교수자에 대한 낮은 해석적 신뢰에 대한 전략적 적응임을 발견했습니다. 지각된 동료의 공개와 교수자에 대한 편안함이 학생 자신의 공개의 가장 강한 예측 변수였던 반면, 도덕적 괴리가 더 약한 효과를 보였습니다. 관계적 분위기는 설계 가능한 변수이며, 명령만으로는 불충분합니다. 학생들이 동료가 하고 있다고 믿는 것과 여러분이 공개를 공정하게 읽어 줄 것이라고 신뢰하는지가 여러분의 문구의 엄중함보다 정직을 더 잘 예측합니다.

Kim 등(2026)은 강좌의 실제 정책이 살아 있는 다섯 개의 뚜렷한 지점 — 교수자의 의도, 공식 정책, 학생의 해석, 학생의 자체 정책, 학생의 실천 — 을 확인했으며 그것들 사이에 체계적 격차가 있음을 발견했고, 학문적 글쓰기에서 AI 사용을 정당화하는 데 학생이 사용한 여섯 부류의 합리화 23가지를 확인했습니다. "인간 피해자 없음"부터 "교수자의 무관심"에 이르기까지입니다. 그 합리화들은 즉흥적이고 사후적이었습니다. 학생들은 이미 일어난 행동을 설명했을 뿐 사전에 추론하지 않았으며, 이것이 더 명확한 문구와 더 엄한 탐지가 혼자서는 격차를 좁히지 못하는 이유입니다. 엄격한 AI 금지 규칙을 따르고 싶었던 한 참가자는 계속 AI를 사용하면서 그 금지가 "나는 규칙을 어기고 있기 때문에 나에게 갈등을 만들고 있습니다"라고 보고했습니다 — 금지는 사용을 막기보다 도덕적 갈등을 강화했습니다. 규칙이 준수 없이 죄의식만 산출한다면, 그것은 일을 하는 것이 아니라 공개에 필요한 관계를 침식하고 있는 것입니다.

여러분이 본을 보이는 것을 주시하십시오. Pisan의 강좌에서 대부분의 과제가 그것을 생성하는 데 사용된 프롬프트를 공개했기 때문에, 한 학생은 투명성을 허가로 읽었습니다. "채점과 과제 생성에 대한 교사의 AI 의존이 과제에 같은 방식으로 AI를 사용하지 않기 어렵게 만들었습니다." 규범을 본보기로 보이는 것은 강의계획서가 무엇을 말하든 학생이 경험하는 정책의 일부입니다.

여러분이 변형하여 사용할 수 있는 모범 진술:

이 강좌의 AI 사용. 나는 여러분이 이 강좌를 마칠 때 X를 직접 할 수 있게 되기를 바랍니다. 그래서 X를 직접 평가합니다. 여러분은 [과제 목록]의 [허용되는 사용]에 AI를 사용할 수 있습니다. [제한되는 사용]에는 사용할 수 없습니다. 그것들이 내가 채점하는 것이기 때문입니다. 여러분이 작업의 어디에서든 AI를 사용한다면, [단일 지정 장소 — 예: 각 제출물의 공개란]에 그것을 무엇에 사용했는지 알려 주고 프롬프트를 붙여 넣으십시오. 선언하는 것이 여러분의 성적을 낮추는 일은 결코 없을 것입니다. 선언하지 않는 것이 낮춥니다. 어떤 사용이 허용되는지 확신이 서지 않으면, 제출 후가 아니라 제출 전에 나에게 물어 보십시오.

그 마지막 문장은 결정의 시점을 작업 이전으로 옮깁니다.

갈등을 낳는 네 가지 대화

AI를 사용하고 말하지 않은 학생. 이것을 성격의 문제가 아니라 과정의 문제로 다루십시오. Mohamed와 Temimi(2026)는 평가를 불완전한 정보의 문제로 모형화합니다. 학생은 작업이 어떻게 산출되었는지를 알고 기관은 결과물과 부분적 흔적만을 봅니다. 그들의 대응-영역 모형은 세 가지 대응 — AI 미사용, 공개된 사용, 은닉 사용 — 을 비교하고 각 메커니즘이 무엇을 가장 매력적으로 만드는지를 묻습니다. 금지는 공식적 경계를 규정하지만 학생들이 탐지를 약하다고 지각할 때 은닉 사용을 매력적으로 남겨 둡니다. 모니터링은 공개를 늘리지 않으면서 은닉 사용의 예상 대가를 높입니다. 학생들은 투명해지지 않고 조심스러워집니다. 공개와 함께하는 허용은 정직의 대가가 낮을 때만 정직한 보고를 실행 가능하게 합니다. 실제로: 그 작업이 무엇을 평가하려 했는지 묻고, 학생에게 자신의 과정을 설명하게 하고, 늦은 선언을 자백이 아니라 정보로 취급하십시오.

모든 것에 AI를 인용하는 학생. 이것은 대개 준수라는 옷을 입은 기술 격차입니다. 강의계획서의 출처 표기 요건은 16%에서 43%로, 학문적 정직성 언급은 63%에서 49%로 변했습니다 — 분야가 요구하는 것은 자백이 아니라 인용입니다. 형식을 한 번, 한 장소에, 강의계획서 각주가 아니라 과제 안내문에 지정하십시오. 여러분의 분야에서 적절한 출처 표기가 무엇인지 밝히고, 실제 사례를 하나 주십시오. 실제 문제가 모형 없이는 기초 작업을 아직 할 수 없다는 것이라면, 해답은 규칙이 아니라 과제 설계입니다.

조별 과제. 조별 과제는 다섯 정책 지점이 가장 빠르게 갈라지는 곳입니다. 다섯 학생이 한 문장에 대해 다섯 가지 다른 해석을 가질 수 있고 채점되는 제출물은 하나뿐입니다. 프로젝트가 시작되기 전에, 분쟁 중이 아니라, 각 조 산출물에 대해 AI 사용이 허용되는지, 누가 선언하는지, 한 구성원이 규칙을 벗어날 때 어떻게 되는지를 결정하고 공표하십시오. 구성원이 책임지는 개인 기여를 밝힐 수 없다면, 사실을 사후에 판정하기보다는 과제를 조 전용 작업으로 채점하십시오.

검증할 수 없는 공개. 어떤 선언은 불완전할 것이고 어떤 누락은 반증 불가능할 것입니다. 여러분이 달성할 수 없는 해결 주변에 규칙을 만들지 마십시오. Bassett 등(2026)은 정책 문구에 직접 관련되는 세 가지 근거에서 AI 탐지가 교육에서 전혀 사용되어서는 안 된다고 논증합니다. 탐지기 출력은 실제 텍스트의 출처가 알려져 있지 않으므로 독립적으로 검증될 수 없는 확률적 추정치이며, 검증은 순환 추론 위에서 돌아갑니다. 탐지기 점수는 정직성 조사가 요구하는 개연성의 우세 기준을 충족하지 못합니다. 그리고 인간 대 AI의 이분법은 AI가 함께가 아니라 단독으로 만들어진 작업에는 무의미합니다. 그들의 결론은 탐지가 "학문적 정직성을 보호하지 않는다. 그것을 훼손한다"는 것입니다. 그들은 또한 초안 작성의 문제를 지적합니다. "평가에서" AI 사용을 제한하는 규칙은 평가가 언제 시작되는지를 명시하지 못하므로, AI 지원 조사, 계획, 또는 편집이 위반인지 아닌지는 읽는 사람에 따라 다릅니다. 대신 여러분이 관찰할 수 있는 과정 증거를 지목하십시오 — 제출된 프롬프트와 상호작용 로그, 강의실에서 산출된 수업 중 연습, 구두 설명 — 그리고 선언된 AI 사용을 맥락으로 취급하십시오. 여러분의 기관이 어쨌든 탐지기를 운용한다면, 같은 저자들의 학생 작업의 데이터 저장, 보유, 상업적 사용에 관한 경고가 적용됩니다. 예비 교사 두 명이 제기한 프라이버시 반대는 여러분의 학생들이 제기할 그 반대입니다.

"하지만..." — 여러분이 듣게 될 세 가지 반론

"학생들은 그냥 숨길 겁니다." 어떤 학생들은 그럴 것이고, 설계 질문은 여러분의 규칙이 어떤 학생들을 유혹하느냐입니다. 억제는 탐지기의 원시 탐지율이 아니라 은닉 사용과 정당한 작업 사이의 변별력을 통해 작동하므로, 추가 민감도가 새로운 참양성보다 더 많은 새로운 위양성을 산출할 때 더 강한 모니터링은 은폐를 상대적으로 더 매력적으로 만들 수 있습니다 — 정직한 학생들은 은닉 사용자보다 빠르게 처벌받습니다. 그리고 허용과 공개는 서로 다른 지렛대입니다. 허용은 허용되는 사용의 경계를 옮기고, 공개는 가시성을 바꿉니다. 여러분의 과제가 은폐하고 싶은 유혹이 가장 큰 학생을 어디에서 가장 세게 당기는지를 진단하고, 가장 양심적인 학생이 아니라 그 학생을 위해 설계하십시오.

"탐지할 수 없는 도구를 금지하고 싶지 않습니다." 그럴 필요가 없습니다. 금지는 모니터링, 공개와 함께하는 허용된 사용, 재설계와 나란히 네 가지 설계 대응 중 하나일 뿐입니다. 재설계는 과제가 보상하는 것을 바꾸고, 루브릭이 여전히 주로 최종 결과물을 채점하면 피상적 채로 남습니다. Pisan(2026)은 선택지를 수준별로 명시적이고 단계적으로 만든 것을 보여 줍니다. 입문 프로그래밍 강좌에서는 AI 사용이 금지되는데, 첫 루프를 외주화하는 것이 가르치고 있는 것 자체를 제거하기 때문입니다. 자료구조의 프로젝트에서는 장려되며(Copilot 허용) 펜과 종이 시험에서는 금지됩니다. 상급 시스템 강좌에서는 학습 및 검토 보조 수단이며, AI 강좌 자체에서는 필수입니다. 거기서는 하나의 경계가 대부분의 무게를 짊어졌습니다 — 모형이 코드를 쓸 수는 있지만 성찰은 학생 자신의 목소리여야 합니다. 평가는 모형이 조용히 대필할 수 없는 작업으로 옮겨갔고, 시험은 전면 제거되었습니다.

"우리 기관의 정책이 이미 이것을 다룹니다." 생각보다 그렇지 않습니다. 그 하향식 대 상향식 격차는 양방향으로 작동합니다. 강의계획서의 92%가 명시적 지침을 제공하는 반면 지역 규칙은 기관 지침에서 벗어나고, 두 수준 모두가 탐지 가능한 기관은 47곳에 불과했습니다. 조달, 데이터, 검토 주기는 기관 AI 정책을 작성하고 이행하는 방법에 속하지만, 강의실로의 번역은 여러분의 몫입니다. Nash와 Burriss는 기관이 교사가 채택만이 아니라 거부할 수 있도록 갖추어야 한다고 결론 내립니다. 특정 AI 사용을 거부할 수 있게 하는 지침과 전문성 개발을 제공하여 교수자가 시대에 뒤처진 것으로 규정되지 않게 하라는 것 — 그들의 참가자들의 기술 결정론은 자신들의 교수법적 약속과 모순되었습니다. 기관 정책을 갖는 것은 여러분의 판단 호출에 대한 보호를 갖는 것과 같지 않습니다.

첫 주: 행동 목록

• 채점되는 과제를 목록화하고 AI에 관해 어떤 것도 결정하기 전에 각 과제에 대해 "구체적으로 무엇을 평가하고 있는가?"를 물으십시오.
• 과제별로 결정하고, 그 결정이 은폐하고 싶은 유혹이 가장 큰 학생에게 어떤 대응을 가장 매력적으로 만드는지를 점검하십시오.
• 탐지기를 집행 메커니즘으로 만들지 마십시오. 대신 여러분이 관찰할 수 있는 과정 증거를 지목하십시오 — 로그, 수업 중 작업, 구두 점검.
• 학생이 AI 사용을 어떻게 어디에 선언하는지를 한 표준 장소에 말하고, 선언을 자백이 아니라 맥락으로 취급하십시오.
• 각 규칙을 그것이 섬기는 평가를 지목하는 근거로 진술하고, 복잡한 프로젝트에는 알림을 붙이십시오.
• 채점 주기 전반에 일관되게 적용할 수 있는 규칙만 작성하고, 그럴 수 없는 것은 잘라 내십시오.

다음으로 갈 곳

거버넌스, 데이터 정책, 조달, 검토 주기는 기관 AI 정책을 작성하고 이행하는 방법에 속하고, 의무화된 기관 및 교육구 규칙은 교육 AI 정책와 AI 거버넌스에 놓이며, 성적이 방어 가능한 추론을 뒷받침하도록 과제 자체를 재구축하는 것은 평가를 어떻게 재설계하면 성적이 학생이 알고 있거나 할 수 있는 것에 대해 여전히 방어 가능한 무언가를 말해 줄 수 있습니까?에 속합니다.