집단 및 협력 과제에서 AI를 어떻게 다루어야 할까요?

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

여러분이 집단 과제를 내면, 두 가지 실패 양상이 제출물과 함께 도착합니다. 다듬어지고 정합적이지만 어떤 구성원도 설명할 수 없는 산출물, 그리고 한 학생이 작업을 생성형 AI를 통해 돌리는 동안 세 사람이 공유된 성적에 무임승차하는 팀. 파일 속의 어떤 것도 어느 쪽인지를 말하지 않습니다.

둘 다 채점 문제이며 진실성 문제이기 이전에, 그리고 설계 문제이기도 합니다. 집단 과제는 한 번에 두 가지 주장을 합니다 — 팀이 생산한 것, 그리고 각 구성원이 배운 것 — 이며 AI는 둘 다에 압력을 가하여, 작업을 얼마나 쉽게 분할할 수 있는지, 기여가 얼마나 매끄럽게 융합하는지, 그리고 누구의 사고가 제출물 안에 있는지 말하기가 얼마나 어려운지를 바꿉니다.

핵심: AI의 자리를 과제별로, 강좌별이 아니라 결정하십시오. 집단의 AI 사용에 관한 협상이 그들이 제출하고 여러분이 채점하는 무언가가 되게 하십시오. 병렬 챗봇 세션으로 쪼갤 수 없도록 작업을 설계하십시오. 그리고 각 구성원이 혼자 답변하는 최소한 하나의 구성요소를 유지하십시오. 그중 어떤 것도 단속 도구를 요구하지 않습니다 — 그것은 과제의 설계를 요구합니다.

간략한 버전

1. 의도적으로 허용하고, 그 허용이 무엇을 포괄하는지를 말하십시오. AI가 만져도 되는 부분들 — 아이디어 생성, 언어 교정, 배치, 스크립팅 — 과 그것 없이 풀어야 하는 부분들을 지명하십시오.
2. 집단이 공유된 이해를 쌓는 구간들을 보호하십시오 — 틀 짓기, 이견, 조화 — 왜냐하면 AI 매개된 효율이 바로 그것들을 압축하기 때문입니다.
3. 짧고 공동으로 작성된 AI 사용 진술을 요구하고, 추론을 채점하십시오. 이것이 또래 규범을 검토 가능한 판단으로 전환합니다.
4. 과정을 가시적으로 만드십시오. 중간 산출물, 공유된 기획 문서, 구성원별 성찰, 기여에 대한 동료 평가.
5. 집단 성적 옆에 개별 책임을 유지하십시오 — 구두 변론, 또는 한 구성원이 초안을 쓰지 않은 어떤 절에 대한 개별 설명.
6. 접근 구성을 의도적으로 선택하십시오. 공유된 인터페이스는 협상되고 가시적인 AI 사용을 생산합니다. 사적인 프롬프트는 불투명한 흐름과 조용히 라벨이 벗겨진 출력을 생산합니다.
7. 집단의 자제를 조심히 읽으십시오 — AI를 거절하는 것이 의도적인 자기규제일 수도 있고 단순한 낯섦일 수도 있으며, 둘은 다른 응답을 요구합니다.

이 과제에서 AI가 무엇을 위한 것인지 결정하시오

말뭉치는 허용 질문을 허용 질문으로서 해결하지 않으며, 그것을 그렇게 다루는 것에 반대한다고 주장합니다. Chen과 Zou (2026)은 성적의 30%를 차지하는 발표를 전달하는 3~5명의 집단들을 연구했으며, 제도적 "명시적 인정 하에서만 사용" 정책 아래에서, GenAI가 아이디어 생성, 언어 교정, 시각적 배치, 스크립팅을 위해 명시적으로 허용되었습니다. 그 하나의 허용적 정책 안에서 학생들은 각 측에 방어 가능한 추론으로 정반대의 결론에 도달했으며, 설계가 어떤 집단이 어떤 결론에 도달하는지를 형성했습니다. 강좌 수준의 규칙은 집단이 하는 것을 결정하지 않습니다. 과제가 그렇게 합니다.

그러므로 허용을 산출물의 수준에서 작성하십시오. 어떤 단계들이 AI에 개방되어 있고 어떤 단계들이 그렇지 않은지를 말하고, 학생들에게 왜 그런지를 말하십시오. 범위 검토의 설계 논리가 같은 방향을 가리킵니다 — AI 매개된 의사소통이 협상과 집단적 의미 구축을 압축한다면, 집단이 공유된 이해를 쌓는 구간들이 보호해야 할 것들입니다. 그러나 그 근거에 관해 정직하십시오. 어느 검토도 AI를 보류하는 것이 학습 성과를 개선한다고 주장하지 않습니다. 그 논증은 측정된 비교가 아니라 트레이드오프의 구조에 놓여 있습니다.

집단이 단순히 나눌 수 없도록 과제를 구성하시오

Wei와 Perkins (2026) — 2023년 1월에서 2025년 3월 사이에 출판된 영어 연구 18개에 대한 PRISMA 안내 범위 검토로, 성찰적 주제 분석으로 분석되고 여덟 개의 주제에 걸쳐 배치되었습니다 — 은 장부의 양면을 제공합니다. 이득: 집단 지식 발달, 아이디어 생성, 성찰적 사고 지원, 의사소통 효율, 과제 조정, 그리고 피드백. 위험: 과도한 의존 아래에서의 동료 상호작용과 몰입 감소, 더하여 프라이버시, 투명성, 정확성 우려. 그들의 평가는 직설적입니다 — 이득들은 실증적으로 뒷받침되는 반면, 프라이버시, 투명성, 편향, 정확성에 관한 위험들은 대체로 개념적으로 논의됩니다 — 그리고 연구의 상당 부분은 단기적이거나 개념적이며, 집단 역학이나 인지 발달에 관한 종단적 작업은 거의 없습니다.

트레이드오프가 설계를 지배합니다. 검토는 의사소통, 협상, 집단적 의미 구축에 대한 요구가 줄어 집단 작업이 더 효율적이 되었음을 보고합니다 — 검토 안에서 인용되는 Lin 외의 발견 — 그래서 효율 이득과 상호작용 손실이 같은 메커니즘이 될 수 있습니다. 여러분은 협상을 요구된 작업으로 다시 짓지 않고는 그 손실 없이 속도를 취할 수 없습니다. 검토는 집단 기반 평가가 초점을 산출물에서 과정으로 옮겨야 한다고 결론짓습니다.

Chen과 Zou는 그것을 우연히 하기가 얼마나 어려운지를 보여 줍니다. 그들의 학습자 주체성의 세 가지 패턴은 한 번에 다른 방향으로 달렸습니다. 협력 지향적 주체성(5개 집단)은 작업을 붙잡아 두기 위해 사용을 강화했으며, 종종 동료들의 기여를 챗봇에 넣어 그것들을 해독하고 자신의 부분을 정렬했으며, 한 집단은 그것의 작업 흐름을 "토론 → GenAI로의 외현화 → 집단적 검토 → 재토론"으로 재구성했습니다. 규범적 주체성(7개 집단)은 의도적으로 사용을 자제했으며, AI가 도달할 수 없는 상황화된 지식을 요구하는 과제라고 판단했으며 — "AI는 여러분이 타이핑하는 그 순간만을 안다" — 또는 AI가 생성한 절들을 그것들을 떠안아야 할 동료들에게 불공평하다고 다뤘습니다. 비실행된 주체성(3개 집단)은 아무것도 바꾸지 않았으며, "개별 플랫폼"에서 개별적인 하위 과제로 작업을 분할하면서 개별 학생들이 팀에 결코 기여하지 않는 방식으로 GenAI를 사용했습니다.

루브릭은 다문화 주제 아래 통합과 정합성, 자신의 교실 기여에 연결된 각 구성원의 성찰적 통찰, 그리고 입증된 집단 협력을 이미 요구했고 — 그리고 세 집단이 여전히 나누어 정복했습니다. 정합성 기준만으로는 그 자체로 협력을 생산하지 않습니다.

접근 구성이 이것의 일부입니다. Xu 외 (2026)은 3명씩 6개 집단의 18명 학생을 단일 공유 ChatGPT-4 인터페이스에서 약 45분 관찰하고, 비동기 팀워크에 관해 9명의 추가 학생을 추가로 인터뷰했습니다. 공유되고 가시적인 인터페이스로 팀들은 "집단적 프롬프트"를 공동 구성하고, 반복되는 표면–평가–내장 순환을 실행하고, 대화를 공유된 외부 기억으로 다루었으며, AI의 역할을 공개적으로 협상했습니다. 비동기 작업에서 사적인 프롬프트와 출력의 "라벨 제거"는 공유된 인지 모형을 유지하는 비용을 높이는 불투명하고 사유화된 정보 흐름을 생산했습니다. GenAI의 역할도 종속된 조수에서 논쟁되는 동료로 이동했으며, 그 시스템은 인지적으로 관여하지만 팀의 이동하는 초점에 맥락적으로 무지합니다.

각 구성원의 기여를 가시적으로 만드시오

Korchak, Costley와 Fanguy (2026)은 평가자를 걱정하게 해야 할 세부 사항을 더합니다. 과학 글쓰기 강좌에서 23세에서 39세(평균 27.7세)의 대학원생 10명과의 인터뷰에서 집단들은 GenAI를 사전에 계획된 전략을 통해, 또는 공유된 문서에서 조정된 개방적이고 개별 주도적 상호작용을 통해 사용했습니다. 독특한 사용은 GenAI를 편집 통합자로 삼는 것으로, 병렬 절들을 정합적인 텍스트로 융합하는 것이었습니다. 그들의 가장 예리한 관찰: 학생들의 진술은 때로 자신들의 서면 성찰과 모순되었습니다 — 한 학생은 서면에서 하나를 기술하면서도 집단 전략이 없었다고 부인했습니다. 집단 전략들은 항상 모든 구성원에게 똑같이 가시적인 것은 아니며, 따라서 여러분에게도 믿을 만하게 가시적이지 않습니다.

팀 실천이 되지 못하는 유능한 개별 AI 사용은 다른 방향에서 같은 현상입니다. 두 연구 모두 하나의 대책을 암시합니다. 산출물에 가시성을 공학적으로 설계하는 것으로, 결정 기록, 여러분이 열 수 있는 공유 문서, 그리고 각 구성원으로부터 자신이 무엇에 기여했고 어떤 부분들을 여전히 설명할 수 없는지에 관한 짧은 노트와 함께.

개별을 잃지 않고 집단을 평가하시오

Chen과 Zou의 중심적 설계 논거는 허용 가능한 GenAI 사용의 협상이 그 자체로 명시적이고 평가 가능한 학습 결과가 되어야 한다는 것입니다. 팀들은 GenAI를 어떻게 사용할 것인지와 사용하지 않을 것을 집단적으로 정당화하고 문서화해야 하며, 규범을 또래 압력이나 인식된 위험에 맡겨 두지 말아야 합니다. 그것은 집단이 실제로 이야기했을 때만 존재하는 등급 매길 수 있는 산출물이며, 시행 불가능한 규칙을 검토 가능한 학생의 판단으로 전환합니다.

그것을 개별 구성요소와 짝지으십시오 — 자신의 이해에 대한 구두 변론, 또는 자신이 초안을 쓰지 않은 어떤 절에 대한 서면 설명. 그것이 또한 무임승차 문제에 대한 정직한 답입니다. 그것은 저자권이 아니라 이해를 채점하며, 이해는 집단 성적이 항상 대용물이었던 것입니다.

Martínez-Peláez 외 (2025)는 Web of Science Core Collection에서 2023–2024년에 대한 연구 203개를 선별하고 PROSPERO에 등록된 PRISMA 2020 프로토콜 아래 22개를 포함했습니다. 그들은 LLM이 아이디어 생성, 조직화, 동료 피드백, 시뮬레이션된 루브릭 기반 평가와 전문가 검토, 더 낮은 참여 장벽 — 으로서 협력의 촉매로 작동한다고 보고하고, 문제 해결을 위해서는 대안적 해결책 탐색, 학제적 관점, 그리고 진정한 시나리오 탐색에 대한 도움을 보고합니다. 그들은 또한 유용한 반전을 지적합니다. LLM은 종종 불완전하거나 올바르지 않은 응답을 생산하며, 이것이 학생들로 하여금 정보를 질문하고, 검증하고, 개선하게 합니다 — 개별 점검 지점 안에서 찾아야 할 AI 사용입니다.

그들의 한계는 어떤 인용과도 함께 여행합니다. 단일 데이터베이스, 학술지 논문만, 윤리나 프라이버시에 대한 초점 없음, 이 기술의 처음 2년만, 그리고 위험 편향 도구가 적용되지 않았습니다. "촉매"를 측정된 결과가 아니라 관찰된 실천의 기술로 다루십시오.

하지 말아야 할 두 가지. 개별 기여를 분류하기 위해 탐지에 손을 대지 마십시오. 이 여섯 연구 중 어느 것도 집단 설정에서 탐지기를 시험하지 않으며, 탐지의 개별 수준 문제들은 이 지식베이스의 다른 곳에 문서화되어 있습니다. 그리고 집단의 자제를 확인하지 않고는 그것을 찬성이나 문제로 읽지 마십시오 — Chen과 Zou은 자제가 의도적인 자기규제보다는 낯섦이나 위험 회피를 반영할 수 있다고 경고합니다.

팀 안에서 AI에 관한 이견을 다루시오

공개는 여러분이 마지막에만 묻는 질문이 아닙니다. 그것은 집단이 해결해야 하는 규범이며, 해결이 흥미로운 실패들이 살아 있는 곳입니다. Chen과 Zou는 강화된 사용에 대한 두 가지 근거를 확인했습니다. 수행: 학생들은 기준과 동료 벤치마크를 읽고 공유된 성적의 자신의 부분을 보호하기 위해 AI를 사용했습니다 — 공유된 성적에 대한 합리적 응답. 규범을 통한 인식된 안전: 허용적인 집단 분위기가 인식된 오남용의 위험을 낮추었으므로, 집단들은 도구를 더 공개적으로, 그리고 협력 지향적인 경우 더 의존적으로 사용했습니다. 여러분이 투명성을 원한다면, 진술된 교실 규범이 경고보다 더 효과적입니다.

AI 사용에 관한 이견을 여러분에게 가져오는 집단은 대개 어려운 부분을 이미 했습니다. 그들에게 구조를 주십시오. AI 사용 진술이 집단이 무엇을 하지 않기로 결정했는지를 무엇을 했는지만큼이나 기록하도록 요구하고, 정당화를 채점하십시오. 이것이 Chen과 Zou의 집단적 주체성에 관한 지점이 착륙하는 곳입니다. 개별 역량은 스스로 집단적 역량이 되지 않으며, 이것이 협상이 바라기보다는 요구되어야 하는 이유입니다.

여러분이 실제로 듣게 될 세 가지 반론

"집단 작업은 이미 불공평합니다 — AI가 그것을 더 나쁘게 만들 뿐입니다." AI는 문제의 형태를 바꿀 뿐, 그것의 존재를 바꾸지는 않습니다. 공정성 불만은 이미 집단 안에 있습니다. Chen과 Zou의 자제한 학생들은 AI를 통해 자신의 절을 생성하는 것을 그것들을 떠안아야 할 동료들에게 불공평하다고 다뤘으며, 수행 근거는 학생들이 공유된 성적의 자신의 몫을 보호하는 것을 보여 줍니다. 여기 어떤 연구도 AI가 무임승차를 더 나쁘게 만들었거나 어떤 개입이 그것을 줄인다고 보여 주지 않습니다. 개별 책임과 가시적 과정은 입증된 해결책이 아니라 설계 논거에 의해 방어 가능합니다.

"AI가 협력을 더 좋게 만들므로, 나는 그것을 장려해야 합니다." 부분적으로, 그리고 그 부분이 중요합니다. Martínez-Peláez 외는 진정한 협력 지원들 — 아이디어 생성, 조직화, 동료 피드백, 시뮬레이션된 루브릭 평가, 더 낮은 참여 장벽 — 을 기술하지만, 그것은 위의 한계를 가진 관찰된 실천에 대한 검토이며, Wei와 Perkins는 이득들이 실증적으로 뒷받침되는 반면 위험 쪽은 대체로 개념적이라는 것을 발견했습니다. 그들이 인용하는 무작위 증거가 가장 날카로운 경고입니다. AI는 참가자들의 전반적인 독창성을 유의미하게 높이지 않으면서도 더 혁신적인 제안을 더 많이 생산했으며, 아이디어를 동질화하고 인지적 외주화를 초대할 수 있습니다. 시뮬레이션 작업은 그 간극을 메우지 못합니다. Fang (2026)은 실제 참가자 대화에 LLM 에이전트를 미세 조정하여(LLaMA 3.2–3B에 대한 LoRA/QLoRA 어댑터) 3,824차례의 대화와 여섯 개의 주제 코드에 걸쳐 48명의 참가자를 모형화한 뒤, 인식론적 네트워크 분석으로 실제와 시뮬레이션된 담화를 비교했습니다. 시뮬레이션된 네트워크는 경험적 네트워크로부터 0.17의 거리에 도달하여, 0.30 임계값 아래이며, 순열 p값은 0.65로, 통계적으로 구별 불가능하지만, 시뮬레이션은 기술적 제약–설계 연결을 약간 과장하고 데이터와 성능 매개변수를 과소 대표했습니다. 이것은 중간 확신을 가진 틀 논문입니다. 그것은 하나의 주장만을 뒷받침합니다 — 참가자 특정 에이전트가 현실적인 협력 담화를 재현할 수 있다는 것 — 그리고 학생들이 시뮬레이션된 동료로부터 더 많이 배운다는 것을 보여 주지 않습니다.

"나는 과정을 채점할 수 없습니다." 여러분은 이미 그것의 대용물에 점수를 매우며 그것을 산출물의 질이라고 부릅니다. 그 수단은 더 많이 채점하는 것이 아니라, 과정이 일어났을 때만 존재하는 산출물을 채점하는 것입니다 — 협상된 AI 사용 진술, 결정 기록, 개별 변론. 셋 모두 제한되어 있고 점검 가능합니다. 여러분이 주장해서는 안 되는 것은 이것 중 어떤 것도 검증되었다는 것입니다. 주체성 패턴들은 한 강좌의 예비 교사 52명을 대상으로 한 하나의 질적 연구에서 나오며, 저자들은 그것들을 여러분의 학급에서 기대할 수 있는 분포가 아니라 설계에 대한 가능한 응답으로 읽으라고 말합니다. 글쓰기 연구의 10명 참가자는 AI 전문가 대학원생이었으며, 그 저자들은 발견을 분류론이 아니라 맥락 특정적이라고 부릅니다.

증거가 뒷받침하지 않는 것

GenAI는 보조 없는 협력을 개선하지 않습니다. 범위 검토의 이득들은 과정과 산출물에 관한 것이며, 그것은 집단 역학과 인지 발달에 관한 종단적 작업을 명시적으로 요구하며, AI 지원 집단 작업 중에 측정된 이득들은 도구 없이 이루어지는 협력으로 전이된다고 보여진 적이 없습니다. 탐지는 집단 기여를 분류하지 않습니다. 그리고 여기 어떤 연구도 AI가 있는 집단 과제를 그것이 없는 같은 과제와 비교하지 않으므로, "AI가 없는 집단 작업이 더 많은 학습을 생산한다"는 것은 여러분이 인용할 수 있는 발견이 아니라 설계 논거입니다.

이번 주에 이것을 하시오

다음 과제가 나가기 전에 10분 안에: 이 팀이 GenAI를 어떻게 사용할 것인지와 사용하지 않을 것인지를, 그리고 왜 그런지를 진술하는 공동으로 작성된 반 페이지를 요구하고, 루브릭에 개별 구성요소를 더하십시오.

한 수업 시간에: Xu 외의 시험으로 과제를 실행하십시오 — 작업을 독립적인 조각들로 잘라 다시 조립할 수 있는가? 할 수 있다면, 적어도 하나의 단계가 전체 팀을 요구하도록 순서를 바꾸고, 공유된 인터페이스나 문서를 그것의 중심에 놓으십시오. 어떤 구간들이 AI 없이 풀어야 하는지를 학급에 말하고, 왜 그런지를 말하십시오.

이 학기: 과제별로 AI 허용을 결정하고, 틀 짓기와 조화 단계를 보호하고, 어떤 집단의 자제든 바로잡을 입장이 아니라 해석할 신호로 읽으십시오.

집단 과제를 위한 실천적 체크리스트

• 협상을 과제에 쓰십시오. 각 팀이 GenAI를 어떻게 사용할 것인지와 사용하지 않을 것인지에 관한 짧고 공동으로 작성된 진술을 제출하도록 요구하고, 추론을 채점하십시오.
• 산출물뿐만 아니라 과정을 가시적으로 만드십시오. 중간 산출물, 기여에 대한 동료 평가, 공유된 기획 문서, 성찰적 기여가 규범이 협상되는 상호작용들을 만듭니다.
• 집단 성적과 나란히 개별 책임을 보호하십시오. 각 구성원이 혼자 답변해야 하는 구성요소를 유지하십시오 — 자신의 이해에 대한 구두 변론, 또는 자신이 초안을 쓰지 않은 어떤 절에 대한 개별 설명.
• 접근 구성을 의도적으로 선택하십시오. 하나의 공유 인터페이스는 집단적 프롬프트, 공유된 기억, 협상된 역할을 생산합니다. 사적인 프롬프트는 불투명한 흐름과 라벨이 벗겨진 출력을 생산합니다.
• 과제가 분할될 수 없도록 설계하십시오. 정합성 루브릭 항목만으로는 그 자체로 협력을 생산하지 않습니다. 작업 흐름이 공동 작업을 요구해야 합니다.
• 어떤 부분들이 AI 없이 풀리는지를 말하십시오. 협상과 집단적 의미 구축이 요점이라면, 집단이 도구 없이 작업하는 구간들을 지명하고, 학생들에게 왜 그런지를 말하십시오.
• 역할을 할당하되, 특히 그것을 필요로 하는 학습자들에게. 명시적 역할 정의, 구조화된 할당, 작고 일관된 팀들은 AI 협력 도구들이 수용하지 못하는 요구사항들입니다.
• 자제를 조심히 읽으십시오. GenAI를 거절하는 집단은 의도적인 자기규제를 행사하고 있을 수도 있고 낯섦과 위험에 대비하고 있을 수도 있습니다. 둘은 다른 응답을 요구합니다.
• 증거 기준을 정직하게 유지하십시오. 몰입, 즐거움, 만족은 약한 지표입니다. 동료 상호작용이 줄어든 허용적 정책 아래의 집단 GenAI 사용은 학습의 증거가 아닙니다.

기저 증거는 모둠 활동와 협력 학습 개념 페이지에 놓여 있습니다.