AI가 학생들에게 어떤 영향을 미치고 있습니까?

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

AI는 학생에게 긍정적인 방향과 부정적인 방향 양쪽으로 영향을 미치며, 대개 동시에 그렇습니다. 동일한 도구가 학생의 학습에 비계를 제공하면서 지나친 의존을 유발할 수 있고, 동기를 높이면서 주도성을 약화시킬 수 있으며, 소속감을 지원하면서 저작자성이 위협받게 할 수 있습니다. 학생 경험에 관한 연구는 여러 차원에 걸쳐 반복적으로 나타나는 긍정적·부정적 영향을 지목합니다 — 그리고 그 방향은 AI가 어떻게 설계되고 학생이 어떻게 사용하는지에 크게 좌우됩니다.

긍정적 영향

1. 학습 지원. AI는 힌트, 설명으로 이해에 비계를 제공하여, 피드백, 학습자가 인지적으로 중요한 작업을 계속 수행하도록 하면서 주문형 도움, 연습, 적응형 지원을 제공할 수 있습니다. 잘 설계되면 이것은 학습과 도움 요청을 지원합니다(AI를 사용하는 것이 실제로 학생의 학습에 도움이 됩니까? 참조).

2. 동기와 참여. 개인화되고 즉각적이며 부담이 낮은 지원은 동기과 참여를 높여, 학생이 계속 노력하고 유능하다고 느끼도록 도울 수 있습니다(자기결정이론과 그것이 말하는 자율성, 유능성, 관계성의 욕구 참조).

3. 일부 차원에서의 접근성과 형평성. AI는 질문하기를 꺼리는 학생에게 부담이 적은 방식으로 도움을 받을 기회를 줄 수 있고, 도움을 요청하는 것에 대한 불안을 줄여 웰빙을 지원할 수 있습니다.

4. 정체성과 미래 대비. AI는 AI가 통합된 세상을 위한 전이 가능한 역량 — AI 리터러시, 분산 인지, 메타인지 — 을 기르도록 도울 수 있고(적응 역량 참조), 학생이 자신을 유능하고 AI에 능통한 실천자로 보게 되면서 정체성 형성을 지원할 수 있습니다.

5. 스트레스 시기의 심리사회적 지원. 인지적 도움을 넘어, 학생들은 고도의 훈련 스트레스 상황에서 생성형 AI를 안심의 원천이자 성찰을 위한 비밀스러운 공간으로 묘사합니다 — 채택 모델이 포착하지 못하는 유용성의 관계적·정서적 차원입니다. 간호학 학생 28명과 교수를 대상으로 한 질적 연구에서, 여러 학생이 AI를 임상 스트레스 중에 위안과 비심판적 공간을 준 "동반자"로 묘사했습니다(Akbaba & Calik Kus, 간호 교육). 아래의 의존성 증거와 함께 읽으십시오: 그 위안은 실재하며, 그것이 의존으로 기울 수 있습니다.

부정적 영향

1. 지나친 의존과 수행–학습 간극. AI는 인지적 오프로딩을 유발합니다 — 학생이 연습해야 하는 추론을 위임합니다. 이것은 AI 와 함께 하는 수행은 높이면서 나중의 무보조 수행은 낮출 수 있습니다: 지식베이스의 AI 오용과 학습 위해 종합은 현장 무작위 대조 시험에서 안전장치가 없는 AI 튜터가 연습은 개선했지만 이후 시험 수행은 저하시켰음을 기록합니다. 과도한 사용은 메타인지과 자기조절 학습을 침식할 수도 있습니다. 컴퓨팅 교육의 72개 연구에 대한 2026년 종합이 그 패턴을 정량화합니다: 생성형 AI는 단기 완료율을 꾸준히 높이고 과제 소요 시간을 줄였으며(36개 연구), 그러나 그 이득은 "독립적 수행으로 전이되지 않으며"(21개 연구), 이득은 사전 지식에 의존했습니다 — 잘 준비된 학생은 도움을 지속적인 기술로 전환한 반면 준비가 부족한 학생은 그것을 생산적 실패를 제거하는 버팀목으로 사용하여, 단일 교실 내에서 유능성 격차를 넓혔습니다(Kumar 등, 체계적 고찰).

2. 노력과 주도성 감소. AI가 이용 가능하다는 것을 아는 것만으로도 학생이 생산적 실패에 참여하려는 의지를 줄일 수 있고(AI 이용 가능성과 동기), AI 출력을 수동적으로 수용하는 것은 학습자 주체성과 스스로 작업을 해냄에서 오는 성취감을 침식할 수 있습니다(안전 간극 참조).

3. 불안, 수치심, 웰빙 비용. AI 사용은 불안과 스트레스 — 대체될지 모른다는 불안, 불확실한 평가, 뒤처질지 모른다는 불안 — 와 연관됩니다(AI 불안에 대한 종합 분석 참조). AI 사용에 관한 수치심과 죄의식은 숨기기와 선택적 공개를 유발하여 정직한 참여와 사회정서적 웰빙을 해칠 수 있습니다. 동기적 결과는 측정 가능합니다: 학부생 1,484명을 대상으로 한 Zhang, Shi, Lu의 조사는 AI 불안이 학업 동기(r = −0.175) 및 정서 교육에서의 AI 규제(r = −0.172)과 부적으로 상관하며, 정서 조절이 AI 불안 → 동기 경로를 부분적으로 매개함(간접 효과 = −0.076)을 발견했으며, 일일 사용 시간은 거의 아무것도 예측하지 못했습니다(r = 0.053). 그들의 결론은 리터러시 교육을 단순히 도구 접근성을 확대하는 것과 결합해서가 아니라 정서 조절 및 메타인지 지원과 결합해야 한다는 것입니다(Zhang 등, AI 불안과 학업 동기). 대화형 AI에 관한 51개 기록의 비판적 종합은 측정상 주의를 더합니다: 신뢰, 의존, 지나친 의존, 애착, 의존성은 일상적으로 혼동되며, 외로움·불안·피로·미루기·약한 비판적 사고와의 횡단면적 상관은 인과관계를 확립하지 못합니다 — 손상된 통제나 기능적 해악 없이 빈번한 사용은 의존이 아닙니다(Yan, 대화형 AI 참여와 의존성 종합).

4. 학습자 정체성에 대한 위협. AI가 작업을 만들어낼 때, 학생은 결과물이 "자신의 것"이 아니라고 느끼기 시작할 수 있습니다 — 학습자 정체성에 대한 저작자성 위협입니다. 창작 분야에서의 유능성 역설은 사용의 용이성이 학생이 저작자성에서 얻는 장인 기반 정체성을 약화시킴을 보여줍니다.

5. 정직성과 형평성 위험. AI는 학문적 부정행위의 새로운 형태를 가능하게 하며, AI 도구에 대한 불평등한 접근(과 이해)은 학생 간 격차를 넓힐 수 있습니다 — 이것은 형평성의 핵심 우려입니다.

결론

안전장치는 AI를 대체물이 아닌 비계로 사용하는 것입니다 — AI가 지원을 제공하는 동안 학습자가 인지적으로 중요한 작업을 계속 수행하게 하고 — 그리고 수행만이 아니라 영향의 전 범위(인지적, 동기적, 정서적, 정체성, 사회적, 그리고 형평성)를 주시하는 것입니다. 차원별로 정리된 더 깊은 논의는 학생 경험 개념 페이지를 참조하십시오. 개입 측면의 대응 — 비계가 대체물이 되지 않도록 AI를 강좌에 설계하는 방법 — 은 AI 리터러시를 제 강좌에 어떻게 통합해야 합니까? 및 고등교육의 AI 리터러시 개입에 대한 증거는 무엇입니까?을 참조하십시오.