플로리다대학교 교수는 교실에서 AI와 싸우는 것을 멈췄다: 동료 심사를 거친 연구가 뒤따랐다 (새 탭에서 열림)
AI 시대의 학생 글쓰기를 감시나 탐지보다 과제 설계의 변화로 해결해야 한다는 글이다. 플로리다대 브라이언 하프 교수는 학생들에게 AI 초안을 먼저 작성하게 한 뒤 자신의 관점에 맞게 수정하도록 했고, 310편의 에세이를 분석해 학생들이 실제로 상당한 편집과 사고를 수행한다는 사실을 확인했다. 연구 결과는 AI 사용 자체보다 학생이 AI 결과물을 어떻게 검토하고 재구성했는지가 더 중요하다는 점을 보여준다. ## 설문조사와 AI 탐지기의 한계 - 설문조사는 학생이 교수나 학교가 기대한다고 생각하는 답변에 영향을 받는다. - AI 사용을 긍정적으로 보는 학생은 사용량을 과장할 수 있다. - 처벌을 우려하는 학생은 사용을 축소해 보고할 수 있다. - 여러 차례의 작성·수정 과정에서 AI가 어느 정도 기여했는지 정확히 기억하기도 어렵다. - AI 탐지기는 텍스트가 AI로 작성됐을 가능성을 확률적으로 판단할 뿐, 실제 사용 여부를 확정하지 못한다. - 대부분의 탐지기는 문서 전체에 대한 판정만 제공하며, 어느 부분이 AI 작성인지 또는 AI가 얼마나 기여했는지는 보여주지 않는다. - 결과적으로 기관은 학생들의 AI 사용에 대한 불안은 크지만, 실제 작성 과정에 관한 신뢰할 만한 데이터는 부족하다. ## AI를 배제하지 않고 과제를 재설계하다 - 하프 교수는 AI 사용을 감시하거나 금지하는 대신, 과제 자체에 AI를 포함했다. - “더 나은 인간을 설계할 수 있는가, 그래야 하는가?”라는 강의의 기말 에세이에서 학생들은 다음 과정을 수행했다. - 인간 복제와 유전공학에 관한 AI 생성 초안을 먼저 작성 - 초안을 자신의 견해에 맞게 수정 - 최종 글에 자신의 관점을 반영 - AI 초안을 얼마나 유지하거나 삭제할지는 학생이 결정 - 학생들은 AI 사용 자체로 불이익을 받지 않았기 때문에 사용 사실을 숨길 유인이 줄었다. - 평가의 초점도 “AI를 사용했는가”에서 “AI 결과물을 어떻게 활용하고 비판적으로 수정했는가”로 이동했다. ## 단어 단위 작성 이력을 추적한 Authorship - 하프 교수는 AI 탐지기가 아닌 Grammarly Authorship를 사용했다. - Authorship는 확률적 판정을 내리는 대신 각 문장의 출처를 기록한다. - 학생이 직접 입력한 텍스트 - AI 도구에서 복사한 텍스트 - 다른 출처에서 가져온 텍스트 - 학생들은 에세이와 함께 Authorship 보고서를 제출했다. - replay 기능을 통해 AI 초안이 최종 제출물로 발전하는 과정을 확인할 수 있었다. - 이를 통해 글을 완성된 결과물이 아니라 작성·수정의 과정으로 분석할 수 있었다. ## 310편의 에세이에서 나타난 결과 - 연구 대상은 7개 단과대와 100개가 넘는 전공에 속한 학생들의 에세이 310편이었다. - 학생이 직접 작성한 부분이 많을수록 과제 완료에 더 많은 시간이 걸렸다. - 과제에 투입한 시간과 실제 수정량 사이에 강한 상관관계가 나타났다. - 이는 과제 설계가 학생의 실질적인 참여를 요구할 때 작성 데이터에도 그 흔적이 남는다는 뜻이다. - STEM 전공 학생은 비STEM 학생보다 인간이 작성한 텍스트를 더 많이 생성했다. - 두 집단이 AI 초안의 주장에 동의할 가능성은 비슷했다. - 따라서 단순히 주제에 대한 동의 여부만으로 편집량 차이를 설명하기는 어렵다. - 학업 성취도가 높은 학생일수록 AI 초안을 더 extensively 수정했다. - 이 경향은 모든 전공 분야에서 나타났다. - 수정 깊이는 전공지식보다 전반적인 학업 태도나 비판적 검토 습관과 더 관련 있을 가능성이 있다. - 학생들은 평균적으로 AI 초안의 약 76%를 최종 글에 유지했다. - AI의 주장에 실제로 동의하지 않은 약 5%의 학생들은 훨씬 더 많은 부분을 수정했다. - 자신의 견해가 분명한 학생일수록 AI 초안을 그대로 받아들이기보다 적극적으로 재작성했다. - 310명 중 AI 초안을 전혀 수정하지 않은 학생은 단 2명이었다. - 100% AI 작성 에세이를 제출해도 만점을 받을 수 있도록 허용했음에도 대부분의 학생은 직접 수정했다. - 가장 깊이 참여한 학생들은 학업 성취도도 높은 편이었다. ## 교육기관에 주는 시사점 - 하프 교수의 과제를 그대로 복제할 필요는 없지만, AI를 과제에서 배제하기보다 학습 과정 안에 통합한다는 원칙은 다른 수업에도 적용할 수 있다. - AI 탐지기는 최종 결과에 대한 판정을 제공하지만, 작성 이력 도구는 학생이 어떻게 사고하고 수정했는지 보여준다. - 학생과 교수의 관계를 ‘감시자와 회피자’의 대립에서 작성 과정에 대한 협력적 성찰로 바꿀 수 있다. - 학생이 AI에 사고를 전부 위임할 것이라는 우려와 달리, 명시적으로 AI 사용을 허용해도 많은 학생이 자신의 판단을 반영하기 위해 결과물을 수정했다. - AI의 장점과 한계를 직접 경험하게 하고, 언제 어떻게 사용할지 학생이 판단하도록 가르치는 것이 장기적으로 더 효과적일 수 있다. 과제에 AI 사용을 무조건 금지하기보다는 AI 초안, 학생의 수정 과정, 최종 성찰문을 함께 평가하는 방식이 실용적이다. 특히 작성 이력을 투명하게 기록하면 AI 사용 여부보다 학생의 이해도와 비판적 참여를 더 정확하게 평가할 수 있다.