초록 (Abstract)

대규모 언어 모델 (LLMs) 및 AI 코딩 어시스턴트의 등장은 소프트웨어가 생성되고, 학습되며, 이해되는 방식을 근본적으로 변화시켰습니다. 기존 문헌의 상당 부분이 생산성 향상과 소프트웨어 엔지니어링 효율성에 초점을 맞추고 있는 반면, AI 지원 개발이 교육 및 창의성에 미치는 영향에는 상대적으로 적은 관심이 기울여졌습니다. 2026년 6월, Greg Urbano는 호기심, 실험, 그리고 즐거움을 프로그래밍 경험의 중심에 두는 프레임워크인 **선(先) 놀이 프로그래밍 (Play-First Programming, PFP)**을 공식화했습니다.

본 논문은 독창적인 Play-First Programming 선언문과 AI 네이티브 소프트웨어 엔지니어링, 구성주의 (Constructionist) 학습 이론, 인간-컴퓨터 상호작용 (Human-Computer Interaction), 그리고 내재적 동기 부여에 관한 현대적 연구를 합성합니다. 우리는 Play-First Programming이 AI 네이티브 개발 관행에 대응하는 교육적 대응물임을 주장합니다. 이 프레임워크의 핵심 사이클인 **상상하기 (Imagine) → 구축하기 (Build) → 놀기 (Play) → 배우기 (Learn) → 개선하기 (Improve)**는 AI가 창작의 장벽을 낮추고, 개발자의 책임을 오케스트레이션 (Orchestration) 및 검증 (Verification)으로 전환하며, 능동적인 실험을 통해 적시 학습 (Just-in-time learning)을 가능하게 한다는 최신 연구 결과와 밀접하게 일치합니다.

AI를 프로그래밍 지식의 대체제로 보는 대신, Play-First Programming은 AI를 인지적 스캐폴딩 (Cognitive scaffold)으로 배치하여 학습자가 반복적인 탐색을 통해 이해를 발전시키는 동시에 의미 있는 프로젝트에 즉각적으로 참여할 수 있도록 합니다. 본 논문은 이 프레임워크의 이론적 토대를 제시하고, 기존의 AI 지원 개발 패러다임과 비교하며, 연구 기회를 식별하고, 교육, 소프트웨어 개발 및 인간의 창의성에 미치는 시사점을 논의합니다.

주요어 (Keywords): AI 지원 프로그래밍 (AI-assisted programming), 구성주의 (Constructionism), 프로그래밍 교육 (Programming education), AI 네이티브 개발 (AI-native development), 창의성 (Creativity), 실행을 통한 학습 (Learning by doing), 대규모 언어 모델 (Large language models), 인간-컴퓨터 상호작용 (Human-computer interaction)

1. 서론 (Introduction)

수십 년 동안 프로그래밍 교육은 대체로 순차적인 모델을 따랐습니다:

이론 학습 → 구문 (Syntax) 학습 → 연습 문제 풀이 → 프로젝트 구축

이러한 경로는 수 세대에 걸쳐 전문 소프트웨어 엔지니어들을 성공적으로 배출해 왔습니다. 하지만 동시에, 소프트웨어 제작에 호기심은 있지만 전통적인 프로그래밍 교육과 관련된 높은 장벽을 극복하기를 원치 않거나 극복할 수 없었던 수많은 개인들의 의지를 꺾기도 했습니다.

생성형 AI (Generative AI) 시스템의 등장은 이러한 패러다임에 도전하고 있습니다.

오늘날 학습자는 자연어 (Natural language)로 아이디어를 설명하고 몇 초 안에 작동하는 애플리케이션을 받을 수 있습니다. 한때 상상과 구현을 가로막았던 기술적 마찰 (Technical friction)이 극적으로 감소한 것입니다.

이러한 변화는 근본적인 질문을 던집니다:

만약 AI가 코딩의 기계적 복잡성을 상당 부분 제거할 수 있다면, 프로그래밍 교육은 여전히 구문 (Syntax)부터 시작해야 하는가?

선(先) 놀이 프로그래밍 (Play-First Programming, PFP)은 이에 대한 대안적인 해답을 제시합니다.

2026년 6월 Greg Urbano에 의해 처음 명시된 PFP는 학습이 준비가 아닌 창작으로부터 시작되어야 한다고 제안합니다. 참여하기 전에 숙달할 것을 요구하는 대신, 학습자가 의미 있는 프로젝트에 직접 참여하고 반복적인 탐색을 통해 지식을 습득하도록 권장합니다.

본 논문은 PFP가 단순한 커뮤니티 운동이나 교육 철학이 아니라, AI 네이티브 소프트웨어 엔지니어링 (AI-native software engineering) 연구에서 확인된 광범위한 트렌드의 실질적인 구현임을 주장합니다.

2. 역사적 및 지적 토대 (Historical and Intellectual Foundations)

2.1 구성주의 (Constructionism)

선(先) 놀이 프로그래밍의 이론적 뿌리는 Seymour Papert의 구성주의 (Constructionism) 이론으로 거슬러 올라갈 수 있습니다.

Papert는 개인이 의미 있는 결과물 (Artifacts)을 능동적으로 구축하고 그 창작물에 대해 성찰할 때 학습이 가장 효과적으로 일어난다고 주장했습니다.

LOGO 프로그래밍 언어를 활용한 그의 연구는 아이들이 직접적인 교육보다는 실험, 탐색, 그리고 창의적 표현을 통해 정교한 수학적 개념을 배울 수 있음을 보여주었습니다.

그 핵심 원칙은 다음과 같이 요약될 수 있습니다:

사람들은 자신에게 의미 있는 것을 직접 만들 때 가장 깊이 있게 학습합니다.

선(先) 놀이 프로그래밍 (Play-First Programming, PFP)은 이 원칙을 AI 보조 창작의 시대로 확장합니다.

2.2 크리에이티브 코딩 (Creative Coding) 및 메이커 문화 (Maker Culture)

PFP는 다음과 같은 전통으로부터 영감을 얻습니다:

• 크리에이티브 코딩 (Creative coding)
• 메이커 문화 (Maker culture)
• 시행착오 기반 학습 (Tinkering-based learning)
• 게임 기반 교육 (Game-based education)
• 컴퓨팅 아트 (Computational art)
• 경험 학습 (Experiential learning)

이러한 분야들은 다음과 같은 공통된 가정을 공유합니다:

탐색은 종종 이해에 앞선다.

이들은 실수를 실패로 보는 대신, 발견을 위한 기회로 취급합니다.

2.3 AI 네이티브 소프트웨어 공학 (AI-Native Software Engineering)

AI 네이티브 소프트웨어 공학에 관한 최근 연구는 소프트웨어 개발이 심오한 변화를 겪고 있음을 시사합니다.

연구에 따르면 개발자들은 구문 (Syntax)을 생성하는 데 쓰는 시간은 점점 줄어드는 반면, 다음과 같은 활동에 더 많은 시간을 할애하고 있습니다:

• 문제 정의 (Problem framing)
• 시스템 설계 (System design)
• 검증 (Verification)
• 오케스트레이션 (Orchestration)
• 창의적 실험 (Creative experimentation)

이러한 진화는 선(先) 놀이 프로그래밍의 목표와 맞닿아 있습니다.

3. AI 네이티브로의 전환

3.1 활성화 에너지의 감소 (Reduced Activation Energy)

역사적으로 프로그래밍은 의미 있는 실험이 가능해지기 전까지 상당한 사전 투자가 필요했습니다.

학습자는 흥미로운 결과물을 만들어내기 전에 다음과 같은 과정을 거쳐야 했습니다:

• 도구 설치
• 구문 (Syntax) 학습
• 프로그래밍 구조 이해
• 관례 (Conventions) 암기

AI는 이러한 활성화 에너지 (Activation energy)를 극적으로 낮춰줍니다.

이제 초보자는 다음과 같은 상태에서:

"가상 수족관은 어떤 모습일까?"

단 몇 분 만에 다음과 같은 상태로 넘어갈 수 있습니다:

작동하는 시뮬레이션

연구에 따르면 활성화 에너지를 낮추는 것은 실험, 반복 빈도, 그리고 학습자 참여도를 높입니다.

선(先) 놀이 프로그래밍은 이러한 능력을 근본적인 교육적 이점으로 취급합니다.

3.2 생산에서 오케스트레이션으로 (From Production to Orchestration)

전통적인 소프트웨어 개발은 코드 생산 (Code production)을 강조했습니다.

AI 네이티브 개발은 강조점을 다음과 같이 전환합니다:

판단 (Judgment)

해결책이 의도한 목표를 달성하는가?

검증 (Verification)

해결책이 정확하고, 안전하며, 신뢰할 수 있는가?

오케스트레이션 (Orchestration)

AI의 출력물을 어떻게 결합하고, 정제하며, 유도해야 하는가?

이러한 전환은 PFP와 현재 연구 사이의 가장 강력한 연결 고리 중 하나를 나타냅니다.

프로그래밍은 모든 명령어를 수동으로 표현하는 활동에서, 지능을 가이드하는 활동으로 점점 더 변화하고 있습니다.

3.3 고차원적 사고 (Higher-Level Thinking)

구문 (Syntax) 생성이 쉬워짐에 따라, 인간의 주의력은 자연스럽게 다음과 같은 상위 단계로 이동합니다:

• 창의성 (Creativity)
• 아키텍처 (Architecture)
• 실험 (Experimentation)
• 문제 정식화 (Problem formulation)

선(先) 놀이 프로그래밍 (Play-First Programming)에서 학습자는 다음과 같이 시작하지 않습니다:

"이 함수를 어떻게 작성하나요?"

대신 다음과 같이 시작합니다:

"이 두 가지 흥미로운 아이디어를 결합하면 어떤 일이 일어날까요?"

4. 선(先) 놀이 프로그래밍의 정의

4.1 정의

선(先) 놀이 프로그래밍 (Play-First Programming)은 호기심, 실험, 즐거움이 기술적 숙련도에 앞서는 AI 보조 소프트웨어 제작 프레임워크입니다.

이 프레임워크의 목적은 학습을 제거하는 것이 아니라, 학습을 참여를 위한 전제 조건이 아닌 참여의 결과물로 재배치하는 것입니다.

4.2 선(先) 놀이 루프 (The Play-First Loop)

이 프레임워크는 반복되는 사이클을 중심으로 구축됩니다:

상상하기 (Imagine)
   ↓
구축하기 (Build)
...

상상하기 (Imagine)

호기심에서 시작합니다.

질문.

아이디어.

감정.

구축하기 (Build)

AI를 사용하여 초기 결과물 (Artifact)을 생성합니다.

놀기 (Play)

결과물과 상호작용합니다.

망가뜨려 봅니다.

수정해 봅니다.

관찰합니다.

학습하기 (Learn)

질문을 던집니다.

설명을 구합니다.

이해를 발전시킵니다.

개선하기 (Improve)

시스템을 수정하고 반복합니다.

이 과정은 학습을 탐색의 창발적 속성 (Emergent property)으로 변모시킵니다.

5. 인지적 비계 (AI as Cognitive Scaffolding)

교육 심리학에서는 비계 설정 (Scaffolding)을 학습자가 현재 능력 이상의 과업을 완수할 수 있도록 돕는 일시적인 지원으로 설명합니다.

선(先) 놀이 프로그래밍 내에서 AI는 다음과 같은 방식으로 적응형 비계 (Adaptive scaffolding) 역할을 수행합니다:

• 예시 생성
• 개념 설명
• 피드백 제공
• 오류 진단
• 도전 과제 생성
• 대안적 접근 방식 제안

학습자는 호기심과 의사 결정의 주체로 남습니다.

AI는 실험을 가속화하지만 인간의 주체성 (Agency)을 대체하지는 않습니다.

6. 선(先) 놀이 프로그래밍의 5가지 원칙

원칙 1: 놀이가 우선이다

호기심이 학습을 시작하게 합니다.

프로젝트는 요구사항 (Requirements)보다는 질문에서 시작됩니다.

원칙 2: 누구나 놀 수 있다

자연어 (Natural language)를 통해 프로그래밍에 접근할 수 있게 됩니다.

기술적 전문 지식은 참여를 위한 전제 조건이 아닙니다.

원칙 3: 학습은 보상이다

이해 (Understanding)는 여전히 중요합니다.

하지만 이해는 참여에 앞서기보다 참여의 결과로 뒤따릅니다.

원칙 4: 실수는 발견이다

예상치 못한 결과는 정보와 통찰을 얻을 기회를 제공합니다.

원칙 5: 즐거움이 결승선이다

성공은 단순히 생산성만으로 측정되는 것이 아니라 다음을 통해 측정됩니다:

• 참여 (Engagement)
• 창의성 (Creativity)
• 발견 (Discovery)
• 개인적 성장 (Personal growth)

7. 선(先) 놀이 프로그래밍과 AI 네이티브 연구의 비교

차원 (Dimension)	선(先) 놀이 프로그래밍	AI 네이티브 연구
핵심 문제	구문 (Syntax) 장벽이 호기심을 억제함	높은 활성화 에너지 (Activation energy)가 탐색을 제한함
...	...	...

두 관점은 경쟁 관계가 아니라 상호 보완적입니다.

연구는 현재 어떤 일이 일어나고 있는지를 설명합니다.

선(先) 놀이 프로그래밍은 학습자가 그로부터 어떻게 이득을 얻을 수 있는지를 설명합니다.

8. 선(先) 놀이 프로그래밍과 바이브 코딩 (Vibe Coding)의 구분

선(先) 놀이 프로그래밍은 부분적으로 _바이브 코딩 (vibe coding)_이라는 용어와 관련된 한계에 대응하며 등장했습니다.

두 접근 방식 모두 AI가 생성한 코드를 활용하지만, 교육적 강조점은 다릅니다.

바이브 코딩 (Vibe Coding)	선(先) 놀이 프로그래밍
결과 중심 (Output-focused)	과정 중심 (Process-focused)
...	...

이 차이는 다음과 같이 요약될 수 있습니다:

바이브 코더들은 그것이 어떻게 작동하는지에 반드시 관심을 두지는 않습니다.
선(先) 놀이 프로그래머들은 그것을 알아내는 과정에서 즐거움을 느낍니다.

9. 교육적 시사점

9.1 교육자를 위하여

전통적인 구문 우선 (Syntax-first) 교수법은 더 이상 최적의 방법이 아닐 수 있습니다.

대안적인 접근 방식에는 다음이 포함됩니다:

• AI 생성 스타터 프로젝트 (AI-generated starter projects)
• 성찰 기반 평가 (Reflection-based assessment)
• 수정 및 디버깅 연습 (Modification and debugging exercises)
• 검증 중심 과제 (Verification-focused assignments)

목표는 암기에서 이해로 전환됩니다.

9.2 학습자를 위하여

학습자는 다음과 같은 활동을 할 수 있습니다:

• 놀이 중심의 아이디어로 시작하기
• 즉시 구축하기
• 필요할 때 개념 학습하기
• 정기적으로 성찰하기
• AI를 대체재가 아닌 튜터 (Tutor)로 활용하기

이러한 접근 방식은 지속성을 향상시키고 위축감을 줄여줄 수 있습니다.

9.3 도구 제작자를 위하여

미래의 AI 개발 환경에는 다음이 포함되어야 합니다:

• 설명 모드 (Explain modes)
• 성찰 프롬프트 (Reflection prompts)
• 퀴즈 생성기 (Quiz generators)
• 개념 지도 (Concept maps)
• 학습 분석 (Learning analytics)

성공은 생성된 코드뿐만 아니라 학습자의 성장으로도 측정되어야 합니다.

10. 공개 연구 과제

몇 가지 질문이 아직 해결되지 않은 채 남아 있습니다:

학습 성과 (Learning Outcomes)

PFP는 전통적인 CS1 커리큘럼과 비교했을 때 어떠한가?

유지력 (Retention)

선(先) 놀이 (Play-First) 학습자들은 더 오래 몰입을 유지하는가?

검증 기술 (Verification Skills)

AI 지원 실험이 디버깅 및 평가 능력을 향상시키는가?

이해의 환상 (Illusion of Understanding)

교육자는 AI의 도움으로 인해 발생하는 과도한 자신감을 어떻게 감지할 수 있는가?

장기적 발전 (Long-Term Development)

선(先) 놀이 프로그래밍으로 시작한 학습자들이 결과적으로 더 강력한 프로그래밍 직관을 발달시키는가?

이러한 질문들을 평가하기 위해서는 실증적 연구가 필요합니다.

11. 결론

선(先) 놀이 프로그래밍 (Play-First Programming)은 단순한 새로운 교육 기법 그 이상을 의미합니다.

이는 인간, 소프트웨어, 그리고 지능 사이의 관계에서 일어나는 더 광범위한 변화를 반영합니다.

이 프레임워크는 다음을 결합합니다:

• 구성주의 학습 이론 (Constructionist learning theory)
• 창의적 실험 (Creative experimentation)
• AI 네이티브 개발 관행 (AI-native development practices)
• 내재적 동기 연구 (Intrinsic motivation research)

이를 소프트웨어로 학습하고 창조하는 통합된 접근 방식으로 묶어냅니다.

선(先) 놀이 프로그래밍의 의의는 전통적인 컴퓨터 과학 교육을 대체하는 것이 아니라, 컴퓨팅 창의성 (Computational creativity)에 대한 접근성을 확장하는 데 있습니다.

AI는 상상과 구현 사이의 장벽을 낮추었습니다.

선(先) 놀이 프로그래밍 (Play-First Programming)은 그 다리를 건너기 위한 철학을 제공합니다.

프로그래밍의 미래는 구문 (Syntax)에서 시작되지 않을 수도 있습니다.

그것은 호기심에서 시작될 수 있습니다.

그리고 AI의 시대에, 호기심은 그 어느 때보다 강력해졌습니다.

참고 문헌

Papert, S. (1980). Mindstorms: Children, Computers, and Powerful Ideas. Basic Books.

Papert, S., & Harel, I. (1991). Constructionism. Ablex Publishing.

Resnick, M. (2017). Lifelong Kindergarten: Cultivating Creativity through Projects, Passion, Peers, and Play. MIT Press.

Vygotsky, L. S. (1978). Mind in Society. Harvard University Press.

Urbano, G. (2026). From Vibe Coding to Play-First Programming. DEV Community.

The Rise of AI-Native Software Engineering (2026).