시에라리온을 넘어 AI를 활용한 학습의 영향 측정

이 사전 등록된 임상시험 결과는 AI가 교사를 대체하는 것이 아니라, 그들의 도달 범위를 확장함으로써 강력한 교육적 파트너가 될 수 있음을 시사합니다. 이 연구는 AI가 교수 및 학습에 미치는 영향을 위한 글로벌 증거 기반을 구축하려는 저희의 지속적인 노력의 일부입니다.

답변 엔진을 넘어: 비판적 사고 보호하기

흔한 우려 사항 중 하나는 생성형 AI가 학생들이 더 깊은 학습에 필요한 어렵지만 필수적인 인지적 노력을 건너뛰는 지름길이 될 수 있다는 것입니다. Guided Learning은 이러한 우려를 해결하도록 설계되었습니다. 이는 연간의 연구와 저희 LearnLM 노력에서 얻은 경험을 바탕으로 교육학적으로 근거를 두고 있으며, 직접적인 답변 제공보다는 이해력 구축을 우선시하도록 특별히 조정되었습니다.

시에라리온의 데이터는 이 접근 방식이 효과적임을 시사합니다. 임상시험 기간 동안 오간 113,000건 이상의 상호작용 분석 결과, 학생들은 단순히 해결책을 찾는 대신 개념적 이해를 구축하기 위해 이 도구를 대화의 91.4%에서 사용한 것으로 나타났습니다. Gemini는 메시지의 76%에서 스캐폴딩 질문(scaffolding questions)을 제시하여 직접적인 해결책을 제공하는 경우는 단지 2%에 불과했습니다. 이러한 '소크라테스식(Socratic)' 상호작용은 인지적 부담이 학생에게 남아 있도록 보장합니다.

교사 주도 개입

이번 임상시험의 성공은 AI와 교육자 간의 파트너십을 기반으로 했으며, 이 과정에서 교사가 중심에 확고히 자리 잡았습니다. 교육자들이 수업을 설계하고 목표를 설정했으며, 학습을 촉진하는 교실 토론을 진행했습니다.

포커스 그룹에서 교사들은 Gemini가 자신들의 전문성 성장에도 도움을 주었다고 보고했습니다. 이 도구를 사용하여 수업 준비를 하면서, 그들은 분수와 같은 익숙한 주제를 설명하는 새로운 방법을 발견했습니다. 많은 교사들이 '강의자(lecturers)'에서 '촉진자(facilitators)'로 역할이 변화했다고 묘사하며, 교실을 돌아다니며 학생들이 스스로 학습 여정을 헤쳐나갈 때 그들을 지원했습니다.

다른 사람들이 유사한 프로그램을 구현할 수 있도록 돕기 위해, 본 연구에서 사용된 구체적인 프로토콜을 포함하여 Fab AI와 협력하여 제작한 교사 교육 가이드를 공개합니다.

영향 측정

정량적 결과는 매우 유의미했습니다. 안내 학습(Guided Learning)을 활용한 학생들은 통제 그룹과 비교했을 때 수학 점수에서 +0.258 표준편차의 향상을 보였습니다. 실질적으로 이는 8주간의 시범 기간 동안 달성된 일반적인 학습 진도 약 1.2년에서 1.7년에 해당합니다.

시범 기간 동안 총 12시간을 목표로 삼아 교사들이 수업 시간의 절반 정도에 Gemini를 통합한 학급 학생들은 더 높은 향상—약 1.8년에서 2.5년의 진도—을 보였습니다. 참여도 역시 놀라울 정도로 높았습니다: 학생들의 69%가 사용 목표를 달성하거나 초과했으며, 이는 자발적인 교육 기술(유명하게 알려진 ‘5퍼센트 문제’)의 일반적인 비율인 5%를 훨씬 뛰어넘는 수치입니다. 이는 학생들이 단순히 참여했을 뿐만 아니라 수업에 오는 것을 즐겼다는 것을 의미합니다.

수치를 넘어, 우리는 행동에서도 심오한 변화를 목격했습니다. 학생들은 수학을 더 재미있다고 보고했으며 정규 교육 외적으로도 적극적으로 학습에 참여했습니다. 결정적으로, 시간이 지남에 따라 그들의 대화와 질문은 단순히 직접적인 답을 찾는 것에서 벗어나 기술 구축(skill building) 방향으로 이동하며 더욱 학습 중심적이 되었습니다. 구체적으로, 기술 구축 관련 질문은 첫 주 68%에서 최종 주에는 90%까지 증가한 반면, 해결책 탐색 질문은 25%에서 10%로 감소하여, 학생들이 단순히 답을 원하는 것이 아니라 그 답에 어떻게 도달했는지 이해하고 싶어 한다는 것을 입증했습니다.

학생 학습에 대한 Guided Learning의 영향을 더 깊이 이해하기 위해, 저희는 전 세계적으로 일련의 추가 사전 등록된 무작위 대조 시험(RCT)을 진행하고 있습니다. 오픈 사이언스를 발전시키고 시기적절한 통찰력을 전파하는 차원에서, 다른 사람들이 자신의 필요와 상황에 맞는 빠르고 확장 가능한 연구를 수행할 수 있도록 Fab AI를 활용한 RCT 접근 방식에 대한 플레이북 또한 공개합니다. 이를 통해 기술 발전에 맞춰 진보하는 강력하고 지역화된 증거를 밝혀낼 것입니다. 저희는 후속 RCT들을 마무리함에 따라 그 결과를 지속적으로 발표하고 학습 내용을 공유하여, 학습 생태계 전반에 걸쳐 AI의 책임 있는 개발에 정보를 제공할 수 있는 보다 포괄적인 국가 간 증거 기반을 구축해 나갈 것입니다. 또한, Global AI for Learning Alliance (GAILA)를 지원하는 것은 집단적 행동을 통해 이러한 약속과 다른 노력들을 가속화할 것입니다.

앞으로의 방향

이러한 결과들은 유망하지만, '학업 성취 격차(achievement gap)'라는 과제 또한 부각시켰습니다. 대다수의 학생들이 혜택을 받았지만, 시험에 더 뛰어난 수학 실력을 가지고 시작했던 학생들이 가장 큰 이점을 누렸습니다. 이는 중요한 필요성을 강조합니다. 즉, 가장 도움이 필요한 학생들에게 최고의 성과를 제공하는 도구를 제공해야 한다는 것입니다.

앞으로 저희는 이러한 시험들을 다른 국가로 확장하고, 학습의 미묘한 복잡성을 탐구하는 보다 전체적인 시각을 포착하기 위해 메타인지(metacognition)나 관계 지능(relational intelligence)과 같은 영역에 대해 더 깊이 파고들 계획입니다. 교사 주도의 교실이라는 관계적 기반 위에 AI가 제공하는 개인화되고 비계 설정(scaffolding) 기능을 결합함으로써, 기술이 모든 학생에게 의미 있는 학습 기회로 가는 다리 역할을 하도록 보장할 수 있습니다.

1 저희는 또한 Google.org와 Gates Foundation의 지원을 받아 이 시험을 진행했습니다. EducAid, Laterite, 그리고 Oxford MeasurEd도 저희와 협력했습니다.