유아의 로봇 이미지와 인지 구조 탐구

초록

본 연구는 3~6세 유아 118명을 대상으로 348개의 로봇 그림과 인터뷰를 분석하여, 유아가 로봇을 인간과 유사하게 인식하는 경향이 64%에 달하지만 인터뷰 후 감소하고, 일부는 센서·프로그래밍 개념을 언급한다는 예비 결과를 제시한다.

상세 분석

본 논문은 유아기의 로봇에 대한 정신표상(Mental Representation)을 탐구하기 위해 관찰적 연구 설계와 복합적 자료수집 방식을 채택하였다. 첫째, 연구자는 두 가지 데이터 수집 체계—개인 기반과 집단 기반—를 구분했으며, 본 보고서는 개인 기반 데이터(그림 348점, 인터뷰 118건)에 초점을 맞춘다. 그림 기반 접근법은 시각적 표현을 통해 어린이의 내재된 개념을 비언어적으로 포착하려는 시도로, 기존 아동 발달 연구에서 널리 활용되는 방법론이다. 인터뷰는 반구조화된 대화형 설계로, 아이들이 그림을 설명하면서 드러나는 인지적·언어적 요소를 보완한다.

코딩 과정은 물리적 형태(인간형, 동물형, 기계형 등)와 개념적 속성(감정, 의도, 제어 메커니즘)으로 구분했으며, 특히 ‘프로그래밍 인식’ 항목을 별도로 설정해 센서, 명령, 인간 조작자 등과 같은 용어를 식별했다. 통계적으로는 인간형 로봇이 전체 그림의 약 64%를 차지했으며, 인터뷰 후 인간형 비율이 유의하게 감소한 것으로 보고되었다. 이는 대화 과정에서 아이들이 로봇을 단순히 인간의 모방으로 보는 관점을 재구성한다는 점을 시사한다.

흥미롭게도, 인터뷰 중 일부 아동은 ‘센서가 있다’, ‘사람이 로봇을 움직인다’ 등 프로그래밍과 제어에 관한 초보적 개념을 언급했다. 이는 기존 가설—유아가 소프트웨어 개념을 전혀 이해하지 못한다—에 대한 부분적 반증이며, 아동이 환경적 단서(예: 로봇이 빛을 감지한다)로부터 기능적 메커니즘을 추론할 수 있음을 보여준다.

연구의 한계로는 표본이 특정 문화권(한국)과 교육 환경에 국한돼 일반화에 제약이 있으며, 그림과 인터뷰의 해석이 연구자 주관에 크게 의존한다는 점을 들 수 있다. 또한, 인터뷰 전후의 변화가 실제 인지 구조의 변화를 반영하는지, 단순히 언어적 표현의 차이에 불과한지는 추가 실험이 필요하다.

이러한 결과는 로봇 교육 커리큘럼 설계 시, 인간형 로봇 이미지에만 초점을 맞추기보다 기능적·제어적 요소를 조기에 소개함으로써 아동의 기술적 리터러시를 촉진할 수 있음을 시사한다. 향후 연구는 장기 추적과 다양한 문화적 배경을 포함해, 로봇에 대한 정신표상이 어떻게 발달하고 변형되는지를 정량·정성적으로 심층 탐구할 필요가 있다.