AI 데이터 역량 고등교육에서 통합 AI 리터러시 구축

초록

이 장은 AI·데이터 역량 학습 성과 프레임워크를 소개한다. 네 단계의 숙련도와 일곱 지식 차원을 통해 기술·윤리·사회적 인식을 균형 있게 교육하도록 설계되었으며, 커리큘럼 설계·학습 활동·평가에 적용하는 실천 전략과 구현상의 과제, 향후 방향을 제시한다.

상세 요약

본 논문은 고등교육에서 AI 리터러시를 체계적으로 확산시키기 위한 프레임워크를 제시한다는 점에서 학제간 교육 설계 연구에 중요한 기여를 한다. 프레임워크는 ‘AI·데이터 역량 학습 성과(AI & Data Acumen Learning Outcomes)’라는 명칭 아래, 4개의 숙련도 레벨(기초, 중급, 고급, 전문가)과 7개의 지식 차원(기술 원리, 데이터 처리, 모델 설계·운용, 윤리·법규, 사회·문화 영향, 비판적 사고·해석, 응용·혁신)으로 구성된다. 각 차원은 해당 레벨별 구체적인 학습 목표와 성과 지표를 제공해 교육자들이 단계적 스캐폴딩을 설계할 수 있게 한다.

프레임워크 개발 과정은 문헌 리뷰, 전문가 인터뷰, 현장 워크숍을 통한 반복적 합의를 기반으로 한다. 특히, 기술 중심의 교육과 윤리·사회적 함의를 동등하게 다루는 ‘통합적’ 접근을 강조한다는 점이 차별화된다. 이는 기존 AI 교육이 알고리즘 구현에 치우친 경향을 보완하고, 학생들이 생성형 AI 활용 시 발생할 수 있는 편향·프라이버시·책임 문제를 사전에 인식하도록 돕는다.

구현 전략에서는 커리큘럼 매핑, 프로젝트 기반 학습, 멀티모달 평가 방식을 제안한다. 예를 들어, ‘데이터 처리·분석’ 차원을 ‘실제 데이터셋을 활용한 탐색적 분석 과제’와 연결하고, ‘윤리·법규’ 차원을 ‘사례 기반 토론 및 정책 제안 보고서’로 연결한다. 또한, 학습 분석(Learning Analytics)을 활용해 학생들의 숙련도 이동을 실시간으로 추적하고, 맞춤형 피드백을 제공하는 메커니즘을 제시한다.

구현상의 주요 도전 과제로는 교원 역량 격차, 교육 자원(컴퓨팅 인프라·데이터셋) 부족, 평가 기준의 표준화 부재 등을 들며, 이를 해결하기 위한 교원 연수 프로그램, 오픈소스 도구 활용, 국제 협력 네트워크 구축 방안을 논의한다. 마지막으로, 프레임워크의 지속 가능한 확산을 위해 지속적 업데이트 메커니즘과 정책적 지원 필요성을 강조한다.

전반적으로, 이 연구는 AI 교육을 기술·윤리·사회적 차원에서 동시에 다루는 포괄적 모델을 제공함으로써, 고등교육 기관이 급변하는 AI 환경에 대응하고, 학생들을 책임감 있는 AI 활용 인재로 양성하는 데 실질적인 로드맵을 제시한다.