AI와 함께하는 그림 학습 도구 Draw2Learn

초록

Draw2Learn는 AI를 협업 파트너로 삼아 학습자가 과학 개념을 그림으로 표현하도록 지원하는 시스템이다. 목표 설정, 단계별 퀘스트, 선택적 시각 스캐폴드, 4차원 피드백을 통해 학습 동기와 자율성을 유지하면서 즉각적인 피드백을 제공한다. 초기 사용자 테스트에서 사용성, 유용성, 경험 만족도가 높게 평가되었으며, AI 스캐폴드와 피드백이 학습자 자율성을 침해하지 않는다는 점이 강조되었다.

상세 분석

본 논문은 ‘그림‑학습(Drawing‑to‑Learn)’이라는 생성적 학습 전략에 AI 협업 파트너를 도입함으로써 기존의 피드백 제공 한계를 극복하고자 한다. 이론적 토대는 목표 설정 이론, 근접 발달 영역(ZPD), 인지 부하 이론, 형성 피드백 이론, 성장 마인드셋 등 다중 학습 이론을 통합한다. 세 가지 핵심 문제—(1) 인지적 부담이 큰 과제에서의 몰입 유지, (2) 학습자 주도성을 해치지 않는 적응형 지원, (3) 판단이 아닌 격려 중심의 형성 피드백 제공—에 대해 각각 구체적인 디자인 패턴을 제시한다.

첫 번째 문제 해결을 위해 퀘스트 기반 구조와 단계적 목표를 블룸의 인지 수준에 맞춰 설계했으며, 진행 시 시각적 보상(보석)과 스타일 변환을 통해 정서적 만족을 고취한다. 두 번째 문제는 ‘옵션형 스캐폴드’를 도입해 학습자가 필요 시에만 시각적 도우미(SVG 객체)를 호출하도록 함으로써 외재적 통제감을 최소화한다. 이는 인지 부하를 외적 스케치 기술에 할당하고, 핵심 개념 처리에 집중하도록 설계된 점이 특징이다. 세 번째 문제는 동기·인지·메타인지·자기관련 네 차원의 피드백 카드를 색상코드와 함께 제공함으로써, 학습자의 진행 상황을 관찰하고 제안형 언어로 지원한다. 피드백은 ‘우리는 이렇게 해볼까’라는 협업 어조를 사용해 AI를 평가자보다 동료로 인식하게 만든다.

시스템 구현은 좌·중·우 3패널 UI로 구성된다. 좌측 패널은 퀘스트와 진행 바, 스캐폴드 호출 버튼을 제공하고, 중앙 패널은 자유 그리기 캔버스와 스타일 선택 도구를, 우측 패널은 AI 아바타와 피드백 카드를 실시간으로 보여준다. AI는 Vision‑LLM을 활용해 캔버스 상태를 주기적으로 분석하고, 학습 목표와 비교해 4차원 피드백을 생성한다.

평가 단계에서는 6명의 사전 테스트 참가자를 대상으로 정성·정량 피드백을 수집했다. Likert 7점 척도 결과는 매력도(6.17), 긍정적 정서(5.83), 전반적 경험(6.15) 등에서 높은 평균을 보였으며, 사용성(5.67)과 유용성(5.67)도 긍정적이었다. 다만 사회적 유대감(4.67)과 재사용 의도(4.17)는 상대적으로 낮아 AI와의 협업 관계 강화가 필요함을 시사한다. 질적 분석에서는 ‘AI 스캐폴드가 기대 이상’, ‘그림을 통한 이해 증진’, ‘재미와 보상 요소’, ‘자율성 유지’ 등의 강점과 ‘속도·버그 개선’, ‘마우스 프리·음성 입력’, ‘AI 평가 기준 명확화’, ‘다양한 사전 지식에 맞춘 적응형 스캐폴드’, ‘캔버스 크기·탭 부드러움’ 등의 개선점이 도출되었다.

제한점으로는 소규모 비통제적 샘플, 학습 성과 측정 부재, 실제 교실 적용 검증 부족을 들며, 향후 대규모 실험, 학습 성과 분석, 다양한 도메인(글쓰기, 코딩 등)으로의 확장 연구를 제안한다.

핵심 기여는 (1) AI를 ‘협업 파트너’로 재구성한 팀메이트 패러다임 제시, (2) 학습 이론을 구체적 인터랙션 패턴(퀘스트, 선택형 스캐폴드, 다차원 피드백)으로 체계화, (3) 초기 사용자 인식이 설계 의도와 일치함을 실증적으로 보여준 점이다. 이는 생성적 학습에서 AI 지원을 설계할 때 학습자 주도성을 유지하면서도 적시 피드백을 제공하는 로드맵을 제공한다.