건축 스튜디오 피드백 혁신: 대형 언어 모델을 활용한 학생 인식 연구

초록

본 연구는 싱가포르 대학 건축학과 22명의 학생을 대상으로 설문·인터뷰를 진행해, 자기성찰, 동료 비평, 교수 심사 세 가지 피드백 상황에서 대형 언어 모델(LLM)의 활용에 대한 인식을 조사하였다. 결과는 LLM이 권위적인 교사가 아니라 “인지 거울”·협업 파트너로 작용해, 빈 페이지 극복, 사회적 불안 완화, 그리고 교수 심사 후 피드백 통합에 유용함을 보여준다.

상세 분석

이 논문은 건축 스튜디오라는 전통적 ‘비판‑반복’ 교육 모델에 AI 기반 피드백 매개체를 도입함으로써, 인지·사회적 장벽을 어떻게 낮출 수 있는지를 실증적으로 탐구한다. 연구 설계는 양적 설문(세 가지 피드백 영역별 Likert 척도)과 질적 심층 인터뷰를 순차적으로 결합한 ‘설명적 혼합‑방법’으로, 22명의 학부·석사 학생을 대상으로 진행되었다.

첫 번째 핵심 발견은 학생들이 LLM을 “토론 파트너” 혹은 “인지 거울”로 인식한다는 점이다. 58 %가 LLM을 아이디어 정리·논리 검증 도구로, 16 %만이 튜터 역할로 보았다. 이는 LLM이 정답을 제공하기보다 사고 과정을 외부화하고, ‘빈 페이지’ 문제를 완화하는 촉진자 역할을 함을 시사한다.

두 번째로, 동료 비평 상황에서 LLM은 ‘중립적 매개자’로 작동한다. 기존 연구가 지적한 ‘오프닝 공포(Fear of offending)’와 사회적 관계에 의한 피드백 왜곡을 LLM이 완화한다는 점은, 학생들이 AI에게 비판을 맡김으로써 감정적 방어를 줄이고, 보다 구체적·비판적인 의견을 교환할 수 있게 만든다.

세 번째는 교수 주도 심사(‘jury’) 후의 활용이다. 95 %가 LLM을 “심사 후 반성 파트너”로 이상적이라고 답했으며, 이는 고밀도 피드백을 구조화·요약하고, 전문 용어와 추상적 논의를 실천 가능한 디자인 과제로 전환하는 데 유용함을 의미한다. 즉, LLM은 인지 과부하를 감소시키는 ‘합성 엔진’으로 기능한다.

연구는 또한 LLM 활용의 한계도 명시한다. 맥락적 뉘앙스와 설계 의도 파악에 한계가 있어, 완전한 대체가 아니라 인간 교사의 ‘고차원 판단·윤리적 지도’를 보조하는 수준에 머물러야 함을 강조한다.

이러한 결과는 건축 교육에서 기존의 ‘인간‑중심 피드백’ 구조를 AI‑보조 하이브리드 모델로 전환할 근거를 제공한다. 특히, 피드백 설계 시 LLM의 ‘중립성’, ‘반복적 대화 가능성’, ‘요약·통합 능력’에 초점을 맞추고, 인간 교사는 비판적 사고·가치 판단을 담당하도록 역할을 재구성하는 것이 바람직하다.