AI 지원 자기조절 독서: 8주간 학생 행동 분석

초록

본 연구는 15명의 대학생을 대상으로 8주 동안 AI 챗봇을 활용한 자기조절 독서 과정을 추적하였다. 239개의 독서 세션에서 838개의 프롬프트를 수집하고, 이를 ‘디코딩·이해·추론·메타인지’ 네 가지 인지 주제로 코딩하였다. 이해 프롬프트가 전체의 60%를 차지했으며, 학생들은 세션당 최소 3개의 프롬프트만 사용하고, 인지 진행이 제한되는 등 효율성을 중시하는 사용 패턴을 보였다. 연구는 이러한 행동 양식이 설계 시 지속적 인지 관여를 촉진하는 AI 도구 개발에 시사점을 제공한다.

상세 분석

이 논문은 AI 기반 챗봇이 대학생의 자기조절 독서에 미치는 영향을 장기적으로 관찰한 드문 사례이다. 연구 설계는 10주 차에 진행된 AI 입문 과목의 과제 로그를 활용했으며, 15명의 참여자를 선정해 8주 동안 매주 독서 과제를 수행하도록 했다. 데이터 수집은 학생이 AI에 입력한 프롬프트 전체를 로그 형태로 저장했으며, 총 838개의 프롬프트가 239개의 세션에 걸쳐 기록되었다. 코딩 스키마는 기존 독해 이론(Barrett taxonomy, Bloom’s taxonomy)과 SRL(자기조절학습) 모델을 결합해 ‘디코딩(Decoding)’, ‘이해(Comprehension)’, ‘추론(Reasoning)’, ‘메타인지(Metacognition)’ 네 축으로 정의했고, 각 축 아래 10개의 세부 코드가 마련되었다. 코딩 신뢰도는 두 명의 독립 코더 간 Cohen’s κ=0.82로 높은 일관성을 보였다.

양적 결과는 프롬프트 분포가 크게 비대칭임을 보여준다. 이해 프롬프트가 59.6%로 가장 많았으며, 이어 추론(29.8%), 메타인지(8.5%), 디코딩(2.1%) 순이다. 세션당 평균 프롬프트 수는 3.5개였고, 72%의 세션이 과제 최소 요구량인 3개만 사용했다. 이는 학생들이 효율성을 우선시하고, AI가 제공하는 요약을 ‘읽기’ 자체로 대체하는 경향을 나타낸다. 세션 내부에서는 초기에 이해 질문을 하고, 이후 추론 질문으로 전이하는 자연스러운 인지 흐름이 관찰됐지만, 대부분의 경우 메타인지 단계에 도달하지 못하고 종료된다. 시간에 따른 변화는 거의 없었으며, 개인별 사용 패턴이 지속적으로 유지돼 학습자 간 차이가 크게 남았다.

정성 분석에서는 ‘의도-행동 격차’를 강조한다. 인터뷰 참여자들은 효과적인 프롬프트 설계가 학습 성과에 기여한다는 점을 인식했지만, 실제로는 시간·과제 압박 때문에 최소 요구량만 충족시키는 수준에 머무른다. 또한 ‘AI를 통한 읽기’를 전략적으로 사용해, AI가 만든 요약을 먼저 검토하고, 흥미롭거나 중요한 부분만 원문을 탐색한다는 ‘필터링’ 방식이 드러났다. 이러한 행동은 깊이 있는 독해보다는 정보 획득 속도와 과제 효율성을 중시하는 학습 문화와 맞물린다.

디자인 시사점으로는 (1) AI가 학습자의 인지 진행을 실시간으로 추적하고, 추론·메타인지 단계로 자연스럽게 유도하는 스캐폴딩 기능, (2) 프롬프트 설계 교육을 과제와 연계해 실제 사용을 촉진하는 인터페이스, (3) 개인별 사용 패턴을 분석해 맞춤형 피드백을 제공하는 어댑티브 시스템이 필요하다는 점을 제시한다. 전체적으로 연구는 AI 지원 독서가 효율성 중심으로 전락하기 쉬운 현상을 밝히고, 지속적 인지 관여를 촉진하기 위한 설계 방향을 제시한다.