동기와 생성 AI 활용: 멕시코 고등학생 대규모 조사

초록

본 연구는 멕시코 공립 고등학생 6,793명을 대상으로 자기 개념과 과목 가치 인식에 기반한 동기 프로파일을 K‑means 군집분석으로 도출하고, 각 프로파일별로 수학·작문 영역에서의 생성 AI 사용 양상을 비교하였다. ‘열망형’, ‘자신감형’, ‘무관심형’ 세 집단이 확인됐으며, 이들은 AI를 보조 튜터, 파트너, 혹은 단순 복사 등 서로 다른 방식으로 활용한다는 점을 밝혀, 일괄적인 AI 통합 정책의 한계를 제시한다.

상세 분석

이 논문은 기대‑가치 이론의 두 핵심 변수인 ‘자기 개념(self‑concept)’과 ‘과목 가치(perceived subject value)’를 측정해 수학과 작문 두 영역에서 각각 5·3문항의 설문지를 활용하였다. 응답자는 AI 사용 빈도를 1‑5점 척도로 보고했으며, 수학에서는 공식 검색, 단계별 풀이, 문제 해석 등 6가지, 작문에서는 아이디어 브레인스토밍, 개요 작성, 증거 제시 등 6가지 행동을 평가했다. 데이터 정제 후 6,793명의 유효 표본을 확보했으며, K‑means 군집분석을 통해 최적 군집 수를 엘보우, 실루엣, 갭 통계량으로 모두 3개로 판단하였다. 결과적으로 ‘열망형(높은 가치·낮은 자신감)’, ‘자신감형(높은 가치·높은 자신감)’, ‘무관심형(낮은 가치·낮은 자신감)’이라는 세 프로파일이 도출되었다.

수학 영역에서 열망형은 단계별 가이드와 문제 재구성에 AI를 가장 많이 활용했으며, 이는 자신감 부족을 보완하려는 보조 튜터 역할로 해석된다. 자신감형은 기본적인 공식 검색보다 연습문제 생성에 AI를 더 많이 이용해 학습을 확장하는 경향을 보였고, 무관심형은 공식 검색과 단계별 가이드는 평균 수준이지만 정답을 직접 복사하는 빈도가 가장 높아 학습 회피와 부정행위 위험이 강조된다. 작문 영역에서도 열망형은 아이디어 브레인스토밍·개요 작성에 AI를 많이 사용해 창의적 발상을 지원받는 반면, 자신감형은 언어·문법 교정·피드백 활용에 집중해 글의 질을 향상시키는 파트너 역할을 수행한다. 무관심형은 전반적으로 AI 사용 빈도가 낮아, 동기 결핍이 기술 활용까지 확산되지 않음을 보여준다.

이러한 결과는 동기 프로파일에 따라 AI 활용 전략을 차별화해야 함을 시사한다. 특히 열망형 학생에게는 단계별 설명과 문제 해석 지원을, 자신감형에게는 고차원 연습문제와 피드백 제공을, 무관심형에게는 동기 부여와 학습 목표 설정을 병행한 개입이 필요하다. 또한, AI 도입 시 학습 윤리와 부정행위 방지를 위한 모니터링 체계 구축이 필수적이다. 연구는 설문 기반 자체 보고에 의존하고, 문화·교육 체계가 특정(멕시코 공립 고등학교)하다는 한계가 있으나, 대규모 표본과 다중 측정 변수를 활용한 점은 강점이다. 향후 연구는 실제 AI 로그 데이터와 학업 성취도 연계, 장기 추적 설계를 통해 인과관계를 명확히 할 필요가 있다.