생성형 AI와 함께하는 바이오메디컬 엔지니어링 문제기반 학습 혁신

초록

본 연구는 2021‑2023년 3년간 조지아텍·에모리 대학 공동 BME 프로그램에서 248명의 학부·대학원 학생을 대상으로, 생성형 AI(GenAI)를 안전하게 활용하는 모듈형 문제기반 학습(PBL) 프레임워크를 설계·운영한 사례를 제시한다. GenAI를 지식 요약·코딩 지원 도구이자 강의 주제로 동시에 활용하고, 공개·출처 확인·버전 로그 등 엄격한 사용 정책을 적용하였다. 결과적으로 16편의 학생 논문, 높은 동료 평가 점수, 실제 바이오메디컬 AI 솔루션 개발 등 학습 성과가 크게 향상되었으며, 강의계획서·루브릭·프롬프트 템플릿을 포함한 복제 패키지를 제공한다.

상세 분석

이 논문은 기존 PBL이 요구하는 높은 교수자 자원과 도메인 전문성 부족 문제를, 최신 생성형 AI 기술을 교육 보조 수단으로 도입함으로써 해결하려는 시도를 상세히 기술한다. 프레임워크는 ‘문제 정의 → AI 지원 지식 탐색 → 문제 해결 → 결과 발표’ 네 단계로 구성되며, 각 단계마다 구체적인 산출물(문제 명세서, 모델 카드, 윤리·위험 평가 등)과 평가 기준이 제시된다. 특히 GenAI 활용 정책은 (1) 사용 시 반드시 공개·버전 기록, (2) 모든 출력물에 원본 출처를 명시하고 교수가 검증, (3) 데이터 프라이버시와 윤리적 위험을 사전 평가하도록 설계돼, AI의 ‘환각’이나 편향 위험을 최소화한다. 팀 구성은 생물·의학·컴퓨터·공학 배경을 균형 있게 배분하도록 알고리즘적으로 매칭하고, AI 경험 수준에 따라 역할을 조정한다는 점이 눈에 띈다. 학습 성과 평가는 전통적인 시험 외에 동료 평가, 프로젝트 문서화 수준, 코드 재현 가능성, 논문 출판 여부 등 다차원적 지표를 사용해, 실제 연구 역량 향상을 정량화한다. 3년간 248명의 학생이 참여한 결과, 16편의 피어 리뷰 논문이 발표됐으며, 이는 기존 PBL 기반 BME 교육에서 보고된 논문 수 대비 2~3배 수준이다. 또한 학생 설문에서 ‘AI 도구 사용에 대한 자신감’과 ‘팀 협업 효율성’이 크게 상승했음이 보고된다. 복제 패키지는 강의계획서, 주차별 마일스톤, 루브릭, 팀 운영 매뉴얼, GenAI 프롬프트·공개 템플릿 등을 포함해, 다른 대학이 동일 모델을 도입할 때 최소한의 추가 개발 비용으로 적용 가능하도록 설계되었다. 이와 같이 논문은 교육 설계, 정책 관리, 학습 평가, 그리고 실증적 결과까지 전 과정을 체계적으로 제시함으로써, AI와 바이오메디컬 융합 교육의 스케일러블 모델을 제시한다.