AI와 인지 과정 이론을 결합한 반성적 글쓰기 지원 도구 Pensée

본 논문은 반성적 글쓰기가 메타인지 능력 향상에 중요한 역할을 함에도 불구하고, 학습자들이 깊이 있는 반성을 수행하는 데 어려움을 겪는다는 문제점을 출발점으로 삼는다. 기존 연구에서는 주로 사후 피드백 제공에 초점을 맞추었으며, 계획·조직 단계에 대한 지원은 거의 이루어지지 않았다. 이러한 격차를 메우기 위해 저자들은 인지 과정 이론(Cognitive Process Theory, CPT)을 이론적 토대로 삼아, 대형 언어 모델(LLM)을 활용한 단계별 지원 시스템인 “Pensée”를 설계하였다. Pensée는 CPT의 세 단계—계획(planning), 번역(translation), 검토(review)—를 각각 전용 UI와 LLM 기반 에이전트로 구현한다. 계획 단계에서는 GPT‑4o 기반 대화형 에이전트가 메타인지, 연결, 조직, 재메타인지 네 가지 상태를 순차적으로 진행하도록 설계된 상태 머신을 사용한다. 에이전트는 사용자의 응답을 실시간으로 분석하고, 미답변 질문이 남아 있으면 추가 질문을 제시한다. 이 과정에서 사용자가 언급한 핵심 개념을 자동으로 추출·요약하여 사이드바에 표시한다. 번역 단계에서는 추출된 키 개념을 그대로 활용해 사용자가 아이디어를 텍스트로 옮길 수 있도록 돕는다. 키 개념은 제목과 원문 인용문 형태로 JSON 구조로 저장되며, 사용자는 클릭만으로 복사하거나 참고할 수 있다. 검토 단계에서는 동일 LLM이 작성된 텍스트를 Gibbs 반성 사이클의 여섯 구성요소(Description, Feelings, Evaluation, Analysis, Conclusion, Action Plan)로 분류하고, 색상 하이라이트와 대시보드 형태의 피드백을 제공한다. 실험은 스위스의 의료 보조 직업 교육 프로그램에 재학 중인 93명의 학생을 대상으로 진행되었다. 무작위 대조군 설계로, 치료군(TG)은 계획·번역·검토 단계 모두에 AI 지원을 받았으며, 대조군(CG)은 계획·번역 단계에서 정적 텍스트 박스와 수동 키 개념 표시만 제공받고 검토 단계만 AI 피드백을 받았다. 실험은 사전 조사, 1주 차 학습 개입, 2주 차 지연 사후 테스트(최대 7일)로 구성되었다. 주요 결과는 다음과 같다. 첫째, 치료군은 반성 깊이와 구조적 품질 모두에서 통계적으로 유의한 향상을 보였으며(p < .01), 특히 계획 단계에서 제시된 메타인지 질문이 분석·행동 계획 요소를 크게 강화하였다. 둘째, 지연 사후 테스트에서는 효과가 다소 감소했지만 여전히 대조군보다 높은 평균 점수를 유지했다. 셋째, 로그 데이터 분석에서 치료군은 대화 회수와 키 개념 생성 횟수가 대조군보다 현저히 많았으며, 키 개념을 복사·붙여넣기 하는 빈도가 높았다. 넷째, 설문 응답에서는 치료군이 “학습 동기 부여”, “글쓰기 부담 감소”, “피드백의 명확성” 측면에서 긍정적인 인식을 보였으며, 특히 계획 단계의 대화형 지원이 “생각을 정리하는 데 큰 도움이 됐다”고 평가했다. 기술적 한계로는 번역 단계 키 개념 추출 정확도가 평균 0.66의 균형 정확도에 머물렀으며, 특히 Analysis와 Evaluation 요소에서 낮은 분류 성능을 보였다. 이는 학습 데이터의 불균형과 반성 텍스트의 다양성 때문으로 추정된다. 또한, 장기 효과를 확인하기 위해서는 2주 이상 지속적인 사용 데이터를 수집할 필요가 있다. 결론적으로, 본 연구는 LLM을 CPT에 맞춰 단계별 맞춤형 지원을 제공함으로써 반성적 글쓰기 교육에 새로운 패러다임을 제시한다. 계획 단계의 대화형 메타인지 촉진과 번역 단계의 자동 키 개념 제공이 학습자의 인지 부하를 감소시키고, 구조적 반성 품질을 향상시키는 메커니즘을 실증적으로 입증하였다. 향후 연구에서는 더 정교한 분류 모델과 장기 학습 효과를 검증하는 설계가 필요하다.