수년 동안 고등 교육 기관에서는 학생들이 효율적으로 답변을 제시한 것에 대해 보상을 해왔습니다. 그들은 정보를 흡수하고, 지식을 재생산하고, 결과를 중심으로 구축된 평가 시스템을 만족시키는 방법을 배웠습니다. 인공지능이 이 모델을 만든 것은 아니지만 출시되자마자 약점이 거의 즉시 드러났다.
오늘날 학생들은 그 어느 때보다 빠르게 세련된 답변을 생성할 수 있습니다. 그러나 많은 사람들은 여전히 아이디어가 어떻게 연결되는지, 특정 결정이 왜 타당한지, 그들의 추론이 애초에 어떻게 진화했는지 설명하는 데 어려움을 겪고 있습니다.
제가 강의실에서, 특히 디자인적 사고를 가르칠 때, 비판적 사고시스템적 사고와 가시적 추론을 통해 나는 매우 빠르게 패턴을 알아차리기 시작했습니다. 많은 학생들이 표면적으로는 정교해 보이는 작품을 만들 수 있었지만, 그 이면의 추론은 놀라울 정도로 취약한 상태로 남아 있는 경우가 많았습니다. 그들은 내가 의사 다듬어진 추론이라고 생각하기 시작한 것, 즉 사고 과정 자체에 대한 얕은 참여를 숨기면서 지적으로 설득력 있게 보이는 답변에 능숙해졌습니다.
문제는 단순히 학생들이 AI를 사용하고 있다는 것만이 아니었습니다. 문제는 AI가 등장하기 오래 전에 많은 사람들이 이미 외부에서 생성된 구조에 의존하게 되었다는 것입니다. AI는 단순히 프로세스를 가속화했습니다.
이는 학생들이 전통적인 학업 형식에서 벗어나게 될 때마다 특히 두드러졌습니다. 활동이 메모 작성, 암기 또는 표준 서면 응답을 넘어서는 순간 많은 학생들이 얼어붙었습니다.
가장 명확한 예 중 하나는 학생들에게 자신의 추론을 텍스트로만 설명하기보다는 외부화하도록 요청했을 때 나타났습니다. 단락을 작성하는 대신 아이디어가 어떻게 연결되고, 진화하고, 상호작용하는지 보여주는 인지 지도를 만들어야 했습니다. 그들은 즉시 불편해했습니다.
학생들은 “올바른 형식”이 있는지 반복적으로 질문했습니다. 다른 사람들은 더 이상 세련된 표현에만 의존할 수 없다는 것을 깨닫고 눈에 띄게 불안해졌습니다. 매우 빠르게 명백해진 것은 단순히 그림이나 매핑에 대한 불확실성이 아니라 그들 자신의 사고 구조에 대한 불확실성이었습니다.
고등교육에서는 학생들이 학습을 내면화하도록 훈련하는 경우가 많지만, 사고를 외면화하는 방법을 가르치는 경우는 거의 없습니다. 그리고 갑자기 그 구별이 훨씬 더 중요해졌습니다.
학생들에게 추론을 외부화하고 관계를 공간적으로 구조화하거나 한 아이디어가 다른 아이디어로 이어지는 방식을 설명하도록 요청하면 얕은 이해를 숨기기가 훨씬 더 어려워집니다. 많은 경우, 학생들은 더 이상 암기된 공식, 표면적 이해 또는 AI 생성 구문에 의존할 수 없습니다. 추론이 존재하거나 존재하지 않습니다.
그러나 외부화 추론은 세련된 에세이보다 학생의 실제 이해에 대해 훨씬 더 많은 것을 드러내는 경우가 많습니다.
AI가 방정식에 등장하자 문제는 더욱 가시화되었습니다.
처음에는 많은 학생들이 예측 가능한 방식으로 AI에 접근했습니다. 그들은 생성 AI 시스템에 직접 과제 프롬프트를 업로드하고 답변을 기다렸습니다. 많은 경우 목표는 탐색이나 학습이 아니었습니다. 불확실성 자체를 피하는 것이었습니다.
이는 고등 교육 내부의 또 다른 더 깊은 문제를 드러냈습니다. 많은 학생들이 이제 지식을 학습 단계가 아닌 실패로 인식하고 있습니다. 모호함을 극복하고 가능성을 테스트하거나 점차적으로 이해를 구축하는 대신 학생들은 즉시 정확해 보이는 출력을 생성해야 한다는 압박감을 느끼는 경우가 많습니다. AI가 매력적인 이유는 학습 과정의 불편함을 없애기 때문입니다.
그러나 의미 있는 학습에는 항상 불편함이 따릅니다.
교실은 더 지저분해지고, 생각은 더 좋아진다
AI를 금지하거나 위협으로만 취급하는 대신, 학생들이 AI 도구를 사용하는 동안에도 추론을 구성, 테스트 및 방어해야 할 수 있도록 교실 활동을 재설계하는 실험을 시작했습니다.
가장 큰 변화는 AI가 응답기로서의 기능을 멈추고 대신 더 광범위한 추론 워크플로우의 일부가 되었을 때 일어났습니다. 대신: 프롬프트 → 답변; 교실은 점차 탐색 → 구조 → 프로토타입 → 테스트 → 수정 → 반영 방향으로 이동했습니다.
제가 디자인 사고를 가르치면서 반복적으로 사용하는 활동 중 하나는 생일 케이크 프로젝트라는 것입니다. 스탠포드 학교의 월렛 프로젝트와 같은 신속한 디자인 스프린트 모델에서 부분적으로 영감을 받은 이 활동은 처음에는 믿을 수 없을 정도로 단순해 보입니다. 학생들은 매우 특정한 고객을 위해 “완벽한” 생일 케이크를 디자인하도록 요청받습니다.
그러나 복잡성은 매우 빠르게 증가합니다.
한 그룹은 당뇨병 환자를 위해 디자인해야 할 수도 있고, 다른 그룹은 체강 질병이 있는 고객을 위해 디자인해야 할 수도 있고, 다른 그룹은 육체적으로 둔화되는 느낌 없이 지속적인 에너지가 필요한 프로 운동선수를 위해 디자인해야 할 수도 있습니다. 학생들은 재료, 질감, 질감과 관련된 제약 조건을 동시에 탐색해야 합니다. 접근성휴대성, 미학, 영양, 구조 및 사용자 경험.
아주 빨리 학생들은 완벽한 답이 없다는 것을 깨달았습니다.
모든 설계 결정에는 상충관계가 발생했습니다. 접근성을 개선하면 비용이 증가합니다. 건강 요건의 우선순위가 맛에 영향을 미쳤습니다. 하나의 변수를 조정하면 다른 변수가 불안정해졌습니다.
이 활동은 정답을 찾는 것이 아니라 복잡성을 협상하는 연습이 되었습니다.
가장 중요한 것은 학생들이 자신의 추론 구조, 스케치 및 개념적 청사진을 처음 구축할 때까지 AI가 의도적으로 프로세스를 지연시켰다는 것입니다. AI가 학생을 대신해 생각하는 것이 결코 목표가 아니었습니다. 목표는 학생들이 AI가 추론을 대체하는 것이 아니라 추론의 확장이 될 만큼 충분한 인지 구조를 구축하는 것이었습니다.
학생들이 마침내 AI 단계에 도달하면 상호 작용이 극적으로 변했습니다. 학생들은 AI를 사용하여 프로토타입을 시각화하고, 가정을 테스트하고, 이해관계자의 관점을 시뮬레이션하고, 자신의 아이디어의 약점을 식별하기 시작했습니다. 많은 경우, 기술은 학생들이 처음에는 알아채지 못한 결함을 노출시켰습니다.
그러나 가장 중요한 변화는 기술적인 변화가 아니었습니다. 그것은 인지.
학생들은 서서히 수동적인 답변 소비에서 벗어나 보다 적극적인 형태의 추론으로 이동하기 시작했습니다. 그들은 첫 번째 응답을 받아들이는 대신 가정을 테스트하기 시작했습니다. 그들은 더 기꺼이 아이디어를 수정했습니다. 그들은 결과에 대해 질문하고, 모순을 식별하고, 모호함을 탐색하는 데 더욱 편안해졌습니다.
또한 일부 사람들은 AI가 단순히 답변을 생성하는 것이 아니라 자체 학습을 위한 시스템을 구축하는 데 도움이 될 수 있다는 사실을 발견하기 시작했습니다.
이와 관련하여 NotebookLM과 같은 도구가 특히 흥미로워졌습니다. 학생들은 AI 지원 시스템에 자신의 메모, 반성, 수업 자료 및 연구 결과를 제공하고 자신의 지식 구조를 중심으로 맞춤형 학습 환경을 구축할 수 있다는 것을 깨달았습니다. 정보를 수동적으로 소비하는 대신, 정보의 적극적인 조직자가 되었습니다.
수동학습이 숨기고 있는 것이 무엇인지 AI가 드러냈다
저는 고등교육이 이제 진정한 도전에 직면하고 있다고 생각합니다. 문제는 더 이상 학생들이 AI를 사용하는지 여부가 아니라 이미 사용하고 있습니다.
문제는 세계가 적응성, 시스템적 사고, 자치 그리고 추론의 질.
AI는 고등 교육이 어려운 현실에 직면하도록 강요하고 있습니다. 주로 답변 생성을 중심으로 구축된 학습 환경은 더 이상 예전과 동일한 가치를 유지하지 않습니다.
지식은 이제 어디에나 있습니다. 진정한 교육적 과제는 학생들이 불확실성을 헤쳐나가고, 사고 체계를 구성하고, 아이디어를 연결하고, 추론을 구체화하고, 이해를 향한 다양한 경로를 찾는 방법을 배우도록 돕는 것입니다.
어디서부터 시작해야 할지 고민하는 교육자들의 경우 변화가 모든 것을 포기할 필요는 없을 수도 있습니다. 그러나 학생들이 과정 전반에 걸쳐 인지적으로 활동적인 상태를 유지할 수 있도록 학습을 재설계해야 합니다.
몇 가지 교대조가 여러 분야에 걸쳐 상당한 차이를 만들 수 있습니다.
- 출력뿐만 아니라 추론도 평가하세요. 학생들에게 단순히 세련된 답변을 제시하기보다는 어떻게 결론을 구성하고, 이의를 제기하고, 수정했는지 설명하도록 요청하십시오.
- 생각을 가시화하세요. 학생들이 아이디어를 연결하고, 발전시키고, 상호 작용하는 방식을 외부화하도록 요구하는 인지 매핑 및 가시적 추론 실습을 사용합니다.
- 의도적으로 시퀀스 학습을 합니다. AI 가속이 프로세스에 들어가기 전에 학생들에게 초기 이해를 구성할 수 있는 공간을 제공하십시오.
- AI를 사용하여 가능성을 탐색하세요. 학생들이 아이디어의 프로토타입을 만들고, 관점을 테스트하고, 간과된 격차를 드러내고, 사고를 아웃소싱하기보다는 추론을 강화하도록 격려하십시오.
- 생각을 거꾸로 디자인하세요. 단순히 재생산할 것으로 예상되는 콘텐츠가 아니라 학생들이 시연해야 하는 추론 유형을 중심으로 활동을 구성하세요.
- 생산적인 모호성을 보상하십시오. 세련된 즉각성만을 중요하게 여기기보다는 반복, 성찰 및 불확실성을 학습의 정당한 부분으로 다루십시오.
- 교실을 인지적으로 활동적으로 유지하세요. 학생들이 수동적으로 정보를 받는 대신 이해를 구축, 테스트 및 방어할 수 있는 환경을 조성합니다.
AI는 학생들이 학습하고, 연구하고, 문제를 해결하는 방법에 이미 내장되어 있을 수 있습니다. 대학이 직면한 현재와 미래의 과제는 프로세스 전반과 학문 전반에 걸쳐 인지를 활성화하는 학습 환경을 재설계하는 것입니다. 그리고 솔직히 말해서 그 과제는 단순히 AI 자체를 통합하는 것보다 훨씬 더 복잡할 수 있습니다.
Soukaïna Aijou는 Al Akhawayn University의 강사입니다.
매주 받은 편지함으로 학자 및 대학 교직원의 조언과 통찰력이 직접 전달되기를 원하신다면, 캠퍼스 뉴스레터에 가입하세요.