학습의 주체는 학습자
AI가 자료탐색·설명·피드백을 지원하더라도 목표설정, 판단, 검증, 수정과 최종 수행의 주체는 학습자에게 남아 있어야 한다는 관점에서 출발합니다.
- 결과물보다 능력형성과 전이를 중시
- AI 대행과 AI 지원을 교육적으로 구분
- 학습자의 선택·판단·성찰 과정에 주목
RESEARCH DIRECTION · 연구방향
AI가 대신하는 학습에서 AI가 성장시키는 학습으로
생성형 AI와 Agentic AI는 학습자의 지식 접근과 문제해결을 크게 확장하지만, 결과물의 완성도와 학습자의 실제 능력형성이 항상 일치하는 것은 아닙니다. 현재의 연구 관심은 AI가 사고와 수행을 대체하는 방향보다 학습자가 스스로 도전과제를 해결하도록 지원하는 교육환경의 조건을 탐색하는 데 있습니다.
도전과 생산적 어려움
학습자의 현재 수준을 넘어서는 과제와 시행착오는 성장에 필요한 과정일 수 있습니다. AI는 모든 어려움을 제거하기보다 불필요한 장애를 줄이고 해결 가능한 도전을 유지하는 방향으로 설계될 필요가 있습니다.
- 도전과제 기반 수행과 반복적 수정
- 필요한 순간에 단계적 지원 제공
- 과도한 도움으로 인한 사고과정 축소 경계
검증지식 기반 AI 학습
교재, 학술문헌, 전문자료와 교수자가 검토한 자료처럼 신뢰 가능한 지식기반을 활용하고 출처확인과 인간검증을 결합하는 학습환경을 탐색합니다.
- 환각과 오류를 학습환경의 신뢰성 문제로 관리
- 근거와 출처를 확인하는 학습습관 강화
- 정확성은 연구효과를 측정하기 위한 기본조건으로 설정
장기 연구목표
AI의 지원수준과 학습자의 독립적 사고·판단·문제해결 사이의 적절한 관계를 탐색하여 AI를 답을 대신 생성하는 도구가 아니라 능력형성을 지원하는 교육시스템으로 발전시키는 조건을 연구합니다.
- AI 지원과 학습자 주도권의 균형
- 자기조절학습과 실제 문제해결의 연결
- Human-AI Learning의 교육적 설계원리 탐색
RESEARCH INTERESTS · 연구 관심영역
현재 탐색하는 다섯 개 개념축
아래 개념은 확정된 연구변수나 가설이 아니라 박사과정에서 문헌과 실증연구를 통해 검토할 연구 관심영역입니다.
AI 지원 자기조절학습 · AI-Supported Self-Regulated Learning계획·수행·모니터링·성찰
AI를 활용하되 목표설정과 학습전략 선택, 수행점검, 도움요청과 성찰의 주체가 학습자에게 남아 있는 학습환경을 탐색합니다.
적응형 스캐폴딩 · Adaptive Scaffolding필요한 만큼 돕고 점차 지원을 줄이는 구조
학습자의 현재 수준과 수행상태에 따라 질문·힌트·설명·피드백의 깊이를 조정하고 숙련이 높아질수록 지원을 단계적으로 줄이는 방식을 탐색합니다.
학습자 행위주도성 · Learner Agency선택·판단·검증·수정의 주체성
AI의 자동화 수준이 높아지는 환경에서도 학습자가 자신의 목표와 행동을 선택하고 AI의 제안을 비판적으로 검토하며 결과에 대한 판단주체로 남을 수 있는 조건을 살펴봅니다.
생산적 어려움 · Productive Struggle성장을 만드는 적정 수준의 난관
AI가 모든 난관을 즉시 제거하지 않고 학습에 필요한 탐색·실패·재시도·수정의 과정을 유지하면서 학습자의 좌절과 불필요한 인지부하는 줄이는 교수설계를 탐색합니다.
검증지식 기반 AI 학습 · Knowledge-Grounded AI Learning근거·출처·인간검증
신뢰할 수 있는 학습자료를 기반으로 AI 지원을 구성하고 학습자가 근거를 확인하고 비교·검증하는 과정을 학습활동 자체에 포함하는 방식을 탐색합니다.
RESEARCH CONTINUITY · 연구의 연속성
AI의 행위와 책임에서 학습자 Agency로
기존 연구와 에듀테크 연구는 전공을 단순 전환하는 관계가 아니라 AI와 인간 사이의 행위·판단·통제 관계를 교육환경으로 확장하는 흐름으로 정리합니다.
AI의 행위와 책임
AI가 독립적으로 기능할수록 행위효과와 책임을 어떻게 구조화할 것인가라는 문제에서 출발합니다.
인간과 AI의 역할배분
AI가 수행할 수 있는 영역이 확대될수록 인간에게 어떤 판단·승인·검증·책임을 남겨야 하는가라는 문제로 확장합니다.
AI 기반 학습의 인간 역할
교육에서는 AI가 결과를 대신 만드는 것과 학습자의 능력형성을 지원하는 것을 구별하고 학습자가 직접 수행해야 할 핵심과정을 탐색합니다.
Learner Agency & Human-AI Learning
장기적으로는 Agentic AI 시대에 학습자의 행위주도성을 보존하면서 AI의 교육적 지원능력을 활용하는 인간-AI 학습관계를 연구합니다.
DOCTORAL RESEARCH LINKS · 박사 연구 연결
01~09 연구실이 10번으로 수렴하는 구조
각 연구실은 독립된 학습영역이면서 동시에 잠정 박사 연구방향을 이해하고 검증하기 위한 선행 연구층입니다.
EdTech Foundations
자기조절학습, 스캐폴딩, 근접발달영역, 학습자 주도성 등 AI 기반 학습환경의 교육학적 토대를 연결합니다.
AI & Learning
AI Tutor에서 Agentic AI까지 수행권한이 확대될 때 학습자에게 남겨야 할 판단과 수행의 범위를 탐색합니다.
Instructional Design
도전과제, 자력수행, 단계적 힌트, 수정·재시도와 성찰이 연결되는 교수설계 원리를 탐색합니다.
Learning Analytics
도움요청, 힌트사용, 수정, 재시도와 성찰 같은 학습행동을 관찰하고 해석하는 방법을 연결합니다.
Assessment & Feedback
AI가 만든 결과물의 품질과 학습자가 실제 획득한 능력을 구별하는 과정중심 평가를 탐색합니다.
AI EdTech Platform
검증지식, 학습자 모델, AI Tutor, 적응형 지원, 학습분석과 인간감독을 연결하는 시스템 구조를 탐색합니다.
Responsible AI
정확성·출처·개인정보·설명가능성과 함께 AI의 과잉대행이 학습자 주도성에 미치는 영향을 검토합니다.
Research Lab
AI 기반 학습현상을 교육학적으로 검증하기 위한 정량·정성·혼합방법과 실험·준실험 방법을 학습합니다.
Field Practice
실제 교육환경에서 AI 학습설계를 적용하고 사용행동과 경험을 관찰해 반복적으로 개선하는 실증과정을 연결합니다.
RESEARCH NOTE · 공개범위
연구 관심영역과 실제 연구계획을 분리
Research Note
이 페이지는 현재 탐색 중인 연구 관심영역과 학습방향을 정리한 공개 연구노트이며, 확정된 박사학위 논문의 연구계획·연구질문·가설·변수모형 또는 실험설계를 의미하지 않습니다. 구체적인 연구주제와 방법은 향후 수업, 선행연구 검토와 지도과정을 통해 발전·수정하며 별도의 연구계획 문서에서 관리합니다.