교육공학 · Educational Technology
학습문제를 체계적으로 분석하고 사람·과정·기술·자원을 설계·개발·활용·관리·평가하여 학습의 효과성과 효율성을 높이는 분야입니다. 기술 자체가 연구대상이 아니라 교육문제를 해결하는 설계체계 전체가 연구대상입니다.
- 설명 대상: 학습문제, 교수전략, 매체, 환경, 성과의 관계
- 핵심 질문: 어떤 문제에 어떤 기술을 왜 사용하는가
- AI 연결: 도구 선정 전에 교육목표와 실패지점을 먼저 진단
FOUNDATION MAP · 기초이론 지도
에듀테크를 이해하는 8개 이론축
각 이론은 단순 정의가 아니라 어떤 현상을 설명하는지, 무엇을 측정하는지, AI 기반 학습시스템에서 어떤 설계결정으로 이어지는지를 함께 봅니다.
인지주의 · Cognitivism
학습을 정보의 수용·처리·저장·인출 과정으로 보고 주의, 작업기억, 장기기억, 스키마 형성을 중심으로 설명합니다. 설명의 길이와 복잡성, 예시와 힌트의 제시방식이 학습에 직접 영향을 줍니다.
- 설명 대상: 이해, 기억, 인지부하, 전이
- 설계 원리: 청킹, 선행조직자, 예시, 단계화
- AI 연결: 학습자 수준에 맞춰 설명 깊이와 순서를 조절
구성주의 · Constructivism
학습자는 지식을 수동적으로 받는 것이 아니라 기존 경험과 새로운 정보의 상호작용을 통해 의미를 구성합니다. 실제 문제, 토론, 탐구, 협력과 성찰이 중요합니다.
- 설명 대상: 의미구성, 문제해결, 협력학습
- 설계 원리: 실제적 과제, 스캐폴딩, 대화와 성찰
- AI 연결: 정답제공보다 질문·반론·사례비교를 지원
자기결정성이론 · Self-Determination Theory
자율성, 유능감, 관계성의 충족이 내재적 동기와 지속적 참여를 촉진한다고 설명합니다. AI가 지나치게 대신 수행하면 편리함은 증가하지만 학습자의 자율성과 자기효능감이 오히려 낮아질 수 있습니다.
- 측정 변수: 내재동기, 자기효능감, 참여지속, 만족도
- 설계 원리: 선택권, 적절한 도전, 설명 가능한 피드백
- AI 연결: 대행이 아니라 의사결정 지원 수준을 설계
자기조절학습 · Self-Regulated Learning
학습자가 목표를 세우고 전략을 선택하며 수행을 모니터링하고 결과를 성찰해 다음 행동을 조정하는 순환과정입니다. 원격·성인학습에서 특히 중요한 이론입니다.
- 구조: 사전사고 → 수행·모니터링 → 자기성찰
- 측정 변수: 목표설정, 시간관리, 메타인지, 도움요청
- AI 연결: 계획·점검을 지원하되 최종통제권은 학습자에게 유지
원격교육 · Distance Education
공간과 시간이 분리된 환경에서 학습자 자율성, 교수자 지원, 콘텐츠 접근성, 상호작용과 제도적 지원체계가 학습지속과 성과를 결정합니다.
- 핵심 상호작용: 학습자-내용, 학습자-교수자, 학습자-학습자
- 위험 변수: 고립감, 피드백 지연, 중도이탈
- AI 연결: 비동기 환경에서 즉시 질문·진단·코칭 제공
탐구공동체 · Community of Inquiry
온라인 학습경험을 인지적 실재감, 사회적 실재감, 교수적 실재감의 상호작용으로 설명합니다. 온라인 수업의 질을 콘텐츠만으로 평가하지 않고 공동체와 교수촉진의 질까지 함께 봅니다.
- 인지적 실재감: 탐색 → 통합 → 해결
- 사회적 실재감: 개방적 소통과 소속감
- AI 연결: 토론촉진·질문생성은 가능하지만 교수적 판단을 대체하지 않음
개인화·적응형 학습 · Personalized / Adaptive Learning
학습자의 수준, 목표, 오류, 행동과 진도에 따라 콘텐츠·난이도·순서·피드백을 다르게 제공하는 접근입니다. 개인화는 선택과 경로를 맞추는 넓은 개념이고 적응형 학습은 데이터에 따라 동적으로 조정하는 체계를 의미합니다.
- 측정 변수: 성취, 학습시간, 인지부하, 수용성
- 설계 원리: 진단 → 분기 → 개입 → 재진단
- AI 연결: Learner Model을 기반으로 다음 학습행동 추천
THEORY → VARIABLE → DESIGN · 이론에서 연구설계로
핵심 연구변수 매트릭스
이론을 연구에 사용하려면 추상개념을 관찰·측정 가능한 변수로 바꾸고, AI 개입조건과 결과변수를 구분해야 합니다.
자기조절학습 SRL
독립·개입변수는 AI 계획지원, 진행알림, 질문·힌트 수준이며 결과변수는 목표설정, 시간관리, 메타인지, 학습지속성과 성취로 구성합니다.
자기결정성 SDT
AI의 선택권 제공, 설명방식, 통제수준을 조절하고 자율성·유능감·관계성, 내재동기와 이탈의도를 측정합니다.
인지부하 Cognitive Load
설명 길이, 단계화, 멀티모달 제시와 힌트량을 조절하고 내재적·외재적 인지부하, 이해도와 전이를 비교합니다.
탐구공동체 CoI
AI 토론촉진자, 교수자 개입강도, 협력구조가 인지적·사회적·교수적 실재감과 만족도에 미치는 영향을 분석합니다.
적응형 학습 Adaptive Learning
진단정확도, 난이도 조정, 콘텐츠 추천과 피드백 타이밍이 성취, 학습시간, 오류감소와 수용성에 미치는 효과를 비교합니다.
CORE CONCEPTS · 핵심 개념
반드시 구분해야 할 기초개념
스캐폴딩 · Scaffolding점진적 학습지원
학습자가 혼자 수행하기 어려운 과제를 해결하도록 힌트·질문·예시·구조를 제공한 뒤 숙련도가 높아지면 지원을 점차 제거하는 방식입니다.
인지부하 · Cognitive Load작업기억 부담
학습과제와 정보제시가 작업기억에 요구하는 부담입니다. AI가 정보를 많이 제공할수록 항상 좋은 것이 아니라 불필요한 설명은 외재적 인지부하를 키울 수 있습니다.
메타인지 · Metacognition자신의 사고에 대한 인식과 조절
무엇을 알고 모르는지 판단하고 자신의 전략을 계획·점검·수정하는 능력입니다. AI 코치는 정답보다 자기설명과 점검질문을 통해 메타인지를 촉진해야 합니다.
학습전이 · Transfer of Learning배운 것을 새로운 상황에 적용
수업에서 배운 지식이나 전략을 다른 문제와 맥락에서도 활용할 수 있는 정도입니다. 단순 정답률보다 깊은 교육효과를 확인하는 핵심 지표입니다.
학습자 모델 · Learner Model학습상태의 구조화된 표현
학습자의 지식수준, 오류, 목표, 행동, 선호와 진도를 데이터로 표현한 모델입니다. 개인화 AI의 판단근거가 되므로 정확성·갱신주기·설명가능성이 중요합니다.
구성적 정렬 · Constructive Alignment목표·활동·평가의 일치
학습목표에서 요구하는 인지수준과 실제 학습활동, 평가방법이 서로 일치하도록 설계하는 원리입니다. AI 기능도 이 정렬 속에서만 배치해야 합니다.
CORE LITERATURE · 핵심 문헌축
영문 원전과 한글 해설
제목만 나열하지 않고 왜 읽어야 하는지와 어떤 연구변수로 이어지는지를 함께 기록합니다.
Januszewski & Molenda, Educational Technology: A Definition with Commentary『교육공학: 정의와 해설』
교육공학을 단순 매체 활용이 아니라 윤리적 실천, 학습촉진, 수행개선, 과정·자원의 창출·사용·관리라는 체계로 정리한 기본 문헌입니다.
Zimmerman, Becoming a Self-Regulated Learner『자기조절학습자가 되어가는 과정』
자기조절학습을 목표설정, 수행통제, 자기성찰의 순환모형으로 설명합니다. AI 학습코치의 개입시점을 설계할 때 핵심 이론축이 됩니다.
Deci & Ryan, Self-Determination Theory『자기결정성이론』
자율성·유능감·관계성과 내재동기의 관계를 설명합니다. AI가 학습자의 선택권과 주도성을 강화하는지 또는 과잉대행하는지 평가하는 기반입니다.
Sweller, Cognitive Load Theory『인지부하이론』
작업기억의 한계와 교수자료 설계의 관계를 설명합니다. 생성형 AI의 긴 설명, 다중정보 제시, 단계별 힌트의 효과를 분석하는 데 사용합니다.
Garrison, Anderson & Archer, Community of Inquiry『탐구공동체 모형』
온라인 학습을 인지적·사회적·교수적 실재감으로 설명합니다. AI 토론지원과 원격학습 공동체의 질을 평가할 때 활용됩니다.
Moore, Three Types of Interaction『원격교육의 세 가지 상호작용 유형』
학습자-내용, 학습자-교수자, 학습자-학습자 상호작용을 구분한 고전적 틀입니다. AI가 어떤 상호작용을 보완하거나 대체하는지 분석할 수 있습니다.
RESEARCH PRACTICE · 연구 적용
기초이론을 실제 연구문제로 바꾸는 방법
예시 1 · Agentic AI 학습코치
SRL을 이론기반으로 설정하고 AI의 계획지원 수준을 독립변수로, 메타인지·학습지속·성취를 결과변수로 측정합니다.
예시 2 · AI Tutor 설명방식
인지부하이론을 기반으로 전체해설·단계별 힌트·질문형 피드백 조건을 비교해 이해도와 전이를 측정합니다.
예시 3 · 원격 성인학습자 지원
원격교육과 CoI를 결합해 AI의 즉시지원이 고립감, 상호작용, 교수적 실재감과 중도이탈에 미치는 영향을 분석합니다.
연구실 운영기준: 새로운 AI 기능을 발견했을 때 먼저 “어떤 학습이론이 이 현상을 설명하는가 → 무엇을 변수로 측정할 것인가 → 어떤 비교조건을 둘 것인가”를 결정한 뒤 실증으로 이동합니다.