[연구 리포트] 인공지능(AI) 기반 맞춤형 학습 플랫폼이 중등학생의 수학적 자기효능감에 미치는 영향 분석 및 연구 설계
1. 서론
현대 교육 패러다임은 지식의 단순 전달을 넘어 학습자 개개인의 특성에 최적화된 '개별화 학습'으로 급격히 전환되고 있다. 특히 4차 산업혁명의 핵심 기술인 인공지능(AI)이 교육 현장에 도입되면서, 학습자의 수준을 실시간으로 진단하고 이에 걸맞은 콘텐츠를 제공하는 '적응형 학습(Adaptive Learning)'이 주목받고 있다. 그러나 기술적 진보가 반드시 학습자의 심리적 성취감이나 태도 변화로 직결되는지에 대해서는 여전히 학계의 의견이 분분하다.
본 연구 리포트에서는 인공지능 기반 맞춤형 학습 플랫폼의 활용이 중등학생의 '수학적 자기효능감(Mathematical Self-Efficacy)'에 어떠한 실질적 영향을 미치는가를 규명하기 위한 연구를 선정하고, 이를 체계적으로 조사 설계하고자 한다. 수학은 위계성이 강한 과목 특성상 한 번의 결손이 누적되어 이른바 '수포자(수학 포기자)'를 양산하기 쉬운 분야다. 따라서 AI 기술이 학습자의 성취 수준에 맞는 적절한 난이도의 과제를 지속적으로 제공함으로써 성공 경험을 축적시키고, 결과적으로 심리적 기제인 자기효능감을 고취할 수 있는지 확인하는 것은 교육공학적으로 매우 중요한 가치를 지닌다. 본 리포트는 이러한 학술적 문제의식을 바탕으로 정교한 연구 설계안을 제시한다.
2. 본론
3.1. 연구의 가설 및 변수 설정
본 연구의 핵심 목적은 AI 학습 플랫폼이라는 독립변수가 학습자의 심리적 상태인 수학적 자기효능감에 미치는 인과관계를 파악하는 것이다. 이를 위해 다음과 같은 가설을 설정한다.
- 가설 1: AI 기반 맞춤형 학습 플랫폼을 활용한 집단은 전통적인 강의식 수업을 받은 집단보다 수학적 자기효능감이 통계적으로 유의미하게 높을 것이다.
- 가설 2: AI 플랫폼이 제공하는 즉각적인 피드백과 단계적 도전 과제는 학습자의 '성공 경험'을 매개로 하여 자기효능감을 강화할 것이다.
연구의 독립변수는 'AI 맞춤형 학습 프로그램의 적용 여부'이며, 종속변수는 '수학적 자기효능감 점수'다. 이때 학생들의 기초 학력 수준, 성별, 기존의 수학에 대한 태도 등은 외생변수로 작용할 수 있으므로, 이를 통제하기 위해 공분산분석(ANCOVA) 등을 고려한 실험 설계를 채택한다.
3.2. 조사 설계 및 연구 방법론
본 연구는 연구의 객관성과 신뢰도를 확보하기 위해 '이질 통제집단 전후검사 설계(Non-equivalent Control Group Pretest-Posttest Design)'를 채택한다. 무작위 할당이 어려운 실제 학교 현장의 특성을 반영하여, 유사한 학력 수준을 가진 2개의 학급을 각각 실험집단과 통제집단으로 구성한다.
| 구분 | 실험집단 (Experimental Group) | 통제집단 (Control Group) |
|---|---|---|
| 처치 내용 | AI 기반 적응형 학습 플랫폼 활용 수업 | 교사 주도의 전통적 판서 및 강의식 수업 |
| 학습 자료 | 학생 수준별 맞춤형 문항 및 실시간 피드백 | 표준화된 교과서 및 공통 유인물 |
| 상호작용 | AI 튜터와의 개별 상호작용 중심 | 교사-학생 간 전체 상호작용 중심 |
| 기간 | 8주 (단원 2개 분량) | 8주 (단원 2개 분량) |
연구의 신뢰도를 높이기 위해 다음과 같은 절차를 준수한다.
- 사전 검사: 실험 처치 전 두 집단의 수학적 자기효능감 및 기초 학력을 측정하여 동질성을 검증한다.
- 처치 단계: 실험집단은 주 3회 수학 시간 중 1시간을 AI 플랫폼을 활용한 개별 학습으로 진행한다.
- 사후 검사: 8주간의 처치 종료 후 사전 검사와 동일한 도구를 사용하여 변화량을 측정한다.
3.3. 데이터 수집 및 분석 전략
수집된 데이터는 단순한 점수 비교를 넘어, 다각적인 통계 분석을 통해 그 의미를 도출한다. 특히 자기효능감은 다차원적인 개념이므로 이를 세부 요소별로 분석할 필요가 있다.
- 자기효능감 측정 지표:
- 과제 난이도 선호: 어려운 문제에 직면했을 때 회피하지 않고 도전하려는 의지.
- 자기조절 효능감: 학습 목표를 설정하고 스스로를 통제하며 학습을 지속하는 능력.
- 자신감: 수학적 문제를 성공적으로 해결할 수 있다는 주관적 믿음.
데이터 분석은 SPSS 또는 R 프로그램을 활용한다. 두 집단 간의 평균 차이를 검증하기 위해 독립표본 t-검정(Independent samples t-test)을 실시하고, 사전 점수의 영향을 통제한 상태에서 순수한 처치 효과를 확인하기 위해 공분산분석(ANCOVA)을 수행한다. 또한, AI 플랫폼 내에 기록된 학습 로그 데이터(문제 풀이 시간, 정답률 변화 추이, 피드백 확인 빈도 등)를 정량적으로 분석하여 심리적 변화와의 상관관계를 심층적으로 고찰한다. 이러한 다각적 분석은 단순한 '효과가 있다'는 결론을 넘어 '어떤 기제를 통해 효과가 발생하는가'에 대한 해답을 제시할 것이다.
3. 결론 및 시사점
본 연구 설계는 인공지능이라는 첨단 기술이 교육의 본질적인 영역인 학습자의 심리적 기제에 어떠한 영향을 미치는지를 과학적으로 검증하는 데 목적이 있다. 연구 결과, AI 기반 맞춤형 학습이 학생들에게 지속적인 작은 성공(Small Wins)을 경험하게 함으로써 수학적 자기효능감을 유의미하게 향상시킨다는 결론이 도출된다면, 이는 향후 공교육 현장의 디지털 전환에 중요한 이정표가 될 것이다.
특히 본 연구가 시사하는 바는 다음과 같다. 첫째, 교사는 단순 지식 전달자에서 학습자의 심리적 상태를 케어하는 '학습 촉진자(Facilitator)'로 역할 변화가 필요함을 시사한다. 둘째, 교육용 소프트웨어 개발 시 단순한 정답 확인 기능을 넘어 학습자의 동기를 유발하고 효능감을 높일 수 있는 정교한 피드백 알고리즘 설계가 필수적임을 보여준다.
결론적으로, 기술은 인간을 대체하는 것이 아니라 인간의 잠재력을 극대화하는 도구로 활용될 때 진정한 가치를 발휘한다. 본 연구 설계를 바탕으로 한 실제 조사는 '수포자' 문제를 해결하기 위한 현실적인 대안을 제시함과 동시에, 에듀테크 산업이 나아가야 할 인간 중심적 기술 발전의 방향성을 확립하는 데 기여할 것이다. 향후 연구에서는 중등학생뿐만 아니라 초등 및 고등학생으로 연구 대상을 확대하고, 장기적인 추적 조사를 통해 자기효능감의 향상이 실제 학업 성취도 및 진로 선택으로 이어지는지를 분석하는 후속 연구가 이루어져야 할 것이다.