효과는 AI가 아니라 설계가 만든다 (자기조절학습 RCT·STEM 메타분석)

오늘의 큐레이션을 한 문장으로 줄이면 '효과는 AI가 아니라 설계가 만든다'이다. 어제까지 'AI 튜터링이 정말 학습을 높인다'는 RCT 묶음이 잡혔다면, 오늘은 그 효과의 조건을 더 정밀하게 짚는 1차 실증이 전면에 올랐다. 독일 7~9학년 371명을 정규 물리·영어 수업에서 GPT-4o 기반 개입에 무작위 배정한 무작위대조시험(RCT)이 그것이다. 세 집단 모두 같은 GPT-4o를 썼지만, 동기(효용가치)를 자극하도록 설계한 프롬프트와 학습전략을 지원하도록 설계한 프롬프트, 그리고 표준 ChatGPT가 만들어내는 학습은 달랐다. 같은 모델이라도 '어떤 교육이론을 담아 설계했는가'가 자기조절학습의 향방을 갈랐다는 점에서, 교실 GenAI의 효과는 도구 도입이 아니라 교수설계의 함수임을 통제된 환경에서 다시 확인했다.

두 번째 축은 STEM이다. 최상위 교육학 저널(Review of Educational Research)에 실린 124편 메타분석은 통합 STEM 교육이 인지기능에 큰 효과, 지식습득에 중간 효과를 낸다는 점을, 그리고 그 효과가 과제유형(탐구형 vs 설계형)과 프로그램 기간이라는 조절변인에 따라 달라진다는 점을 종합했다. AI 튜터링 RCT의 메시지('설계가 전부')와 STEM 메타분석의 메시지('운영 조건이 효과를 좌우')는 정확히 같은 곳을 가리킨다 — 무엇을 도입하느냐보다 어떻게 설계·운영하느냐다. 본 리포트는 이 두 편(자기조절학습 RCT·STEM 메타분석)과 개인화 평가 프레임워크 실증을 별도의 상세 분석문으로 풀어 실었다.

세 번째 축은 '학생은 이미 쓰는데, 학교는 아직'이라는 격차다. Stanford HAI의 2026 AI 인덱스는 고등교육 학생의 AI 사용이 미국 약 90%·영국 약 95%에 이르고 K-12도 절반 이상이 학습에 AI를 쓰지만, 공식 AI 정책을 갖춘 기관은 48%에 그치고 정책이 명확하다고 답한 교사는 6%에 불과하다는 실데이터를 제시한다. 사용은 보편화됐는데 제도·교사 준비가 크게 뒤처진 셈이다. 이 격차는 오늘 함께 잡힌 두 편의 교사·리터러시 연구와 직결된다. 교사의 챗봇 수용은 성능이 아니라 신뢰·동료 규범·혁신성에 좌우되고(SAGE 2026), 학교 AI 리터러시는 지식·기능을 넘어 동기·자기효능 같은 심리적 기초까지 길러야 한다(C&E:AI 2026).

균형추도 함께 챙겼다. 노동·생산성 쪽에서는 Generative AI at Work(QJE)의 콜센터 현장실험이 'AI 보조가 저숙련·신입의 생산성을 더 크게 높여 격차를 줄인다(+15%)'는 형평 효과를 보였고, 기업가정신교육 연구(Nature HSSC)는 '정책이 곧 고용성과가 아니라, 교육의 질을 높일 때에만 고용가능성으로 이어진다'는 간접경로를 실증했다. 한편 'AI 에이전트가 소프트웨어 공학을 재편한다'는 도발적 입론(arXiv)도 시야에 두되, 입장 논문 성격이 강한 만큼 측정된 역량과 규범적 비전을 구분해 읽도록 병기했다. 코딩 교육의 무게중심이 '작성'에서 '문제정의·검증·에이전트 운용'으로 이동할 수 있다는 시사점만 취한다.

국내에서는 정책과 현장이 동시에 움직였다. 2026년 AI 디지털교과서가 초5~6·중·고2로 확대되고 AI 중점학교 1,000교를 통해 과학수업 AI 융합 기반을 마련한다는 계획이 나왔고, 대학가에서는 교수·교직원의 생성형 AI 역량강화가 본격화돼 대교협이 하반기 신규 연수 21개 과정을 열었다. 수집은 출처 화이트리스트 없이 품질로만 걸렀고, 전일까지 선정된 자료 6건은 재탕 방지를 위해 교차일 의미 중복으로 제외했다. 오늘의 묶음은 '도입은 빨라졌으나 효과·제도·역량의 조건이 관건'이라는 한 흐름으로 수렴한다.