AI의 답을 의심하는 힘이 곧 학습력

오늘 큐레이션을 관통하는 한 문장은 'AI의 답을 곧이곧대로 믿지 않고 검증·디버깅하는 힘이 곧 새로운 학습 역량'이다. 대표 근거가 CS1(입문 프로그래밍) 학생 917명·2,636세션을 분석한 프리프린트다. AI가 생성한 코드에 '일부러 버그를 심어' 두었더니, 학생들은 그 오류를 직접 고치며 후속 성공률이 올랐고, 원하는 코드가 안 나올 때는 자신의 요구사항을 다듬었다. AI의 오류가 오히려 능동적 디버깅과 명세 훈련을 끌어내는 학습 자원이 된 것이다. 같은 흐름에서 자연어 프로그래밍 연구(CS1 900명+)는 학생의 최대 실수가 'AI가 알아서 해주리라'는 과신에서 오는 세부 누락임을 보여준다 — 무엇을 원하는지 정확히 말하는 힘이 새 기초 역량이다.

AI 튜터에 대한 경고도 선명하다. 교육용 AI 튜터가 '단계별 설명'을 내놓기 전에 이미 정답을 알고 사후에 꾸며대는지를 진단하는 TRACE 기법은, 정답키에 접근한 모델의 진단 지표(AUC)가 0.375에서 0.900으로 치솟고 1,000문항 중 997건에서 추론 첫 10% 구간에 이미 답이 존재했음을 보였다. '왜'를 가르치는 척하지만 실은 '답 흘리기'인 튜터를 걸러낼 수 있다는 뜻이다. 한편 사용자 162명 실험은 사람들이 AI 도구를 실제 성능이 아니라 '사전 기대 충족 여부'로 평가함을(성능 β 무의미, 기대 β=0.47~0.50, p<.001) 실증했다 — 학교의 도구 선택과 학생의 하이프 분별 교육이 왜 근거 기반이어야 하는지를 말해 준다.

활용가치가 높은 실증·정책 자료도 쌓였다. 학생 819명 준실험은 AI 창업기획 도구(KABADA)가 전통 워크숍보다 창업 의도를 약 1.31배 높였음을(기업가정신교육) 보였고, OECD·유럽집행위원회는 초·중등 AI 리터러시를 '사용·이해·창작·비판'으로 정의한 국제 프레임워크를 발간해 교육과정·평가 설계의 공통 준거를 제시했다. 중학교 521명 현장연구는 AI 개인화 과제에 '교사가 개입'하면 문제의 질은 올라가되 학생이 원하는 세밀함과는 어긋나고 시간은 절약되지 않음을 보여, 맞춤형 과제 워크플로의 현실적 기대치를 잡아 준다. AI 쪽에서는 시장이 평가한 'AI 노출 직군'(소통·대인 업무의 노출도가 오히려 높음)과 과학 발견을 가속하는 에이전트 자율실험실이 진로·STEM 교육의 소재로 들어왔다.

뉴스에서는 AI 에이전트의 일상화와 안전 논쟁이 함께 왔다. 앤트로픽은 Claude Cowork를 모바일·웹으로 확장하며 '사용의 90% 이상이 개발이 아닌 일상 지식노동'이라고 밝혔고, 생명의미래연구소(FLI)의 2026 여름 AI 안전지수는 주요 9개사 중 A등급이 하나도 없이 앤트로픽이 C+로 1위(OpenAI·딥마인드 C)라는 냉정한 성적표를 내놨다. 국내에서는 교육부와 기획예산처가 8일 '지방교육재정교부금 개편' 첫 공개토론(내국세 20.79% 연동 존폐)을 열고, 경북교육청은 2학기 고교학점제 공동교육과정을 334강좌·4,327명(+29.7%)으로 확대했으며, 인천에서는 교사 30개 팀이 생성형 AI 수업 설계를 겨루는 챌린지가 열렸다. 삼성전자는 AI 메모리 수요로 2분기 영업이익 89.4조원(19배)이라는 기술업계 사상 최대 분기 실적을 예고했다. 수집은 게재일 D-3~D(07-05~07-08) 확정 뉴스와 원문 검증 학술자료로 구성했다.