📄 논문 상세 분석 — 목표에서 거꾸로, AI와 함께: ChatGPT를 백워드 설계(UbD)의 공동 설계자로 만드는 3단계 하이브리드 모델
자동 생성: 2026-07-25 · 추천 논문 · 출처 신뢰도: 상(동료심사 오픈액세스 학술지 게재본 — 원문 PDF 전문 확인)
원문(바로 열기): https://eric.ed.gov/?id=EJ1476270 (Asian Journal of Distance Education, CC BY)
1. 📄 논문 요약 (Abstract)
생성형 AI로 수업 계획을 만드는 교사는 많아졌지만, 대부분의 활용은 퀴즈·활동지 같은 산출물 생성에 머물러 있고 교수설계 프레임워크와의 정렬은 빠져 있다 — 이 논문의 문제의식이다. 저자는 Understanding by Design(UbD)의 백워드 설계 원리를 축으로 ChatGPT를 수업 설계 과정에 통합하는 3단계 인간-AI 하이브리드 공동설계 모델을 제안한다: ① 전이 목표(transfer goals) 작성 ② 수행과제(performance tasks) 설계 ③ 실제적 학습경험(authentic learning experiences) 계획. 각 단계에서 ChatGPT에는 UbD 원전 자료(백워드 설계 절차, McTighe의 수행과제 설계 자료, McTighe & Seif의 '이해를 위한 수업' 문헌)가 참조 지식으로 제공되고, 교사는 표준(성취기준) 선택 → 참조 자료 제공 → 과제 지정 → '전문가 손질(expert touch)'로 산출 검증·정제의 절차를 따른다. 500명 이상이 참여한 5개 예비 평가 연구에서 교사들은 목표-평가-활동의 정렬성 개선, 창의성, 계획 효율 향상을 보고했으며, 반복적 피드백과 기초 AI 리터러시가 효과의 전제조건으로 확인됐다. K-12와 고등교육 모두에 적용 가능한 프롬프트 전문과 예시가 수록되어 있다.
2. 📊 논문 구조별 주요 정보 정리
연구의 필요성 및 목적
- 현재의 AI 수업 활용은 고립된 콘텐츠 생성기 수준 — 목표 지향적·일관된 설계의 협력자로 쓰는 구조적·재현 가능한 모델이 부재(Walter, 2024; Chiu, 2024 인용).
- 목적: 널리 검증된 교수설계 모형(UbD)에 프롬프트 엔지니어링을 접합한 실천 모델 제시 + 예비 평가 근거 보고.
3단계 하이브리드 공동설계 모델
1. 전이 목표 작성(Writing Transfer Goals): 성취기준 선택 → 백워드 설계 참조 자료 제공 → 과제 지정 → 준거 기반 '전문가 손질'의 4절차. 목표의 질을 교사가 준거로 평가·수정.
2. 수행과제 설계(Crafting Performance Tasks): McTighe(2015)의 실제적 과제 설계 자료를 ChatGPT의 참조 지식으로 사용 — 전이 목표 숙달을 실제 맥락 수행으로 증명하는 과제 생성.
3. 실제적 학습경험 계획(Planning Authentic Learning Experiences): McTighe & Seif(2014) '이해를 위한 수업'을 참조로, 학습 목표에 직결되는 스캐폴딩 활동·탐구 과제 설계.
- 프롬프트 설계는 명확한 지시·맥락·대상·구체 과제·단계 절차를 포함(모범 실무 준거 명시), 후속 질문으로 반복 정제.
연구 방법과 주요 결과 — 5개 예비 평가(총 500명+)
- 연구 1 (2024-08, 교사 29명): 모델로 작성한 지도안을 상세 루브릭으로 평가 — 85%가 만족 수준 도달(전이 목표-수행과제-활동 정렬 확인).
- 연구 2 (영어(ELA) 교사 15명 파일럿): 전이 목표는 거의 수정 불요, 학습활동은 문화적 요소(노래·이야기) 보강 프롬프트 필요 — 인간 감독의 필요 지점 확인.
- 연구 3 (다교과 교사 35명): PK·PCK·i-TK·i-TPK 향상을 겨냥한 바이크로너스(동기+비동기) 연수에서 모델 실습.
- 연구 4 (동기 웨비나 450명): 종료 설문에서 90%가 '모델이 이해하기 쉽다'고 응답, 사전 작성된 프롬프트 제공을 높이 평가.
- 연구 5 (웨비나 후속 미니 프로젝트, 응답 148건): 대부분 제공된 프롬프트를 그대로 사용했고, 27명은 추가 프롬프트로 산출을 맞춤화 — 모델의 적응 가능성 확인.
3. 🏫 교육 현장 시사점
1. AI 활용의 단위를 '산출물'에서 '설계 단계'로 옮길 것 — "지도안 써 줘"가 아니라 전이 목표 → 이해의 증거 → 학습경험의 순서에 AI를 단계별로 배치할 때 정렬성과 효율이 함께 확보된다. 개념기반 탐구 단원 설계(핵심 아이디어 → 일반화 → 전이)에도 같은 구조로 이식 가능하다.
2. '전문가 손질'을 절차로 명문화할 것 — 모든 단계의 마지막이 교사의 준거 기반 검증이다. 교내 연수에서 AI 수업설계를 다룰 때, 산출 평가 루브릭(연구 1의 정렬 루브릭 방식)을 함께 제공하는 것이 모델의 핵심 조건이다.
3. 연수 설계의 근거 — 대규모 웨비나(450명)+실행 과제(148건 응답)의 2단 구조, 사전 작성 프롬프트 제공, 반복 피드백이 효과 요인으로 확인됐다 — 교육청·학교 단위 AI 수업설계 연수의 설계 참고형이다.
4. ⚠️ 한계와 유의점
- 5개 평가는 모두 예비(preliminary) 연구 — 통제집단·학생 성과 측정이 없어 학습 효과 주장으로 인용해선 안 된다(교사 자기보고·산출물 평가 중심).
- 저자 스스로 기초 AI 리터러시(i-TK·i-TPK)와 기본 교수설계 역량(목표 정의, 평가 정렬 개념)을 전제조건으로 명시 — 초심자에게는 진입 장벽.
- 프롬프트·예시가 미국 성취기준 맥락 중심 — 국내 2022 개정 교육과정 성취기준에 맞춘 번안 검증 필요.
5. 📎 인용
Dogan, S. (2025). A human-AI hybrid co-design model: Planning effective instruction with ChatGPT. *Asian Journal of Distance Education, 20*(1), 94–119. https://eric.ed.gov/?id=EJ1476270