분석 대상 E16 · Frontiers in Robotics and AI · 2026년 9월 10일 출판 · 동료심사 논문
1. 논문 요약 (Abstract)
교육용 로봇과 협력하는 학생은 수학적 근거를 알고 있어도 상대가 다른 답을 주장할 때 자신의 판단을 바꿀 수 있다. 이 연구는 중등학생이 로봇의 잘못된 수학적 주장에 동의하거나 저항하는 과정을 탐색했다. 스웨덴의 같은 고교 학급에 속한 학생 22명이 Furhat 로봇과 수업에서 익숙한 기하 문제를 풀었다. 연구진은 앞부분에서 협력을 형성한 뒤 마지막 부분에서 로봇이 오답을 주장하도록 했다. 학생은 모두 정답에 필요한 근거를 대화에서 드러냈지만, 3명은 첫 반대 직후에, 11명은 논쟁을 거친 뒤 로봇의 답에 동의했다. 나머지 8명은 자신의 올바른 풀이를 유지했다. 연구진은 초기 반박, 수학 능력에 대한 자기 인식, 과제에 주의를 기울이는 행동 등을 검토해 후속 연구를 위한 일곱 가설을 제안했다. 다만 이 연구에는 대조군이 없고 로봇 발화도 사람이 정해진 목록에서 선택했으므로 자율 생성형 AI의 인과적 효과를 입증하지 않는다. 수업에서는 정답 여부와 함께 학생이 어떤 근거로 답을 유지하거나 바꾸는지 확인할 필요를 제기한다.
2. 연구의 필요성 및 목적 (Background and objective)
교육용 로봇은 지식을 전달할 뿐 아니라 학생과 의견을 주고받는 상대가 된다. 학생은 로봇의 말이 맞는지 내용으로 판단할 수도 있고, 유창한 응답이나 기술에 대한 기대 때문에 그 말을 더 믿을 수도 있다. 연구진은 학생이 자신의 풀이에 필요한 지식을 갖춘 상황에서 두 판단이 충돌할 때 어떤 일이 일어나는지 살폈다.
문제를 모르는 학생이 도움을 받는 장면과는 차이가 있다. 이 연구의 핵심은 학생이 먼저 올바른 풀이의 근거를 보였는데도 이후에 다른 입장을 취했다는 점이다. 연구진은 최종 답뿐 아니라 그 답에 이르는 대화의 흐름을 분석했다. 관찰한 차이에서 원인을 확정하기보다, 이후 통제 실험에서 검증할 설명을 만드는 것이 목적이었다.
3. 연구 문제 (Research questions)
분석을 이끈 질문은 다음과 같이 정리할 수 있다. 첫째, 로봇이 학생의 올바른 풀이에 반대하면 학생은 오답에 동의하는가, 자신의 답을 유지하는가. 둘째, 논쟁 초기에 표현한 저항은 최종 입장과 어떤 양상을 보이는가. 셋째, 사전의 자기 인식과 AI·로봇에 대한 기대, 대화 중 행동과 신뢰 변화는 어떤 후속 가설을 제안하는가. 이는 본문을 읽기 쉽게 재구성한 질문이며, 사전에 등록한 인과 가설 검정으로 바꿔 읽어서는 안 된다.
4. 용어의 정의 (Key concepts)
- 정보적 사회 영향(informational social influence): 다른 상대가 제공한 정보를 타당한 현실 판단의 근거로 받아들이는 영향이다. 이 연구에서는 로봇의 주장과 학생의 기존 풀이가 충돌하는 장면을 다룬다.
- 동의와 저항(alignment and resistance): 대화에서 로봇의 답을 받아들이거나 자신의 올바른 답을 유지한 관찰 결과다. 학생의 내적 믿음이나 장기 기억을 직접 측정한 말은 아니다.
- 초기 표현 저항(early expressed resistance to persuasion, eRtP): 설득 논쟁의 처음 두 교환에서 학생이 어떻게 반응했는지를 수량화하려는 과정 지표다. 이미 검증된 학생 진단검사가 아니다.
- Wizard-of-Oz 방식: 자율적으로 말하는 것처럼 보이는 로봇의 발화를 사람이 뒤에서 선택하는 연구 방식이다. 여기서는 운영자가 사전에 정해진 발화만 선택했다.
- 자기효능감(self-efficacy): 특정 과제를 수행할 수 있다는 믿음이다. 이 논문은 과제별 자기효능감 척도로 이를 직접 측정하지 않았으며, 주의·반응·설명 행동을 그와 부합하는 단서로 해석했다.
5. 연구 방법 (Method)
참여자는 기술계열 고교의 같은 학급에서 자원한 22명이다. 평균 나이는 16.5세이고 남학생 19명, 여학생 3명이었다. 자료는 2024년 6월에 수집됐다. 2026년 출판 논문이라는 사실과 자료 수집 시점을 구분해야 한다. 수학 교사는 참여 안내와 과제 선정에 도움을 주었지만 실험에 참석하지 않았고 학생별 수행 결과도 전달받지 않았다.
기하 과제는 학생들이 수업에서 다룬 세 부분으로 구성됐다. 앞부분에서 학생과 로봇은 협력해 풀이를 진행했다. 마지막 부분에서 로봇은 학생의 올바른 관계식과 충돌하는 답을 제시했다. 이후 로봇은 그림의 모양, 논리처럼 보이는 설명, 기억을 환기하는 문구 등을 이용해 오답을 뒷받침했다. 학생이 바로 동의하면 긴 설득 단계 없이 마지막 선택을 확인했고, 동의하지 않으면 정해진 논쟁 절차가 이어졌다. 한 세션은 약 6~11분이었다.
연구진은 사전 질문지, 세션 중 신뢰 질문, 사후 질문지와 영상·음성 기록을 함께 사용했다. 대화 전후를 같은 문항으로 완전히 반복한 것은 아니다. 특히 사후 신뢰 질문은 상황과 문구가 달라 앞선 측정과의 비교가 근사적이라는 한계가 있다. 사전 질문지의 일부 설득 성향 척도도 내적 일관성이 낮아 분석에서 제외했다.
로봇은 권위자보다 협력하는 동료로 제시됐고, 중립적 목소리와 제한된 표정을 사용했다. 그러나 로봇의 존재감, 새로움, 말의 유창함이 학생에게 주는 모든 영향을 제거한 것은 아니다. 모든 학생이 하나의 기본 조건에서 시작했으며, 연구진은 관찰 후 최종 반응에 따라 집단을 나눴다. 따라서 집단 간 차이를 무작위 배정 실험의 효과로 해석할 수 없다.
6. 연구 결과 (Results)
핵심 결과는 22명 모두 정답을 뒷받침할 만한 근거를 대화에서 보였음에도 14명이 마지막에 로봇의 오답에 동의했다는 것이다. 그중 3명은 첫 반대 직후에 동의했고, 11명은 설득 논쟁 이후 동의했다. 8명은 자신의 올바른 풀이를 유지했다. 이 수치는 해당 조건의 작은 표본에서 관찰한 인원이며, 전체 청소년의 취약성 비율로 일반화할 수 없다.
학생이 지식을 몰라 틀린 경우만으로는 이 결과를 설명하기 어렵다. 다만 상호작용 중 올바른 근거를 제시했다는 사실도 독립적인 사전 숙달검사를 통과했다는 의미는 아니다. 또한 동의한 학생이 오답을 실제로 믿게 됐는지, 불확실성이나 대화 부담을 줄이려고 동의했는지는 구분하지 못했다. 연구진 역시 지속적인 신념 변화를 확인한 결과가 아니라고 명시했다.
초기 두 교환의 반응은 최종 동의·저항과 기술적으로 일관된 양상을 보였다. 연구진은 이 과정 지표가 후속 분석에 도움이 될 수 있다고 보았지만 예측 도구의 성능을 검증하지 않았다. 학생별 미래 취약성을 판별하는 검사로 사용해서는 안 된다.
논문은 일곱 가설을 제안한다. 자기 수학 능력을 높게 평가하는 학생, 인지적 요구가 높아질 때 자기효능감과 부합하는 행동을 보이는 학생, 반대가 나오기 전부터 과제에 주의를 기울이는 학생은 더 저항할 수 있다는 가설이다. 반대로 대화형 AI 사용이 잦거나 인간다운 로봇을 선호하면 저항이 약할 수 있다고 제안한다. 로봇이 불확실성을 드러내지 않는 경우, 오답의 논거가 직관적으로 그럴듯한 경우, 학생이 이미 한 번 로봇에 동의한 경우도 후속 검증 대상으로 제시했다. 어느 가설도 이 표본으로 원인이 확정된 것은 아니다.
7. 논의 및 결론 (Discussion and conclusion)
이 연구는 수학 수업의 정답 확인만으로 놓칠 수 있는 장면을 보여 준다. 학생은 정답을 알고 있다고 보이는 순간에도 상대의 주장과 대화 압력 속에서 다른 입장을 택할 수 있다. 교사의 관심은 “AI를 얼마나 믿는가”라는 단일 태도 점수에서, 어떤 주장에 어떤 근거로 동의했는지로 확장될 수 있다.
그러나 이를 “AI를 자주 쓰면 비판적 사고가 낮아진다”는 주장으로 바꾸면 근거 범위를 벗어난다. 사용 빈도는 거친 자기보고 지표이고, 능력이나 신뢰의 차이를 충분히 통제한 인과 분석도 아니다. 로봇의 확신 표현과 논거의 그럴듯함도 실험적으로 각각 조작하지 않았다. 중립적 전달이 오답 수용을 일으켰다고 단정할 수 없는 이유다.
수업에 적용한다면 학생이 AI 답변을 보기 전에 자신의 풀이와 근거를 기록하고, 답변을 본 뒤 무엇을 유지하고 무엇을 바꿨는지 표시하게 할 수 있다. 답을 바꾼 학생에게는 새로 확인한 근거를, 유지한 학생에게는 상대 주장의 어느 부분이 성립하지 않는지를 묻는다. 목표는 자신의 첫 답을 무조건 지키는 태도가 아니라 새로운 근거에 맞춰 판단을 조절하는 능력이다. 이 활동은 분석자가 제안하는 적용안이며 논문이 효과를 검증한 수업 모형은 아니다.
잘못된 AI 답변을 수업 자료로 사용할 때는 과제가 끝난 뒤 올바른 원리를 명시적으로 확인해야 한다. 원 연구도 사후에 로봇이 의도적으로 오답을 제시했음을 설명하고 올바른 풀이를 안내했다. 학생을 로봇에 잘 속는 사람으로 낙인찍기보다, 누구나 판단을 점검할 수 있는 공통 절차를 만드는 데 연구를 활용할 수 있다.
8. 후속 연구 제안 (Future research)
원문은 더 큰 표본과 통제된 조건에서 로봇의 확신 표현, 과제 난도, 학생의 선행 숙달을 분리할 필요를 설명한다. 초기 주의 행동과 이후 반응의 관계, 교사가 학생의 대화를 보고 어려움을 예측할 수 있는지도 연구 과제로 남겼다. 대화의 어떤 순간에 동의가 생겼는지 살피는 질적 대화 분석도 제안했다.
학교 단위 후속 연구라면 즉시 답변과 지연된 재검사를 구분하고, AI 답을 수용한 이유를 학생의 말로 수집할 수 있다. 실제 생성형 AI와 사전 작성된 로봇 발화를 비교할 때도 응답 지연·인식 오류·내용 차이가 함께 바뀌지 않도록 설계해야 한다. 이는 현재 결과의 일반화 가능성을 검증하기 위한 제안이다.
9. 주제어 (Keywords)
교육용 사회적 로봇(educational social robots), 수학적 추론(mathematical reasoning), 정보적 사회 영향(informational social influence), 설득 저항(resistance to persuasion), 신뢰 조절(trust calibration), 학생 판단(student judgment)
10. APA 인용 및 근거 위치 (Reference and evidence)
González-Oliveras, P., Engwall, O., & Majlesi, A. R. (2026). Persuasion, pride and prejudice: Factors associated with students’ resistance to a social robot’s incorrect mathematical solution. Frontiers in Robotics and AI, 13, Article 1901093. https://doi.org/10.3389/frobt.2026.1901093
표본·과제·발화 통제·질문지는 원문 3.1~3.5절, 최종 반응과 과정 지표는 결과 절, 일곱 가설은 5.2절, 일반화 범위와 측정 한계는 6.1절에서 확인했다. 저자·출판일·권·논문번호는 출판사와 Crossref 메타데이터를 대조했다. 이 분석은 본문에 보고한 자료를 대상으로 하며 원시 영상의 재분석은 아니다.