인간-AI 프로그래밍 역량 향상을 위한 지능형 학습 시스템 개발 연구
• 연구원: 조영환, 강민주, 손민서, 홍영서(서울대)
• 연구지원: 한국연구재단 (2026. 9. ~ 2031. 8.)
| 인공지능 전환(AX) 시대가 도래하며 소프트웨어 개발 환경이 AI 보조 프로그래밍 중심으로 재편되고 있습니다. 본 연구는 이러한 환경에서 새롭게 요구되는 인간-AI 프로그래밍 역량을 정밀하게 평가하고 그 결과에 기반한 맞춤형 문제 추천과 학습 지원을 제공하는 지능형 학습 시스템을 개발하고자 합니다. 구체적으로, 고등학교 정보 교육 맥락에 부합하는 인간-AI 프로그래밍 역량 모델을 토대로 (1) 로그 기반 행동 지표와 학습자-AI 대화 이력을 활용하여 전문가 수준의 평가를 수행하는 자동평가 모듈, (2) 학습자의 역량 수준을 반영하여 최적의 학습 과제를 선별하는 맞춤형 문제 추천 모듈, (3) 피드백 유형과 강도를 동적으로 조정하는 맞춤형 학습 지원 모듈을 개발합니다. 그리고 이를 통합한 인간-AI 프로그래밍 역량 학습 시스템을 구축하여 효과성을 검증하고자 합니다. |
SEN스쿨 교육데이터 기반 학습분석 지표 개발 및 타당화 연구
• 연구원: 조영환(서울대), 함은혜(국립공주대), 손연오(서울신동초), 조애영, 사운서, 이주영, 강민주, 이정찬, 손민서, 홍영서(서울대)
• 연구지원: 서울특별시교육청교육연구정보원 (2026. 6. ~ 2026. 10.)
| 본 연구는 SEN스쿨의 운영·활용 현황을 분석하고, 교육데이터를 기반으로 2022 개정 교육과정의 자기관리 역량과 협력적 소통 역량을 측정할 수 있는 학습분석 지표를 개발하고 타당화하는 것을 목적으로 합니다. 이러한 목적을 달성하기 위해 다음의 내용들을 수행합니다. 우선, 로그데이터 분석과 교사·학생 대상 설문 및 초점집단면담(FGI)을 통해 학교별 SEN스쿨 활용 현황과 사용 목적, 유용성, 편의성 및 만족도를 파악합니다. 다음으로, 국내·외 문헌과 SEN스쿨 교육데이터를 토대로 자기관리 역량과 협력적 소통 역량의 학습분석 지표를 개발하고, 개발된 지표는 교사 참여적 실행연구, 교사·학생 FGI, 전문가 검토를 통해 현장 적합성과 내용타당도를 확인하고, 교사의 관찰평가 및 학생의 자기보고식 설문 결과와 비교하여 준거타당도를 검증합니다. 최종적으로 타당화된 지표를 SEN스쿨 대시보드에 적용하기 위한 방안을 제시하고자 합니다. 마지막으로 교육데이터의 안전한 활용을 위한 개인정보보호 가이드라인과 체크리스트를 마련하고자 합니다. 본 연구를 통해 SEN스쿨의 데이터 기반 맞춤형 교수학습 지원 기능을 강화하고, 공교육에서 교육데이터를 안전하고 의미 있게 활용할 수 있는 기반 조성에 기여하고자 합니다. |
생성형 AI시대 기초학력 향상을 위한 교수전략 개발 연구
• 연구원: 장인철, 조영환, 박소미, 이민희, 이서연(서울대)
• 연구지원: 서울대학교(2026-04 ~ 2027-03)
| 학습자의 특성에 따라 AI 활용이 학습에 미치는 효과는 크게 달라질 수 있습니다. 특히 저성취 학생은 학습에 대한 주도성이나 AI를 비판적으로 활용하는 역량 측면에서 어려움을 겪을 수 있으며, 이로 인해 AI 활용이 오히려 학습 효과를 저하시키거나 학습자 간 격차를 확대할 가능성이 있습니다. 본 연구는 생성형 AI를 활용한 학습 과정에서 저성취 학생에게 나타나는 특성을 탐구하고, 이들의 기초학력 향상을 지원하기 위한 도구와 교수전략을 증거 기반으로 도출하고자 합니다. 나아가 기초학력 향상을 위한 교수전략을 근거를 체계적으로 통합한 교사 연수프로그램을 개발함으로써 연구 결과를 교육 현장으로 확장하고자 합니다. |
AI 기반 에듀테크 평가 프레임워크 개발
• 연구원: 조영환(서울대), 천종필(Texas Tech University), 김찬희, 박지용(서울대)
• 연구지원: 서울대학교 (2025. 7. ~ 2026. 3.)
| 최근 교육 현장에서 AI 기반 에듀테크의 도입이 빠르게 확산되고 있습니다. 그러나 이러한 기술을 교육적으로 안전하고 효과적으로 활용하기 위한 평가 체계와 프레임워크는 아직 미흡한 실정입니다. AI 기술이 급속도로 발전함에 따라, 해당 기술의 교육적 적합성과 안전성, 그리고 학습 효과를 체계적으로 검증할 수 있는 평가 기준과 절차가 필요합니다. 이에 본 연구는 AI 기반 에듀테크와 이를 활용한 수업을 평가할 수 있는 프레임워크를 개발하고, 학교 현장의 실증 데이터를 통해 그 타당성과 활용 가능성을 검증하고자 합니다. 연구를 통해 검증된 평가 프레임워크를 바탕으로, ① 학교와 정책 수준의 의사결정 지원, ② 국내 에듀테크 품질 개선 및 학습 효과 향상, ③ 교사와 학부모가 신뢰할 수 있는 AI 에듀테크 생태계 구축에 기여하고자 합니다. |
체화된 감정에 기반한 학습 불안 지원 멀티모달 시뮬레이션 개발
• 연구원: 조영환, 추영선, 조연우(서울대)
• 연구지원: 한국연구재단 (2025. 6. ~ 2028. 5.)
| 최근 학습 정서 연구 분야에서는 대학생의 학습 불안에 대한 심층적인 이해와 이를 조절하기 위한 실질적인 지원 방안의 필요성이 강조되고 있습니다. 특히, 학습 불안은 주의집중과 능동적 학습 참여를 방해하여 학업 성취에 부정적인 영향을 미치므로, 이를 효과적으로 측정하고 조절할 수 있는 체계적인 접근이 요구됩니다. 본 연구는 체화된 감정(embodied emotion) 이론에 기반하여, 학습자의 신체 반응을 포함한 멀티모달 데이터를 통합적으로 분석함으로써 학습 불안을 실시간으로 측정하고 조절을 지원할 수 있는 시뮬레이션을 개발하고자 합니다. 이를 위해 1차년도에는 대학생의 학습 불안을 유발하는 상황을 질적·양적 방법으로 조사하고, 심박수, 호흡, 근육 긴장 등 신체 변화를 포함한 멀티모달 지표를 개발합니다. 2차년도에는 설계기반연구를 적용하여 학습자가 학습 불안을 스스로 조절할 수 있도록 돕는 멀티모달 시뮬레이션을 개발하고, 그 활용성을 검증합니다. 마지막으로 3차년도에는 교육 현장에서 시뮬레이션의 효과를 실험적으로 검증하며, 개인별 행동 특성과 학습 불안 조절 간의 관계를 분석합니다. 본 연구를 통해 학습 불안 조절을 위한 새로운 이론적 틀과 실천적 도구를 제시하고, 정서·인지·신체의 통합적 관점에서 학습자를 지원할 수 있는 교육학적 기반을 마련하고자 합니다. 이는 학습 불안을 경험하는 대학생에게 실질적인 도움을 제공할 뿐만 아니라, 멀티모달 학습분석 및 에듀테크 발전에도 중요한 기여를 할 것으로 기대됩니다. |
디지털교육 성과 진단 및 효과 분석 연구
• 연구원: 박현정, 조영환, 정동욱(서울대), 길혜지(충북대), 박찬호(계명대), 이호준(청주교대), 조수경(한국외대), 도종훈(서원대), 조애영, 박지용, 이정찬, 조민선, 이영인, 김욱일, 김한나, 박근아, 조혜리, 차수연(서울대), 윤보라(한국외대), 김수연(계명대), 김하윤(충북대)
• 연구지원: 한국교육학술정보원 (2025. 5. ~ 2025. 12.)
| 디지털교육 종단연구 설문조사 결과를 실제적인 맥락에서 해석하고 학교 단위에서 종합적으로 이해하기 위해 질적연구가 필요합니다. 이에 본 연구는 학교별 디지털교육의 발전 양상과 체제적 특성이 무엇인지 살펴보고, 학교 간 디지털교육에 차이가 발생하는 이유가 무엇인지 탐색하며, 디지털교육 정책이 학교교육과 학생 역량에 어떤 영향을 미쳤는지를 분석해보고자 합니다. 이를 위해 학교급, 지역 규모, AIDT활용 정도, 교사 디지털 역량을 고려하여 12개 학교를 선정하고, 선정된 학교의 학교관리자, 교사, 학생을 대상으로 한 면담 실시 및 수업관찰을 진행하고자 합니다. |
공교육 학습데이터 생태계 구축 방안 연구
• 연구원: 조영환, 권가진, 박현정, 정동욱(서울대), 한정윤(서울시립대), 문희원, 하효림, 이영리, 은선민
김찬희, 손연오, 김안나, 김한나, 송지수, 김욱일 (서울대)
• 연구지원: 한국연구재단 (2024. 9. ~ 2030. 8.)
| 2025년부터 AI 디지털 교과서가 전국적으로 보급됨에 따라 학습 데이터의 양이 크게 증가할 것으로 예상되지만, 이를 체계적으로 수집, 저장, 관리, 분석, 활용하기 위한 방안에 대한 연구는 아직 부족한 실정입니다. 이에 본 연구는 국가 차원의 학습 데이터 표준을 수립하고, 공교육 학습 데이터 생태계를 설계하며 그 구성 요소를 도출하는 것을 목표로 합니다. 또한 학습 데이터를 둘러싼 주요 쟁점을 파악하고, 국가 차원에서 학습 데이터를 효과적으로 분석하고 활용하기 위한 구체적인 실천 방안을 제안합니다. 나아가, 지속 가능한 학습 데이터 생태계 구축을 위해 교육적, 기술적, 제도적 기반을 마련하는 데 초점을 맞추고자 합니다. |
멀티모달 데이터 기반 학생 종단 연구
• 연구원: 조영환, 강준호, 권가진, 문효열, 이경미, 하민수(서울대), 한정윤(서울시립대), 김미송(University of Western Ontario), 김혜은, 이현웅, 이재용, 강민주, 김안나, 김영득, 김승범, 박재연, 김상윤, 이소정, 김경태, 이상의, 신선영, 김지은(서울대)
• 연구지원: 서울대학교 (2024. 5. ~ 2026. 2.)
| 최근 디지털 기술의 발전으로 청소년들의 생활과 학습 환경이 급격히 변화하고 있습니다. 이러한 변화 속에서 청소년들이 건강하게 성장하고 필요한 역량을 갖추기 위해서는 그들의 발달 과정을 깊이 있게 이해하는 것이 매우 중요합니다. 본 연구는 청소년들의 전인적 성장을 이해하기 위해, 초기 청소년기(초6~중2) 학생들의 다양한 특성과 발달 단계를 종합적으로 살펴보고자 합니다. 기존의 단편적인 연구 방식에서 벗어나, 뇌파, 영상, 인터넷 사용 기록, 심리 상태 등 다양한 데이터를 통합적으로 분석함으로써 디지털 시대를 살아가는 청소년들의 학습과 발달 과정을 다각도에서 이해하고자 합니다. 이 연구는 디지털 시대를 살아가는 청소년들의 발달 특성을 종합적으로 이해함으로써, 미래 교육 설계에 실질적인 시사점을 제공할 것으로 기대됩니다. |