튜터로서의 생성형 인공지능 스캐폴딩: 학습 결과 및 동기, 인지 및 메타인지 과정에 관한 준실험 연구

생성형 인공지능(AI)은 수동적 정보 도구가 아닌 상호작용형 튜터 파트너로서 고등교육에서 점점 더 많이 사용되고 있다. AI는 학습 지원 기회를 제공하지만, 인지적 부담 경감, 참여도 저하, 비반성적 사용에 대한 우려가 존재한다. 교수 스캐폴딩은 복잡한 학습을 지원하기 위한 잘 확립된 설계 원칙이지만, AI 지원 환경에서 인지적 및 메타인지적 과정을 형성하는 역할에 대해서는 아직 충분히 탐구되지 않았다. 본 준실험적 사전-사후 연구에서는 다양한 수준의 스캐폴딩이 AI 튜터 학습 중 학습 성과 및 동기, 인지, 메타인지 과정에 어떤 영향을 미치는지 살펴보았다. 두 학부에서 다양한 학문적 배경을 가진 175명의 1학기 학생들이 4시간 대학 세션 내 동일한 학업 과제를 세 가지 조건 중 하나에서 수행하였다: (1) Goal–Context–Constraints(GCC) 전략을 기반으로 한 구조화된 프롬프트 템플릿, 반복 개선 및 반성적 지도를 포함한 완전 스캐폴딩; (2) GCC 프롬프트 템플릿을 포함한 경량 스캐폴딩; (3) 스캐폴딩 템플릿이 없는 대조군. 측정 항목은 지식 향상, 동기, 인지 부하, 비판적 사고 및 반성적 사용을 포함하였다. 데이터는 ANOVA, ANCOVA, 회귀 모델, PROCESS 조절 및 매개 분석을 통해 분석되었다. 모든 조건에서 학생들은 지식, 비판적 사고, 반성적 사용에서 유의미한 향상을 보였고, 동기는 안정적이었으며 내적 및 외적 인지 부하는 감소하였다; 스캐폴딩 조건 간에 유의한 차이는 관찰되지 않았다. 스캐폴딩 조건은 유의한 상호작용 효과를 나타내지 않았으나, 기술적 추세는 스캐폴딩 조건에서 고차원 지식 향상이 더 높았음을 시사했다. 전반적으로 결과는 AI 지원 학습 환경에서 단기 학습 향상이 스캐폴딩의 강도에만 의존하지 않고, 학습자가 학습 과정 중 AI와 어떻게 상호작용하는지에 달려 있음을 시사한다.