생성 AI 시대 속 STEM 교육 평가의 진화: 교수법 변화와 학문적 진실성에 관한 체계적 검토

ChatGPT와 같은 대형 언어 모델(LLM)을 포함한 생성형 인공지능(GenAI)의 급속한 확산은 정답 기반 평가 도구의 유효성을 점점 약화시키며 STEM 교육의 전통적 평가 방식을 근본적으로 불안정하게 만들었다. 본 체계적 문헌 검토는 PRISMA 2020 프로토콜에 따라 수행되었으며, 2022년부터 2026년 사이에 발표된 52편의 동료평가 논문을 통합하여, 컴퓨팅, 공학, 물리학, 수학 분야 위주로 GenAI 도입에 따른 STEM 분야의 평가 대응을 체계적으로 파악했다. Scopus, Web of Science, ERIC에서 광범위한 불린 검색을 수행했고, 혼합방법평가도구(MMAT)를 변형한 7가지 평가 기준을 적용하여 방법론적 엄격성을 확보했다. VOSviewer를 이용한 서지계량 분석 결과, 대형 언어 모델이 이 분야의 중심 개념 노드이며, 학문적 진실성 및 공학교육과 주요 연관 관계를 가진 것으로 나타났다. 주제별 종합을 통해 AI-저항(AI-Resistance), AI-통합(AI-Incorporated), AI-주도(AI-Leading)의 세 가지 교수법 대응 패러다임을 ARIA 프레임워크로 구성했다. AI-저항은 구술시험과 과정 포트폴리오를 강조하며, AI-통합은 생성 AI를 교육적 발판으로 삼고 학생의 비판적 참여를 평가하고, AI-주도는 학생을 AI 생성 산출물의 감시자로 위치시킨다. AI 탐지 소프트웨어는 특히 비원어민 영어 사용자에 대해 신뢰성 및 공정성 측면에서 지속적으로 비판받았다. 비판적 사고는 AI 산출 이해력, 인식론적 자율성, 협력적 조율력의 세 가지 관계적 역량으로 재정의되었다. 본 검토는 분석적 분류 도구로서 ARIA 프레임워크를 제공하며, 장기적 효능, K-12 교육 맥락, 컴퓨팅 및 공학 외의 학문 분야 확대, 그리고 문화 간 적용성 등 우선 연구 과제를 제시한다.