6. lateral reading은 짧은 훈련으로도 효과가 있다. Stanford History Education Group(현 Digital Inquiry Group)의 연구에 따르면, 전문 팩트체커는 낯선 사이트에 도달하면 그 페이지에 머무르지 않고(vertical reading) 새 탭을 열어 '옆으로 읽으며(lateral reading)' 출처의 신뢰성을 웹에서 검증한다. Wineburg et al.(2022, Journal of Educational Psychology) 지역 단위 실험에서 Civic Online Reasoning 수업 후 학생의 온라인 정보 판단 능력이 유의하게 향상됐다.

7. 한국은 AIDT 정책이 급선회했다. AI 디지털교과서는 2025년 3월 초3·4, 중1, 고1 수학·영어·정보에 도입됐으나, 2024년 12월 개정 초·중등교육법으로 법적 지위가 '교과용 도서'가 아닌 '교육자료'로 규정되며 학교장 재량(선택) 사항이 됐다. 감사원 2025년 감사보고서는 AIDT 구독료가 전 과목 도입 시 "2025년 3,361억 원 → 2026년 5,421억 원 → 2027년 8,634억 원 → 2028년 1조732억 원"으로 증가할 것으로 추계했고, 1조4,093억 원 준비예산에도 2025년 3~5월 '10일 이상 활용률'이 학년·과목 평균 8.1%(고교 영어 1.5%)에 그쳤다고 지적했다. 2026년 교육부 업무보고에서는 'AI 디지털교과서'라는 용어가 사실상 사라지고 'AI 교육자료'로 대체됐으며, '일괄 도입'에서 '학교 자율 선택·선도학교 검증(디지털활용선도학교 1,900교)'으로 전환됐다.

8. '질문하는 학교'는 깊이 있는 학습의 정책적 그릇이다. 교육부 '공교육 경쟁력 제고 방안'의 일환으로 2024년 총 120개교(초등 54교 포함)를 선정, 이화여대 운영지원단이 컨설팅을 제공했다. 2022 개정 교육과정의 '깊이 있는 학습'(단순 암기 → 탐구·개념 기반 학습으로 전환)을 구현하는 사업으로, 광주에서도 이정선 교육감이 '질문 중심 수업' 확산과 초등 교원 연수를 추진하고 있다.

Details

A. 이론적 배경 — 왜 '해석-평가-선택'인가

AI 시대 학습의 위험은 '무지'가 아니라 '무비판적 수용'이다. 세 연구가 서로 다른 방법으로 같은 결론에 도달한다. Microsoft·CMU(Lee et al., 2025)는 설문·실사용 데이터로 'AI 신뢰↑ → 비판적 사고↓'를, MIT(Kosmyna et al., 2025)는 EEG로 'LLM 의존 → 뇌 연결성·기억·주인의식↓'을, Fan et al.(2025)은 통제실험으로 'AI 사용 → 단기 성과↑, 지식 전이·자기조절↓(메타인지적 게으름)'을 보였다. 공통 처방은 동일하다: 학습자가 인지적 노력을 AI에 완전히 넘기지 않도록, 해석·평가·선택이라는 메타인지 활동을 교사가 의도적으로 되돌려줘야 한다.

• 학습자 주체성(learner agency)·자기조절학습(SRL): OECD는 agency를 "목표를 설정하고, 성찰하며, 변화를 이끌기 위해 책임 있게 행동하는 역량… 행위되는 것이 아니라 행위하는 것"으로 정의한다. AI는 SRL의 성찰·자기평가 단계를 '건너뛰게' 만들기 쉬우므로, 교사는 이 단계를 명시적 과제로 설계해야 한다.
• 인식론적 인지·경계(epistemic cognition/vigilance): Sperber 등(2010)이 제시한 epistemic vigilance는 '정보와 그 출처의 신뢰성에 주의를 기울여 맹목적 신뢰를 피하는 인지 기제'다. Barzilai & Chinn은 이를 기르는 것이 "어떻게 알아야 하는지 모르는(not knowing how to know)" 문제를 완화한다고 본다. AI 답변은 '출처가 흐릿한 매끄러운 텍스트'이므로 epistemic vigilance 훈련의 최적 소재다.
• 인지적 오프로딩(cognitive offloading): 기억·계산·판단을 외부 도구에 위임하는 것. 적절하면 인지 부하를 낮추지만, 형성기(초등)에 과하면 기초 문해·수리·추론 회로의 형성을 방해할 수 있다.
• Vygotsky의 근접발달영역(ZPD)·스캐폴딩: AI는 강력한 '비계'가 될 수 있으나, 비계는 '점차 걷어내는 것'이 원칙이다. AI가 영구적 목발이 되면 ZPD 상단으로의 이동(독립 수행)이 일어나지 않는다.
• Wineburg의 sourcing·corroboration·contextualization / lateral reading: 역사가의 사료 읽기 전략(누가 썼나·다른 자료와 일치하나·맥락은?)은 그대로 AI 답변 검증 전략으로 전이된다.
• 바람직한 어려움(desirable difficulty)·생산적 실패(productive struggle): 즉각적 정답 제공은 단기 수행을 높이지만 장기 파지·전이를 낮춘다. 학생이 먼저 씨름한 뒤 AI를 쓰게 하는 '유예' 설계가 핵심이다.

B. 국제 정책·프레임워크 대조표

각국 초등 단계 접근: 싱가포르는 'AI 리터러시 먼저, AI 제작은 나중'의 기초 우선(foundation-first) 접근으로 2026년까지 전 교사 AI 연수를 제공하고, 초등부터 코딩·미디어 리터러시를 '나선형(spiral up)'으로 쌓는다. 핀란드는 별도 AI 과목 대신 현상기반학습(phenomenon-based learning)에 AI 리터러시를 녹인다('Elements of AI'). 일본(MEXT)은 'AI를 비판적으로 평가하는 능력·윤리·교사 연수'를 우선한다. 반면 노르웨이는 2026년 6월 19일 Jonas Gahr Støre 총리가 초등(1~7학년, 6 ~ 13세) 생성형 AI 사용을 원칙적으로 금지(14 ~ 16세는 교사 감독 하 제한적, 17 ~ 19세는 활용법 교육)한다고 발표했다. 총리는 "학교에서 가장 중요한 것은 아이들이 읽기·쓰기·수학을 배우는 것"이라고 밝혔다. 중국·UAE·UNESCO도 초등 단계 제한을 두는 흐름이다.

C. 대한민국 맥락 (2025~2026 최신)

• AIDT 급선회: 2025년 3월 초3·4·중1·고1 수·영·정보 도입 → 2024.12 초·중등교육법 개정으로 '교육자료' 격하(학교장 재량) → 2026 업무보고에서 'AI 교육자료'로 용어 전환, '학교 자율 선택'·디지털활용선도학교 1,900교 중심 단계적 운영으로 선회. 감사원은 구독료 급증(2025년 3,361억 원 → 2028년 1조732억 원)과 저조한 활용률(2025년 봄 평균 8.1%)을 지적했다. 시사점: '어떤 도구를 쓰느냐'보다 '어떻게 질문·탐구·검증하게 하느냐'가 정책의 새 무게중심이다.
• 2022 개정 교육과정: '단순 암기 → 탐구·개념 기반의 깊이 있는 학습' 전환, 언어·수리·디지털 기초소양을 모든 교과에서 함양, 자기주도 학습·과정 중심 평가 강조.
• 생성형 AI 활용 지침(연령): 서울시교육청(2023.8, 시도 최초)은 "초등학생은 교사의 시연으로 생성형 AI를 간접 체험… 교사의 추가 작업으로 안정성을 확보하는 경우 직접 사용도 가능, 중학생은 보호자 허락 시 교사 지도 아래, 고등학생은 보호자 동의 시 직접 사용"으로 학교급별 차등을 뒀다. 경기도교육청(2025.2) 학생용 가이드라인은 초등용을 '직접 이용 연령이 아닌' 관찰·이해 중심으로 규정하고 "개인정보보호법에 따르면 14세 미만 아동은 소셜 로그인을 위한 개인정보 제3자 제공 시 보호자 동의가 필요"하다고 명시하며 "반드시 어른이나 선생님과 함께 사용"을 강조한다. 교육부는 2026학년도 1학기부터 '학습지원 소프트웨어 선정 기준·가이드라인'을 적용하며, 만 14세 미만 아동 개인정보 보호를 '필수기준'으로 두고 학교운영위원회 심의를 거치도록 했다. 실무 팁: 학기 초 가정통신문으로 개인정보 제공 동의서를 일괄 수합하면 부담을 던다.
• '질문하는 학교': 2024년 총 120개교(초등 54교) 선정, 2023.12 시도교육청 추천 164개교 심사 → 선정, 이화여대 운영지원단 컨설팅. 2022 개정 '깊이 있는 학습'을 구현하는 사업으로, 온라인 플랫폼 '함께학교'에 수업·평가 콘텐츠 공유. 초등 사례로는 '나만의 질문 만들기' 수업, QFT를 초등 저학년 통합교과에 적용해 창의적 인재 역량이 유의하게 신장된 연구(오승연·문성환, 2020, 초2 통합교과 20차시 적용, t=6.663, p<0.001)가 있다.
• 광주광역시교육청: 'AI광주미래교육'과 광주형 AI 교육 플랫폼 '광주아이온(AI-ON)'(2025학년도 1학기 도입, SSO로 다수 에듀테크·콘텐츠 접근)을 추진하는 동시에, '질문 중심 수업' 확산과 초등 교원 대상 '질문으로 잇는 성장' 연수를 운영한다. 이정선 교육감은 "디지털 시대가 요구하는 배움은 단편적 지식 암기가 아니라, 질문을 통해 생각을 확장하고 깊이 있게 탐구하는 힘"이라고 밝혔으며, 연수는 개념기반 탐구학습(경인교대 온정덕·정혜승 교수)과 연계된다. 즉 광주는 'AI 인프라'와 '질문·탐구 수업'이 한 정책 안에서 만나는 현장이다.

D. 구체적 교실 실천 전략 — 3역량 × 교사 역할 (초등 5~6학년)

D-1. 질문 설계: QFT + AI

QFT(Question Formulation Technique, Right Question Institute의 Dan Rothstein & Luz Santana, 『Make Just One Change』 Harvard Education Press, 2011)는 ①질문 초점(QFocus) 제시 ②4규칙(가능한 한 많이/멈추지 말고/판단 없이 그대로 적기/평서문은 질문으로) ③생성(Produce) ④개방·폐쇄형 전환(Improve) ⑤우선순위(Prioritize) ⑥활용·성찰(Plan & Reflect)의 순서를 밟는다. 전 세계 100만 개 이상 교실에서 사용되며, 발산적·수렴적·메타인지적 사고를 동시에 자극한다.

AI와 결합하는 원리 — '질문 분류 기준' 세우기: 학생이 만든 질문을 두 바구니로 나눈다.

• '스스로 탐구할 질문': 관찰·실험·토론·개인 경험으로 답할 수 있는 질문, 정답이 하나가 아닌 질문, 사고 과정 자체가 목적인 질문.
• 'AI에 물을 질문': 사실·정의·배경정보처럼 빠르게 확인이 필요한 질문, 여러 관점을 모으는 출발점이 되는 질문.

5학년 사회 예시: QFocus로 "우리 동네 하천의 물이 예전보다 더러워졌다"를 제시 → 학생이 질문 20개 생성 → '하천 오염의 원인은?'(AI에 물어 배경 수집) vs '우리 반이 직접 물을 떠서 확인하려면 어떻게?'(스스로 탐구)로 분류. AI는 탐구의 '출발점'이지 '종착점'이 아님을 규칙으로 명문화한다.

한국 역사수업 연구에서 검증된 질문 3단계 지도도 초등에 그대로 응용할 수 있다: 1단계 '텍스트에 답이 있는 질문' → 2단계 '텍스트를 확장하면 답이 있는 질문' → 3단계 '자신의 생각에 기반한 질문'. AI는 1단계 확인에는 유용하나, 3단계는 학생 스스로의 몫으로 남긴다.

D-2. 3역량 대응표

D-3. 수업 설계 원리 — AI 사용 전/중/후

• 전(前) — 개인 사고 먼저: 어떤 질문이든 학생이 먼저 자기 생각을 3분간 적은 뒤 AI를 켠다(desirable difficulty·productive struggle 보장). Microsoft 연구의 'ExtendAI'(사용자가 먼저 자기 논리를 말한 뒤 AI 피드백을 받는 설계)가 이 원리를 뒷받침한다.
• 중(中) — AI는 대화 상대: 답을 '받는' 것이 아니라 '따지는' 상호작용. 후속 질문·반박·출처 요구를 의무화.
• 후(後) — 재검토·성찰: AI 답을 자기 생각과 대조해 무엇을 바꿨고 무엇을 지켰는지 학습일지(learning log)에 기록. 이것이 AAR 순환의 'Reflection'이자 메타인지적 게으름(Fan et al.)의 해독제다.

D-4. 평가(Assessment) — 결과물이 아니라 과정

• 과정 평가: 최종 산출물이 아니라 질문의 질, 검증 흔적, 판단 근거를 평가한다.
• 학습일지·사고 과정 기록: '나는 AI에게 무엇을 물었나 / 어떻게 검증했나 / 무엇을 바꿨나'를 기록.
• 구술 방어(oral defense): 산출물에 대해 교사·동료가 "왜 그렇게 판단했니?"를 묻고 학생이 답하는 짧은 구술. MIT 연구에서 LLM 사용자가 자기 글을 인용하지 못했던 문제를 정면으로 차단한다.
• AI 사용 내역 공개: '이 부분은 AI 도움을 받았고 이렇게 확인했다'를 정직하게 밝히는 문화. 벌이 아니라 규범으로.

D-5. 학급 규범 공동 제정

학생과 함께 '우리 반 AI 사용 약속' 을 만든다(예: ①먼저 스스로 생각한다 ②AI 말은 반드시 한 번 더 확인한다 ③AI를 썼으면 밝힌다 ④개인정보·친구 정보는 입력하지 않는다). 규칙을 '주어지는 것'이 아니라 '함께 만든 것'으로 경험하는 것 자체가 agency 교육이며, OECD의 co-agency(학생·교사가 학습의 공동 창작자가 되는 것) 개념과 맞닿는다.

E. 교사 역할의 재개념화

• 정보 전달자 → 인식론적 코치: 지식을 '주는' 사람에서, 학생이 지식의 진위를 스스로 가리도록 '옆으로 읽는 법(lateral reading)'을 코치하는 사람으로.
• 질문 설계자: 좋은 QFocus를 던지고, 'AI에 물을 질문'과 '스스로 풀 질문'의 경계를 학생과 함께 긋는다.
• 의심의 모델링: 교사 스스로 수업 중 AI 답을 의심하고 "선생님도 이건 확인해봐야겠다"며 교차 확인하는 모습을 보여준다. 태도는 가르치는 것이 아니라 보여주는 것이다.
• 전문성 개발(AI-TPACK / i-TPACK): 기존 TPACK을 확장한 i-TPACK(Celik, 2023)은 기술·교수·내용 지식에 AI 윤리 지식을 명시적으로 더한다. 6개월 전문성 개발 개입연구에서 i-TPACK 기반 연수가 교사의 AI 역량(특히 AI 기술지식 AITK·AI 교수기술지식 AITPK)을 유의하게 높였다. 연수는 '능동적 학습·모델과 예시·코칭·피드백과 성찰'의 경로로 설계할 때 효과적이다.
• 유의점: ①기술 결정론 경계(도구가 학습을 보장하지 않는다) ②디지털 격차(가정 기기·보호자 지원 차이) ③정서·관계(AI가 교사-학생, 학생-학생 관계를 대체하지 않도록). 교육부의 '교사가 이끄는 교실혁명'도 사회·정서적 연결 강화를 명시한다.

F. 비판적 관점과 반론 — 균형

• 초등 도입 회의론: 노르웨이(2026년 6월 발표)는 성취도 우려에 근거해 초등 생성형 AI를 원칙적으로 금지했다. 스웨덴은 2021년 PIRLS 읽기 점수 하락(4학년 2016년 555점→2021년 544점, 11점 하락, 그럼에도 세계 7위) 후 디지털 편중을 되돌려 종이책·손글씨로 회귀하며 2023년 도서 구입에 6억8,500만 크로나(약 6,000만 유로)를, 2024·2025년 매년 5억 크로나를 추가 투입했다. Karolinska Institute는 "디지털 도구가 학습을 향상시키기보다 저해한다는 명확한 과학적 증거가 있다"고 밝혔다.
• AI 없는 활동이 더 나은 경우: 기초 문해·수리(읽기·쓰기·셈), 초기 개념 형성, 창의적 발상의 초기 단계, 그리고 바로 '해석-평가-선택' 역량의 최초 형성기에는 AI 없는 씨름이 더 효과적이다. 검증 능력이 없는 학생에게 AI를 먼저 주면 검증이 아니라 복사가 일어난다(Fan et al.의 경고).
• 균형 잡힌 결론: 문제는 'AI냐 아니냐'가 아니라 **'언제, 무엇을 위해, 어떤 순서로'**다. 형성기 초등에서는 'AI 유예(먼저 스스로)'를 기본값으로 하고, AI는 검증·비교·확장의 '도구'로 제한적·의도적으로 도입하는 것이 근거에 부합한다.

Recommendations

1단계 (이번 학기, 도구 없이 시작): '해석-평가-선택' 언어를 학급에 도입한다. QFT로 질문 만들기 → 'AI에 물을 질문 / 스스로 풀 질문' 분류 규칙 공동 제정 → '요약-비판-재질문' 루틴을 AI 없이 교과서·기사로 먼저 훈련한다. 벤치마크: 학생이 스스로 후속 질문(재질문)을 1개 이상 만들 수 있는가.

2단계 (교사 시연 중심 AI 도입): 만 14세 미만 규정에 맞춰 교사 계정·전자칠판 시연으로 '환각 사냥'과 'lateral reading'을 전체 활동으로 진행한다. 가정통신문으로 개인정보 동의서를 수합하고, '우리 반 AI 사용 신호등'을 게시한다. 벤치마크: 학생이 AI 답의 오류를 근거를 들어 찾아내는가.

3단계 (과정 평가로 정착): 학습일지·구술 방어·AI 사용 내역 공개를 평가에 편입한다. '개인 사고(3분) → AI 활용 → 재검토' 순서를 모든 탐구 과제의 기본 틀로 고정한다. 벤치마크: 학생이 'AI 답에서 무엇을 바꿨고 왜 지켰는지'를 설명할 수 있는가.

4단계 (동료 연수·확산): i-TPACK 경로(능동적 학습·예시·코칭·성찰)로 동료 연수를 설계하고, '함께학교'·광주아이온 등 플랫폼에 수업 사례를 공유한다. 광주 '질문 중심 수업'·'질문으로 잇는 성장' 연수와 연계한다.

판단을 바꿀 기준(thresholds): ①기초 문해·수리 진단에서 반 평균이 하락하면 즉시 AI 사용을 축소하고 무(無)AI 활동을 늘린다. ②학생 산출물의 '독창적 사고 흔적'이 줄고 복붙이 늘면 과정 평가·구술 방어 비중을 높인다. ③개인정보·유해콘텐츠 사고가 1건이라도 발생하면 교사 시연 전용으로 회귀한다.

Caveats

• MIT 'Your Brain on ChatGPT'는 비피어리뷰 예비논문(arXiv:2506.08872) 이며 표본(54명, 특정 지역)·과제(에세이) 한정이다. 저자들 스스로 결정론적 해석을 경계했다 — '초등학생에게도 그대로 적용된다'는 일반화는 근거를 넘어선다.
• Microsoft·CMU(Lee et al.), Fan et al. 연구는 성인·대학생 대상이다. 초등 적용은 방향성 시사로 받아들이되, 발달 단계 차이를 감안해야 한다.
• '질문하는 학교' 선정 학교 수는 자료마다 집계 기준이 달라(2024년 120개교 vs 정부 확대계획 문서의 '104개교→2027년 200개교') 상충 소지가 있다. 광주 개별 지정 현황은 확인되지 않았다. 실행 전 소속 교육청 최신 자료로 대조 권장.
• 노르웨이·스웨덴 사례는 '생성형 AI'와 '디지털 기기 전반'을 구분해 읽어야 한다(스웨덴은 태블릿·디지털 편중에 대한 반작용, 노르웨이는 생성형 AI 특정). 두 사례 모두 'AI 자체가 나쁘다'가 아니라 '형성기 기초 역량 우선'이라는 논리다.
• 각국·국내 정책은 빠르게 변동 중이다(AIDT의 1년 내 급선회가 그 예). 본 보고서는 2026년 7월 기준이며, 실행 전 최신 교육청 지침을 재확인할 것.