학생-AI 공동 프로그래밍 대화를 분석해 'Epistemic AI Literacy(EAIL)'라는 과정 중심 AI 리터러시 개념 틀을 제안한 연구다. AIR(인식적 목표·이상·신뢰할 수 있는 과정) 프레임워크에 기반해 대규모 인간-AI 대화 데이터에서 숙달 지향 목표와 외주화, 설명 요청, 검증 요청, 프롬프트 모니터링, 인식적 정당화 등의 인식적 과정을 탐지했다. 분석 결과 상호작용의 78.8%가 비숙달 지향 목표와 외주화 같은 저신뢰 전략에 의존했고, 숙달 지향 목표와 고급 전략이 결합된 높은 인식적 참여는 11.1%에 그쳤다. GenAI 활용 교육에서 학생 대부분이 답을 받아쓰는 수준에 머문다는 실증적 경고다.
- •AI 리터러시를 인간-AI 상호작용에서 발현되는 과정 중심 인식적 현상으로 재정의한 EAIL 프레임워크 제안
- •AIR 프레임워크로 대규모 공동 프로그래밍 대화에서 인식적 목표와 5가지 인식적 과정을 조작화
- •상호작용의 78.8%가 비숙달 지향 목표와 외주화·검증 요청 등 저신뢰 전략에 의존
- •숙달 지향 목표와 인식적 정당화가 결합된 높은 인식적 참여는 11.1%에 불과
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming
- 1.학생-AI 코프로그래밍 대화 분석 결과 78.8%가 비숙달 지향·아웃소싱형 상호작용
- 2.숙달 목표와 인식적 정당화를 결합한 고수준 인식적 참여는 전체의 11.1%에 그쳐
- 3.AIR 프레임워크 기반 '인식적 AI 리터러시(EAIL)' 개념 프레임워크를 새로 제안
- 4.아웃소싱·설명 요청·검증 요청 등 관찰 가능한 인식 전략 차원을 대규모 데이터로 식별
왜 중요한가?
학생 대다수가 생성형 AI를 답 복사 도구로 쓰고 있다는 정량적 근거를 제시한 연구로, AI 교육 정책과 코딩 교육 설계에서 '리터러시'를 도구 사용법이 아닌 인식적 전략 차원에서 다뤄야 함을 시사한다.
본문 미리보기
arXiv:2607.00211v1 Announce Type: new Abstract: Epistemic thinking plays a central role in students' learning processes when applying generative artificial intelligence (GenAI), particularly in programming contexts where learners must construct queries, evaluate and validate AI-generated outputs, and regulate problem-solving strategies. This study introduces the conceptual framework of Epistemic AI Literacy (EAIL), reframing AI literacy as a process-oriented epistemic phenomenon that emerges th
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안

