대학 교육에서의 AI 활용: 약인가, 독인가? 학습자 및 교수자 관점에서의 이론적 고찰 = AI in Higher Education: Panacea or Poison? A Theoretical Analysis of Learner and Instructor Perspectives

국문 초록 (Abstract)

본 연구는 고등교육 현장에서 인공지능(AI), 특히 생성형 AI(GenAI)의 도입이 가속화됨에 따라 발생하는 교육적 효과의 양면성을 '약'과 '독'의 은유를 통해 체계적으로 분석하였다. 이를 위해 2016년부터 2025년 10월까지의 관련 문헌을 대상으로 체계적 문헌 고찰(Systematic Literature Review)을 수행하여 학습자와 교수자 관점에서 긍정적 요인과 부정적 요인을 규명하였다. 분석 결과, 학습자에게 AI는 초개인화된 맞춤 학습과 접근성을 제공하는 ‘약’이 될 수 있으나, 동시에 인지적 의존성을 심화시키고 표절 등 학문적 무결성을 위협하는 ‘독’으로 작용할 수 있음이 확인되었다. 교수자 측면에서는 행정 업무 자동화와 교육 혁신의 기회를 제공하지만, 역할 정체성의 혼란, AI 기술-교육학적 내용 지식(AI-TPACK)의 역량 격차, 그리고 윤리적 책임 부담을 가중시키는 위험 요인이 공존한다. 본 연구는 이러한 상충적 요인을 통합적으로 설명하는 개념적 틀을 제안하고, AI-TPACK 강화, 설명가능한 AI(XAI) 도입, 평가 방식의 재구성 등 균형 잡힌 AI 교육 생태계 조성을 위한 6가지 이론적 연구과제(Propositions)를 제시하였다. 이는 향후 고등교육의 지속 가능한 AI 정책 수립과 후속 실증 연구를 위한 이론적 기초를 제공한다.

다국어 초록 (Multilingual Abstract)

As the integration of Artificial Intelligence (AI), particularly Generative AI (GenAI), accelerates in higher education, this study systematically analyzes the dual nature of its educational effects using the metaphor of 'Panacea' and 'Poison.' To this end, a systematic literature review was conducted on relevant literature published from 2016 to October 2025 to identify positive and negative factors from the perspectives of learners and instructors. The analysis reveals that for learners, AI can act as a 'Panacea' by providing hyper-personalized learning and enhanced accessibility, but simultaneously functions as a 'Poison' by deepening cognitive dependence and threatening academic integrity, such as plagiarism. From the instructor's perspective, while AI offers opportunities for administrative automation and educational innovation, it coexists with risk factors such as confusion regarding role identity, competency gaps in AI-TPACK, and increased ethical burdens. This study proposes a conceptual framework that integrates these conflicting factors and presents six theoretical propositions for establishing a balanced AI education ecosystem, including the strengthening of AI-TPACK, the adoption of Explainable AI (XAI), and the reconstruction of assessment methods. These findings provide a theoretical foundation for sustainable AI policy-making and future empirical research in higher education.