AI를 활용한 전통성악 창작 콘텐츠 제작 교육 방법 탐색 - 대학 전공생 대상 15주차 강의계획안 설계를 중심으로

국문 초록 (Abstract)

본고는 AI를 활용한 전통성악 창작 콘텐츠 제작 교육 방법을 탐색하고, 이를 대학 전통성악 전공교육에 적용 가능한 분석틀과 15주차 강의계획안으로 구체화하는 데 목적을 둔다. 전통성악 교육은 구전심수와 모방학습을 중심으로 성음, 호흡, 장단, 사설, 시김새를 전승해 왔으며, 이는 전통의 원형과 양식적 정체성을 유지하는 데 중요한 역할을 해왔다. 그러나 디지털 매체 환경과 예술교육의 변화 속에서 오늘날 전통성악 교육은 기존 악곡의 재현과 기량 습득을 넘어, 학습자가 전통의 음악어법을 분석하고 이를 동시대적 창작 콘텐츠로 확장할 수 있는 교육적 접근을 요구받고 있다.
이를 위해 본고는 문헌연구와 교육 설계 중심의 질적 연구 방법을 적용하였다. 먼저 전통성악 교육의 특성과 창작적 구조, 전통성악 창작 콘텐츠의 개념, AI 활용 음악교육 및 국악교육의 가능성, 하이브리드 지능, 과정 중심 평가에 관한 이론적 논의를 고찰하였다. 이를 바탕으로 전통성악 창작 콘텐츠 제작의 구성요소를 사설, 장단, 선율·시김새, 성음·표현, 콘텐츠 매체의 다섯 범주로 설정하고, AI 활용 기능을 분석, 생성, 시각화, 편집, 성찰의 다섯 범주로 구분하였다. 나아가 이 요소들을 통합하여 ‘전통성악 요소 분석-AI 기반 창작 지원-학습자 중심 재구성-콘텐츠 제작-과정 중심 성찰’의 순환 구조를 분석틀로 제시하였다.
본고의 핵심 논의는 AI를 창작의 주체가 아니라 학습자의 분석, 재구성, 제작, 성찰을 보조하는 교육적 비계로 설정한 데 있다. 생성형 AI는 사설 초안, 창작 아이디어, 콘텐츠 구성안, 시각화 자료, 편집 보조 기능 등을 제공할 수 있다. 그러나 전통성악의 성음, 이면, 장단의 호흡, 말붙임새, 시김새, 발림, 예술적 완성도는 AI가 최종적으로 판단할 수 없는 영역이다. 따라서 AI 활용 전통성악 창작 교육에서 중요한 것은 AI가 무엇을 생성할 수 있는가가 아니라, 학습자가 AI 생성 결과를 전통성악의 음악어법에 비추어 비판적으로 검토하고 자신의 성음과 해석을 통해 재구성할 수 있는가이다.
본고는 제안한 분석틀의 구체적 적용 사례로 판소리를 중심에 두었다. 판소리 사례에서는 AI가 생성한 결과를 장단, 말붙임새, 이면, 어투, 성음, 발림의 기준에 따라 검토·수정·재구성하는 과정을 제시하였다. 이를 바탕으로 대학 전통성악 전공생을 대상으로 한 15주차 강의계획안을 설계하였다. 강의는 전통성악 창작 콘텐츠 이해와 AI 리터러시, 사설·장단·선율·시김새·성음 분석, AI 활용 창작 실험과 프롬프트 설계, 창작물 재구성 및 콘텐츠 제작, 발표·피드백·성찰의 단계로 구성된다.
본고의 의의는 전통성악 교육을 전승 중심의 실기교육에 한정하지 않고, 전통의 음악어법을 현대적 창작 콘텐츠로 확장하는 교육 모델을 제안했다는 데 있다. 또한 AI와 교수자의 역할을 구분함으로써, AI 활용 전통성악 교육에서 교수자의 전문적 판단과 학습자의 창작 주체성이 핵심적임을 밝혔다. 다만 본고는 실제 수업 적용을 통한 교육 효과 검증에는 이르지 못했다는 한계를 지닌다. 후속 연구에서는 본 교육 모델을 대학 전공 수업에 적용하여 학습자의 창작 역량, AI 활용 역량, 전통성악 이해도, 콘텐츠 제작 능력의 변화를 실증적으로 검토할 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study aims to explore educational methods for creating traditional vocal music content using AI and to concretize them into an analytical framework and a 15-week course plan applicable to university-level education for traditional vocal music majors. Traditional vocal music education has long transmitted vocal timbre, breathing, rhythmic cycles, lyrics, and sigimsae through oral transmission and imitative learning. While this mode of education has played an important role in preserving the original form and stylistic identity of tradition, recent changes in the digital media environment and arts education require a new educational approach that enables learners to analyze the musical grammar of tradition and expand it into contemporary creative content.
To this end, this study employs a qualitative research method centered on literature review and pedagogical design. It examines the characteristics of traditional vocal music education, the concept of creative traditional vocal music content, the educational possibilities of AI in music and gugak education, hybrid intelligence, and process-oriented assessment. Based on these discussions, the study identifies five components of creative traditional vocal music content: lyrics, rhythmic cycles, melody and sigimsae, vocal timbre and expression, and content media. It also classifies AI utilization into five functions: analysis, generation, visualization, editing, and reflection. By integrating these elements, the study proposes a cyclical framework consisting of “analysis of traditional vocal music elements-AI-based creative support-learner-centered reconstruction-content production-process-oriented reflection.”
The central argument of this study is that AI should not be positioned as the subject of creation, but as an educational scaffold that supports learners’ analysis, reconstruction, production, and reflection. Generative AI can provide lyric drafts, creative ideas, content plans, visualization materials, and editing assistance. However, it cannot ultimately judge the vocal timbre, imyeon, rhythmic breathing, word-rhythm alignment, sigimsae, balim, and artistic completeness of traditional vocal music. Therefore, the key issue in AI-assisted traditional vocal music education is not what AI can generate, but whether learners can critically examine AI-generated results according to the musical grammar of traditional vocal music and reconstruct them through their own vocal expression and interpretation.
This study presents pansori as the central case for applying the proposed framework. It suggests a process in which AI-generated results are critically reviewed, revised, and reconstructed according to the criteria of rhythmic cycles, word-rhythm alignment, imyeon, linguistic style, vocal timbre, and balim. On this basis, the study designs a 15-week course plan for university students majoring in traditional vocal music. The course consists of understanding creative traditional vocal music content and AI literacy, analyzing lyrics, rhythmic cycles, melody, sigimsae, and vocal timbre, experimenting with AI-assisted creation and prompt design, reconstructing creative works and producing content, and presenting, receiving feedback, and reflecting on the final outcome.
The significance of this study lies in its proposal of an educational model that does not confine traditional vocal music education to transmission-centered practical training, but expands the musical grammar of tradition into contemporary creative content. By distinguishing the roles of AI and the instructor, this study emphasizes that the instructor’s professional judgment and learners’ creative subjectivity remain central in AI-assisted traditional vocal music education. However, this study is limited in that it does not empirically verify the educational effects of the proposed course plan through actual classroom implementation.