PBL-AI 융합 기반의 SW 기초교양 교수 모델 설계 및 운영 사례 연구 = A Case Study on the Design and Implementation of a PBL-AI Fusion-based Instructional Model for Basic Software Liberal Arts Education

국문 초록 (Abstract)

본 연구는 생성형 AI 기술의 파괴적 혁신이 대학 교육 현장에 초래한 ‘인지적 의존’ 문제를 정면으로 다루고, 전공자와 비전공자가 혼재된 SW 기초교양 교육 환경에서 학습자 간 역량 격차를 해소하기 위한 ‘PBL-AI 융합 교수 모델’을 설계하고 그 운영 성과를 분석하였다. AI가 제공하는 정답에 매몰되어 학습자의 비판적 사고가 퇴화하는 현상을 방지하기 위해, 본 연구는 생성형 AI를 단순한 코드 생성 도구가 아닌 학습자의 사고를 자극하는 ‘지능형 학습 조력자’로 재정의하였으며, 이를 교육적으로 제어하기 위한 핵심 스캐폴딩으로 FILA(Facts, Ideas, Learning Issues, Action Plans) 모델을 재구성한 ‘과제활동지’를 적용하였다. 본 모델의 설계는 맥락적 실재성, 인지적 조력, 성찰적 주체성, 통합적 유연성이라는 네 가지 핵심 원칙을 바탕으로 한다. 학습자의 인지적 부하를 고려하여 기초 문법부터 복합 시스템 설계에 이르는 ‘단계별 PBL 모듈’을 시나리오화하였으며, 대면 수업의 코칭과 온라인 LMS의 동영상 가이드가 결합된 이중 스캐폴딩 체계를 구축함으로써 프로그래밍 경험자와 무경험자 간의 학습 속도 편차를 유연하게 보완하였다. 특히 활동지의 5단계 프로세스(계획-자기점검1-전략실행- 자기점검2-평가)를 통해 학습자가 AI와 대화하기 전 자신의 지식 상태를 진단하고, AI가 제안한 해결책 을 스스로 검증하여 자신의 코드로 최적화하도록 메타인지 전략을 활용하였다. J 대학교에서 15주간 운영된 실제 교과목 사례를 분석한 결과, 프로그래밍 무경험 학습자들에게서 나타나던 고질적인 ‘코딩 장벽’과 심리적 거부감이 유의미하게 완화되었으며, 프로그래밍 경험 유무와 관계없이 SW 자아효능감 이 향상되었음을 확인하였다. 특히 프로그래밍 무경험자 그룹은 제어 구조 활용(CT13)과 절차 흐름 파악(CT10) 항목에서 경험자보다 더 큰 폭의 향상을 보이며 학습 격차를 유의미하게 좁힌 것으로 나타났다. 질적 사례 분석에서는 학습자들이 AI가 제안한 고난도 문법(예: try-except 등)을 자신의 학습 수준에 맞춰 비판적으로 거부하거나, AI와의 협업을 통해 복합 제어 구조의 논리적 오류(Flag 변수 활용 등)를 주체적으로 해결하는 ‘비판적 AI 리터러시’ 함양 양상이 관찰되었다. 정량적으로는 수강생의 96.7%가 AI 피드백이 유용하다고 답하였으며, 95.4%가 향후 지속적인 활용 의사를 나타내는 등 본 교수법 및 AI 활용에 대해 높은 만족도를 보였으며, 활동지에 기록된 사고의 흐름은 교수자가 학습자의 취약점을 정확히 파악하여 개별 또는 전체 피드백을 제공하는 중요한 교육적 데이터 자산으로 기능하였다. 본 연구는 생성형 AI 시대 교수자의 역할이 지식 전달자에서 학습 과정을 정교하게 설계하고 조망하는 ‘학습 촉진자’로 근본적으로 전환되어야 함을 시사한다. 또한 컴퓨팅사고력의 범주에 AI 답변을 검증하고 재구성하는 주체적 역량을 포함해야 한다는 새로운 교육적 방향성을 제시하였다. 결론적으로, 성찰 중심의 AI 협업 모델은 디지털 대전환기 대학 SW 교육의 질적 혁신과 상향 평준화를 이끄는 실효성 있는 대안임을 확인하였으며, 본 연구의 성과는 향후 다양한 전공 분야에서 AI 기술을 주권적으로 다루는 융합 인재 양성을 위한 기초 자료로 활용될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

This study analyzes the design and operational outcomes of a “PBL-AI Fusion Instructional Model” to bridge competency gaps and prevent “cognitive dependency” in basic SW liberal arts classes. Redefining GenAI as an “intelligent learning assistant,” the model employs a FILA-based “Task Activity Sheet” as core pedagogical scaffolding to ensure autonomous control over technology. The model is predicated on four principles: Contextual Reality, Cognitive Scaffolding, Reflective Subjectivity, and Integrated Flexibility. It utilizes a five-step metacognitive process—Planning, Check 1, Action, Check 2, and Evaluation— enabling learners to diagnose knowledge gaps and independently verify AI-suggested solutions. Analysis of a 15-week course at J University revealed significantly alleviated coding barriers and improved software self-efficacy. Notably, the “inexperienced learners” group outpaced “experienced learners” in control structure utilization (CT13) and flow analysis (CT10), effectively narrowing the competency gap regardless of prior programming experience. Qualitative results confirmed the formation of “Critical AI Literacy,” as students selectively adopted AI code, such as try-except syntax or Flag variables, based on their learning stage. Quantitatively, 96.7% of students found AI feedback useful, and 95.4% expressed intentions for continued use, indicating high satisfaction. The flow of thought recorded in activity sheets served as a vital data asset for personalized feedback. This research suggests that instructors must shift from “knowledge transmitters” to “learning facilitators.” Ultimately, this reflection-centered AI collaboration model offers a solution for driving qualitative innovation and fostering talents capable of autonomously managing and controlling AI technology across various disciplines.