지식 전달에서 ‘학습 생태계’로 전환하는 대학의 미래
생성형 AI가 빠르게 확산되면서 대학 교육에도 근본적인 질문이 제기되고 있습니다.
AI가 필요한 지식과 결과물을 빠르게 만들어주는 시대에 대학은 무엇을 가르쳐야 할까요?
디지털소사이어티는 「AI 시대의 대학교육」을 주제로 라운드테이블을 열고 대학의 역할과 교육과정, 평가체계, 교수자의 역할, AI 교육격차 등을 논의했습니다.
논의의 핵심은 AI 활용법을 대학 교육에 추가하는 것을 넘어 대학 교육의 구조 자체를 다시 설계해야 한다는 것이었습니다.
지식 전달에서 실제 문제를 해결하는 교육으로
전통적인 대학 교육은 먼저 이론과 지식을 배우고 이후 필요한 상황에서 이를 활용하는 방식에 기반해 왔습니다.
하지만 AI 시대에는 학생이 실제 문제와 프로젝트를 먼저 경험하고, 문제를 해결하는 과정에서 필요한 지식을 찾아 학습하는 방식이 더욱 중요해질 수 있습니다.
이에 따라 대학 교육의 중심도 ‘무엇을 알고 있는가’에서 ‘알고 있는 것을 활용해 무엇을 할 수 있는가’로 이동해야 한다는 의견이 제시됐습니다.
대학 역시 정해진 교과목을 순서대로 전달하는 구조에서 벗어나 학생·산업계·지역사회·AI 등이 연결되는 ‘학습 생태계’로 변화할 필요가 있습니다.
AI+X보다 중요한 것은 ‘전공의 문제’
AI 시대의 인재는 단순히 AI 도구를 잘 사용하는 사람이 아니라, 자신의 전공지식을 바탕으로 문제를 정의하고 AI의 결과를 검증하며 책임 있게 활용할 수 있는 사람이어야 합니다.
이를 위해 AI 기초소양 → 전공별 AI 융합 → 실제 문제해결로 이어지는 단계적인 교육체계도 제안됐습니다.
다만 AI 자체를 먼저 가르치는 ‘AI+X’보다 전공과 현장의 문제에서 출발해 필요한 AI를 활용하는 ‘X+AI’ 접근이 필요하다는 의견도 제기됐습니다.
학생이 먼저 전공의 실제 문제를 경험하고, 이를 해결하는 과정에서 필요한 AI를 학습해야 한다는 것입니다.
AI가 있어도 기초지식과 판단력은 중요하다
AI를 활용한 문제 중심 교육이 확대되더라도 기초 전문성의 중요성이 줄어드는 것은 아니라는 지적도 나왔습니다.
AI에게 적절한 질문을 하고 답변의 오류와 한계를 판단하기 위해서는 해당 분야에 대한 충분한 지식이 필요하기 때문입니다.
따라서 AI 시대 교육은 기초지식과 AI 활용 중 하나를 선택하는 것이 아니라, 기본적인 전문성을 어떻게 AI 기반 문제해결과 연결할 것인가를 고민해야 합니다.
특히 AI가 쉽게 답을 만들어주는 환경일수록 비판적 사고와 판단력, 책임감, 질문하고 다시 시도하는 태도와 같은 역량이 더욱 중요해질 수 있습니다.
결과물이 아니라 ‘과정’을 평가해야 한다
생성형 AI가 과제물과 보고서를 손쉽게 생성할 수 있게 되면서 기존의 결과물 중심 평가도 변화가 필요합니다.
앞으로는 학생이 AI를 어떻게 활용했는지, 결과를 어떻게 검증·수정했는지, 어떤 판단과 성찰의 과정을 거쳤는지를 평가하는 것이 중요합니다.
과정평가, AI 협업기술서, 구술검증 등의 방식이 대안으로 제시됐으며, AI 사용을 차단하거나 적발하는 방식에서 벗어나 책임 있는 활용 방법을 교육하는 방향으로 전환할 필요가 있다는 의견이 나왔습니다.
교육과정만이 아니라 대학 제도도 달라져야 한다
AI 시대 대학 혁신은 새로운 교과목을 만드는 것만으로는 충분하지 않습니다.
학과 중심의 조직, 학점과 졸업장 중심의 인증체계, 정원과 수업 시수 등 기존 제도가 새로운 교육방식을 제약할 수 있기 때문입니다.
이에 따라 실제 역량을 보여줄 수 있는 새로운 인증방식과 전공 간 융합교육, 교수 재교육, 다양한 교육모델을 실험할 수 있는 제도적 자율성이 필요하다는 의견이 제시됐습니다.
모든 대학에 하나의 교육모델을 적용하기보다 각 대학이 교육목표와 특성에 따라 다양한 방식을 시도하고 검증할 수 있는 환경을 만드는 것이 중요합니다.
AI 접근권도 새로운 교육정책의 과제
AI 시대에는 어떤 AI를 사용할 수 있는지도 교육격차의 요인이 될 수 있습니다.
고성능 AI 모델을 자유롭게 활용할 수 있는 학생과 그렇지 않은 학생 사이에 학습 경험과 성과의 차이가 발생할 가능성이 있기 때문입니다.
따라서 AI 교육정책은 단순히 AI 활용법을 가르치는 것을 넘어 학생들이 경제적 여건과 관계없이 필요한 AI 자원에 접근할 수 있도록 하는 교육 인프라의 문제까지 함께 다룰 필요가 있습니다.
AI가 대학에 던진 질문
이번 논의를 통해 확인된 것은 AI 시대 대학 교육에 하나의 정답이 존재하지 않는다는 점입니다.
다만 변화의 방향은 비교적 분명합니다.
지식 전달에서 문제해결 경험으로,
AI 사용법 교육에서 전공과 AI의 결합으로,
결과물 평가에서 학습과 판단 과정의 평가로,
획일적인 교육모델에서 다양한 교육실험으로.
AI 시대의 대학 혁신은 단순히 새로운 기술을 교육에 도입하는 문제가 아닙니다.
AI가 지식을 제공하는 시대에 대학은 학생에게 어떤 경험을 제공해야 하며, 인간에게 어떤 역량을 길러줘야 하는가.
대학은 지금, 교육의 본질을 다시 묻고 있습니다.

지식 전달에서 ‘학습 생태계’로 전환하는 대학의 미래
생성형 AI가 빠르게 확산되면서 대학 교육에도 근본적인 질문이 제기되고 있습니다.
AI가 필요한 지식과 결과물을 빠르게 만들어주는 시대에 대학은 무엇을 가르쳐야 할까요?
디지털소사이어티는 「AI 시대의 대학교육」을 주제로 라운드테이블을 열고 대학의 역할과 교육과정, 평가체계, 교수자의 역할, AI 교육격차 등을 논의했습니다.
논의의 핵심은 AI 활용법을 대학 교육에 추가하는 것을 넘어 대학 교육의 구조 자체를 다시 설계해야 한다는 것이었습니다.
지식 전달에서 실제 문제를 해결하는 교육으로
전통적인 대학 교육은 먼저 이론과 지식을 배우고 이후 필요한 상황에서 이를 활용하는 방식에 기반해 왔습니다.
하지만 AI 시대에는 학생이 실제 문제와 프로젝트를 먼저 경험하고, 문제를 해결하는 과정에서 필요한 지식을 찾아 학습하는 방식이 더욱 중요해질 수 있습니다.
이에 따라 대학 교육의 중심도 ‘무엇을 알고 있는가’에서 ‘알고 있는 것을 활용해 무엇을 할 수 있는가’로 이동해야 한다는 의견이 제시됐습니다.
대학 역시 정해진 교과목을 순서대로 전달하는 구조에서 벗어나 학생·산업계·지역사회·AI 등이 연결되는 ‘학습 생태계’로 변화할 필요가 있습니다.
AI+X보다 중요한 것은 ‘전공의 문제’
AI 시대의 인재는 단순히 AI 도구를 잘 사용하는 사람이 아니라, 자신의 전공지식을 바탕으로 문제를 정의하고 AI의 결과를 검증하며 책임 있게 활용할 수 있는 사람이어야 합니다.
이를 위해 AI 기초소양 → 전공별 AI 융합 → 실제 문제해결로 이어지는 단계적인 교육체계도 제안됐습니다.
다만 AI 자체를 먼저 가르치는 ‘AI+X’보다 전공과 현장의 문제에서 출발해 필요한 AI를 활용하는 ‘X+AI’ 접근이 필요하다는 의견도 제기됐습니다.
학생이 먼저 전공의 실제 문제를 경험하고, 이를 해결하는 과정에서 필요한 AI를 학습해야 한다는 것입니다.
AI가 있어도 기초지식과 판단력은 중요하다
AI를 활용한 문제 중심 교육이 확대되더라도 기초 전문성의 중요성이 줄어드는 것은 아니라는 지적도 나왔습니다.
AI에게 적절한 질문을 하고 답변의 오류와 한계를 판단하기 위해서는 해당 분야에 대한 충분한 지식이 필요하기 때문입니다.
따라서 AI 시대 교육은 기초지식과 AI 활용 중 하나를 선택하는 것이 아니라, 기본적인 전문성을 어떻게 AI 기반 문제해결과 연결할 것인가를 고민해야 합니다.
특히 AI가 쉽게 답을 만들어주는 환경일수록 비판적 사고와 판단력, 책임감, 질문하고 다시 시도하는 태도와 같은 역량이 더욱 중요해질 수 있습니다.
결과물이 아니라 ‘과정’을 평가해야 한다
생성형 AI가 과제물과 보고서를 손쉽게 생성할 수 있게 되면서 기존의 결과물 중심 평가도 변화가 필요합니다.
앞으로는 학생이 AI를 어떻게 활용했는지, 결과를 어떻게 검증·수정했는지, 어떤 판단과 성찰의 과정을 거쳤는지를 평가하는 것이 중요합니다.
과정평가, AI 협업기술서, 구술검증 등의 방식이 대안으로 제시됐으며, AI 사용을 차단하거나 적발하는 방식에서 벗어나 책임 있는 활용 방법을 교육하는 방향으로 전환할 필요가 있다는 의견이 나왔습니다.
교육과정만이 아니라 대학 제도도 달라져야 한다
AI 시대 대학 혁신은 새로운 교과목을 만드는 것만으로는 충분하지 않습니다.
학과 중심의 조직, 학점과 졸업장 중심의 인증체계, 정원과 수업 시수 등 기존 제도가 새로운 교육방식을 제약할 수 있기 때문입니다.
이에 따라 실제 역량을 보여줄 수 있는 새로운 인증방식과 전공 간 융합교육, 교수 재교육, 다양한 교육모델을 실험할 수 있는 제도적 자율성이 필요하다는 의견이 제시됐습니다.
모든 대학에 하나의 교육모델을 적용하기보다 각 대학이 교육목표와 특성에 따라 다양한 방식을 시도하고 검증할 수 있는 환경을 만드는 것이 중요합니다.
AI 접근권도 새로운 교육정책의 과제
AI 시대에는 어떤 AI를 사용할 수 있는지도 교육격차의 요인이 될 수 있습니다.
고성능 AI 모델을 자유롭게 활용할 수 있는 학생과 그렇지 않은 학생 사이에 학습 경험과 성과의 차이가 발생할 가능성이 있기 때문입니다.
따라서 AI 교육정책은 단순히 AI 활용법을 가르치는 것을 넘어 학생들이 경제적 여건과 관계없이 필요한 AI 자원에 접근할 수 있도록 하는 교육 인프라의 문제까지 함께 다룰 필요가 있습니다.
AI가 대학에 던진 질문
이번 논의를 통해 확인된 것은 AI 시대 대학 교육에 하나의 정답이 존재하지 않는다는 점입니다.
다만 변화의 방향은 비교적 분명합니다.
지식 전달에서 문제해결 경험으로,
AI 사용법 교육에서 전공과 AI의 결합으로,
결과물 평가에서 학습과 판단 과정의 평가로,
획일적인 교육모델에서 다양한 교육실험으로.
AI 시대의 대학 혁신은 단순히 새로운 기술을 교육에 도입하는 문제가 아닙니다.
AI가 지식을 제공하는 시대에 대학은 학생에게 어떤 경험을 제공해야 하며, 인간에게 어떤 역량을 길러줘야 하는가.
대학은 지금, 교육의 본질을 다시 묻고 있습니다.