GPT-6.1 Sol의 답변
AI로 과제 성적이 올라도 독립적인 문제 해결력으로 자동 전이되지는 않으며, AI를 쓰는 방식이 중요합니다.
핵심은 ‘도움을 받아 잘한 것’과 ‘혼자서 할 수 있게 된 것’은 다르다는 점입니다. AI가 풀이를 대신하면 당장 정답률은 높아져도, 스스로 해법을 떠올리고 오류를 고치는 연습은 줄어들 수 있습니다.
실험에서는 어땠나?
Bastani 등의 고등학교 수학 무작위 대조실험에서는 일반적인 GPT 도구를 쓴 학생들이 연습 중에는 더 좋은 성과를 냈지만, AI 없이 치른 후속 시험에서는 AI를 쓰지 않고 공부한 집단보다 낮은 성적을 보였습니다. 반면 정답 제공을 제한하고 학습을 유도하도록 설계한 AI 튜터에서는 이런 불이익이 나타나지 않았습니다(PNAS, 2025).
다만 이는 특정 수학 수업에서 나온 결과입니다. 모든 과목·학습자에게 일반화하거나, 장기적인 능력 저하로 단정할 수는 없습니다. 또한 후속 시험 성적과 **전이—배운 것을 낯선 문제에 적용하는 능력—**도 완전히 같은 지표는 아닙니다.
전이 가능성을 높이려면
- 먼저 혼자 풀고, AI에는 정답보다 힌트·오류 진단을 요청합니다.
- 풀이를 본 뒤에는 화면을 닫고 자기 말로 설명하거나 다시 풉니다.
- 며칠 뒤 AI 없이, 조건이 달라진 새 문제로 확인합니다.
따라서 “AI와 함께 과제를 잘했는가”보다 **“도움을 없애도 새 문제를 풀 수 있는가”**가 학습 효과를 판단하는 더 적절한 기준입니다.
Claude Sonnet 5.5의 답변
단순히 답을 받아 쓰는 방식이라면 성적 향상이 AI 없는 새 문제 해결력으로 이어지지 않고 오히려 떨어질 수 있다.
핵심 결론
AI를 쓴 과제 성적 향상은 학습의 증거가 아니라 AI가 낸 성과일 수 있습니다. 학습 효과는 AI를 어떻게 쓰느냐에 따라 갈립니다.
근거
- Bastani 외(2025, PNAS): 터키 고등학생 대상 무작위 현장실험입니다. 일반 GPT를 쓴 학생은 연습 문제 성적이 약 48% 올랐지만, AI를 치운 시험에서는 AI를 안 쓴 대조군보다 약 17% 낮았습니다. 힌트 위주로 답을 바로 주지 않게 설계한 튜터형 GPT는 연습 성적이 약 127% 올랐고, 시험에서 대조군과 유의한 차이가 없었습니다. 즉 해를 막았을 뿐 학습을 뚜렷이 늘리지는 못했습니다.
- Fan 외(2024): ChatGPT를 쓴 학습자는 에세이 점수가 올랐지만 지식 습득과 전이(배운 것을 새 상황에 적용하는 능력)에서는 차이가 없었습니다. 저자들은 스스로 점검하고 계획하는 사고를 AI에 맡기는 "메타인지적 게으름"을 우려했습니다.
- 반대 증거: Kestin 외(2025, Scientific Reports)에서는 교육학 원리에 맞춰 설계한 AI 튜터가 하버드 물리 수업에서 능동학습 수업보다 더 큰 학습 성과를 냈습니다. 다만 이 연구는 한 과목, 단기 효과, 사후 시험 중심이라 일반화에는 한계가 있습니다.
왜 이런 차이가 생기나
학습은 인출(기억에서 꺼내 보기)과 생산적 고전(적당히 어려운 과제와 씨름하기)에서 일어납니다. AI가 풀이를 대신 내놓으면 과제는 쉬워지지만 이 과정이 생략됩니다. 이해했다는 착각(유창성 착시)도 생길 수 있습니다.
실용적 시사점
- 먼저 스스로 풀어 보고, AI는 피드백과 힌트 용도로 씁니다.
- 풀이를 보고 난 뒤 AI 없이 비슷한 문제를 다시 풉니다.
- 평가는 AI 없는 환경의 새 문제로 확인합니다.
한계
대부분 단기 연구이고, 장기 효과와 과목, 연령, 사전 지식에 따른 차이는 아직 불확실합니다. 뇌 활동 감소를 주장하는 일부 보고(예: MIT 예비 연구)는 표본이 작고 동료 심사 전 단계라 근거로 쓰기엔 이릅니다.
Gemini 3.8 Flash의 답변
생성형 AI로 인한 즉각적인 과제 성적 향상은 독자적인 문제 해결 능력으로 자연스럽게 전이되지 않으며, 오히려 학습 결손을 초래할 위험이 있습니다.
생성형 AI를 학습에 활용할 때 나타나는 성적 향상은 실제 실력 향상이 아니라 일종의 ‘외골격(exoskeleton)’을 입고 낸 성과에 가까울 수 있습니다. 교육심리학과 인지과학의 최근 연구들은 AI가 제공하는 즉각적인 정답과 피드백이 장기적인 **학습 전이(learning transfer, 한 상황에서 배운 지식을 새로운 상황에 적용하는 능력)**로 이어지지 않는 현상을 일관되게 지적합니다.
1. 인지적 외재화(Cognitive Offloading)와 이해의 착각
학습이 일어나려면 뇌가 정보를 능동적으로 조직하고 인출하는 과정, 즉 **'생산적 실패(productive struggle, 스스로 막히고 고민하며 개념을 구성하는 과정)'**가 필수적입니다. 그러나 AI에게 질문하여 손쉽게 완성된 논리나 코드를 얻으면, 뇌가 감당해야 할 인지적 부담을 기계에 떠넘기는 인지적 외재화가 발생합니다.
이 과정에서 학생은 타인의 유려한 설명을 보고 자신이 완전히 이해했다고 믿는 **‘이해의 착각(illusion of competence)’**에 빠지기 쉽습니다. 과제는 A 학점을 받지만, 학생의 장기기억에는 문제를 풀기 위한 인지적 도식(schema)이 구축되지 않은 상태입니다.
2. 실증 연구가 보여주는 경고
펜실베이니아 대학교 연구진의 대규모 실험(Bastani et al., 2024) 등 최근 실증 연구는 이를 명확히 보여줍니다. 고등학생 수천 명을 대상으로 수학 문제를 풀게 했을 때, ChatGPT를 자유롭게 사용한 집단은 AI 없이 공부한 집단보다 연습 과제에서 48% 더 높은 성적을 거두었습니다.
그러나 AI를 모두 회수한 뒤 치러진 최종 시험에서는, AI로 공부했던 집단이 AI를 전혀 쓰지 않았던 집단보다 오히려 17% 낮은 성적을 기록했습니다. AI가 학습의 지지대(Scaffolding)가 아닌 단순 '지름길(Crutch)'로 기능했기 때문입니다.
3. 예외적 조건: 어떻게 사용하느냐의 문제
다만 생성형 AI의 교육적 효과가 전면 부정되는 것은 아닙니다. AI를 정답 자판기로 쓰지 않고, 힌트만 유도하는 소크라테스식 튜터로 프롬프트를 설계하거나, 자신의 풀이에서 오류를 찾아내는 반성적 도구로 활용할 때는 전이 효과가 관찰되기도 합니다.
결론적으로, 단순히 "과제를 AI로 해결하여 높은 점수를 받는 경험" 자체는 독자적인 문제 해결 능력을 보장하지 않으며, 의도적인 인지적 노력(바람직한 어려움, Desirable difficulties)을 병행하지 않는다면 오히려 자립적인 문제 해결력을 떨어뜨릴 가능성이 큽니다.