A:  논문1: Examining the Thematic Structure and Temporal Reconfiguration of The Asia-Pacific Education Researcher (TAPER): A BERTopic Analysis

이 논문은 아시아·태평양 지역의 대표 교육학 저널인 The Asia-Pacific Education Researcher(TAPER)가 지난 13년간 어떤 연구 주제를 다루어 왔고, 그 흐름이 시간에 따라 어떻게 변화했는지를 분석한 연구입니다.

기존의 단어 빈도 중심 분석의 한계를 보완하기 위해 최신 BERTopic 기법을 활용해 TAPER에 게재된 논문 962편의 초록을 분석했으며, 이를 통해 13개의 주요 연구 주제를 도출했습니다.

주요 결과는 두 가지입니다. 첫째, 최근 10년간 정서·동기, 교사의 정서노동, 피드백 리터러시 관련 연구가 꾸준히 증가했습니다. 둘째, 코로나19 이후 학술지의 연구 지형이 단순한 변화가 아닌 '재배치' 양상을 보였으며, 기술수용·STEM 연구는 감소한 반면 정서노동과 피드백 리터러시 연구는 크게 확대되었습니다.

이 연구는 특정 저널 분석에 그치지 않고, 학술지가 지식을 축적하고 재편하는 과정을 분석함으로써, 연구자들에게는 향후 연구 방향을, 학술지 편집진에게는 연구 분야를 점검하고 발전 방향을 모색하는 데 활용할 수 있는 시사점을 제공합니다.

논문2: ChatGPT for Automated Writing Evaluation: Scoring and Feedback Across Prompt Conditions

이 연구는 ChatGPT가 영어 글쓰기 자동평가(AWE) 도구로 얼마나 신뢰할 수 있는지를 다양한 프롬프트 설계 전략에 따라 검증한 연구입니다. 다섯 가지 프롬프트 전략을 조합한 여섯 개의 ChatGPT 모델을 구성해 한국 대학생의 영어 글쓰기 60편을 인간 평가자와 비교했으며, 다국면 라쉬모형을 활용해 채점의 일관성, 엄격성과 편향을 분석했습니다.

분석 결과, CoT와 Fill-in-the-blank를 결합한 프롬프트는 인간 평가자 수준의 채점 일관성을 보였고, Persona와 Few-shot 전략은 평가의 과도한 관대함을 줄이는 데 도움이 되었습니다. 반면 논증과 같은 고차원적 평가에서는 여전히 인간과 차이가 있었으며, 학습자들은 구체적이고 균형 잡힌 피드백을 가장 선호하는 것으로 나타났습니다.

이 연구는 ChatGPT를 만능 도구로 보거나 반대로 신뢰할 수 없는 도구로 단정하기보다, 파인튜닝과 같은 별도의 조작이 없이도 ChatGPT에서 적절한 프롬프트 설계와 교수자의 관리가 병행된다면 형성평가에서 교수자의 피드백을 지원하는 효과적인 보완 도구가 될 수 있음을 보여주었다는 데 의의가 있습니다.

Q. 교수님께서는 지금까지 ① AI 기반 영어교육, ② 영어 학습자의 심리·전략·행동 분석, ③ 교육 평가·측정 및 도구 개발을 중심으로 연구를 수행해 오셨습니다. 최근 생성형 AI의 등장으로 교육 환경이 빠르게 변화하고 있는데, 앞으로 이 세 연구 분야가 어떤 방식으로 융합·발전할 것으로 전망하시는지 궁금합니다.

A:  이 질문에 명쾌한 답을 내리기는 쉽지 않지만, 저는 크게 세 가지 방향에서 연구의 융합이 이루어질 것으로 보고 있습니다.

첫째, AI와 학습자의 상호작용 자체를 규명하는 연구가 더욱 중요해질 것입니다. 지금까지는 프롬프트 전략이나 개별 요인을 중심으로 연구가 이루어졌지만, 앞으로는 AI와의 상호작용 과정과 패턴이 영어 학습 효과에 어떤 영향을 미치는지를 종합적으로 분석하는 연구가 확대될 것으로 생각합니다. 이러한 연구는 AI 기반 영어교육뿐 아니라 평가·측정 분야와도 밀접하게 연결됩니다. AI 활용 능력에 따라 결과물이 달라진다면, AI를 활용한 평가는 영어 능력이 아닌 AI 활용 능력을 측정할 가능성도 있기 때문입니다.

둘째, AI와 협업하는 과정에서 학습자가 AI를 어떻게 인식하는지에 대한 연구도 중요해질 것입니다. 학습자가 AI의 역할과 결과물의 저자성을 어떻게 받아들이는지, 그리고 AI에 대한 신념과 태도가 학습에 어떤 영향을 미치는지를 이해해야 효과적인 AI 활용 교육과 윤리 교육도 가능해질 것입니다.

마지막으로, 이러한 연구는 결국 신뢰도와 타당도를 갖춘 측정도구 개발로 이어질 것으로 봅니다. 실제로 생성형 AI 피드백 수용도를 측정하는 도구들이 개발되고 있으며, 저 역시 AI와 AI 산출물에 대한 학습자 신념을 측정하는 도구를 구상하고 있습니다. 앞으로는 AI 리터러시와 프롬프트 리터러시를 측정하는 도구가 지속적으로 개발되고, 이것이 영어 학습 효과와 어떤 관계를 갖는지 규명하는 연구가 활발해질 것으로 기대합니다.

Q.  AI가 교육 분야의 핵심 기술로 자리 잡기 이전부터 AI 기반 영어교육을 꾸준히 연구해 오신 것으로 알고 있습니다. 교수님께서 이 분야를 연구하게 된 계기와, 현재까지 연구를 이어오게 된 원동력은 무엇인지 궁금합니다.

A:  AI 기반 영어교육 연구를 시작하게 된 가장 큰 계기는 연구 방법론에 대한 관심이었습니다. 영어교육학 박사 학위 취득 후 양적연구 방법론을 더 깊이 익히기 위해 빅데이터학과 석사과정에 진학했고, 그 과정에서 머신러닝 알고리즘과 AI 기술을 접하며 이를 영어교육에 어떻게 접목할 수 있을지 고민하게 되었습니다. 지금 돌아보면 그때의 고민이 현재 연구의 출발점이었다고 생각합니다.

당시 익힌 빅데이터 분석과 AI 관련 방법론은 이후 연구의 중요한 기반이 되었습니다. 현재 심사 중인 영어 학업성취 예측 모델 연구와 최근 발표한 BERTopic 기반 TAPER 분석 연구에도 그 경험이 큰 도움이 되었습니다.

지금까지 연구를 이어올 수 있었던 원동력은 AI 기술의 작동 원리를 이해하는 과정 자체가 무척 흥미로웠고, 동시에 이 분야가 매우 빠르게 발전하고 있기 때문입니다. 새로운 AI 기술을 꾸준히 배우고 이를 영어교육 연구와 연결하는 과정 자체가 지금도 저를 계속 연구하게 만드는 가장 큰 원동력입니다.

Q.  교수님께서는 AI 기반 영어교육, 교육 평가, 학습자 심리·행동 분석 등 다양한 연구를 수행해 오셨고, 글로컬소통역량센터장과 향설교양교육연구소 영어교육 실장으로도 활동하고 계십니다. 앞으로 AI·교육·언어·데이터 분석을 중심으로 본교의 여러 전공 분야 연구자들과 협력해 보고 싶은 융합연구 주제나 공동연구 방향이 있으시다면 말씀 부탁드립니다.

Q. 그 밖에 하고 싶으신 말씀이 있으신가요?

 A : 이 자리를 통해 제 연구를 소개할 수 있게 되어 매우 영광입니다. 돌이켜보면 지금까지의 연구는 결국 '어떻게 하면 우리 학생들이 더 효과적으로 영어를 배우고, 이 시대에 필요한 소통 역량을 갖출 수 있을까'라는 하나의 질문으로 이어져 왔습니다.

앞으로도 이 질문을 연구의 출발점으로 삼아 교육 현장의 고민을 연구로 발전시키고, 연구를 통해 얻은 통찰을 다시 교육 현장에 환원하는 선순환을 이어가고자 합니다. 이를 바탕으로 순천향대학교 학생들의 영어 역량과 AI 시대에 필요한 소통 역량을 높이는 데 꾸준히 기여하겠습니다. 감사합니다.