I. 서론
최근 인공지능 기술의 비약적 발전을 토대로 인공지능(AI) 기반 영어학습 챗봇(chatbot)이 새롭게 주목받으며, 그 활용가능성과 효과성에 대한 교육현장의 관심이 높아지고 있다. 본 논문은 이러한 영어학습 챗봇이 학교교육 현장에 어떻게 접목될 수 있는지를 최신 인공지능 대형언어모델(large language model: LLM)인 ChatGPT를 중심으로 논의하고자 한다. ChatGPT는 최신 지능형 봇의 하나로 자연어 처리(natural language processing: NLP) 기술을 기반으로 다양한 사용자들의 대화 시도에 대해 스마트하게 응답해줄 수 있는 대화 플랫폼으로써 웹사이트, 모바일 앱, 그리고 로봇 등에 탑재되어 운용되고 있다. 동시에 이러한 지능형 봇은 다양한 API(application programming interface)들과 연동되어 정보 검색, 운송 추적, 자료검색, 사무 보조, 개인 비서, 창작활동, 그리고 다양한 학습 활동 등을 훨씬 쉽고 빠르게 보조해줄 수 있다(Nawaz & Saldeen, 2020). 따라서 이러한 인공지능 챗봇은 단순한 개인 비서의 역할에 머무는 것이 아니라 학습자의 학습을 체계적이고 효과적으로 안내해줄 수 있는 유용한 튜터의 역할을 할 잠재력을 가지고 있는 것이다.
ChatGPT가 등장하기 전까지는 이러한 인공지능 챗봇은 외국어(주로 영어) 학습 분야에서 단순히 원어민을 흉내 내어 목표언어로의 대화를 보조하는 역할에 머물러 있었다. 몇몇 영어학습 플랫폼들이 초보적 인공지능 기술을 기반으로 한 영어학습 관리시스템을 개발하여 보급하였지만, 그 기능과 역할에 많은 한계점이 있었기 때문에 정규 학교교육에서 대규모 학생들을 대상으로 활용되는 경우는 많지 않았다. 예를 들어, 영어학습 챗봇을 교실에서 활용하기 위해서는 학교교육과정의 수준과 진도를 반영해야 하고, 영어 교육과정의 내용과 관련된 체계적인 콘텐츠를 제공해야 하며, 다양한 학습자들의 관심과 흥미도를 반영할 수 있어야 하고, 학습자들의 학업성취에 대한 지속적 관리와 평가 시스템을 갖출 수 있어야 한다(Fryer & Carpenter, 2006; Kang 외, 2020).
본고는 이런 배경 속에서 최근 주목받고 있는 ChatGPT가 단순히 개별학습자의 영어학습을 보조하는 챗봇의 역할에 그치는 것이 아니라, 학교교육 맥락에서 종합적 학습관리시스템의 핵심 요소로 접목될 가능성에 대해 탐색하고자 한다. 이를 위해서는 ChatGPT가 갖는 영어학습 챗봇으로서의 기본 원리와 유형, 그동안 영어학습 챗봇으로 활용되었던 기존의 방법론과 한계점, 그리고 학교교육에서 활용되는 종합적 학습플랫폼의 기능과 특징 등에 대한 논의가 필요하다. 그런 의미에서 본고는 ChatGPT의 영어학습 플랫폼으로의 발전가능성을 다음 네 가지의 연구문제를 중심으로 탐색하고자 한다.
1. 영어학습 챗봇의 기본 원리와 유형에 따른 교육적 활용가능성은 무엇인가?
2. 영어학습 챗봇을 교실 수업에 적용하기 위한 전략과 한계점은 무엇인가?
3. ChatGPT의 기능과 특징에 따른 교실 수업 활용가능성은 무엇인가?
4. 지능형 적응학습 모델에 적용된 ChatGPT의 활용가능성은 무엇인가?
본 논문을 통해 ChatGPT가 영어학습 챗봇과 체계적 학습플랫폼의 역할 사이에서 어떤 역할을 통해 영어학습 도구로서 활용될 수 있을지에 대한 이론적 및 실천적 함의를 얻을 수 있을 것이다.
II. 본론
1. 영어학습 챗봇
1) 영어학습 챗봇의 원리와 유형
챗봇을 활용한 영어학습은 인공지능 기반 언어 모델을 사용하여 사용자와 자연스러운 대화를 통해 학습이 진행되는 방식이다. 챗봇의 기본 기능과 원리를 다음과 같이 정리할 수 있다.
첫째, 자연어 처리: 챗봇은 사용자의 입력을 이해하고 적절한 반응을 생성하기 위해 자연어 처리 기술을 사용한다. 이는 인공지능이 사람들이 사용하는 언어를 이해하고 분석하는 과정이다(Jurafsky & Martin, 2019).
둘째, 대화 모델링: 챗봇은 대화를 유지하고 사용자의 질문에 적절한 답변을 생성하기 위해 대화 모델을 사용한다. 일반적으로 딥러닝 기반의 모델, 예를 들면 GPT-4와 같은 모델을 사용한다. GPT-4는 트랜스포머(transformer) 아키텍처를 기반으로 문장에서 단어 간의 관계를 파악하고 연결하는 데 유용하고, 수조 개의 패러미터(parameter)를 바탕으로 한 사전학습을 통해 인간 수준의 언어를 이해하고 생성하는 것이 가능해진 모델이다.
셋째, 피드백 반영: 영어학습 챗봇은 사용자의 반응을 분석하고 이를 반영하여 학습자에게 더 나은 경험을 제공할 수 있도록 지속적으로 개선된다(Zhang 외, 2018).
넷째, 개별화된 학습 경험: 챗봇은 사용자의 학습 기록, 선호도, 능력에 따라 맞춤형 학습 경험을 제공한다. 이를 통해 사용자는 자신에게 적합한 학습 방식으로 더 효율적으로 영어를 습득할 수 있다(Li 외, 2021).
위와 같은 챗봇의 기본원리들 중 가장 중요한 것이 바로 자연어 처리 기술이고, 최근 등장한 BERT나 GPT-4와 같은 자연어 처리 기술은 인공지능 기술에서 가장 기본이 되는 딥러닝 기술의 대표적인 예이다(Brown 외, 2020). 인공지능 챗봇은 자연어 처리 기술을 바탕으로 사용목적에 따라 언어기반, 메뉴기반, 키워드 인식 기반, 하이브리드, 음성 챗봇, 기계학습 기반 등과 같은 다양한 형태로 발전해왔는데(Rawat 외, 2022), 그 주요 특징과 사례를 정리하면 다음 Table 1과 같다.
위와 같이 인공지능 챗봇은 최근 급속한 발전을 이루어 왔고, 영어학습과 같은 외국어 학습용으로 많이 활용되어 왔다. 하지만 최근 등장한 GPT-4와 같은 챗봇이 보여주는 기술적 발전과 활용가능성은 챗봇이 영어교육의 분야에서 어떤 가능성을 가지고 있고, 얼마나 적절히 활용될 수 있는지에 학술적 및 실천적 논의의 필요성을 요구하게 되었다. 이는 특히 챗봇의 기술적 발전 속도나 교육적 활용가능성이 교육현장에 접목되거나 활용되는 속도보다 훨씬 크기 때문이다. 그런 측면을 고려하여 다음 절에서는 인공지능 챗봇이 지금까지 영어학습의 영역에서 어떻게 활용되었는지 검토해보자.
2) 영어학습 챗봇의 교육적 활용 가능성
영어학습 챗봇이 갖는 교육적 효과는 크게 언어학적 측면, 교수학습 방법론적 측면, 정서적 측면, 그리고 학습환경적 측면으로 나눌 수 있다.
첫째, 언어학적 요인으로는 영어학습 챗봇이 학습자의 읽기, 쓰기, 듣기, 말하기 능력을 향상시키기 위한 다양한 활동을 제공해줄 수 있고, 특히 목표 언어의 원어민 학습자가 없더라도 챗봇과의 자유로운 대화를 통해 언어능력을 향상시킬 수 있다는 연구가 있다(Warschauer & Liaw, 2011). 또한 영어학습 챗봇은 학습자의 답변이나 질문에 즉각적인 피드백을 제공하여, 학습자가 실시간으로 학습을 진행하고 오류를 수정할 수 있다는 것(Liu & Chu, 2010)도 언어학습적으로 매우 유용한 기능으로 여겨진다.
둘째, 교수학습 방법론적 측면에서는 영어학습 챗봇은 학습자의 수준, 관심사, 선호에 맞추어 개인화된 학습 경험을 제공해줌으로써 학습자가 동기부여를 받고, 보다 효과적인 학습을 경험하게 된다는 연구가 있다(Shi 외, 2020). 이러한 동기유발의 효과는 영어학습 챗봇이 다양한 주제와 상황에 따라 대화를 제공하여 챗봇에 프로그램된 여러 활동들을 통해 학습자가 즐겁게 학습에 참여할 수 있도록 해준다는 것에 그 요인이 있다(Lin 외, 2023).
셋째, 영어학습 챗봇은 학습자에게 긍정적인 감정과 학습에 대한 자신감을 주는 정서적 지지를 제공해주는데, 챗봇은 친절하고 격려하는 대화를 통해 학습자의 부정적인 감정을 줄이고, 학습에 대한 두려움을 완화시켜 준다는 연구가 있다(Bickmore & Picard, 2005). 이는 학습자의 자기주도 학습의 가능성을 높여줌으로써, 학습자가 자신의 학습 속도와 스타일에 맞춰 학습을 계획하고, 목표를 설정하는 데 도움을 주는 것으로 알려져 있다(Holec, 1981).
마지막으로 넷째, 학습 환경적 측면에서 영어학습 챗봇은 학습자들 간의 소통을 촉진하고, 시간과 장소에 구애받지 않고 경험과 지식을 공유함으로써 보다 소통이 활성화된 학습 커뮤니티를 구축하는 데 도움을 준다(Lai & Gu, 2011). 이러한 기능은 챗봇이 인터넷 네트워크에 연결됨으로써 다양한 온라인 학습 자료를 통합하여 제시하고, 학습자의 수준과 관심에 맞는 자료를 추천하여 학습효과를 극대화해주는 맞춤형 학습 기능으로 발전해가고 있다(Godwin-Jones, 2011).
국내에의 연구에서도 위와 같은 영어학습 챗봇의 교육적 활용에 대한 많은 연구들이 이루어진 바 있다. 그 대표적인 영역이 바로 의사소통 즉, 영어회화의 기능인데, 특히 듣기나 말하기 영역에서 영어학습 챗봇은 중요한 역할을 해줄 수 있다는 것이다. 예를 들어, AI 기반 음성인식 기능을 통해 초등 영어수업에서 학습자 발음을 교정하거나 자신감을 향상시키는데 큰 도움이 된다는 연구 등이 있다(Lim & Shin, 2001). 특히, 영어 의사소통 기회가 부족한 EFL 학습자들이 공간의 제약에서 벗어나 Siri나 Alexa 등과 같은 챗봇을 활용하여 쉽고 편리하게 영어회화 훈련을 할 수 있다(Kim, 2018). 이러한 대화형 챗봇은 특히 정서적 측면에서 초급 학습자에게 도움이 된다. 챗봇과의 대화는 적절한 긴장과 흥미를 바탕으로 목표 언어에 대한 반복적인 학습과 대화 경험을 느낄 수 있다는 연구(Fryer & Carpenter, 2006)에서 알 수 있듯이, 챗봇과의 대화 경험이 영어학습에 대한 동기와 자신감을 고취시켜주었다는 연구결과들이 많다(Kim, 2018; Yang 외, 2022). 물론 대화형 챗봇을 통해서도 기본 어휘나 문법적 지식을 향상시키는데 도움을 준다는 경험적 연구결과도 나와 있다(Chu & Min, 2019; Kim, 2017).
한 가지 논란점은 이러한 대화형 챗봇이 일상생활에서 활용되는 경우와 정규 학교교육을 통해 활용되는 경우의 효과성 차이에 대한 문제가 있다. 최근에는 학교교육에서 챗봇을 활용한 연구들이 많이 이루어지고 있는데, 예를 들어 두 개의 챗봇을 두 가지 유형의 말하기 과업에 적용하여 초등학생들이 챗봇과 대화하는 경험을 제공한 연구(Chu & Min, 2019)나 초등학생들이 이해할 수 있는 수준의 문장과 어휘를 챗봇의 학습 알고리즘에 포함시켜 외국어학습에서 중요한 역할을 하는 의미협상(negotiation of meaning) 과정을 경험케 한 연구가 그것이다(Sung, 2019). 하지만 이처럼 인공지능 챗봇이 학교 수업에 적용되는 경우는 비교적 최근의 일인데, 그 이유는 기존의 챗봇은 정규 학교교육에서 활용되기에는 기능적이나 교육 콘텐츠 연결성의 측면에서 많은 한계점을 갖고 있었기 때문이다. 챗봇이 학교교육에서 제대로 활용되지 못했던 주된 원인은 다음 네 가지로 정리해볼 수 있다.
첫째, 챗봇의 언어 처리 능력의 한계성으로 인해 대화 상대방의 의미를 파악하는 것이 완전하지 못했기 때문이다. 이로 인해 챗봇과 학습자가 정확하지 않은 정보를 주고받게 되면 대화의 효용성이나 학습효과, 그리고 몰입도가 떨어질 수밖에 없다(Fryer & Carpenter, 2006).
둘째, 챗봇의 개별화 및 적응적 학습 안내 기능의 부족 문제가 있었다. 챗봇이 모든 학습자에게 동일한 방식으로 반응하거나 개별 학습자의 수준이나 요구를 충분히 반영하지 못하였기 때문에, 학교현장에서 챗봇이 활용되는데 제한점이 될 수밖에 없었다.
셋째, 정서적 공감능력이나 감정적 공유 능력의 부족이 또 다른 원인이었다. 초기 챗봇은 기본적 학습 루틴이나 학습관련 정보를 제공해주는 것은 가능했지만, 인공지능 알고리즘이 충분히 발달하지 못한 상태에서 챗봇이 학습자의 감정 상태를 정확하게 판단하고 반응하기 어려웠기 때문에, 학습자들의 학습동기 유발, 챗봇과의 교감, 그리고 그에 따른 학습만족도가 높기 어려웠다(Palm & Glodek, 2013).
마지막으로, 챗봇은 인간 교사와 비교하여 학습자와 인간적 상호작용의 폭과 깊이를 풍부하게 유지하기 어려웠다. 인공지능 챗봇이 학습자와의 인간적 상호작용의 깊이를 유지하지 못하거나, 다양한 학습자들의 사회적, 문화적 배경 등을 고려하지 못하였기 때문에, 학습자와의 깊이 있고 지속적인 소통이 이루어질 수 없었다(Huang 외, 2022).
정리하자면, 챗봇이 정규 학교교육의 영어수업에서 활용하기 위해선 높은 성능의 자연어 처리 기술, 교사의 대화 모형이나 토론의 전개를 주도할 수 있는 효과적인 대화 알고리즘의 개발, 개별학습자에 대한 파악과 맞춤형/적응적 학습 알고리즘, 정서적 교감 능력과 관계성의 형성 능력을 갖춘 고도화된 인공지능 기술을 기반으로 한 챗봇의 등장을 필요로 한다는 것이다.
3) 영어학습 챗봇의 교실수업 활용 사례
사실상 인공지능 챗봇에게 앞 절에서 논의한 바와 같이 인간 수준의 정서적 교감 능력이나 관계성의 형성 능력을 기대하는 것은 어쩌면 교육 목적의 범주를 넘어서는 일일 수도 있다. 하지만 챗봇이 교실 환경에 적합한 영어학습 도구로 자리잡기 위해서는 기본적인 언어학습의 도구로서의 요건들(언어학적 요인)과 영어학습을 총체적으로 보조하고 안내하는 요건들(교수학습적 요인)을 갖추는 것은 필수적인 사항일 것이다. 그동안 영어학습 챗봇은 교실환경에서 세 가지-자유회화용 앱, 토론수업용 챗봇, 종합적 학습플랫폼유형으로 활용되어왔다.
첫째, 자유회화용 앱은 자연어 처리 기술을 통한 어휘 분석 기능, 음성인식, 기계 번역 등을 바탕으로 영어(회화) 학습 서비스를 제공해준다. 물론 이러한 서비스를 제공하기 위해서는 영어 동화에서 책을 읽어주는 안드로이드 TTS(text-to-speech) 기능, 동화 번역을 위한 Papago API, 그리고 학생들의 영어 응답과 발음의 정확성을 판단하기 위한 언어처리 기술의 하나인 발음 평가 API 등이 활용될 수 있다. 이와 같은 앱의 특징이자 가장 핵심적인 기술이 바로 자연어 처리 기술이고, 이러한 자연어 처리 기술을 바탕으로 챗봇이 목표 언어로 자연스러운 대화를 지속하면서, 학습자가 요구하는 정보를 적절히 제공해주고, 영어학습의 목표나 범주에 맞게 대화를 이끌어갈 수 있다면 효과적인 자유회화용 챗봇이 될 수 있는 것이다(Lin 외, 2023). 그리고 이러한 요건들을 만족할 만한 챗봇이 제공된다면, 학습자들의 자기주도적 학습의 가능성도 커질 것이다.
둘째, 토론 수업용 인공지능 봇의 대표적인 예로는 한국전자통신연구원(ETRI)이 자체 자연어 처리 기술을 바탕으로 D출판의 학습 콘텐츠를 탑재하여 학교에서의 토론학습의 용도로 개발한 인클래스(InClass)가 있다(Park, 2020). 인클래스는 교실수업의 참여 주체들에 따라 교사용, 학생용, 그리고 양자가 함께하는 토론용 앱의 형태로 구성되어 있는데, 여기서 토론용 앱은 토론 수업 자체를 안내, 제어, 진행하는 용도로 학생들의 토론 내용을 녹음하고, 음성인식 기능을 바탕으로 교육적 피드백을 제공하며, 경우에 따라 AI 엔진과의 자유대화나 대화연습의 결과가 누적되어 평가자료로 활용할 수 있도록 설계되어 있다. 하지만 이러한 토론용 앱도 주된 기능은 어휘학습, 발음 교정, 받아쓰기, 그리고 토론을 위한 기초 대화 루틴을 제공하고 있는 수준이지, AI나 다른 학생들과 다양하고 개방적인 주제로 자유롭게 토론을 이어갈 수 있는 수준은 아니다. 그리고 이러한 토론학습용 챗봇이 교재(교육과정)의 내용과 충분한 연계성을 가지고 있는지, 학습자별로 학습과정과 학습수준을 평가할 수 있게끔 정교한 개별화학습 알고리즘이 구축되어 있는지, 토론 수업 이외의 목적으로 영어교육에서 활용될 수 있기를 기대하기는 어려운 수준이다. 이러한 점들을 보완하여 최첨단 AI 자연어 처리 알고리즘을 바탕으로 학습자와 실제 대화나 토론을 이어갈 수 있도록 하는 것이 향후 학교교실에서의 토론용 AI 챗봇이 개선되어야 할 방향이라고 볼 수 있다.
셋째, 학습 플랫폼으로서의 인공지능 챗봇은 영어학습의 거의 모든 영역에 걸쳐 학생들의 학습의 전 과정을 안내하고, 학습활동을 보조하며, 개별화된 평가에 이르기까지의 서비스를 제공해주는 플랫폼을 의미한다. 이러한 학습플랫폼의 주요 특징은 1) 클라우드 기반 서비스로서 인터넷에 연동되어 학습자들이 시간과 장소에 구애받지 않고 학습할 수 있다는 것, 2) 모듈화된 구조로 확장성을 가지고 필요한 기능이나 콘텐츠를 추가함으로써 새로운 기능들을 통합할 수 있다는 점, 3) 데이터 수집 및 분석 기능을 제공하여 학습자들의 진도, 성취도, 학습 패턴 등을 파악하여 맞춤형 학습안내를 제공한다는 점, 4) 인공지능 기반 머신러닝 기술을 활용하여 개별학습자의 요구나 수준에 따라 콘텐츠 추천, 질의 응답, 학습경로 최적화 등의 서비스를 제공할 수 있다는 점, 그리고 5) 다양한 콘텐츠 및 자료를 다양식적 형태로 통합적으로 제공함으로써 학습자들이 역동적이고 실감나는 학습경험을 할 수 있도록 동기를 부여할 수 있다는 점 등이다(Hwang & Lai, 2017; Zawacki-Richter 외, 2019).
이와 같이 인공지능을 기반으로 종합적인 학습가이드를 해주는 플랫폼의 일종이 바로 지능형 학습관리시스템(intelligent learning management system)이다. 이 지능형 시스템의 대표적 사례로는 Rosetta Stone(1992년), Babbel(2007년), Duolingo(2011년) 등이 있고, 각각 오디오, 비디오, 텍스트 등 다양한 학습 자료 제공, 인공지능 기반 적응형 학습과 학습추천 기능 제공, 강화 학습 기반의 적응형 학습 기능 등을 특색으로 하고 있다(Chen 외, 2017). 이러한 지능형 학습플랫폼은 학교교육에서 활용될 수 있을 만큼 다수의 학습자들을 대상으로 영어학습의 여러 영역들을 체계적으로 안내해줄 수 있지만, 비용이나 활용성, 자유로운 학습 기능의 측면에서 챗봇의 성격이나 역할과는 다른 평가가 필요하다는 것이다. 그런 의미에서 다음 장에서는 영어학습 도구로서의 ChatGPT의 가능성에 대해 논의해보자.
2. 영어학습 ChatGPT
1) ChatGPT의 등장과 영어교육에의 활용가능성
(1) ChatGPT의 발전 과정
글로벌 IT업체인 Google이 2017년 발표한 트랜스포머를 바탕으로 인공지능 개발 툴 솔루션업체인 미국의 OpenAI는 이러한 트랜스포머를 12단계 쌓아 올린 모델을 바탕으로 인공지능 딥러닝 사전학습(pre-training) 기법의 실용성을 높인 모형이 바로 최초의 GPT-1이다. 이러한 기술을 바탕으로 OpenAI는 2018년 딥러닝을 위해 은닉층(hidden-layer)에서 참조하는 패러미터를 기존 GPT-1의 1.2억 개에서 약 15.4억 개로 늘린 GPT2모델을 개발하였다. 이 GPT-2의 가장 큰 특징은 아무런 배경 데이터 없이 원점에서 바로 학습을 시작할 수 있는 제로 샷(zero shot) 기능을 추가함으로써 AI가 사전학습이 필요치 않은 모델을 시도하였다는 것이었다. 이 제로 샷 모델의 잠재력은 AI가 특정 과업만을 수행하는 것으로 제한된 것(specific AI)이 아니라 다른 다양한 과업들에 전반적으로 활용될 수 있는 모델(general AI)이 된다는 것이다. 즉, GPT-2는 기존 AI가 안고 있었던 다양한 분야의 학습을 축적적이고 지속적으로 수행할 수 있는가 하는 지속학습(continual learning)의 문제를 극복할 수 있는 단서를 제공해주었다는 것이다(Radford 외, 2018).
곧이어 2019년에 OpenAI는 인간 모국어 학습자들이 문법이나 구문의 유형들을 모두 학습하지 않고도 모국어 문법의 원리를 깨우쳐서 언어를 효과적으로 습득할 수 있는 원리와 유사한 최소 시도 학습(few shot learning)의 원리를 적용한 GPT-3 모형을 개발하게 되었다. 트랜스포머 아키텍처를 기반으로 개발된 GPT-3는 사전학습을 시킨 이후 몇 개 정도의 대화 사례들만 제공해도, 그 대화를 바탕으로 전체 구문의 구조와 대화의 맥락 등을 파악할 수 있는 자기학습(딥러닝)이 가능하다(Vaswani 외, 2017). 또한 비지도 학습 방식으로 사전 훈련된 다음, 생성적 전이학습을 통해 특정 작업에 맞게 미세 조정하는 작업을 거쳤다(Brown 외, 2020). 그리고 모델의 성능(정확성과 효율성)을 높이기 위해 인공지능의 주의집중(self-attention) 수준을 높이고, 참조하는 매개변수의 개수를 1,750억 개로 증가시켰고, 그로 인해, 긴 문장이나 질문에 대해서도 그 의도나 배경 맥락을 이해할 수 있는 엄청난 연산능력을 보유하게 되었다. 이 GPT-3만을 가지고도 번역, 질의응답, 단어 순서 배열, 문장 변환(paraphrasing) 등을 인간 언어 수준에 못지않게 훌륭하게 구현해 낼 수 있게 되었다(Radford 외, 2019).
(2) ChatGPT의 최근 기능과 한계점
2022년 11월 30일 OpenAI는 GPT3.5 모델을 기반으로 한 ChatGPT를 출시하였는데, 그 대표적 특징은 대규모 언어모델로서 약간의 예시나 프롬프트만으로도 다양한 응답을 생성할 수 있는 정교화작업이 별로 필요 없는 고도의 일반화 능력을 가지고 있으며, 방대한 데이터를 바탕으로 한 강화학습을 통해 사전학습이 이루어졌고, 다양한 언어 데이터를 학습하여 그만큼 다양한 언어를 능숙하게 처리할 수 있다는 것이다(Brown 외, 2020).
최근 등장한 ChatGPT 4는 약 10조개의 패러미터를 활용하여 이전 모델보다 더욱 정확하게 사용자의 의도를 예측하고 세밀한 응답을 제공해줄 수 있게 되었다. ChatGPT 4는 사용자가 제시한 간단한 몇 단어의 문장만으로도 자료 수집, 정리, 오류 검토 등의 일상수준의 정보검색 및 처리작업을 AI가 관련 데이터베이스를 순식간에 크롤링하여 명확한 응답을 제시해줄 수 있다. 또한 변호사, 노무사, 회계사, 컴퓨터프로그래머 등이 수행하는 전문영역의 상담이나 조언도 정형화된 응답을 원하는 경우에는 관련 레퍼런스나 판례에 대한 순간적 검색을 바탕으로 만족할 만한 수준의 해결책을 제시해줄 수 있다. 더 나아가 ChatGPT 4는 문학 및 예술적 창작의 영역에서도 아이디어 생성 및 평가, 스토리 구성, 자료 수집 및 편집, 내용 구조의 설정, 윤문 및 검토 등의 기초적이고 반복적인 작업의 대부분을 창작자를 대신하여 수행해줄 수 있고, 다양식성(multi-modal) 기능을 지원하여 텍스트 외의 데이터를 통한 입력과 출력의 확장성을 갖는다. 종합컨대, 실제로 사람들이 하는 일의 대부분은 매우 반복적이고 패턴화된 과업들이기 때문에 ChatGPT나 GPT-4는 다양한 인간의 작업들을 인간과는 비교할 수 없을 만큼 빠르고 정확하게 수행해줄 수 있다는 것이다(OpenAI, 2023).
물론 ChatGPT나 GPT-4도 아직 다음과 같은 한계점을 갖고 있다.
첫째, 문맥을 완벽하게 이해하지 못하거나, 사용자의 질문의 뉘앙스나 미묘한 차이를 파악하는 데 어려움을 겪을 수 있다(Brown 외, 2020).
둘째, 길고 복잡한 대화를 이전의 대화를 참조하여 파악하는 것이 곤란하여 일관성이 부족하거나 부정확한 응답을 내놓을 수 있다(Adiwardana 외, 2020).
셋째, 왜곡되거나 편향성(bias)이 내재된 데이터를 학습하여 다양한 윤리적 문제를 야기할 수 있다.
넷째, 기존의 데이터를 기반으로 응답을 생성함으로써 오류가 포함된 정보나 검증되지 않은 내용을 전달할 수도 있고, 창의적인 발상이나 완전히 새로운 아이디어를 제안하는 것에는 한계가 있다(Radford 외, 2019).
(3) ChatGPT를 통한 언어학습의 가능성과 한계성
우선 아직까지는 ChatGPT가 제시하는 응답들을 완전히 신뢰할 수는 없다. 개발자들도 밝히고 있지만, ChatGPT의 응답들은 최신 정보들이 반영되지 않았을 수 있고, 유해하거나 편향적인 정보, 그리고 민감한 정보(정치성, 선정성, 편파성)에 대해서는 잘못된 응답을 하거나 응답을 거부하기도 한다. 사실 어떤 질문에 대해 완벽한 응답이란 있을 수 없기 때문에, 이러한 한계점은 인공지능 기술의 발전과는 상관없이 어떤 AI에게도 나타날 수밖에 없다. 인공지능도 인간과 마찬가지로 가치중립적일 수 없고, 참조한 정보나 받아들이는 사용자에 따라 왜곡되거나 편향된 결과로 보이는 경우가 생길 수밖에 없다. 따라서 인간 사회에서 논란이 있는 문제들에 대해서는 인공지능의 답변도 논란의 여지를 안고 있을 수밖에 없는 것이다.
ChatGPT의 등장은 기술계, 학계, 사회 전반적으로 많은 반향을 일으켰고, 그 기술적 발전에 대한 놀라움과 동시에 많은 우려도 낳고 있다. 그중 하나가 바로 교육적 영향력인데, 이미 ChatGPT가 많이 알려진 미국 교육계에선 학생들의 부정행위 가능성이나 정보를 다루는 능력이나 창의력을 신장하는 노력을 기르기 어렵다는 점과 같은 부정적인 영향력에 대한 우려가 커지고 있다. 그 대비책으로 ChatGPT의 사용여부를 판단해주는 GPTZERO와 같은 프로그램의 도입도 제안되고 있으나, 이마저도 완벽한 해결책이라고 보기는 힘들다.
ChatGPT와 같은 인공지능 번역 및 대화 도구는 외국어교육에 어떤 영향을 미치게 될까? 우선 전통적인 외국어 학습의 목표나 방법론에 큰 변화가 불가피할 것이다. 최근까지 외국어 학습의 목표는 상당 수준 근본적인 변화를 거쳐 왔지만, 크게 인지적 훈련 및 자극으로서의 역할, 문화적 소양 및 역량을 길러주는 역할, 그리고 의사소통 기술의 확장으로서의 역할로 나누어볼 수 있다(Park, 2016). 이중 의사소통 차원의 학습 목표가 가장 본질적이면서도 지속적인 목표라고 볼 수 있는데, 인공지능 도구의 발전은 이러한 의사소통을 위한 학습의 필요성을 줄이는데 결정적인 역할을 하고 있는 것이다. 예를 들어, 스마트기기에 탑재된 통역 및 회화 앱은 이제 더 이상 외국어를 학습하지 않아도 여행을 하거나 외국인과 소통하는데 지장이 없을 정도의 고품질의 통역결과물을 제시해주는 수준으로 나날이 발전하고 있다. 결국 머지않아 인공지능의 발전은 인지적 훈련이나 문화적 소양을 기르는 목적이 아니면 굳이 외국어를 힘들게 학습할 필요가 없는 현실을 만들어 내었다는 것이다.
다만 당분간은 ChatGPT와 같은 인공지능 대화도구은 언어학습의 차원에서 상당한 자극과 효과를 가져오는 방식으로 활용될 수 있다. 예를 들어, 학습자가 보다 자유롭고 편안하게 인공지능 비서와 목표 언어로 대화를 시도한다거나, 학습자의 번역물을 인공지능이 평가해주거나 학습자가 그 결과와 비교하여 오류를 교정하는 등의 훈련을 진행할 수 있다. 그리고 인공지능 도구는 목표언어와 관련한 수많은 어휘, 음성 및 문장표현, 다양한 정보들을 무한정 제공해줄 수 있기 때문에 그러한 자원들을 외국어학습에 쉽게 활용할 수 있는 것은 물론이다. 결국 학습자가 인공지능 도구의 편의성을 어떻게 활용하여 학습하려 하는가에 대한 학습자의 목표의식이나 의지 문제가 남아있다고 볼 수 있다.
그렇다면 위와 같은 가능성과 한계성을 고려했을 때, ChatGPT가 교실수업을 위한 인공지능 챗봇으로서 어떤 활용 가능성이 있을지 살펴보자.
2) 영어학습 플랫폼 ChatGPT
(1) 온/오프라인 플립 러닝
ChatGPT가 영어회화 학습을 위해 교실 수업에서 활용되는 방식은 크게 오프라인 전용 수업과 온/오프라인 혼합수업으로 구분될 수 있다. 오프라인 전용 수업에서는 교사의 역할을 중심으로 교사의 역할을 보완하거나 보조하는 방식으로 이루어지는데, 음성대화 처리기술이 활용되는 가장 일반적 방식은 교사 입력(1단계), 학생 말하기(2단계), 학생 상호작용(3단계), 그리고 구문 반복 연습(4단계) 중의 2단계와 4단계에서 음성대화 처리기술을 활용하는 것이다. 한편 플립 러닝(flipped learning) 학습 원리를 기반으로 한 온/오프라인 혼합 수업에서는 온라인 자기주도학습(1단계), 학습결과물 플랫폼 탑재(2단계), 개별 학습자 진단(3단계), 말하기 수행 및 피드백(4단계), 교실에서의 과업수행(5단계), 마지막으로 의사소통 구문 정리(6단계)로 이루어진다. 여기서 음성대화 처리 기술은 1단계, 4단계(오프라인 실행평가), 그리고 6단계(자기주도형 피드백 및 평가)에서 중요한 역할을 하게 된다(Yoon & Hong, 2021).
ChatGPT를 오프라인 수업에 활용할 수 있는 구체적인 방식으로는 다음 Table 2과 같은 인공지능 챗봇의 초기 모델인 AI 스피커 활용 수업의 예를 들 수 있다.
위 Table 2에 제시된 바와 같이 Kim(2017, 2018)은 소규모의 초등학생들을 대상으로 인공지능 스피커(예, Amazon의 Echo)에 적합한 과업활동을 고안하여 수업을 실시한 후 이를 3단계 모형(Kim, 2017)과 4단계 모형(Kim, 2018)으로 제시한 바 있다. 3단계 모형은 교사가 구체적인 질문을 모두 제공하는 통제 과업(1단계), 제시된 패턴 표현을 활용하여 질문을 완성하는 안내 과업(2단계), 그리고 교사가 과업의 주제만 제시하였고 학습자 스스로 과업을 수행하는 독립 과업(3단계)으로 구성되었고, 이를 확장한 4단계 모형은 잡담 나누기(1단계), 수행/과업 지시하기(2단계), 정보 요청하기(3단계), 그리고 문제 해결하기(4단계)로 구성되어 설계되었다. 이러한 수업 모형에서 ChatGPT는 학생들의 수준이나 학습 목표에 따라 아주 기초적인 학습활동을 진행하는데 활용할 수 있고, 교실 여건에 따라 융통성있게 활용해야 할 것이다.
(2) 온라인 전용 수업
온라인 전용 수업에서 ChatGPT를 활용하기 위해서는 ChatGPT가 온라인 학습 플랫폼에 연동될(embedded) 필요가 있다. ChatGPT가 온라인 학습플랫폼에 연동되게 되면, 다음과 같은 영어학습의 효과를 기대할 수 있을 것이다(Fui-Hoon Nah 외, 2023).
첫째, 온라인 학습플랫폼에서는 개별 학습자의 관심도, 수준, 목표에 따라 학습을 안내하는 것이 가능한다. 여기에서 ChatGPT는 각 학생의 능력, 학습 스타일, 관심사에 맞게 개인화된 학습 자료를 제공하고, 학생들은 자신에게 맞는 학습 방식으로 영어를 학습할 수 있다.
둘째, 학생들이 작성한 영어 문장이나 글에 대해 ChatGPT가 실시간으로 피드백을 제공할 수 있다. 이를 통해 학생들은 각자의 문법 오류, 어휘 선택, 문장 구조 등의 문제를 즉시 인식하고 개선할 수 있는 기회를 갖는다.
셋째, 온라인 학습플랫폼은 시공간적 제한없이 인터넷 연결이 가능한 환경에서 언제든지 학습할 수 있다. 이때 ChatGPT를 활용하여 자신의 시간이나 진도에 맞춰 학습할 수 있으며, 추가적인 학습 지원을 언제든지 챗봇에게 요청할 수 있다.
넷째, 온라인 플랫폼은 다양한 언어학습 활동을 제공해주는데, 특히 최근 출시된 GPT-4가 제공하는 다양식성을 가진 학습자료를 활용할 수 있다. 예를 들어, 확장 앱을 설치하면 텍스트를 음성, 이미지, 심지어는 동영상으로 변환이 가능하고, 음성 스토리북 작성, 챗봇 간의 음성 대화, 이미지 관련 텍스트 생성 등의 기능을 활용하여 영어학습을 보다 친근하고 흥미롭게 수행할 수 있다.
다섯째, 가장 중요한 기능이 바로 대화형 학습이 가능하다는 것이다. 학생들은 ChatGPT와 영어로 대화를 나눌 수 있어, 보다 실제에 가까운 상황을 연출하여 의사소통 능력을 기를 수 있다. 또한 인공지능 학습플랫폼이 정교하게 설계되었다면, 학생들의 선행학습 정도, 영어구사력, 흥미도에 따라 상이한 난이도의 대화를 생성하는 것도 가능하다. 이러한 대화 생성과 연습을 통해 학생들은 영어대화의 스킬을 키우고, 이에 필요한 자연스러운 표현, 어휘, 문법 등을 익힐 수 있다.
현재 ChatGPT나 GPT-4가 실제적으로 영어학습 플랫폼에 연동된 사례는 없지만, 유사한 기능의 인공지능 챗봇의 원리를 접목한 영어학습 플랫폼의 사례에는 Table 3에서 제시한 세 가지가 있다.
위 Table 3에 정리된 바와 같이, 대표적인 언어학습 플랫폼인 Duolingo, Rosetta Stone, Cambly는 각각 다음과 같은 방식으로 자연어 처리 기술을 바탕으로 교실학습에서 활용될 수 있다.
첫째, Duolingo는 게임화된 학습 환경을 바탕으로 학생들 각각의 언어 스킬을 점진적으로 개발하는데 유리하므로, 교실환경에서 학생들이 각자 자기주도형으로 영어를 배워갈 수 있으며, 이러한 학습과정을 추적하고 그 성취도를 체계적으로 평가하는데 도움이 될 수 있다. 다만, 이러한 게임화 및 개별화 학습 방식은 심도 있는 대화 실습이나 고급 수준의 언어 구사 능력을 개발하는 데에는 한계점을 갖는다.
둘째, Rosetta Stone은 원어민의 자연스러운 말투와 억양을 에피소드별로 학습하는데 효과적인 플랫폼이다. 이 Rosetta Stone을 교실환경에서 활용하면, 학생들이 각자 자신의 흥미나 수준에 따라 다양한 영어 활용 환경이나 문화적 맥락을 바탕으로 영어회화를 연습할 수 있으며, 개별적인 학습 진도나 학습의 통제가 가능하다. 동시에 이 플랫폼은 학생들의 학습 진행 상황을 체계적으로 관리하거나, 학생별 비교평가, 학생들마다 수행 오류에 대한 체계적인 피드백을 제공하는 기능이 취약하다는 단점이 있다.
셋째, Cambly는 실시간으로 원어민과 영어를 대화하며 학습할 수 있는 것을 장점으로 하는 플랫폼이다. 이 Cambly를 교실 맥락에서 활용하면, 학생들이 각자의 수준과 관심사에 따라 인공지능 챗봇이 생성한 원어민 아바타와 다양한 시나리오를 바탕으로 대화하는 것을 다른 학생들이 관찰하거나 집단적 토론에 적용하는 방식으로 활용할 수 있다. 이때 대화의 내용에 대한 실시간 피드백이 주어질 수 있고, 학생들 간의 참여도가 평가될 수 있지만, 이러한 실시간 대화의 내용(콘텐츠)를 어떻게 구성하고 체계화하느냐의 문제는 향후 학교교육과정과 연계되어 개발될 필요가 있다.
특히 향후 ChatGPT에 적용된 자연어 처리 기술이 위와 같은 다양한 영어학습 플랫폼에 적용되기 위해서는 학습자와의 자연스러운 대화를 통해서 학습활동이나 결과들을 더 세밀하고 체계적으로 모니터링할 수 있어야 된다. 이를 위해 필요한 것이 인공지능 평가알고리즘의 개발이다.
(3) 학습 성취 평가
ChatGPT를 활용한 일상적으로 영어를 학습하는 상황에서는 학생들의 성취도를 평가하기가 쉽지 않다. 이러한 자유 대화 스타일의 학습은 말 그대로 학습자의 자율성과 학습동기에 기반하여 자기주도적으로 시공간의 제약 없이 자연스럽게 이루어지기 때문에, 학습성과를 평가하기 위한 기준을 설정하기 어렵기 때문이다. 반면, 인공지능 학습플랫폼을 기반으로 한 학습에서 영어학습의 과정이나 결과를 평가하는 시스템은 다양한 방식으로 개발되어 활용되고 있다. 예를 들어, 최근 인공지능을 활용하여 영어학습 수행의 성취도를 평가하는 방식 중에 가장 흔히 활용되고 있는 모형으로는 학습의 세 가지 요소인 지식, 기술, 능력(knowledge, skills, & ability: KSA)을 측정하는 증거-중심 설계(evidence-centered design: ECD) 프레임이 있다(Mislevy 외, 2003). 다음 Figure 1은 이 ECD모형의 핵심구조를 보여준다.
즉, ECD모형은 학생의 숙련도(학업성취도)를 판단하기 위해 어떤 증거를 활용할 것이며, 그러한 증거를 어떤 과업을 통해 수집할 것인가의 세 가지 요소로 구성되고, 이러한 숙련도-증거-과업의 세 요소가 어떻게 학습에서 나타나며(전이적), 이를 어떻게 수집하여 평가할 것인가(관찰적)의 문제로 이루어진다. 인공지능은 다음 각각의 과정에서 학습자의 수행과정이나 결과에 따라 학습정도(숙련도)를 확인하는 데 중요한 역할을 한다(Scalise & Clarke-Midura, 2018).
① 작업 모형(Task model): 인공지능은 학습자에게 적합한 개별화된 작업을 생성하거나 선택하는 데 사용되어, 학습자의 능력 수준에 맞는 작업을 제공하고, 다양한 문제 유형을 통해 폭넓은 증거를 수집할 수 있다.
② 증거 모형(Evidence model): 인공지능 알고리즘은 증거를 수집하고 분석하여 학습자의 능력이나 지식을 추론하게 된다. 이를 위해 머신 러닝 및 자연어 처리 기술을 활용해 학습자의 반응, 작업 완료시간, 오류 패턴 등의 데이터를 기반으로 정확한 추론을 할 수 있다.
③ 지식 및 능력 모형(Knowledge & skill model): 인공지능은 학습자의 현재 지식 및 능력 수준을 추정하고, 이를 바탕으로 개인화된 학습 경험을 제공한다. 학습자의 성장 및 발전을 추적하고, 효과적인 피드백과 지원을 제공함으로써 학습 효과를 높이게 된다.
지금까지의 영어학습 플랫폼은 숙련도 모형을 기반으로 학습 내용의 난이도에 따라 수준별 및 관심도별로 분류하여 학습 콘텐츠를 구성하고, 이를 과업 모형에 따라 학습 에피소드나 시나리오를 설계하는 방식에 집중하였다. 따라서 학생들이 이러한 설계에 의존하여 학습을 수행하였지만, 실제로 학생들의 학습 과정이나 성과를 측정하거나 평가하는 것은 거의 기술적으로 불가능하였다. 하지만 인공지능 기술의 발전은 학생들의 학습데이터를 추출하고 분석하여 성과를 평가하는 것을 가능하게 하고, 그러한 평가의 이론적 모형이 바로 이러한 증거-중심 설계인 것이다. 따라서 생성형 인공지능 기술을 영어학습 플랫폼에 접목시킨다면, 학습자들의 학습과정과 성취를 좀 더 면밀하게 진단하고 처치하여 영어학습의 평가와 관련한 오랜 난제를 해결하는데 도움이 될 수 있을 것이다.
3) 지능형 적응학습 ChatGPT
마지막으로 ChatGPT를 영어학습 플랫폼에 어떻게 통합적으로 적용하여 영어학습의 도구로 활용할 수 있는지를 살펴보자. 지금까지 인공지능 대화 봇들이 영어학습을 위해 사용되는 방식은 일상적 환경에서 학습자의 취향을 기반으로 각자의 학습 목표나 의도에 따라 개별적으로 활용되는 방식이었다. 본고에서는 ChatGPT가 학교교육 차원에서 보다 체계적으로 활용될 수 있는 방안을 지능형 적응학습의 모형의 네 가지 학습 원리-지능형, 적응적, 학습 알고리즘, 그리고 학습환경-를 통해 살펴보고자 한다.
(1) 지능형 ChatGPT
인공지능 학습 봇에 지능형이라는 용어가 부여되기 위해서는 세 가지 요건이 필요하다. 첫째, 학습자의 개별적인 필요, 선호도, 배경지식에 따라 학습 경험을 개별화할 수 있어야 한다(Johanes & Lagerstrom, 2017). 둘째, 학습자의 학습 과정을 모니터링하고, 그에 따른 학습자 모델을 구축하여 지속적으로 피드백해줄 수 있어야 한다 (Shute & Zapata-Rivera, 2008). 셋째, 자연어 처리 및 대화 관리 능력을 갖추어야 한다(Graesser 외, 2005). 이러한 요건들에 비추어볼 때, ChatGPT는 지능형 봇으로서의 충분한 자격을 갖추었다고 볼 수 있다.
이러한 지능형 봇을 외국어(영어) 학습에 구현되고 활용하기 위해서는 다음 Table 4에 제시된 세 가지 핵심 요소 즉, 콘텐츠 데이터셋 구축, 학습의 과정과 성과 확인을 위한 지능 모델(intelligent model)의 구축 및 훈련, 그리고 학습 모형의 디자인과 사용자 환경(user interface: UI)의 설계가 필요하다(Nawaz & Saldeen, 2020).
위 Table 4에 제시된 것처럼, ChatGPT가 지능형 학습 봇으로서 영어학습 플랫폼에 적용되기 위해서는 위 세 가지 구성 요소에 따라 ChatGPT의 배태(embedding) 구조를 설계할 필요가 있을 것이다.
(2) 적응적 학습 ChatGPT
여기서 적응적(adaptive)이라는 것은 인공지능이 개방적인 운영 환경 속에서 자율적으로 작동하고 지속적인 학습을 통해 지능의 신뢰도를 유지/개선할 수 있다는 것을 의미한다. 아울러 개방적이라는 말은 인공지능 봇이 외부 환경과의 상호작용을 바탕으로 자신의 지능(예, 판단력)을 강화함으로써 새로운 환경이나 사용자의 요구에 대응할 수 있음을 의미한다. 적응형 학습 봇의 세 가지 요건도 실시간 학습자 모델링 및 추적 기능, 데이터 기반 의사결정 여부, 개별화된 학습 경로 제공 여부로 지능형 봇의 요건과 유사하다(Shute & Zapata-Rivera, 2008). 이 적응적 인공지능 봇의 일례로 ETRI가 2020년부터 개발한 학습 봇으로 다음 Table 5와 같이 세 가지 요건 —상황 적응, 사용자 적응, 환경 적응 — 에 대한 적응력을 키우는 것을 목표로 하고 있다.
만일 위 Table 5에 제시된 적응형 학습 봇의 요건들을 영어회화 학습에 적용하면, Table 5 맨 아래쪽의 내용처럼 회화 시나리오 구축, 학습자 특성(수준, 관심, 성취도 등) 맞춤형 대화 알고리즘 구축, 그리고 영어 활용의 다양한 환경적 요소를 고려한 학습의 맥락을 제공해주는 역할을 할 수 있을 것이다.
적응적 학습 봇으로서 ChatGPT에 위 세 가지 요소를 반영하여 영어회화 학습에 활용하는 사례를 몇 가지 제시해보자.
① 회화 상황 시나리오 구축: 공항에서의 대화를 연습하고 싶다면, ChatGPT는 공항 직원, 탑승객, 보안요원 등 다양한 역할과 상황을 설정하여 대화를 진행할 수 있다.
② 학습자 맞춤형 대화 알고리즘 구축: 초보 학습자의 경우 쉬운 단어와 문장 구조를 사용하여 대화를 진행할 수 있고, 고급 학습자에게는 더 복잡한 문장과 어휘를 사용하여 도전적인 대화를 제공할 수 있다. 또한, 학습자의 관심사를 기반으로 대화 주제를 선정함으로써 학습자의 동기를 높이고 학습 효과를 극대화할 수 있다.
③ 대화의 탈/맥락적 의미 제공: 학습자가 비즈니스 상황에서의 영어회화를 연습하려고 한다면, ChatGPT는 회의, 프레젠테이션, 이메일 작성 등 다양한 비즈니스 환경에서 필요한 언어 스킬을 연습할 수 있는 시나리오를 제공할 수 있다. 이러한 맥락 제공은 학습자가 실제 상황에서 영어를 사용할 때 어떤 언어와 표현을 사용해야 하는지 이해하는 데 도움이 된다.
(3) 지능형 학습 알고리즘과 ChatGPT
ChatGPT는 앞서 논의한 두 가지 특성을 반영한 지능형 적응적 학습 환경(adaptive intelligence learning environment: AILE)에 적용되어 영어 학습 플랫폼의 핵심 구성 요소가 될 수 있다. 이 지능형 적응적 학습환경의 한 모형으로 다음 Figure 2와 같이 인공지능 알고리즘(지능형)을 기반으로 한 가상 교사(캐릭터)가 교육과정의 목표 및 구조와 교육 내용(지식)에 대한 참조(빅 데이터)를 바탕으로 개별 학습자의 학습 스타일과 진도를 파악하면서(적응형 모델), 이를 바탕으로 학습을 안내해가는 시스템이 고려해 볼 수 있다.
이 AILE 모형과 관련하여 두 가지 핵심적 연구들이 수행되고 있는데, 하나는 적응적 교육용 하이퍼미디어(adaptive educational hypermedia: AEH)이고 다른 하나는 지능형 튜터 시스템(intelligent tutoring systems: ITS)이다(Herder 외, 2017). 우선 2000년 들어 등장한 적응적 교육용 하이퍼미디어는 e-learning 환경에서 다양한 학습자들의 특성에 따라 교육 콘텐츠와 학습 경로를 최적화하여 학습과정에서의 혼선이나 인지적 부하를 줄여줌으로써 학습 효율성을 극대화하려는 적응형 시스템을 의미한다(Somyürek, 2015). 이 시스템의 구축을 위한 주요 구인으로써는 기기 적응성(device adaptation), 소셜 웹(social web), 기계 학습(machine learning) 기술, 데이터 마이닝, 학습모듈 구조(modular frameworks: 예, LMS/LCMC), 시맨틱 웹(semantic web), 그리고 메타 데이터 처리를 위한 표준화 과정(standardization)의 구축이 필요하다. 이 시스템의 가장 큰 특징은 ‘적응형’이라는 명칭에 나타나듯이 학습자의 특성과 학습전개 과정을 최대한 반영하면서, 네트워크나 데이터베이스 상의 다양한 자료와 정보들을 빅 데이터의 차원에서 융통성있게 활용하려는 시스템이라는 것이다.
이러한 지능형 적응적 학습 알고리즘은 다음 Figure 3과 같이 인공지능 기반 외국어 말하기 학습 알고리즘으로 구체화되기도 하였다.
위와 같은 말하기 학습 알고리즘에 ChatGPT를 접목한다면, 다음과 같은 확장적 역할을 수행할 수 있을 것이다(Li 외, 2023).
① 자유 대화 처리: 학습자가 대화 주제를 제시하거나 ChatGPT가 주제를 제안하여 학습자와 자연스러운 영어 대화를 나눌 수 있고, 학습자는 다양한 상황에서의 회화 능력을 향상시킬 수 있다.
② 대화 지식 구축: ChatGPT는 다양한 도메인의 지식을 습득하고, 그 지식을 활용하여 학습자와 의미 있는 대화를 나눌 수 있다. 그럼으로써 학습자는 대화를 통해 새로운 어휘와 표현, 문화적인 배경 지식 등을 습득할 수 있다.
③ 교육적 피드백 제시: ChatGPT는 학습자의 문법 오류, 발음, 어휘 사용 등을 분석하여 피드백을 제공하며, 이를 통해 학습자는 자신의 약점을 파악하고 개선할 수 있다.
④ 학습 데이터 관리: ChatGPT는 학습자의 진행 상황과 성취도를 기록하고 분석하여 적절한 학습 자료와 과제를 추천하고, 학습자의 성장을 지속적으로 지원할 수 있다.
ChatGPT는 위와 같은 과정들에 대한 데이터를 축적하여 학습 알고리즘을 개선하고(강화학습), 더욱 정교한 적응형 학습 경험을 제공하게 될 수 있다.
(4) 학습의 장으로서의 미시 세계와 ChatGPT
지능형 적응 학습을 위한 환경적 요소로 학습자들의 학습이 이루어지는 가상적 공간으로서의 미시세계(micro worlds)의 설계가 필요한데, 이러한 환경적 요소는 앞서 언급한 지능형 튜터 시스템에도 필수적이다. 1980년대부터 개발되기 시작한 지능형 튜터 시스템은 컴퓨터공학(AI), 심리학(인지/지능), 교육공학(교수학습)의 세 분야의 연구결과들을 종합한 것으로, 다음 그림과 같은 일반적으로 지식전문가, 학생모형, 튜터링, 사용자 환경이라는 네 가지 모듈로 이루어진 구조(architecture)를 기반으로 출발하였다(Nwana, 1990). 그러던 중, 이러한 구조가 최근 빅데이터와 인공지능의 발달에 따라 다음 Figure 4와 같은 확장된 모델로 발전하였다.
위와 같이 확장된 모형의 하나가 바로 AutoTutor인데, 여기서는 각각 지식전문가(동적 지식베이스와 자연어 처리 기술), 학습자 모형(머신 러닝, 데이터 분석 기술), 튜터링(혼합 적극성 대화: 학습자가 보다 능동적으로 대화에 참여하게끔 하여 학습에 필요한 정보를 역동적으로 피드백 제공), 그리고 사용자 환경(멀티미디어 요소, 인터렉티브 UI, 메타버스 환경 등)의 기술적 요소들을 활용한 것이다(Graesser 외, 2005).
이러한 확장형 모형에서 특히 주목할 만한 점은 사용자 환경 모듈에 메타버스(metaverse)와 같은 가상 환경(혹은 미시 세계) 속에서의 학습자의 활동에 주목하기 시작하고 있다는 것이다(Boniello 외, 2019). 이 미시세계는 학습이 이루어지는 학습자 머릿속의 가상적 세계로서, 학습자가 자신의 경험을 구성하고 문제를 해결하고 실천하는 과정을 설계하고 모형화한 결과이다. 학생들의 효과적인 학습을 이끌어내는 이러한 가상적 미시세계를 적절하게 설계하는 것은 컴퓨터보조학습의 핵심적 목표인데, 이 미시 세계는 다음 Figure 5과 같이 재현성, 학습 환경, 소통 방식이라는 세 가지 요소로 이루어져 있다(Han 외, 2021).
위와 같은 지능형 튜터 시스템이 제공하는 미시 세계의 세 가지 요소들을 고려하여 ChatGPT는 다음과 같이 활용될 수 있다.
① 재현성: 가상 세계에서 학습자들은 현실 세계에서 경험하기 어려운 다양한 상황을 체험할 수 있는데, ChatGPT는 이러한 상황의 사례나 시나리오를 자동으로 생성하고 학습자들에게 제공해줌으로써, 튜터 시스템의 활용성을 높일 수 있다(Radianti 외, 2020).
② 학습 환경: ChatGPT는 가상 세계 학습환경을 설계할 때 개별학습자의 필요와 선호도에 맞는 맞춤형 학습 환경을 제공할 수 있다(Farrow, 2023).
③ 소통 방식: 가상 세계에서는 실제 세계의 물리적 제약에서 벗어나서 다양한 방식(아바타, 애니메이션, 휴머노이드, 유비쿼터스 방식 등)과 모드(청각, 영상, 3D, 4D 등)의 소통을 수행할 수 있다. ChatGPT는 이러한 활동의 방식과 상태를 다양하게 제안해줄 수 있으며, 학습자들의 흥미와 참여도를 높여 보다 효과적인 학습을 촉진할 수 있다(Winkler & Söllner, 2018).
III. 결론: ChatGPT의 등장이 영어학습에 주는 시사점
본고는 최근 출시된 ChatGPT가 영어학습을 위한 챗봇으로써 어떤 교육적 활용가능성이 있는지를 논의하고 효과적인 활용방안을 탐색하고자 하였다. 본고의 논의의 결과의 핵심사항은 다음과 같이 정리될 수 있다.
첫째, 인공지능 기반 영어학습 챗봇의 기본 원리는 자연어 처리 능력, 대화 모델링, 학습자에게 역동적인 피드백 제공, 그리고 개별화된 학습경험을 제공할 수 있느냐의 여부이다.
둘째, 영어학습 챗봇은 언어학적, 교수학습 방법론적, 그리고 학습환경적 측면에서 유의미한 활용가능성을 가지고 있는데, 초기 인공지능 기술은 이러한 측면에서 만족스럽지 못하였기 때문에 교육현장에서 제대로 활용되지 못했다는 것이다. 그 구체적인 요인이 바로 언어적 능력의 한계, 개별화 및 적응적 학습 안내 기능 부족, 정서적/감정적 공감 부족, 그리고 학습자와의 상호작용을 위한 효율적인 알고리즘이 개발되지 못했기 때문이었다.
셋째, 그동안 영어학습 챗봇은 그 기능이나 성격에 따라 자유회화용 앱, 토론수업 전용 봇, 그리고 종합적 학습플랫폼에 접목되는 방식으로 별개로 활용되어왔다. 이는 챗봇의 유형, 기능, 그리고 인공지능 기술의 한계성에 의해 특정 영역에만 최적화된 방식으로 적용되었던 것이다.
넷째, 최신 인공지능 기술(자연어 처리, 트랜스포머, 어텐션 기법)을 기반으로 한 ChatGPT는 학습자의 참여도와 자기주도성을 바탕으로 개별적 언어훈련에 활용될 수 있으면서도, 교실학습과 같은 정형화된 환경에 접목해서 활용될 가능성을 가지고 있다. 본고는 그 구체적 방안으로 온/오프라인 플립 러닝 및 온라인 전용 수업에서의 활용방안과 학습자의 학습성취를 평가할 수 있는 방안에 대해 제시하였다.
다섯째, ChatGPT를 온라인 학습플랫폼의 하나인 지능형적응학습의 모형에서 접목시키기 위한 방안을 제시하였다. 이를 위해 지능형 봇, 적응적 학습, 지능형 학습 알고리즘, 그리고 학습의 장이라는 네 가지 요소에 따라 어떻게 ChatGPT를 활용할 수 있는지를 구체적으로 제시하였다.
본고에서 마지막으로 논의한 지능형 적응학습 모형은 최근 외국어교육 영역에서 여러 교육테크 콘텐츠 기업에 의해 다양한 학습 모델 및 알고리즘이 개발되어 활용되어온 바 있다. 하지만, 아직 공립학교 수준에서 보편적이고 체계적으로 도입되어 활용되지 못했던 이유가 바로 인공지능 학습플랫폼 혹은 챗봇의 기술적 한계성 때문이었다. 그 이유는 크게 1) 정규교육과정의 구조나 내용을 제대로 반영하지 못하고 있다는 점, 2) 학습을 안내하는 인공지능 시스템의 알고리즘이 아직 최적화되어 개발되지 못한 점, 3) 학습 목표가 되는 교육 콘텐츠가 인공지능 시스템에 맞게 구축되지 않았다는 점, 4) 아직까지 인공지능 알고리즘이 처음 설계한 상태로 고정되어 운영되기 때문에, 학습자별 사전 정보나 학습 진도 상황에 따라 충분히 적응해 나가는 수준이 아니라는 점, 그리고 5) 인공지능이 아직 빅 데이터나 외부 정보로부터 새로운 지능을 습득하여 진행하지 못하고 있으므로, 새로운 비정형적 콘텐츠나 사용자, 혹은 학습환경을 마주치게 되면, 정보 검출이나 인식 자체가 불가능한 경우도 많이 발생하고 있다는 것이다. 따라서 본고에서 소개한 ChatGPT의 기술적 진보와 그 구체적인 활용 방안은 학교 현장에서의 영어교육 실천에 큰 시사점을 줄 수 있을 것이다.
마지막으로 학교 영어교육에서 ChatGPT를 적극적으로 활용함과 동시에 다음 Table 6에 제시된 사항들을 충분히 고려하여 인공지능 학습 플랫폼의 개선과 보완이 필요함을 강조하고자 한다.
생성형 AI에 기반한 플랫폼을 교실에서의 영어수업에 접목시킬 때는 Table 6에 제시된 바와 같은 데이터 윤리(데이터 수집 및 관리)의 문제, 학습내용의 신뢰성(학습자료나 학습 수행 정보가 얼마나 믿을 만한가), 경제적 문제(비용효과성 및 활용편의성), 기술적 문제(플랫폼 운영의 효율성, 기술적 안정성, 정보보안 문제 등), 그리고 교육적 우려(AI에 대한 의존성, 정보 격차, 교사의 전문성 침해 등)에 대한 문제가 충분히 고려될 필요가 있다. 아울러 ChatGPT와 인공지능 학습플랫폼이 교육현장에 보편적으로 적용되려면 그 운영 환경과 학습자의 개별적 특성 파악, 학습 양식 변화, 그리고 다양한 요구사항들에 지속적으로 적응함으로써 항상 최적화된 서비스를 제공할 수 있는 적응적이고 개방적(open-world)인 학습 알고리즘의 개발이 필요할 것이다.
본 논문은 ChatGPT라는 생성형 인공지능 챗봇이 교실수업을 위한 학습플랫폼으로서 어떤 활용가능성을 가지고 있는지를 이론적으로 탐색하려는 하나의 시도였다. 본문의 이러한 논의는 아직은 이론적 논의를 통해 그 가능성을 탐색하는 개념적 단계이고, 본고에서 제시한 모형이나 수업에의 적용방안은 학교현장에서의 실천적인 연구를 통해 그 타당성이 보다 명확히 확인될 수 있을 것이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
