신재생에너지 교육에서 생성형 AI 활용 수업 설계 원리 개발 = Developing Instructional Design Principles for Using AI in Renewable Energy Education

국문 초록 (Abstract)

인공지능 기술 발전에 따른 디지털 전환, 기후 위기 등 미래 사회의 불확실성이 증가하는 교육환경에서 학습자들은 이러한 불확실성에 능동적으로 대응할 수 있는 역량을 길러야 한다. 이를 위해 인공지능 교육과 생태 전환 교육이 강조되고 있다. 유네스코는 지속가능발전 교육의 중요성을 강조하며 이에 발맞춰 우리나라도 국가 지속가능발전 목표를 설립하고 이를 교육과정에 녹여 그 중요성을 강조하고 있다(유네스코한국위원회, 2021). 특히, 신재생에너지 교육은 지속가능발전 교육의 주요 주제로 화석연료 사용에 따른 에너지 위기와 기후 위기를 극복하는 핵심 대안으로 강조되고 있다. 신재생에너지 교육은 지속 가능한 사회를 실현하기 위해 사회적·환경적·경제적 가치를 이해하고 정책적·기술적 갈등과 타협을 탐색하며 지속 가능한 삶과 연결된 실천적 태도 형성을 목표로 한다. 그러나 기존의 신재생에너지 교육은 교사 중심의 지식 전달에 머무르는 경우가 많아, 학습자의 자기 주도적 탐구와 정의적 역량을 함양하는 데에는 한계가 있다. 이에 목표 기반 시나리오(GBS) 모형을 적용하면 학습자가 실생활과 연결된 문제를 탐구하고 협업하며 역할을 수행하는 과정에서 환경 감수성과 지속 가능한 행동에 대한 실천 의지를 함양시킬 수 있다. 또한, GBS가 갖는 한계를 보완하기 위해 생성형 AI를 활용하면 맞춤형 피드백과 탐구 활동을 지원하여 교수자의 부담을 경감시킬 수 있고 학습자의 환경 감수성을 효과적으로 증진시킨다. 하지만, 현재 ESD 맥락에서 챗봇을 활용한 사례는 드물고 대부분 초등학생을 대상으로 이루어지고 있다. 더욱이 신재생에너지 교육에서 생성형 AI 활용에 대한 실질적인 설계 원리는 부족한 상황이다.
이를 위해 본 연구에서는 중학생을 대상으로 신재생에너지 교육에서 환경 감수성을 증진할 수 있는 생성형 AI 활용 수업 설계 원리와 상세 지침을 개발하고 이를 현장에 적용하여 효과를 검증하였다. 본 연구의 연구 문제는 다음과 같다. 첫째, 신재생에너지 교육에서 생성형 AI 활용 수업 설계 원리와 상세 지침은 무엇인가? 둘째, 신재생에너지 교육에서 생성형 AI 활용 수업 설계 원리와 상세 지침을 적용한 수업은 학습자의 환경 감수성에 어떠한 영향을 미치는가? 셋째, 신재생에너지 교육에서 생성형 AI 활용 수업 설계 원리와 상세 지침을 적용한 수업의 효과와 개선점은 무엇인가?
위 연구 문제를 해결하기 위해 설계 기반 연구(DBR) 방법론을 적용하여 진행하였다. 전문가 집단으로 이루어진 러닝 디자인팀을 구성하여 문헌 고찰과 협의를 통해 설계 원리를 도출하고 검토 및 수정을 통해 초기 설계 원리를 확정하였다. 그 후, 교수자와 설계 원리와 상세 지침을 반영한 교수·학습자료를 개발하고, 중학교 3학년 25명을 대상으로 수업에 적용하였다. 효과성 검증을 위해 환경 감수성 검사를 사전·사후에 실시하고 학습자와 교수자 면담, 수업 관찰, 학습 결과물 등을 수집·분석하였다. 수집된 자료는 양적 자료의 경우 대응 표본 t 검정을 실시하였고, 질적 자료는 Creswell의 주제 분석 절차를 통해 분석하였다. 이를 통해 설계 원리의 효과성과 개선점을 확인하였다.
본 연구의 수업에 활용된 생성형 AI 챗봇은 학습자의 질문에 맞춤형 피드백과 정보를 제공하여 학습자의 자기 주도적 탐구 역량을 증진하도록 설계되었다. 수업은 총 4차시로 진행되었고 세부 진행 과정은 도입, 계획, 탐색, 협업, 실천, 평가 및 성찰의 총 6단계로 구성되었다. 본 수업은 개발된 설계 원리를 반영하여 운영되었으며, 각 설계 원리는 특정 활동 단계에 대응되는 것이 아닌 수업 전반에 걸쳐 유기적으로 통합되어 학습자의 환경 감수성이 증진되고 지속 가능한 행동 의지를 함양하도록 체계적으로 반영되었다. 각 차시에서 학습자는 문제해결과 탐구 활동, 실천 과제를 수행하고, 챗봇과 상호작용 하며 개별화된 학습경험을 가졌다.
연구 결과, 신재생에너지 교육에서 생성형 AI 챗봇 활용한 수업의 11개의 최종 설계 원리와 33개의 상세 지침이 도출되었다. 대응 표본 t 검정 결과, 학습자의 환경 감수성은 통계적으로 유의미하게 향상된 것으로 나타났다. 면담 결과, 학습자들은 생성형 AI 챗봇과 상호작용 경험, 흥미와 동기 유발, 질문 기반 탐구 촉진, 환경 인식과 감수성 향상, 환경 실천 의지 고양 등의 긍정적인 효과를 경험하였으며, 질문 작성의 어려움, 초기 사용의 어색함, 컴퓨터 환경의 불안정성 등을 한계점으로 언급하였다. 교수자는 생성형 AI 챗봇을 활용한 수업이 학습자의 탐구 기반 활동에 실질적인 도움을 주었으며, 학습자의 환경 감수성 함양, 참여도, 정서적 공감 능력의 증진 등 정의적 영역에서의 변화와 실천 중심의 태도 변화를 촉진하였다고 평가하였다. 하지만, 수업 초반에 학습자가 생성형 AI 챗봇과의 상호작용에 적응하는 데 시간이 소요되었고, 일부 학습자는 문제를 해결하는 과정에서 내용을 재구성하는 데 어려움을 겪었다고 언급하였다. 이는 학습자 간의 편차로 인한 연습 기회 부족에서 기인한 것으로 평가되었다. 또한, 교수자는 수업이 개별 활동 위주로 진행되면서 학생 간 협력적인 문제해결 과정이 충분히 이루어지지 않았다는 점을 지적하였다. 이러한 학습자와 교수자의 피드백을 바탕으로 설계 원리를 수정·보완하였으며 최종 설계 원리를 도출하였다. 최종 설계 원리는 ‘교육목표 재설정의 원리’, ‘정서적 공감 유도를 위한 내용 구성의 원리’, ‘탐구 기반 활동의 원리’, ‘실천 연계 활동 유도의 원리’, ‘과정 중심 평가의 원리’, ‘적합한 챗봇 선정의 원리’, ‘챗봇과의 협력 촉진을 위한 스케폴딩 제공의 원리’, ,‘맞춤형 지원 제공의 원리’, ‘교육환경 조성의 원리’, ‘자기 주도 학습 문화 조성의 원리’, ‘협력 문화 조성의 원리’로 구성되었다.
본 연구에서 개발한 설계 원리 및 상세 지침을 반영한 AI 활용 수업은 학습자의 환경 감수성을 향상하는 데 효과적임을 확인할 수 있었다. 또한, 중학생을 대상으로 실제 수업을 설계하고 GBS 모형을 기반으로 한 교육 설계 원리를 도출했다는 점에서 차별성을 가진다. 본 연구는 신재생에너지 교육에서 GBS 모형을 기반으로 수업 흐름을 구조화하고 이를 바탕으로 생성형 AI 활용 수업 설계 원리를 구체화했다는 점에서 의의가 있다. 다만, 향후 연구에서는 다중 순환을 통한 설계 검증과 보완 방안을 반영한 수업의 효과성 검증이 필요하며, 다양한 학교급 및 학년을 대상으로 연구를 확장하고, 장기간 경과 후 학습 지속성과 행동 변화를 추적하는 연구가 이루어질 필요가 있다. 본 연구의 결과는 지속가능발전 교육 분야의 핵심 영역인 신재생에너지 교육에서 생성형 AI 활용 교수·학습의 실천 가능성을 구체화하여 하나의 사례를 제시하고, 현장에 적용이 가능한 체계적 수업 설계 원리와 지침을 마련했다는 점에서 학문적·실천적 의의를 가진다.

다국어 초록 (Multilingual Abstract)

In an educational environment where uncertainties in future society are increasing due to the advancement of artificial intelligence (AI) technology, digital transformation, and climate crisis, learners must develop the capacity to actively respond to such uncertainties. Accordingly, AI education and ecological transition education have been emphasized. UNESCO has highlighted the importance of Education for Sustainable Development (ESD), and in alignment with this, Korea has established its National Sustainable Development Goals and integrated them into the curriculum to emphasize their significance (Korean National Commission for UNESCO, 2021). In particular, renewable energy education has been emphasized as a key topic within ESD and as a critical alternative for overcoming the energy and climate crises caused by fossil fuel use. Its goal is to help learners understand the social, environmental, and economic values of renewable energy, explore policy and technological conflicts and compromises, and cultivate practical attitudes that support sustainable living. However, traditional renewable energy education often remains teacher-centered and knowledge-focused, limiting learners’ self-directed inquiry and affective competencies.
To address these limitations, applying the Goal-Based Scenario (GBS) model can help learners explore real-life problems, collaborate with others, and perform roles, thereby fostering environmental sensitivity and a willingness to take sustainable action. Furthermore, integrating generative AI can compensate for the limitations of GBS by offering personalized feedback and supporting inquiry activities, thereby reducing teachers’ burden and enhancing learners’ environmental sensitivity more effectively. Nonetheless, there are few cases of chatbot use within the ESD context, and most of them target elementary students. Moreover, practical instructional design principles for using generative AI in renewable energy education are currently lacking.
This study aimed to develop instructional design principles and detailed guidelines for applying generative AI in renewable energy education to enhance environmental sensitivity among middle school students and to verify their effectiveness through classroom implementation. The research questions were as follows:
What are the instructional design principles and detailed guidelines for applying generative AI in renewable energy education?
What effects do lessons based on these principles have on students’ environmental sensitivity?
What are the strengths and areas for improvement of the lessons applying these principles?
To address these questions, a design-based research (DBR) methodology was applied. A learning design team composed of experts was formed, and through literature review and consultation, the initial design principles were derived and finalized. Subsequently, instructional materials incorporating these principles and guidelines were developed with a teacher and applied in a class of 25 third-year middle school students. To verify effectiveness, pre- and post-tests measuring environmental sensitivity were conducted, and interviews with learners and the teacher, classroom observations, and student work samples were collected and analyzed. Quantitative data were analyzed using paired sample t-tests, and qualitative data were analyzed following Creswell’s thematic analysis procedure. These analyses confirmed the effectiveness and areas for improvement of the instructional principles.
The generative AI chatbot used in this study’s lessons was designed to enhance learners’ self-directed inquiry skills by providing personalized feedback and information in response to student questions. The lessons were conducted over four sessions, structured into six stages: introduction, planning, exploration, collaboration, practice, and reflection. The instructional principles were not limited to specific stages but were organically integrated throughout the lessons to enhance environmental sensitivity and foster a commitment to sustainable action. During each session, students engaged in problem-solving, inquiry activities, and practical tasks, and interacted with the chatbot to experience personalized learning.
As a result, 11 final instructional design principles and 33 detailed guidelines were derived for using generative AI chatbots in renewable energy education. The results of the paired sample t-test showed a statistically significant improvement in students' environmental sensitivity. Interview findings indicated that learners experienced positive effects such as meaningful interactions with the chatbot, increased interest and motivation, promotion of question-driven inquiry, enhanced environmental awareness and sensitivity, and strengthened willingness to act. However, students also reported difficulties in formulating questions, initial awkwardness in using the chatbot, and unstable computer environments as limitations. The teacher noted that the chatbot-supported lessons effectively aided learners’ inquiry-based activities and promoted affective changes, such as enhanced environmental sensitivity, engagement, and emotional empathy. Nonetheless, some students needed time to adapt to chatbot interactions at the beginning, and others struggled to reorganize content during problem-solving, likely due to individual differences and insufficient practice opportunities. Moreover, the teacher observed that the lesson was heavily focused on individual activities, resulting in a lack of collaborative problem-solving among students. Based on the feedback from learners and the teacher, the design principles were revised and finalized. The final principles include ‘Principle of redefining educational goals’, ‘Principle of emotionally resonant content design’, ‘Principle of inquiry-based activities’, ‘Principle of promoting practice-related activities’, ‘Principle of process-oriented assessment’, ‘Principle of selecting appropriate chatbots’, ‘Principle of providing scaffolding to support collaboration with chatbots’, ‘Principle of offering personalized support’, ‘Principle of creating a supportive learning environment’, ‘Principle of fostering a self-directed learning culture’, ‘Principle of fostering a collaborative learning culture’
The AI-integrated lessons based on these principles were confirmed to be effective in enhancing students’ environmental sensitivity. Moreover, this study distinguishes itself by designing actual lessons for middle school students and deriving GBS-based instructional design principles. The study is meaningful in that it structured lesson flow based on the GBS model and concretized instructional principles for generative AI application. Future research should verify the effectiveness of the design through multiple iterations, expand the study across various school levels and grades, and conduct longitudinal studies to track sustained learning and behavioral change. The results of this study present a practical case for the application of generative AI in renewable energy education—a core area of ESD—and provide systematic instructional principles and guidelines applicable in classroom settings, offering both academic and practical implications.

목차 (Table of Contents)

• 제 1장 서론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 문제 4
• 제 2장 이론적 배경 5
• 1. 지속가능발전 교육(ESD)과 신재생에너지 교육 5
• 가. 지속가능발전과 지속가능발전 교육(ESD) 5
• 나. 신재생에너지 교육의 필요성과 방향 8
• 다. 환경 감수성의 개념과 교육적 의미 10
• 2. 생성형 AI 챗봇의 교육적 활용 12
• 가. 생성형 AI 개념과 주요 특징 12
• 나. 생성형 AI 챗봇의 교육적 활용과 한계 13
• 3. Goal-Based Scenario(GBS) 모형의 개념과 교육적 활용 16
• 가. GBS 모형의 정의 및 구성요소 16
• 나. GBS 모형의 특성과 환경교육에서의 적용 사례 19
• 4. 신재생에너지 교육에서 GBS 기반 생성형 AI 활용 수업 설계의 효과 21
• 가. 지속가능발전 교육에서의 인공지능 활용 사례 21
• 나. 신재생에너지 교육에서 생성형 AI 챗봇 활용의 효과 22
• 다. 신재생에너지 교육에서 생성형 AI를 활용한 GBS기반 수업 설계의 효과 24
• 제 3장 연구 방법 26
• 1. 연구 참여자 26
• 가. 전문가 참여자 26
• 나. 현장 적용 참여자 27
• 2. 연구 절차 28
• 가. 설계 기반 연구(DBR) 절차 28
• 나. 현장 적용을 위한 수업 절차 33
• 3. 학습 도구 40
• 4. 자료 수집 및 분석 41
• 가. 자료 수집 41
• 나. 자료 분석 42
• 제 4장 연구 결과 43
• 1. 최종 수업 설계 원리 및 상세 지침 도출 43
• 2. 수업의 효과성 51
• 가. 환경 감수성 사전·사후 검사 결과 51
• 나. 학습자 면담 결과 52
• 다. 교수자 면담 결과 55
• 제 5장 논의 및 결론 58
• 1. 연구의 교육적 시사점 58
• 2. 연구의 제한점 및 후속 연구 제언 60
• 참고문헌 62
• 부록 71
• Abstract 88