AI 기반 K-MOOC 강좌 설계 모형 개발 = Development of an AI-Based K-MOOC Course Design Model

국문 초록 (Abstract)

본 연구는 한국형 온라인 공개강좌(K-MOOC) 환경에서 교수자의 수업설계 부담을 경감하고 교육 콘텐츠의 질적 수준을 제고하기 위해, 인공지능(AI)을 활용한 교수자 지원 중심의 강좌 설계 모형을 개발하고 그 타당성을 검증하는 데 목적이 있다. 이는 K-MOOC의 고질적 문제로 지적되어 온 개발–운영 간 단절과 교수자의 주도성을 제약하는 협업 구조의 한계를 해결하기 위해, AI를 교수자의 설계 판단을 지원하는 ‘지능형 조력자(Intelligent Facilitator)’로 재개념화하고자 한 시도이다.
연구 방법은 Richey와 Klein(2007)의 설계·개발 연구(Design and Development Research, DDR) 방법론을 적용하였다. 모형 개발 단계에서는 문헌 분석과 K-MOOC 관계자(교수자, 교수설계자, 운영자) 대상 심층 면담을 통해 요구 분석을 수행하였다. 그 결과, 교수자의 인지적 과부하를 초래하는 과도한 콘텐츠 제작 부담, 설계 의사결정 과정에서의 지원 부족, 그리고 운영 과정에서 생성되는 학습 데이터가 차기 설계로 환류되지 못하는 구조적 한계가 핵심 문제로 도출되었다. 이러한 요구 분석 결과를 바탕으로, 본 연구는 교수자의 설계 판단을 체계적으로 지원하기 위한 여섯 가지 설계원리와 절차 모형을 정립하고, 강좌 개발과 운영이 연속적으로 이루어지는 초기 모형(v1.0)을 설계하였다. 특히 초기 모형에서는 AI의 역할을 데이터 분석, 설계 대안 제안, 콘텐츠 생성, 운영 지원 등으로 구체화하여, 교수자의 전 과정 설계 과업을 보조하도록 구조화하였다.
모형 타당화 단계에서는 3차에 걸친 전문가 델파이 조사를 통해 내적 타당성을 확보하였다. 내적 타당화 과정에서 제기된 설계 절차의 복잡성과 AI 역할의 분절성을 반영하여, 모형을 직무 중심이 아닌 과업(Task) 중심의 협업 구조로 재구성하고 개발–운영–환류를 하나의 유기적인 사이클로 통합하였다. 이와 병행하여 최종 모형 확정 전 단계에서 K-MOOC 교수자를 대상으로 실제 강좌 재설계 맥락에 모형을 적용하는 현장 적용성 검토를 실시하여 외적 타당성을 확보하였으며, 이를 통해 설계원리의 현장 적합성을 검증하고 단계별 AI 협업 가이드라인을 정교화하였다. 이 과정에서 교수자의 역할은 단순한 AI 활용자를 넘어, AI 산출물을 비판적으로 선별하고 교육적 가치를 부여하는 ‘큐레이터(Curator)’로 재정립되었다.
연구 결과로 확정된 최종 모형은 주체 기반 협업, 목표–평가–학습활동 간 체계적 정렬성, 심층적 상호작용 및 자기주도학습 촉진, 맥락 인지적 학습 분석, 적시적·순환적 환류, 비판적·윤리적 AI 활용의 여섯 가지 설계원리를 중심으로 구성된다. 또한 최종 모형에 대한 제한적인 현장 적용성 검토를 통해, AI를 활용한 설계 지원이 교수자의 설계 효율성을 제고하고, 운영 데이터를 활용한 강좌 개선이 가능함을 확인하였다.
결론적으로 본 연구는 AI를 교수자의 핵심적인 설계 파트너로 구조화함으로써, 기존의 도구적 활용을 넘어 교수자의 설계 사고를 증강하는 인간–AI 협력형 강좌 설계 패러다임을 구체화하였다. 이는 AIEd 연구의 초점을 학습자 지원을 넘어 교수자의 설계 전문성 영역으로 확장하였다는 점에서 이론적 의의를 지니며, K-MOOC 강좌의 질적 지속 가능성을 확보하기 위한 설계 기준과 플랫폼 고도화 방향을 제시한다는 점에서 실천적·정책적 시사점을 제공한다.

다국어 초록 (Multilingual Abstract)

This study aims to develop and validate an AI-supported course design model centered on instructor support to alleviate instructional design burdens and enhance the quality of educational content in the Korean Massive Open Online Course(K-MOOC) environment. To address the chronic disconnection between course development and operation, as well as structural limitations in collaborative practices that constrain instructor agency, this study reconceptualizes Artificial Intelligence(AI) as an Intelligent Facilitator that supports instructors’ design judgment.
The study adopted the Design and Development Research(DDR) methodology proposed by Richey and Klein(2007). In the model development phase, a needs analysis was conducted through a systematic literature review and in-depth interviews with K-MOOC stakeholders, including instructors, instructional designers, and operators. The analysis identified critical challenges such as excessive content production demands leading to cognitive overload, insufficient support for instructional design decision-making, and structural barriers preventing operational data from being fed back into subsequent design processes. Based on these findings, this study established six design principles and a procedural design structure to systematically support instructors’ design judgment, resulting in the initial model(v1.0). In this model, AI roles were specified to support instructors across the design process through data analysis, design alternative generation, content development support, and course operation assistance.
In the model validation phase, internal validity was established through a three-round expert Delphi survey. Reflecting expert feedback regarding procedural complexity and fragmented AI roles, the model was refined into a task-oriented collaborative structure rather than a job-oriented one, integrating development, course operation, and feedback into a single organic cycle. In parallel, prior to the finalization of the model, a field applicability review was conducted with K-MOOC instructors in an actual course redesign context to address external validity. This process examined the field relevance and applicability of the design principles and contributed to the refinement of the step-by-step AI collaboration guidelines.
Through this refinement, the instructor’s role was redefined as that of a ‘Curator’ who critically selects, interprets, and adds educational value to AI-generated outputs, rather than merely utilizing AI tools.
The finalized model is underpinned by six core design principles: subject-based collaboration, systematic alignment among learning objectives, assessment, and learning activities, facilitation of deep and meaningful interaction, context-aware learning analytics, timely and cyclical feedback, and critical and ethical use of AI. A limited field applicability review further indicated that AI-supported design assistance has the potential to enhance instructors’ design efficiency and support continuous course improvement through the use of operational data.
In conclusion, by structuring AI as a core design partner, this study articulates a Human–AI Collaborative Course Design Paradigm that augments instructors’ design thinking beyond instrumental use. Theoretically, this study extends the focus of AIEd research from learner support to the domain of instructor design expertise.
Practically and at the policy level, it offers design principles and strategic directions for platform advancement to ensure the qualitative sustainability of K-MOOC courses.

목차 (Table of Contents)

• I. 서 론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 과제 4
• 3. 용어의 정의 5
• 가. 한국형 온라인 공개강좌(Korea Massive Open Online Course; K-MOOC) 5
• 나. 인공지능(Artificial Intelligence; AI) 5
• 다. K-MOOC 강좌 설계(K-MOOC Course Design) 5
• 라. AI 기반 강좌 설계 모형(AI-Based Course Design Model) 6
• II. 이론적 배경 7
• 1. K-MOOC의 이해 7
• 가. MOOC의 개념적 이해와 발전 양상 7
• 나. K-MOOC의 구조적 맥락과 설계 환경 12
• 다. K-MOOC 강좌 개발 정책 및 선행연구 고찰 18
• 2. 수업설계 모형 24
• 가. 전통적 수업설계 모형의 특성과 한계 24
• 나. 온라인 학습 환경의 수업설계 모형 28
• 다. 수업설계 모형의 발전과 AI 기반 설계 패러다임으로의 전환 43
• 3. 교육 분야의 인공지능(AI) 활용 47
• 가. 인공지능 활용 교육의 개념과 발전 47
• 나. 인공지능 활용 교육(AIEd)의 주요 연구 영역 49
• 다. AI 기술 발전에 따른 교수학습 패러다임의 전환 53
• 라. 수업설계에서의 AI 활용 영역과 교수자 지원 기능 55
• III. 연구 방법 60
• 1. 설계개발 연구 60
• 2. 연구 절차 61
• 3. 모형 개발 방법 63
• 가. 문헌 분석 63
• 나. 요구 분석 65
• 다. 모형 설계 및 개발 67
• 4. 모형 타당화 방법 68
• 가. 내적 타당화 : 전문가 델파이 조사 69
• 나. 외적 타당화 : 현장 적용성 검토 73
• IV. 연구 결과 76
• 1. 요구 분석 결과 76
• 가. '개발' 단계의 협업의 난제 77
• 나. '운영' 단계의 한계 79
• 다. '개발'과 '운영' 간의 환류 부재 80
• 2. 초기 모형(v1.0) 개발 결과 82
• 가. 구성요소 도출 결과 82
• 나. 핵심 설계원리 및 세부지침 도출 결과 85
• 다. 개념 모형 개발 결과 93
• 라. 절차 모형 개발 결과 95
• 마. AI 지원체계 개발 결과 98
• 3. 모형 타당화 결과 103
• 가. 내적 타당화 : 전문가 델파이 조사 결과 및 수정 사항 103
• 나. 외적 타당화 : 현장 적용성 검토 결과 및 시사점 119
• 4. 최종 설계원리 및 모형(v3.0) 124
• 가. 최종 설계원리 124
• 나. 최종 모형(v3.0) 127
• V. 논의 및 결론 130
• 1. 요약 및 논의 130
• 2. 결론 및 제언 132
• 참고문헌 135
• 부 록 150
• Abstract 191