복잡계를 통해 고찰한 미래 지리교육 : 생성형 AI 기반 창발적 학습망의 재구성 = Rethinking Future Geography Education through Complexity: Reweaving Emergent Learning Web with Generative AI

국문 초록 (Abstract)

본 연구는 복잡계 이론에 기반하여 인공지능(AI) 시대에 요청되는 미래 지리교육의 혁신 방향을 탐색하고, 생성형 AI와 창발적 학습망 개념을 결합하여 미래 지리교육의 재구성 방향과 대안을 모색한다. 구체적으로 본 연구는 복잡성 교육 패러다임 전환의 필요성을 논의하고, 이에 기반해 지리지식과 지리학습을 재개념화하며, 생성형 AI를 행위적 주체(agency)로 포함하는 창발적 학습망 관점에서 지리교육을 재구성하는 것을 목적으로 한다. 이를 바탕으로 본 연구는 다음의 연구 문제를 설정하였다. 첫째, 복잡성 교육 패러다임의 관점에서 지리지식과 지리학습은 어떻게 재개념화될 수 있으며, 이러한 관점은 창발적 학습망 개념 정립에 어떠한 이론적 근거를 제공하는가? 둘째, 생성형 AI는 지리 학습망 내에서 존재론적·인식론적·윤리적 층위에서 어떠한 교육적 위상과 역할을 갖는가? 셋째, 생성형 AI 기반 창발적 학습망은 지리 학습을 어떻게 재구성하며, 이는 미래 지리교육의 방향에 어떠한 함의를 갖는가? 이를 분석하기 위해 본 연구는 국내·외 단행본, 학술논문, 학위논문을 중심으로 문헌을 수집·검토하고, 교육부·한국교육개발원·UNESCO 등 관련 기관의 보고서 자료를 보조적으로 활용하였다. 분석 방법으로는 이론적 탐색과 개념 분석을 기본으로 하되, 은유적 분석과 가상 수업 시나리오 구성을 병행하여 논의를 전개하였다. 본 연구는 인공지능 시대 지리교육에서 생성형 AI, 복잡성 교육 패러다임, 지리교육 담론을 통합적으로 고찰하여 ‘생성형 AI 기반 창발적 학습망’의 이론적 토대를 정립하고, 향후 현장 기반 지리교육 연구를 위한 철학적·방법론적 기반과 개념적 틀을 제시하는 기초 연구로서의 의의를 갖는다. 본 연구의 논의는 ① 복잡성 지리교육 패러다임의 전환, ② 생성형 AI의 지리교육적 위상 재배치, ③ 생성형 AI 기반 창발적 학습망의 재구성 및 실천이라는 세 축을 중심으로 구성되며, 이러한 논리적 구성에 따라 본 연구의 결과는 다음의 세 가지로 요약된다. 첫째, 본 연구는 교육 패러다임의 변화를 지식·학습 개념으로 포착하여 현행 지리교육 체제를 비판적으로 진단하고, 복잡성 패러다임으로의 전환 필요성을 제기하였다. 이를 위해 표준화 및 구성주의 교육 패러다임의 관점에서 현행 지리교육의 한계를 검토한 결과, 지리교육이 여전히 표준화된 목표와 선형적 절차에 의존함으로써 지리 현상의 역동성과 복합적 맥락을 학습 과정에 충분히 반영하지 못하는 문제가 드러났다. 아울러 학습을 인간 중심의 인지적 활동으로만 환원함으로써, 인간–비인간 요소들의 상호작용과 관계망 속에서 생성·변형되는 지리지식을 포착하는 데 제약이 있음을 확인하였다. 이러한 한계를 넘어, 지식과 학습을 관계적·과정적 생성물로 재사유하게 하는 복잡성 교육 패러다임은 인공지능 시대 미래 지리교육의 혁신 방향을 탐색하는 데 중요한 통찰을 제공한다. 즉, 미래지향적 복잡성 지리교육은 끊임없이 변화하는 세계 속에서 의미와 실천이 상호작용을 통해 창발하는 학습을 전제하며, 이를 자기조직화되는 학습 과정으로 설계할 것을 요구한다. 이를 위해 지리 학습은 학습자의 일상적 삶의 맥락과 연결된 탐구를 기반으로 학습자의 역능을 강화(empowerment)하고, 미래 사회가 요구하는 지리적·시민적 역량이 실천 속에서 형성되도록 구성되어야 한다. 나아가 인간–비인간 존재를 포괄하는 관계적 지리사고와 주변화된 지식의 포용을 토대로 회복적 지리교육을 실천함으로써, 미래 지리교육의 지속 가능한 혁신을 위한 대안적 방향을 제시한다. 둘째, 본 연구는 생성형 AI의 교육적 위상을 존재론적·인식론적·윤리적 층위에서 다층적으로 분석하여, 지리 학습망 속 행위적 주체(agency)로 재배치하였다. 인공지능 기술의 비약적 발전과 디지털 변혁은 교육 목적과 지리지식·학습의 메커니즘, 교육적 주체의 구성 방식 전반의 재구성을 요구한다. 이러한 흐름 속에서 생성형 AI 관련 지리교육 연구가 확산되고 있으나 기존 논의는 교육과정 내용이나 교수·학습 방법의 개선에 주로 집중해 왔으며, 생성형 AI의 관계적 역동성과 교육적 위상을 통합적으로 조망한 연구는 제한적이다. 이에 본 연구는 생성형 AI를 단순한 학습 지원 도구가 아니라, 인간·비인간·기술·환경이 얽힌 학습망에서 상호작용을 매개하고 학습의 흐름을 변형시키는 행위적 주체(agency)로 개념화하여 지리교육 통합 논의를 위한 핵심 이론적 토대로 활용하였다. 분석 결과 생성형 AI는 학습망 속에서 비선형적 상호작용을 매개하며 새로운 패턴과 의미의 창발을 유도하는 관계적·프랙탈적 존재로 재구성되었다. 특히 창발적 학습망에서 생성형 AI는 맥락 기반 맞춤형 응답, 멀티턴 상호작용, 멀티모달 정보 생성 등을 통해 학습의 다양성·잉여성·근접 상호작용을 강화함으로써 창발의 잠재성을 촉진하는 행위적 주체(agency)로 기능한다. 나아가 지리 탐구, 토의·토론, 프로젝트 학습 등 복잡성 지리교육의 실천 장면에서 생성형 AI는 인식 촉진자, 탐구 확장자, 학습 조력자로 작동할 수 있음을 제시하였다. 이는 지리교육에서 생성형 AI의 통합 논의를 이론적 수준에 머무르지 않고 학습 설계와 수업 실행의 수준으로 확장할 수 있음을 시사한다. 셋째, 본 연구는 지리 학습을 생성형 AI 기반 창발적 학습망 관점에서 재구성하고, 이를 수업 장면으로 구현하여 복잡성 지리교육의 적용 방안과 실천 과제를 탐색하였다. 거시적 메커니즘 분석에 치우친 기존 복잡계 연구의 한계를 보완하기 위해 지리 교과의 복잡성과 생성형 AI의 역동성을 고려하면서 UDL 원리를 복잡계적 학습 메커니즘과 통합하여 중층적 스케일의 수업 설계 틀을 제시하였다. 생성형 AI 기반 창발적 학습망은 행위적 주체(agency)들의 상호의존적 연결과 자기조직화를 통해 의미와 산출물이 생성·변형되는 학습 생태계이며, 지리교육의 메타적 설계 원리이자 관계적 플랫폼으로 규정된다. 궁극적으로 복잡성 지리교육은 삶의 맥락 속에서 관계 맺기와 공동 생성을 통해 공진화를 지향한다. 연구 결과, 생성형 AI 기반 창발적 학습망은 지리적 난제(wicked problems)를 다루고 다중 스케일의 관계성을 탐구하는 복잡성 지리교육에 적용될 수 있으며, 생성형 AI가 결합된 학습 과정의 복잡한 상호작용을 이해하고 학습의 창발을 촉진하는 데 기여 가능한 것으로 나타났다. 또한 복잡성 지리교육은 교사·학생·생성형 AI 등 교육 주체 간 관계를 재구성하고 실제 교육 맥락에서 역동적 지리학습의 실천적 함의를 도출함으로써 미래 지리교육 혁신에 대한 주요한 통찰을 제공한다. 오늘날 학교교육은 표준화 패러다임에 기반한 구조적 한계 속에서 교육 불평등 심화와 사회적 양극화라는 도전에 직면해 있다. 본 연구는 이러한 위기 상황을 전환의 계기로 해석하고 상호 연결성·순환성·통합성의 관점을 강조하는 복잡성 교육 패러다임으로의 전환을 촉구한다. 이에 따라 미래 지리교육은 새로운 인식론적 틀 위에서 재사유되고, 재설계되며, 실천 전략으로 구체화될 필요가 있다. 본 연구는 인공지능 시대의 거대한 흐름 속에서 복잡성 교육 패러다임으로의 전환을 촉구하고, 생성형 AI와 복잡성 교육을 통합한 미래 지리교육의 실천 방향을 제안하였다는 점에서 이론적 의의를 지닌다. 또한 미래 지리교육에서 교사는 복잡성을 다루는 감응적 조율자, 학생은 의미 생성에 참여하는 능동적 주체, 생성형 AI는 확장적 학습을 촉진하는 행위적 조력자로 역할을 재정립함으로써, 미래 지리학습을 삶과 앎이 공진화(co-evolution)하는 학습 생태계로 재구성할 수 있는 이론적·실천적 토대를 마련하였다. 결론적으로 불확실성이 상존하는 교육 환경 속에서도 생성형 AI와 창발적 학습망은 현행 지리교육의 구조적 한계를 보완하고 미래 지리교육의 혁신적 전환을 촉진하는 핵심 동력으로 기능할 것으로 기대된다. 주요어: 복잡계, 복잡성 지리교육 패러다임, 지리교육, 생성형 AI, 창발적 학습망, 자기조직화, 창발, 프랙탈, 지리지식, 지리 학습, 지리적 사고

다국어 초록 (Multilingual Abstract)

This study, grounded in complexity theory, explores directions for innovating future geography education in an era shaped by artificial intelligence (AI). By integrating generative AI(Gen AI) with the concept of an emergent learning web, the study seeks to propose a reconstructive orientation and viable alternatives for future geography education. Specifically, it argues for the necessity of shifting toward a complexity education paradigm, reconceptualizes geographical knowledge and geographical learning accordingly, and reconstructs geography education through an emergent learning web that incorporates Gen AI as an agency. The study addresses three research questions: (1) How can geographical knowledge and geographical learning be reconceptualized from the perspective of the complexity education paradigm, and what theoretical grounds does this perspective provide for conceptualizing an emergent learning web? (2) What educational status and roles does Gen AI hold within a geographical learning web across ontological, epistemological, and ethical dimensions? (3) How does a Gen AI–based emergent learning web reconfigure the content, process, and environment of geographical learning, and what implications does this hold for the direction of future geography education? To answer these questions, this theoretical and conceptual inquiry collected and reviewed domestic and international books, journal articles, and theses, supplemented by reports from relevant institutions (e.g., the Ministry of Education, the Korea Educational Development Institute, and UNESCO). The analysis was conducted primarily through theoretical exploration and concept analysis, complemented by metaphorical analysis and the construction of a hypothetical lesson scenario. As a foundational study, this research establishes the theoretical basis of a ‘Gen AI–based emergent learning web’ by integratively examining Gen AI, the complexity education paradigm, and geography education discourse. It further proposes philosophical and methodological foundations and a conceptual framework for future field-based research in geography education. The discussion is organized around three axes: (1) a paradigm shift toward complexity geography education, (2) repositioning the educational status of Gen AI in geography education, and (3) reconstructing and enacting a Gen AI–based emergent learning web. Based on this logical structure, the findings of this study can be summarized into the following three points. First, the study diagnoses the limitations of current geography education by reading changes in educational paradigms through shifting conceptions of knowledge and learning. From the perspectives of standardized and constructivist paradigms, current geography education still tends to rely on standardized goals and linear procedures, thereby failing to sufficiently represent the dynamic and contextual complexity of geographical phenomena. It also remains constrained by an epistemological frame that reduces learning to human-centered cognitive activity, limiting its ability to capture geographical knowledge as something generated and transformed through networks of human–nonhuman interactions. In contrast, the complexity education paradigm offers key insights for innovating future geography education by rethinking knowledge and learning as relational and processual. Future-oriented complexity geography education presupposes learning in which meaning and practice emerge through interaction and calls for designing learning as a self-organizing process. Accordingly, geographical learning should be designed to strengthen learner’s empowerment by connecting inquiry to the contexts of everyday life and to cultivate geographical and civic competencies through practice. Moreover, by enacting restorative geography education grounded in relational geographical thinking that includes human and nonhuman agents and embraces marginalized knowledges, an alternative pathway for sustainable innovation in future geography education can be articulated. Second, the study analyzes the educational status of Gen AI across ontological, epistemological, and ethical layers and repositions it as an agency within a geographical learning web. While research on Gen AI in geography education has expanded, existing discussions have largely focused on curriculum content or instructional methods, and relatively few studies have examined Gen AI’s relational dynamics and educational status in an integrated manner. This study conceptualizes Gen AI not merely as a learning-support tool but as an agential subject that mediates interactions and reshapes the flow of learning within networks entangling human, nonhuman, technological, and environmental elements. The analysis suggests that Gen AI can be reconstructed as a relational and fractal being that mediates nonlinear interactions and induces emergent patterns and meanings. In an emergent learning web, Gen AI may enhance diversity, redundancy, and neighbor interactions through context-based adaptive responses, multi-turn interaction, and multi-modal information generation, thereby fostering the potential for emergence. In practice-oriented scenes of complexity geography education—such as geographical inquiry, discussion and debate, and project-based learning—Gen AI can function as a facilitator of sense-making, an expander of inquiry, and a learning mediator. This indicates the possibility of extending discussions of Gen AI integration beyond theory toward the levels of instructional design and classroom enactment. Third, based on the preceding theoretical discussions, the study reconstructs geographical learning through a generative AI–based emergent learning web and explores practical applications and implementation tasks for complexity geography education. To address limitations in complexity research that often remains at a macro-level analysis of learning systems, the study integrates Universal Design for Learning (UDL) principles with complexity-based learning mechanisms while considering both the intrinsic complexity of geography as a discipline and the dynamics of Gen AI. In this view, a Gen AI–based emergent learning web is defined as a learning ecology in which multiple agency are interdependently connected, self-organize, and generate and transform meanings and outcomes. It is also positioned as a meta-level design principle for geography education and a relational platform where diverse teaching–learning activities converge, connecting theory and practice in an integrative dimension. Ultimately, complexity geography education aims to become a space for relational engagement and co-creation in the context of lived experience, orienting toward co-evolution. The findings suggest that a Gen AI–based emergent learning web can be applied to complexity geography education that addresses wicked problems and investigates multi-scale relationality, contributing to understanding the complex interactions of AI-integrated learning processes and fostering emergence. Furthermore, by reconfiguring relationships among educational participants and deriving practical implications for dynamic geographical learning in real educational contexts, complexity geography education provides meaningful insights for innovating future geography education. Contemporary schooling faces serious challenges, including deepening educational inequality and social polarization, within structural constraints shaped by standardized paradigms. This study interprets such crises as opportunities for transformation and calls for a shift toward the complexity education paradigm emphasizing interconnectedness, circularity, and integrative thinking. Accordingly, future geography education should be rethought, redesigned, and operationalized as actionable strategies on a new epistemological foundation. In sum, this study holds theoretical significance in urging a paradigm shift toward complexity education and proposing a practical direction for future geography education that integrates Gen AI with complexity education. By redefining the roles of key educational participants—teachers as affective coordinators of complexity, students as active subjects participating in meaning-making, and Gen AI as an agential mediator that promotes expansive learning—the study provides theoretical and practical grounds for reconstructing geography learning as a learning ecology in which life and knowledge co-evolve. Even under conditions of uncertainty, Gen AI and emergent learning webs are expected to function as key drivers that complement structural limitations of current geography education and facilitate its innovative transformation. Keywords: complexity; complexity geography education paradigm; geography education; generative AI; emergent learning web; self-organization; emergence; fractal; geographical knowledge; geographical learning; geographical thinking.

목차 (Table of Contents)

• 1. 서론 1
• 가. 연구의 배경 및 필요성 1
• 나. 연구 목적 및 연구 문제 4
• 1) 연구 목적 4
• 2) 연구 문제 5
• 다. 연구 방법 및 연구 구성 6
• 1) 연구의 성격 6
• 2) 자료 수집 6
• 3) 분석 방법 7
• 가) 패러다임 개념 분석과 교육 패러다임 비판적 분석 7
• 나) 생성형 AI의 다층적 분석과 지리교육의 위상 정립 8
• 다) 생성형 AI 기반 창발적 학습망의 메커니즘 분석과 지리교육 재구성 9
• 4) 연구 구성 11
• 라. 본 연구에서 사용하는 주요 개념의 정의 13
• 1) 복잡계(complexity) 13
• 2) 행위적 주체(agency) 13
• 3) 창발적 학습망(emergent learning web) 15
• 2. 이론적 배경 16
• 가. 패러다임 개념과 교육 패러다임의 이해 16
• 1) 패러다임 개념의 변천 16
• 2) 표준화 교육 패러다임으로 본 지리교육의 한계 20
• 3) 구성주의 교육 패러다임으로 본 지리교육의 한계 25
• 나. 생성형 AI와 교육: 개념 및 연구 동향 32
• 1) 생성형 AI의 개념과 작동 원리 32
• 2) 생성형 AI 관련 교육․지리교육 연구 동향과 시사점 35
• 다. 복잡계와 교육: 개념 및 연구 동향 41
• 1) 복잡계와 복잡성 이론의 개념 및 특성 41
• 2) 복잡성 이론 기반 교육지리교육 연구 동향과 시사점 45
• 라. 학습망 개념의 지리교육적 재해석과 함의 48
• 1) Illich의 학습망 개념과 특성 48
• 2) 학습망의 지리교육적 재해석과 함의 50
• 마. 소결 52
• 3. 생성형 AI 기반 창발적 학습망의 지리교육 이론적 재구성 54
• 가. 복잡성 교육 패러다임에 따른 지리지식․학습 재개념화 54
• 1) 복잡성 교육 패러다임의 특성과 지리지식․학습의 재개념화 54
• 2) 복잡성 교육 패러다임 기반 지리교육의 방향 제안 64
• 나. 생성형 AI의 지리교육 위상 정립 72
• 1) 생성형 AI의 지리교육적 위상 72
• 가) 존재론적 층위 73
• 나) 인식론적 층위 75
• 다) 윤리적 층위 82
• 2) 생성형 AI의 지리교육 통합 방안과 효과 86
• 다. 지리교육 이론적 재구성 89
• 1) 생성형 AI 기반 창발적 학습망의 개념과 구조 89
• 2) 생성형 AI 기반 창발적 학습망을 통해 본 지리학습 메커니즘 96
• 라. 소결 107
• 4. 생성형 AI 기반 창발적 학습망의 지리교육 적용과 실천 109
• 가. 가상 수업 시나리오를 통해 살펴본 지리교육 적용 방안: 보편적 학습 설계의 보조적 활용 109
• 1) 지리교육 적용을 위한 보편적 학습 설계의 보조적 활용 109
• 2) 메타적 수업 설계 원리로서의 지리교육 적용 방안 118
• 3) 가상 수업 시나리오로 구체화한 지리교육 적용 방안 121
• 나. 지리교육적 함의와 실천 과제 126
• 1) 지리교육적 함의 126
• 2) 실천 과제 129
• 다. 소결 132
• 5. 결론 134
• 가. 연구 결과 요약 및 시사점 134
• 1) 연구 결과 요약 134
• 2) 시사점 137
• 나. 연구의 한계 및 후속 연구 제안 138
• 참고문헌 141
• Abstract(영문초록) 153