AIDT 기반 정보 교과 수업 사례 연구 : 학습자 만족도 중심으로 = A Case Study on Informatics Education Based on AIDT: Focusing on Learner Satisfaction

국문 초록 (Abstract)

본 연구는 AIDT(현 AI 디지털 교육자료)를 활용한 중학교 1학년 「정보」 수업 사례를 바탕으로, 학습자 만족도의 수준과 그 형성 요인을 혼합연구로 분석하였다. AI 기반 디지털 교육자료의 도입이 확산되는 가운데, 기존 논의가 정책적 타당성이나 기능 개발, 학업 성취 중심의 효과 검증에 집중되는 경향이 있었다면, 본 연구는 정규 수업 맥락에서 학습자 만족이 어떤 조건에서 형성·강화되거나 불만족으로 전환되는지를 양적·질적 통합 근거로 설명하고자 하였다. 특히 「정보」 교과는 실습–오류–수정의 반복이 학습 구조의 핵심이며, 즉시적 피드백과 학습자 정서(불안·몰입·자기효능감), 그리고 교사의 개입 방식이 학습 경험의 질을 좌우한다는 점에서 AIDT 환경에 대한 경험 기반 분석이 요구된다.
본 연구의 목적을 달성하기 위해 설정한 구체적인 연구문제는 다음과 같다. 첫째, AIDT 기반 정보 수업에서 학습자 만족도의 수준은 어떠한가. 둘째, 학습자가 AIDT 기반 수업에서 만족을 경험하는 주요 요인은 무엇인가. 셋째, 학습자가 AIDT 기반 수업에서 불만족을 경험하는 요인과 개선 방향은 무엇인가. 이를 위해 울산 소재 중학교 1학년 학생을 대상으로 설문조사를 실시하였고, 설문 서술형 응답 전수 자료와 심층 개별 인터뷰 2회 및 포커스 그룹 인터뷰(FGI) 1회 전사 자료, 수업 관찰 기록을 추가로 수집하였다. 양적 자료는 기술통계, 신뢰도 분석, 상관분석, 회귀분석 등을 통해 하위 영역 간 관계와 만족도 관련 요인을 검토하였다. 질적 자료는 설문 서술형 문항과 인터뷰 자료를 개방코딩–범주화–주제 도출 절차로 분석하였으며, 설문·인터뷰 결과를 상호 대조하는 삼각검증을 통해 통합적으로 해석하였다.
연구 결과는 다음과 같다. 첫째, AIDT 기반 정보 수업에서 학습자 만족도는 전반적으로 보통 이상 수준으로 나타났으며, 하위 영역 간 관계에서는 학습 효과 인식과 수업 만족도, 수업 만족도와 정의적 요인(흥미·몰입·자기효능감 등) 간 관련성이 두드러졌다. 또한 시스템 사용 편의성·안정성은 AIDT의 교육적 효과가 실제 경험으로 전환되기 위한 기반 조건으로 확인되었다. 둘째, 만족 요인은 다섯 개 통합 주제로 정련되었다. (1) 자동채점·오류 안내·즉시 피드백 등 즉시성과 시각화에 기반한 인지적 효율성, (2) 개인 진도 조절과 재시도 가능성이 제공하는 학습 통제감 및 비교 부담 완화, (3) AI 지원과 교사 피드백의 결합을 통한 지속 참여와 학습 안정, (4) 실습 중심 문제 해결과 성취 경험의 누적, (5) 대시보드·기록·추천 경로 등 학습 가시화에 기반한 자기조절 경험이 확인되었다. 특히 설문에서 기능적 만족으로 표면화된 진술은 인터뷰에서 ‘반복 질문의 부담 감소’, ‘심리적 안전감’, ‘몰입 경험’ 등 심층 경험으로 확장되었으며, 이는 만족을 단순 호감이나 수용 태도가 아니라 학습 경험의 질(인지·정의·통제감)의 결합으로 이해할 필요가 있음을 보여준다.
셋째, 불만족 및 개선 요구는 다섯 개 상위 주제로 도출되었다. (1) 자동채점 오류·점수 미반영·판정 기준 불명확 등 평가 신뢰성 훼손과 보상 박탈, (2) 접속 지연·세션 만료·저장 실패 등 기술적 불안정성과 학습 흐름 단절, (3) 메뉴 동선·조작성·입력 부담 등 UX 불편, (4) 정오 중심 반복 메시지와 맥락 반영 부족 등 AI 피드백의 설명성 한계, (5) 콘텐츠 난이도 상승 구간 및 학습량 부조화가 확인되었다. 인터뷰에서는 이러한 불만족이 단순 불편을 넘어 ‘손해 경험’(노력의 무효화), ‘몰입 붕괴’(재진입 비용의 증가), ‘또래 비교 불안과 수행 위축’, ‘정서적 안전지대의 결핍’, ‘통제권 부재’로 전환되는 기제가 구체화되었다. 즉, 만족과 불만족은 서로 독립된 요인이 아니라 동일한 기능·운영 조건의 양면으로 작동하며, 기술적 안정성·피드백 설명성·평가 운영·교사 개입이 결합되는 방식에 따라 학습 경험의 질이 크게 달라지는 것으로 해석된다.
종합하면, AIDT 기반 정보 수업에서 학습자 만족은 기술적 기반(접속·저장·반응성 및 사용 편의성) 위에서 인지적 경험(학습 효과 인식, 오류 수정의 명료성)과 정의적 경험(흥미·몰입·자기효능감, 심리적 안전감)이 결합될 때 강화되는 구조로 설명된다. 또한 교사–AI 협력 피드백은 학습자의 좌절을 완충하고 맥락적 이해를 지원하는 핵심 조건으로 확인되었다. 본 연구는 도입 초기 실제 수업 장면에서 만족 및 불만족이 형성·전환되는 조건을 양적·질적 통합 근거로 제시함으로써, 기능·정책 중심의 논의를 교실 수업의 작동 조건 중심 논의로 확장하는 실증적 근거를 제공한다.

다국어 초록 (Multilingual Abstract)

This study employed a mixed-methods design to examine the level of learner satisfaction and its formative factors in middle school first-year “Informatics” classes using AIDT (currently referred to as AI-based digital instructional materials). As the adoption of AI-based digital instructional materials continues to expand, prior discussions have tended to focus on policy justification, feature development, or effect verification centered on academic achievement. In contrast, this study sought to explain—through integrated quantitative and qualitative evidence—under what conditions learner satisfaction is formed and strengthened in the context of regular classroom instruction, and under what conditions it shifts into dissatisfaction. In particular, Informatics is characterized by iterative cycles of practice–error–revision as a core learning structure. Because immediate feedback, learners’ affective states (e.g., anxiety, flow/engagement, and self-efficacy), and teachers’ intervention strategies critically shape the quality of learning experiences, an experience-based analysis of AIDT-supported learning environments is needed.
The study addressed the following research questions: (1) What is the level of learner satisfaction in AIDT-based Informatics classes? (2) What are the key factors that lead learners to experience satisfaction in AIDT-based instruction? (3) What factors contribute to learners’ dissatisfaction in AIDT-based instruction, and what directions for improvement are suggested? To answer these questions, a survey was administered to first-year middle school students in Ulsan. In addition, the full corpus of open-ended survey responses, transcripts from two rounds of in-depth individual interviews and one focus group interview (FGI), and classroom observation records were collected. Quantitative data were analyzed using descriptive statistics, reliability analysis, correlation analysis, and regression analysis to examine relationships among subdomains and factors associated with satisfaction. Qualitative data from open-ended survey items and interview/FGI materials were analyzed through open coding, categorization, and theme development, and were interpreted integratively through triangulation by cross-checking findings across the survey and interviews.
The findings are as follows. First, overall learner satisfaction in AIDT-based Informatics classes was at least moderate, and relationships among subdomains indicated particularly strong associations between perceived learning effectiveness and class satisfaction, and between class satisfaction and affective factors (e.g., interest, engagement/flow, and self-efficacy). System usability and stability were also identified as foundational conditions for translating AIDT’s intended educational benefits into actual learner experience. Second, satisfaction factors were refined into five integrative themes: (1) cognitive efficiency grounded in immediacy and visualization, such as automated scoring, error guidance, and real-time feedback; (2) a sense of learning control and reduced pressure from social comparison, enabled by self-paced progress and opportunities for retry; (3) sustained participation and learning stability through the combined support of AI assistance and teacher feedback; (4) accumulated achievement experiences through practice-centered problem solving; and (5) self-regulated learning experiences supported by learning visibility through dashboards, records, and recommended learning pathways. Notably, statements that appeared as functional satisfaction in the survey expanded in interviews into deeper experiences such as reduced burden of repeated questioning, psychological safety, and immersive engagement. This suggests that satisfaction should be understood not merely as liking or acceptance, but as a combined quality of learning experience encompassing cognitive, affective, and control-related dimensions.
Third, dissatisfaction and improvement needs were derived into five overarching themes: (1) diminished assessment credibility and perceived loss of rewards due to auto-scoring errors, unreflected scores, and unclear scoring criteria; (2) disrupted learning flow caused by technical instability, including access delays, session timeouts, and save failures; (3) UX inconveniences related to navigation, operability,

목차 (Table of Contents)

• I. 서론 1
• 1. 연구의 배경 1
• 2. 연구의 필요성 4
• 3. 연구의 목적 5
• 4. 연구문제 5
• II. 이론적 배경 6
• 1. 인공지능 시대의 교육 패러다임 변화와 AIDT의 도입 배경 6
• 2. AIDT와 AI 코스웨어의 핵심 기능과 학습 지원 구조 7
• 3. 정보 교과의 특성과 AIDT 활용의 교육적 의의 10
• 4. 학습자 만족도의 개념과 AI 기반 학습 환경에서의 적용 의미 12
• 5. AIDT 기반 수업과 학습자 만족도 관련 선행연구 동향 13
• 6. 선행연구 종합 및 본 연구의 방향 15
• III. 연구 방법 17
• 1. 연구 설계 17
• 2. 연구 대상 18
• 3. 수업 설계(처치) 19
• 4. 연구 절차 및 자료 수집 29
• 5. 연구 도구 33
• 6. 자료 분석 방법 38
• IV. 연구 결과 및 논의 46
• 1. 연구문제 1의 결과 통합해석 및 논의: 학습자 만족도 수준 46
• 2. 연구문제 2의 결과 통합해석 및 논의: 학습자 만족 요인 54
• 3. 연구문제 3의 결과 통합해석 및 논의: 불만족 및 개선 요인 65
• 4. 만족도 하위요인별 결과 통합해석 및 논의 78
• 5. 연구문제 간 통합적 논의 82
• 6. 소결(요약) 및 교육적 함의 85
• V. 결론 및 제언 87
• 1. 연구 요약 및 결론 87
• 2. 종합 논의 및 시사점 89
• 3. 연구의 제한점 및 후속 연구 제안 90
• 참고문헌 92
• 부록 96
• ABSTRACT 114