생성형 AI 활용 사례기반추론 시스템 개발 연구 : 데이터 기반 과학탐구 수업 지원을 중심으로 = A Development Study of Generative AI-Integrated Case-Based Reasoning System: Focusing on Support for Data-Driven Science Inquiry Teaching

국문 초록 (Abstract)

최근 데이터 집약적 과학(data-intensive science)으로의 연구 패러다임 전환은 학교 교육에서도 데이터 기반 과학탐구(data-driven science inquiry)를 핵심 수업방식으로 채택할 것을 요구한다. 그러나 데이터 기반 과학탐구의 중요성에 대한 인식과 달리, 이를 실제 수업으로 구현하는 과정은 교사에게 상당한 인지적·실천적 부담으로 작용하고 있다. 데이터 기반 과학탐구는 수업 상황마다 데이터의 특성, 학습자의 수준, 기술 환경이 달라지는 비구조화된 문제상황을 내포하기 때문에 높은 수준의 교사 전문성을 요구한다. 변화 요인이 많고 예측이 어려운 수업 상황에서는 일반화된 원리나 절차적 지침만으로는 원활한 수업 운영을 충분히 지원할 수 없다. 따라서 교사는 유사한 상황에서의 실제 수업 경험, 즉 사례 기반 지식에 의존하게 된다.
사례기반추론(case-based reasoning, CBR)은 이러한 교사의 문제해결 방식을 이론적으로 설명하는 접근으로서 과거의 유사한 사례를 토대로 현재의 문제를 해결하기 위한 추론 활동을 의미한다. CBR은 학습, 업무 수행, 조직 관리, 공학적 설계 등 다양한 분야에서 발전해 왔으며, 교육 분야에서도 CBR 시스템 도입을 통해 학습 성과 향상, 문제 해결력 증진, 실천적 성찰 강화 등의 교육적 효과가 보고되었다.
한편, 생성형 AI는 지식 습득 지원, 성찰 촉진, 맞춤형 피드백 제공 등 사고의 확장을 돕는 도구로서 그 교육적 가능성이 주목받고 있다. 그러나 선행연구들은 CBR 시스템과 생성형 AI의 개별적 효과를 규명하는 데 그쳤을 뿐, 두 기술을 연계한 확장된 교수·학습 지원 체계가 어떠한 교육적 가치를 창출하는지에 대해서는 충분히 설명하지 못하였다. 특히 교사는 급변하는 기술 환경에 적응해야 하는 학습자인 동시에 교수 설계자임에도 불구하고, 전문성 함양을 위한 기술 지원 연구에서는 상대적으로 소외되어 왔다.
본 연구는 교사를 학습의 주체로 재조명하고, 데이터 기반 과학탐구 수업 맥락에서 교사 공동체의 CBR과 지식 공유를 통해 전문성 함양을 지원하는 방안을 모색하였다. 이를 위해 설계기반연구 방법론을 적용하여 생성형 AI 활용 CBR 시스템을 개발하고 교육적 효과를 검증하였다. 구체적인 연구문제는 1) 데이터 기반 과학탐구 수업을 위한 생성형 AI 활용 CBR 시스템의 개념모형과 설계원리는 무엇인가, 2) 데이터 기반 과학탐구 수업을 위한 생성형 AI 활용 CBR 시스템의 기능과 특징은 무엇인가, 3) 교사는 데이터 기반 과학탐구 수업을 위한 생성형 AI 활용 CBR 시스템을 어떻게 활용하는가, 4) 데이터 기반 과학탐구 수업을 위한 생성형 AI 활용 CBR 시스템의 효과와 개선점은 무엇인가로 상정하였다.
시스템을 개발하기 위해 문헌 고찰과 사례 분석을 실시하였고, SW 개발자와 현장전문가와의 협업을 통해 개념모형과 설계원리 초안을 도출하였다. 이후 두 차례의 설계기반연구 순환 과정을 거쳐 시스템을 개발하고 효과를 검증하였다. 연구 참여를 희망한 교사들을 대상으로 시스템 활용 교육을 실시하고 3주간 실제 수업에 적용하도록 하였으며, 교사의 동기와 과학교수효능감 사전·사후 설문 및 면담, 로그 데이터 분석을 실시하였다. 중도 이탈자를 제외하고 최종적으로 설계기반연구의 순환Ⅰ에서는 40명의 교사가, 순환Ⅱ에서는 35명의 교사가 연구에 참여하였다. 수집된 설문, 면담, 로그 데이터를 분석하여 시스템의 효과와 개선점, 활용 양상을 도출하였다. 그리고 연구결과를 통해 귀납적으로 개념모형과 설계원리를 확정하였다.
최종 도출된 개념모형은 CBR 시스템과 사용자와의 상호작용이 ‘사례 검색’, ‘사례 평가 및 저장’, ‘사례 개선’, ‘사례 등록’의 맥락으로 구조화되었다. 시스템의 설계원리는 ‘CBR 시스템 환경 설계’, ‘사례도서관 아키텍처 설계’, ‘LLM의 활용과 성능개선’, ‘사례구성 및 관리’, ‘상호작용 피드백 설계’의 5개 구성요소에 대해 11개 설계원리와 31개 상세지침으로 구성되었다.
본 시스템은 생성형 AI와 CBR의 결합을 위해 검색증강생성(retrieval-augmented generation, RAG) 기술을 도입하여 대화형 상호작용과 근거 기반의 사례 생성을 핵심 기능으로 제공한다. 또한 메타인지 촉진 피드백과 게이미피케이션 전략을 포함하여 상호작용을 활성화하고 지속 가능한 시스템 발전을 지원하였다.
교사들은 '수업 설계', '교수 방법', '내용 이해', '평가 설계', '시스템 이해' 등 다양한 목적으로 시스템을 활용하였으며, 특히 '수업 설계'와 '교수 방법'에 관한 질문이 주를 이루었다. 설계기반연구의 두 차례 순환 모두에서 시스템 활용 후 교사의 동기와 과학교수효능감이 유의미하게 향상되었다. 면담을 통해 교사가 시스템을 인지적 파트너로 활용하여 체계적인 과학탐구 수업 운영과 새로운 교수적 실천에 도전하였음을 확인하였다.
본 연구는 다음과 같은 점에서 의의를 갖는다. 첫째, 생성형 AI와 CBR의 상호보완적 결합을 통해 CBR 연구를 이론적·기술적으로 확장하였다. 이를 통해 사용자-시스템 상호작용의 질적 전환, 사례도서관 구축의 패러다임 변화, 사용자 역할의 재구성, 지속 가능한 참여 촉진, 메타인지 지원이라는 다차원적 설계를 실현하여 변혁적인 교사 학습 생태계를 제시하였다. 둘째, 데이터 기반 과학탐구 수업 맥락에서 교사의 질문을 통해 CBR 활동을 실증적으로 분석함으로써, CBR 연구의 지평을 교육현장으로 확대하였다. 셋째, 비구조화된 복합적 문제 상황에서 교사 전문성을 강화하기 위한 실천적 대안을 제시하였으며, 이를 구현한 구체적 사례를 제공하였다는 점에서 의미가 있다.

다국어 초록 (Multilingual Abstract)

The recent paradigm shift toward data-intensive science has prompted schools to adopt data-driven science inquiry(DSI) as a core instructional approach. However, despite the growing recognition of its importance, implementing DSI in actual classrooms presents significant cognitive and practical challenges for teachers. DSI involves ill-structured problem situations where data characteristics, student levels, and technological environments vary, necessitating a high degree of teacher expertise. In such dynamic settings, general principles or procedural guidelines often prove insufficient. Consequently, teachers increasingly rely on case-based knowledge-experiential wisdom drawn from analogous situations in classroom practice.
Case-based reasoning (CBR) represents a theoretical approach that explains problem-solving processes through reasoning activities grounded in past analogous cases to address current challenges. CBR has evolved across multiple levels of practice, including individual learning, workplace performance, organizational management, and engineering design. Within educational contexts, research implementing CBR systems has demonstrated various educational effects, including improved learning outcomes, enhanced problem-solving competence, and strengthened reflective practice.
Meanwhile, generative AI(GenAI) has garnered attention for its educational potential as a tool supporting knowledge acquisition, promoting reflection, and providing personalized feedback to facilitate cognitive expansion. However, existing research has primarily addressed the individual effects of CBR systems and GenAI separately, falling short of explaining what educational value emerges when these two technologies are integrated into an extended teaching and learning support system. Furthermore, although teachers assume dual roles as learners adapting to rapidly evolving technological environments and instructional designers, research on technology-mediated support for their professional development has remained relatively neglected.
This study repositioned teachers as active subjects of learning and explored approaches to support their professional development through CBR and knowledge sharing within teacher communities. Employing design-based research(DBR) methodology, we developed a GenAI-integrated CBR system and validated its effectiveness. The research questions focus on: (1) the conceptual model and design principles, (2) functional characteristics, (3) patterns of teachers’ utilization, and (4) educational effects and areas for improvement.
System development involved conducting literature review and case analysis, collaborating with software developers and field experts to derive an initial conceptual model and design principles. The system's effectiveness was validated through two cycles of DBR. Teachers participating in the study received training on system utilization and implemented it in their classroom practice over a three-week period. Changes in teachers' motivation and science teaching efficacy were analyzed through pre- and post-intervention surveys and interviews. The conceptual model and design principles were finalized inductively based on research findings.
The finalized conceptual model structured user-system interaction within CBR into four contexts: 'case retrieval,' 'case evaluation and retain,' 'case revise,' and 'case registration.' The system's design principles were derived and articulated into 11 design principles and 31 detailed guidelines across five components: 'CBR system environment design,' 'case library architecture design,' 'LLM utilization and performance enhancement,' 'case composition and management,' and 'interaction feedback design.'
The system integrates retrieval-augmented generation (RAG) technology to combine GenAI and CBR, offering dialogue-based interaction and evidence-grounded case generation as core functions. Additionally, it incorporates metacognitive feedback strategies and gamification elements to activate interaction and support sustainable system development.
Teachers utilized the system for diverse purposes including 'instructional design,' 'teaching methods,' 'content understanding,' 'assessment design,' and 'system understanding,' with questions about 'instructional design' and 'teaching methods' predominating. In both research cycles, teachers' motivation and science teaching efficacy showed significant improvement after system use. Through interviews, we confirmed that teachers leveraged the system as a cognitive partner to implement systematic science inquiry instruction and experiment with novel pedagogical approaches.
This research contributes in three significant ways. First, through the synergistic integration of GenAI and CBR, it extends CBR research theoretically and technologically. This integration realizes a multidimensional design encompassing qualitative transformation of user-system interaction, paradigm shifts in case library construction, reconceptualization of user roles, promotion of sustainable participation, and metacognitive support, thereby establishing a transformative teacher learning ecosystem. Second, by empirically analyzing CBR activities through teachers' questions within data-driven science inquiry contexts, the study expands CBR research horizons into authentic educational settings. Third, it offers practical alternatives for strengthening teacher expertise in ill-structured, complex problem situations and provides concrete implementation examples of these alternatives, thereby contributing meaningfully to the field.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 문제 5
• 3. 용어의 정의 6
• 가. 데이터 기반 과학탐구 6
• 나. 사례기반추론 시스템 6
• 다. 생성형 AI 7
• Ⅱ. 이론적 배경 8
• 1. 데이터 기반 과학탐구 수업 8
• 가. 과학탐구 패러다임 변화와 데이터 기반 접근 8
• 나. 데이터 기반 과학탐구의 개념과 특징 10
• 다. 데이터 기반 과학탐구 수업의 어려움 12
• 라. 데이터 기반 과학탐구 수업 지원의 기대 효과 15
• 2. 사례기반추론 시스템 18
• 가. 사례기반추론 시스템의 개념과 이론 19
• 나. 사례기반추론 절차와 사례기반추론 시스템의 개발 25
• 다. 사례기반추론 시스템의 사례와 교육적 의미 36
• 3. 생성형 AI 적용 사례기반추론 시스템 50
• 가. 생성형 AI의 교육적 활용과 교사 지원 체제 50
• 나. 생성형 AI 활용 사례기반추론 시스템의 특징 52
• 다. 검색증강생성(RAG)과 사례기반추론 시스템 55
• Ⅲ. 연구방법 59
• 1. 설계기반연구 59
• 2. 연구 참여자 63
• 가. TEACHAT 시스템 개발 63
• 나. TEACHAT 시스템 효과 검증 64
• 3. 연구 절차 67
• 4. 학습 환경 72
• 가. TEACHAT 시스템 개발 72
• 나. TEACHAT 시스템 사례도서관 구축 75
• 5. 자료 수집 및 분석 76
• 가. TEACHAT 시스템 개발 76
• 나. TEACHAT 시스템 효과 검증 79
• Ⅳ. 설계기반연구 순환Ⅰ 85
• 1. 연구결과 85
• 가. TEACHAT 시스템의 개념모형과 설계원리 86
• 나. TEACHAT 시스템의 기능과 특징 100
• 다. TEACHAT 시스템의 효과 115
• 라. TEACHAT 시스템의 개선점 133
• 2. 성찰 및 논의 137
• 가. 실천적 측면 137
• 나. 이론적 측면 141
• Ⅴ. 설계기반연구 순환Ⅱ 145
• 1. 연구결과 145
• 가. TEACHAT 시스템의 개념모형과 설계원리 145
• 나. TEACHAT 시스템의 기능과 특징 157
• 다. 교사의 TEACHAT 시스템 활용 양상 166
• 라. TEACHAT 시스템의 효과 182
• 마. TEACHAT 시스템의 개선점 190
• 2. 성찰 및 논의 193
• 가. 실천적 측면 193
• 나. 이론적 측면 195
• Ⅵ. 최종 개념모형과 설계원리 199
• 1. 최종 개념모형 199
• 2. 최종 설계원리 203
• Ⅶ. 논의 및 결론 210
• 1. 논의 및 시사점 210
• 가. 생성형 AI를 통한 CBR 설계의 이론적 확장 210
• 나. 교사를 위한 CBR 학습 생태계 구축 211
• 다. 데이터 기반 과학탐구 맥락의 CBR 활용 특성 216
• 라. 생성형 AI 활용 CBR 시스템의 실천적 함의 218
• 2. 연구의 시사점 221
• 3. 결론 225
• 4. 후속 연구 제언 227
• 참고문헌 229
• 부록 252
• Abstract 259