중등영재 물리 사사과정에서 생성형 AI를 활용한 교수-학습 방법 고찰 = A Study on Teaching-Learning Methods Using Generative AI in a Physics Mentorship Program for Gifted Secondary School Students

국문 초록 (Abstract)

최근 생성형 AI의 교육적 활용은 전통적인 교수-학습 방법을 근본적으로 변화시키고 있으며, 특히 과학영재교육의 핵심 목표인 과학적 사고력과 창의적 문제해결력 함양에 혁신적 전환점을 제공하고 있다. 본 연구는 생성형 AI가 중등 영재 사사과정에서 구체적으로 어떻게 활용될 수 있는지 탐색하고, 이를 바탕으로 학습자의 사고를 촉진하고 교수자의 역할을 재정의할 수 있음을 실증적으로 밝히고자 하였다. 이를 위해 G대학 과학영재교육원의 중등 물리 사사과정에서 수행된 "K-pop 아이돌 음악의 세대별 음향적 특성 분석" 연구를 대상으로, 'AI co-scientist' 시스템의 이론적 단계를 과학 탐구 과정에 맞게 재구성한 분석 틀로 살펴보았다. 연구 결과, 영재학생들은 문헌 탐색, 탐구 설계, 맞춤형 도구 개발, 데이터 분석, 결과 종합의 각 단계에서 다양한 생성형 AI를 전략적으로 활용하여 기능적 분화와 통합을 통한 실질적 'AI co-scientist' 에이전트를 구현하였다. 특히 구조화된 에이전틱 워크플로우 기법을 통한 전문가 수준의 AI 답변 유도와 바이브 코딩으로 맞춤형 분석 도구 개발이 돋보였다. 이는 생성형 AI가 인지적 동료로서 영재학생의 고차원적 사고력과 탐구 능력 신장에 효과적인 교육도구임을 입증하며, 향후 학습자-AI-교수자 협력 모델 개발의 필요성과 과학탐구 AI 에이전트 개발의 주요 지침으로 활용되기를 기대한다.

다국어 초록 (Multilingual Abstract)

The recent educational application of generative AI is fundamentally transforming traditional teaching-learning methods, particularly offering an innovative turning point in cultivating scientific thinking and creative problem-solving skills, core objectives of science education for the gifted. This study explored how generative AI can be utilized explicitly in secondary gifted education mentorship programs and empirically demonstrated that this can facilitate learners' thinking and redefine the role of instructors. To this end, this study examined the research project "Analysis of Generational Acoustic Characteristics in K-pop Idol Music," conducted within the secondary physics mentorship program at G University's Science Gifted Education Center. The study employed an analytical framework adapted from the ‘AI co-scientist’ system, aligning its theoretical stages with the scientific inquiry process to analyze student activities. The research findings indicated that gifted students strategically utilized various generative AIs in each stage of literature search, inquiry design, customized tool development, data analysis, and result synthesis, thereby implementing a practical ‘AI co-scientist’ agent through functional differentiation and integration. Notably, the prominent features were eliciting expert-level AI responses through structured agentic workflow techniques and developing customized analytical tools through vibe coding. This demonstrates that generative AI is an effective educational tool for enhancing gifted students' higher-order thinking skills and inquiry abilities as a cognitive partner, and we expect it to provide a primary guideline for developing learner-AI-instructor collaboration models and scientific inquiry AI agents in the future.