AI 시대 언어 교육의 인간 중심 원칙

생성형 AI가 교육 현장에 급속도로 확산되면서, 언어 교육 분야는 기술 수용의 속도와 교육 철학의 정합성 사이에서 방향을 재설정해야 하는 국면에 접어들었다.

기술 확산이 가져온 역설

ChatGPT와 같은 대규모 언어 모델이 등장한 이후, 영어 작문 첨삭부터 발음 교정, 맞춤형 어휘 훈련까지 언어 학습의 거의 모든 영역에서 AI 도구 활용이 가능해졌다. 그러나 기술의 접근성이 높아질수록, 학습자가 실제로 언어를 '습득'하는가에 대한 질문은 오히려 더 날카로워지고 있다. 브리티시 카운슬은 이 시점에서 기술 도입의 편의성보다 학습자가 과정의 중심에 있는지 여부를 우선 판단 기준으로 삼아야 한다고 주장한다.

언어 학습의 본질적 구조

언어 습득 이론은 오랫동안 언어를 단순 정보 전달의 도구가 아닌, 사회적 상호작용을 통해 내면화되는 능력으로 규정해왔다. 스티븐 크래션(Stephen Krashen)의 입력 가설부터 비고츠키의 근접 발달 영역 개념에 이르기까지, 효과적인 언어 학습은 맥락이 있는 실제 사용과 피드백의 순환을 필요로 한다. AI는 이 순환의 일부를 자동화할 수 있지만, 의미 협상(negotiation of meaning)이 일어나는 진정한 상호작용을 대체하기 어렵다는 점이 여전히 핵심 쟁점이다.

인간 중심 원칙의 실제 의미

브리티시 카운슬이 제시하는 '학습자 중심' 원칙은 선언적 구호가 아니라, AI 도구 설계와 교육 과정 편성에서 구체적 기준으로 기능한다. 학습자의 자율성과 주도권이 보장되는가, AI가 생성하는 피드백이 학습자의 수준과 맥락에 실질적으로 조응하는가, 기술이 교사의 교육적 판단을 지원하는 방향으로 설계되어 있는가가 그 기준이다. 이는 AI를 교육 현장에서 배제하는 것이 아니라, 교육학적 목표에 종속된 도구로 위치 짓는 접근이다.

형평성 문제: 가려진 균열

AI 기반 언어 학습 도구는 대부분 영어권 중심으로 개발되어 있으며, 고품질 도구의 접근성은 여전히 지역·소득·인프라 수준에 따라 불균등하게 분포한다. 이 구조적 불균형을 방치한 채 AI를 '언어 교육의 민주화'로 규정하는 것은 현실을 단순화하는 서사다. 브리티시 카운슬의 논점은 기술의 가용성 못지않게, 접근 격차가 학습 기회의 격차로 이어지지 않도록 하는 정책적·제도적 설계가 병행되어야 한다는 점에 닿아 있다.

교사의 역할 재정의

AI 도구의 확산이 교사의 역할을 축소시킨다는 우려는 교육 현장에서 반복적으로 제기된다. 그러나 보다 정확한 프레임은 역할의 '재편'이다. 반복적인 드릴 연습과 즉각 피드백 제공을 AI가 담당하게 될수록, 교사는 학습자의 동기 조율·오류 패턴의 교육학적 해석·정서적 지원·문화적 맥락 전달 등 자동화하기 어려운 영역에 더 집중할 수 있게 된다. 이 재편이 교사를 보조적 존재로 격하시키는 것이 아니라, 교육의 핵심 기능에 집중하게 만드는 구조라는 해석이 설득력을 얻고 있다.

기술 채택보다 앞서야 할 것

AI가 언어 교육에 가져올 변화는 부정하기 어렵다. 그러나 기술의 도입 속도가 교육 목표의 점검 속도를 앞질러서는 안 된다. 학습자가 AI를 통해 언어를 더 잘 습득하고 있는지, 아니면 단지 AI가 생성한 언어를 소비하고 있는지—이 두 가지를 구분하는 기준이 교육 설계의 출발점이 되어야 한다. 브리티시 카운슬의 논점은 결국 이 질문을 교육 현장에서 지속적으로 묻는 것을 멈추지 말라는 요청으로 읽힌다.

[출처: British Council Voices - AI in education: Putting language learners first in the age of AI]