확인하겠다던 17명은 아무도 확인하지 않았다: AI 답을 따지는 법을 가르치는 네 가지 동작

학생들이 AI를 교사보다 잘 안다는 말은 적어도 한 영역에서는 근거가 약하다고 이 글의 필자들은 주장한다. 그 영역은 AI가 내놓은 정보를 평가하는 일이다. 2026년 10월 7일 에듀케이션 위크(EdWeek)에 실린 오피니언은 이 간극을 파일럿 자료와 함께 짚는다. 글쓴이는 스탠퍼드대 교육학 명예교수 샘 와인버그(Sam Wineburg)와 연구원 나다브 지브(Nadav Ziv)다. 글의 소개란에 따르면 와인버그는 정보 문해력 교육과정을 만드는 독립 비영리 연구단체 디지털 인쿼리 그룹(Digital Inquiry Group)의 공동 창립자이고, 지브는 이 단체의 연구원이다. 자기 단체의 교육 접근을 전하는 글이라는 점을 감안해 읽을 필요가 있다. 이 칼럼은 필자들이 말한 사실을 먼저 정리하고, 그 위에서 이 칼럼의 해석을 따로 붙인다.

필자들이 제시한 사실

필자들에 따르면 미국 청소년 10명 중 7명은 학업에 AI를 쓴다. 필자들은 이를 전국 대표성을 가진 커먼센스미디어(Common Sense Media) 조사라고 인용하는데, 조사 시점은 글에 나오지 않는다. 같은 조사에서 AI가 주는 정보가 정확한지 가려내는 법을 배웠다고 답한 청소년은 26%에 그쳤다.

필자들은 자신들이 학생들에게서 모은 파일럿 자료를 근거로 학생들이 AI의 정보를 평가하는 일에서는 교사보다 잘 알지 못한다고 말한다. 대표 사례는 하나다. 연구진은 고등학생 117명에게, 출처 링크가 없고 내용이 사실과 다른 챗봇의 답변을 보여 주었다. 캘리포니아주 새크라멘토에 있던 한 흑인 거주지의 골드러시 시기 역사를 다룬 답변이었다. 이 답을 믿느냐는 질문에 약 3/10은 믿는다고, 약 2/10은 믿지 않는다고 답했고 가장 많은 응답, 거의 절반은 '잘 모르겠다'였다. 학생들이 인터넷을 쓸 수 있었는데도 17명이 추가로 확인해 보겠다고 말했지만, 필자들은 실제로 그렇게 한 학생은 한 명도 없었다고 전한다.

필자들은 교사에게 네 가지를 제안한다. 첫째, 챗봇은 신탁이 아니다. 출처 없이 나온 답이 어디서 왔는지 학생에게 묻고, 프롬프트에 출처를 달라는 말을 넣어 실시간으로 웹을 찾게 하라는 것이다. 둘째, 첫 답변은 초안이다. '한 번에 끝' 대신 '두 번 질문하고 끝까지'를 보여 주라는 것이다. 후속 질문으로 찬반 표와 신뢰할 만한 출처 링크를 요청하는 방법은 디지털 문해력 전문가 마이크 콜필드(Mike Caulfield)가 주창한 전략이라고 필자들은 소개한다. 셋째, 같은 질문이 정반대 답을 낳을 수 있다. 필자 중 한 명이 텍사스크리스천대(TCU) 워크숍에서 학생들에게 한 역사 인물에 관한 같은 질문을 ChatGPT에 하게 했더니 어떤 답은 긍정, 어떤 답은 부정이었다고 소개한다. 넷째, 불확실성이 마지막 말이 되어서는 안 된다. 필자들은 몇 시간의 수업만으로도 학생의 디지털 감각이 상당히 나아졌다고 쓰는데, 이는 자신들과 다른 연구진의 여러 연구를 근거로 든 주장이며 글에 출처가 붙어 있지는 않다.

이 칼럼의 해석: 문제는 지식이 아니라 다음 행동이다

이 칼럼의 해석으로는 가장 눈여겨볼 대목은 117명 가운데 거의 절반이 고른 '잘 모르겠다'만이 아니다. 확인하겠다고 말한 17명 중 실제로 확인한 학생이 없었다는 점이다. 기사는 이 17명이 '잘 모르겠다'고 답한 학생과 겹치는지는 밝히지 않으므로, 두 관찰은 따로 읽어야 한다. 필자들은 학생들이 불확실성을 정보를 더 얻으면 풀리는 것이 아니라 고정된 상태로 다뤘다고 읽는다. 맞는 해석인지는 이 자료만으로 확인할 수 없다. 그래도 방향은 분명하다. 이 칼럼의 해석으로는 AI 문해력을 '아는 것'으로만 정의하면 이 간극을 놓친다. 판단을 보류하는 데서 멈추지 않고 다음 질문을 던지는 습관이 따로 필요하다.

네 가지 제안에도 공통점이 있다. 새로운 도구 사용법이 아니라 출처를 묻기, 한 번 더 묻기, 결과를 비교하기, 확인하기 같은 오래된 비판적 읽기 동작이다. 필자들도 학생에게 필요한 것은 최신 모델 이름이 아니라 답이 어디서 오는지, 증거가 결론을 뒷받침하는지 따지는 능력이라고 말한다.

읽을 때 주의할 점

이 자료는 필자들이 밝힌 대로 파일럿이다. 117명이 참여한 과제 하나의 결과이고, 어떤 학교의 어떤 학생인지, 학생들이 인터넷과 시간을 얼마나 쓸 수 있었는지는 글에 나오지 않는다. 학생들이 확인하겠다고 말하고도 실제로는 하지 않은 이유가 동기 부족인지 과제 설계 때문인지도 알 수 없다. 이 글은 이 수치를 미국 학생 전체나 한국 학생의 모습으로 옮겨 읽지 않는다.

한국 교실과 가정에 주는 시사점

아래는 기사에 없는 이 칼럼의 추론이다. 첫째, 학생이 AI로 과제를 하는 것을 막을지 허용할지의 논의와 별개로, 답을 받은 뒤 무엇을 하라고 가르치는지가 따로 설계되어야 한다. 둘째, 가정에서도 AI가 준 답 앞에서 "이건 어디서 나온 말일까?"와 "같은 질문을 한 번 더 해 볼까?"를 함께 해 보는 일은 비용이 거의 들지 않는다. 셋째, 정답이 비교적 분명한 질문과 해석이 갈리는 질문에서 AI의 신뢰도가 다를 수 있다는 필자들의 구분(분명한 사실은 잘 답하고 해석이 개입하면 초안에 가깝다는 것)은 학습 질문을 고르는 기준으로 쓸 만하다. 다만 이는 필자들의 관찰이며 모든 모델에 일반화된 결과는 아니다.

출처: Education Week, 「Think Your Students Know More About AI Than You Do? Read This」 (Sam Wineburg·Nadav Ziv, 2026.10.07)