예비교사의 수업설계 역량 제고를 위한 수업 지도안 개선 GPTs 개발
Developing GPTs for Lesson Plan Improvement to Enhance Pre-service Teachers’ Instructional Design Competence
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 예비교사 대상의 수업 설계 지원을 목적으로 수업 지도안의 일관성을 분석하고 그에 기반한 피드백을 제공하는 ChatGPT 기반 피드백 시스템을 개발하여 그 타당성과 활용 가능성을 탐색하였다. 연구는 설계․계발 연구 방법론을 활용하여 진행되었으며, 문헌 분석을 통해 수업 일관성 분석 기준과 피드백 지침을 설정하고, ChatGPT Builder를 활용하여 GPTs 초안을 설계 및 개발하였다. 특히, 수업목표, 수업내용, 학습자, 수업방법, 수업매체, 수업평가의 정합성을 중심으로 지도안을 구조적으로 분석하고, 장점과 개선점을 체계적으로 제시함으로써 예비교사가 자신의 수업을 성찰하고 자율적으로 개선할 수 있는 기반을 제공하도록 하였다. 개발된 시스템은 교육공학 전문가 5인의 검토를 통해 내용 타당성(CVI 0.93이상)과 평가자 간 일치도(IRA 0.76 이상)를 확보하였으며, 예비교사 23인을 대상으로 한 사용성 평가에서도 이해도, 편의성, 유용성, 정확성, 전반적 만족도 측면에서 모두 3.35점(리커트 4점 척도 기준) 이상의 긍정적인 평가를 받았다. 특히 예비교사들은 GPTs가 제공하는 피드백의 내용적 우수성, 작업 효율성 및 접근성, 수업 설계 지원 기능에 대해 높은 만족감을 나타냈다. 반면, 피드백의 현실 적용 가능성 한계 및 수업 의도 미반영 등의 개선점도 도출되었다. 본 연구는 예비교사 교육에서 생성형 AI의 활용 가능성을 실증적으로 제시하고, 자기주도적 수업 설계 역량 강화에 기여할 수 있음을 보여주었다는 점에서 의의가 있다. 또한, 생성형 AI의 교육적 활용 영역을 단순 생성 기능에서 진단-평가-성찰 중심의 설계 지원 도구로 확장한 사례를 제시하였다. 향후 연구에서는 예비교사의 비판적 수용능력 향상을 위한 AI 리터러시 및 교수 설계 교육 병행, 데이터 기반 맞춤형 시스템으로의 확장, 다양한 사용자 집단으로의 확장 적용 등을 제언한다.
Abstract
This study aimed to develop a ChatGPT-based feedback system to support pre-service teachers in instructional design. Their lesson plan coherence was analyzed and then structured feedback was provided. A design and development research methodology was employed to construct the system. Following a literature review, the system was implemented with ChatGPT Builder. Alignment was evaluated among key lesson components, namely objectives, content, learners, methods, media, and assessment. Then, specific strengths were highlighted, and suggestions for improvement were made. Expert reviews (n = 5) confirmed high content validity (CVI ≥ 0.93) and inter-rater agreement (IRA ≥ 0.76). A usability test with 23 pre-service teachers revealed positive responses across all areas, with the average scores above 3.35 on a four-point Likert scale. Users praised the system’s clarity, convenience, and support for instructional planning; however, some noted limitations in the application of feedback to real contexts and the capturing of instructional intent. This study’s significance lies in its empirical demonstration of the potential of generative AI in pre-service teacher education as well as its contribution to enhancing self-directed instructional design competencies. Furthermore, it presents a case in which the educational application of generative AI expands from a simple content generation tool to a design support tool centered on diagnosis, feedback, and reflection. Future research should consider integrating AI literacy with instructional design education to foster pre-service teachers’ critical engagement with AI, developing data-driven personalized systems, and expanding applications to a wider range of user groups.