대학교원의 자기수업컨설팅을 위한 AI 시스템 프로토타입 개발 연구
Development of an ai-based prototype system for university faculty self-instructional consultation
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
대학교육에서 교수자의 수업역량강화를 위해 수행되었던 기존 수업컨설팅은 주로 외부 전문가의 평가의존과 일회성 피드백 제공으로 교수자의 자기주도적 수업 성찰과 지속적인 수업 개선을 충분히 지원하는데 한계가 존재하였다. 본 연구는 대학교원의 수업역량 향상을 위해 객관적이고 지속적인 자기수업컨설팅 지원하는 AI 시스템 프로토타입을 설계․개발하는 것을 목적으로 한다. 연구는 설계기반연구의 절차에 따라 수행되었으며, 문헌분석과 요구조사를 통해 ‘인식–이해–성찰–실행’의 순환 구조의 자기수업컨설팅 단계와 4개의 시스템 설계원리를 개발하였다. AI 시스템 프로토타입은 멀티모달AI 모델 기반으로 객관적 증거를 포함한 다중 관점의 수업 영상 분석과 평가, AI와의 수업 성찰 대화, 수업 맥락 기반 피드백 제공, 구조화된 성찰 작성 지원 기능이 개발되었다. AI 시스템 프로토타입에대한 사용성 평가는 대학교원 6명을 대상으로 설문과 면담으로 진행하였다. 연구 결과, 자기수업컨설팅을 위한 AI시스템은 교수자에게 심리적 안전지대 제공, 증거기반의 다중 관점 수업분석과 평가를통한 객관적 자기인식과 성찰 촉진, AI 분석의 불완전성에 의한 검토 및 보완 필요성 인식하는 것으로 나타났다. 개선점은 AI분석과 피드백에 대한 사용자 반응 기반 구조화된 AI성찰 대화, 교수자 맥락기반의 AI 피드백 적절성, AI 기반 자기수업컨설팅 과정에서의 인지적 부담으로 나타났다. 본 연구는대학교원의 객관적이고 지속적인 자기수업컨설팅을 위한 AI 시스템 기능 개선과 자기수업컨설팅 과정에서 AI와 교수자와의 협력 모델 개발에 기여할 것이다.
Abstract
Traditional instructional consultation in higher education has relied primarily on external expert evaluation and one-time feedback, limiting instructors’ self-directed reflection and continuous teaching improvement. This study aims to design and develop an AI system prototype supporting objective and continuous self-instructional consultation for university faculty. The research followed design-based research procedures. Through literature and needs analysis, a cyclical self-instructional consultation framework consisting of 'Recognition–Understanding–Reflection–Action’ stages and four system design principles were developed. The AI system prototype, based on a multimodal AI model, provides multi-perspective instructional video analysis with objective evidence, reflective dialogue with AI, context-based feedback, and structured reflection writing support. Usability evaluation was conducted through surveys and semi-structured interviews with six university faculty members. Results showed that the AI system provided instructors with a psychologically safe space and facilitated objective self-awareness through evidence-based multi-perspective analysis. The system also highlighted the necessity of reviewing and supplementing the findings due to the incompleteness of AI analysis. Areas for improvement included structured AI reflective dialogue based on user responses, appropriateness of context-based AI feedback, and cognitive load management. This study contributes to the functional improvement of AI systems for self-instructional consulting and the development of human-AI collaboration models within the self-instructional consultation process.