Earticle

초록

영어

This study aimed to systematically collect and screen empirical studies on human-AI collaboration published through March 2026 and to analyse their period-based distribution, interactional structures, and educational implications. In particular, it examined when the expression human-AI collaboration began to gain broader salience in research and practice, and under what conditions of trust, interactional initiative, and epistemic agency such collaboration becomes viable in educational contexts. Following the PRISMA 2020 reporting guidelines, the study identified, de-duplicated, and screened the literature through title-and-abstract review and full-text eligibility assessment, resulting in a final corpus of 162 empirical studies. The codebook focused on architecture type, AI role, interactional initiative, educational level, and outcome indicators. The results showed that 67.9% of the included studies were published from 2023 onward, and that studies based on generative LLMs accounted for the largest share, with 59 articles (36.4%). The distribution of interactional initiative was Human-Driven in 78 studies (48.1%), AI-Driven in 51 studies (31.5%), and Shared-Initiative in 33 studies (20.4%), suggesting that the recent discourse of collaboration does not necessarily imply a symmetrical co-led structure. The analysis also showed a strong concentration in higher education, with 98 studies (60.5%), and a relative scarcity of K-12 research, with 13 studies (8.0%). Although performance-related indicators remained the most frequently observed outcomes, such indicators as agency, trust, and cognitive offloading also became more visible in recent studies. These findings suggest that empirical research on human-AI collaboration has expanded rapidly following the diffusion of generative AI services; however, in educational settings, such collaboration appears to remain conditionally structured around calibrated trust, negotiated roles, and the preservation of final human judgement.

한국어

본 연구는 2026년 3월까지 발표된 인간-AI 협력 관련 경험연구를 체계적으로 수집·선별하여, 그 시기별 분포와 상호작용 구조, 교육적 함의를 분석하는 데 목적이 있다. 특히 인간-AI 협력이라는 표현이 연구와 실천 맥락에서 언제부터 본격적으로 사용되기 시작했는지, 그리고 교육 맥락에서 그러한 협력이 어떠한 신뢰, 상호작용 주도권, 인식적 주체성의 조건 위에서 성립하는지를 검토하였다. 본 연구는 PRISMA 2020 보고 지침에 따라 문헌 검색, 중복 제거, 제목·초록 검토, 전문 적격성 검토의 절차를 거쳐 최종 분석 대상을 확정하였다. 최종 코퍼스는 162편의 경험연구로 구성되었으며, 코드북은 아키텍처 유형, AI 역할, 상호작용 주도권, 교육 수준, 결과지표를 중심으로 설계하였다. 분석 결과, 최종 포함 문헌의 67.9%가 2023년 이후에 집중되었고, 생성형 LLM 기반 연구가 59편(36.4%)으로 가장 큰 비중을 차지하였다. 상호작용 주도권은 Human-Driven 78편(48.1%), AI-Driven 51편(31.5%), Shared-Initiative 33편(20.4%)으로 나타나, 최근의 협력 담론이 곧바로 대칭적 공동주도 구조로 이어지는 것은 아님을 시사하였다. 또한 고등교육 연구가 98편(60.5%)으로 가장 높은 비중을 보였고, K-12 연구는 13편(8.0%)에 그쳐 상대적으로 제한적이었다. 결과지표 측면에서는 성과 관련 지표가 가장 빈번하게 관찰되었으나, 에이전시, 신뢰, 인지적 외주화와 관련된 항목도 최근 문헌에서 함께 부상하고 있었다. 이상의 결과는 인간-AI 협력 관련 경험연구가 생성형 인공지능 서비스의 확산 이후 빠르게 증가하였으나, 교육 맥락에서의 협력은 여전히 신뢰 보정, 역할 협상, 최종 판단권 유지의 조건 아래 제한적으로 구성되고 있음을 시사한다.

목차

요약
ABSTRACT
I. 서론
II. 이론적 배경
1. 인간-AI 협력의 개념과 협력의 이론적 조건
2. 생성형 인공지능과 협력 담론의 확산
3. AI 교육 2.0 모델과 교육적 해석 틀
4. PRISMA 2020과 체계적 문헌고찰의 보고 원리
5. 분석 단위와 코드북 설정
III. 연구 방법 및 내용
1. 연구 설계
2. 문헌 선별 절차
3. 자료 추출과 코드북 개발 과정
4. 분석 방법
IV. 연구결과
1. 문헌 수집 및 최종 포함 문헌의 분포
2. 시기별 아키텍처 유형의 변화
3. 상호작용 주도권과 AI 역할
4. 교육 수준의 편중
5. 결과 지표의 분포와 최근 연구 초점
V. 결론
1. 결론
2. 교육적 및 학문적 제언
3. 연구의 한계
생성형 AI 활용 확인
References

키워드

저자

• 김도용 [ DoYong Kim | 경인교육대학교 컴퓨터교육과 박사과정 ]
• 한선관 [ Sungwan Han | 경인교육대학교 컴퓨터교육과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  인공지능연구 논문지 [Journal of The Korean Association of Artificial Intelligence Education]

• 간기

  연3회

• pISSN

  2733-404X

• 수록기간

  2020~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 000 DDC 006