Earticle

초록

영어

The spread of generative AI tools is expanding learners’ activities in AI and software education from simply writing code to understanding, executing, verifying, revising, and explaining AI-generated outputs. This study explores the educational components of generative AI tool-use competency and AI-output verification competency in code generation activities for AI and software education. To this end, the study reviews UNESCO AI competency frameworks, guidelines for generative AI in education, AI literacy research, and prior studies on programming education with generative AI. It also analyzes illustrative educational code generation cases that can be used in introductory and intermediate programming courses. The findings structure generative AI-based code generation into nine learning stages: problem understanding, prompt construction, code generation, code interpretation, execution checking, test-based verification, error correction, ethical and security review, and self-explanation. Based on these stages, this study proposes a competency framework for verifying AI-assisted software code generation. The framework identifies six key competency areas: AI tool use, code comprehension, execution and testing, error correction, evidence-based explanation, and responsible use. By linking code generation cases with verification behaviors, instructional activities, and assessment criteria, the study provides a practical pathway for extending generative AI education beyond prompt writing and code production. The proposed nine-stage learning process, six competency categories, and five-level rubric offer instructional design guidance for AI-integrated tasks in programming, AI literacy, and software convergence courses. In doing so, the study shifts the focus of generative AI education toward verification-centered learning, including execution checking, test design, error correction, evidence-based explanation, and responsible use.

한국어

생성형 AI 도구의 확산으로 AI·SW 교육에서 학습자의 활동은 단순한 코드 작성에서 AI 산출물의 이해, 실행, 검증, 수정, 설명으로 확장되고 있다. 본 연구는 생성형 AI 기반 코드 생성 활동에서 요구되는 AI 도구 활용 역량과 AI 산출물 검증 역량의 교육 요소를 탐색하는 데 목적이 있다. 이를 위해 UNESCO AI 역량 프레임워크, 생성형 AI 교육 지침, AI 리터러시 및 프로그래밍 교육 관련 연구를 검토하고, 초급·중급 프로그래밍 수업에서 활용 가능한 교육용 코드 생성 사례를 분석하였다. 연구 결과, 코드 생성 활동은 문제 이해, 프롬프트 구성, 코드 생성, 코드 해석, 실행 확인, 테스트 검증, 오류 수정, 윤리·보안 검토, 자기 설명의 단계로 구조화될 수 있었다. 또한 AI 도구 활용 역량, 코드 이해 역량, 실행·테스트 검증 역량, 오류 수정 역량, 근거 제시 역량, 책임 있는 활용 역량으로 구성된 AI·SW 코드 생성 검증 역량 프레임워크를 제안하였다. 본 연구는 코드 생성 사례와 검증 행동을 수업 활동 및 평가 루브릭으로 연결함으로써, 생성형 AI 활용 교육이 도구 사용 중심을 넘어 AI 산출물을 비판적으로 검토하고 책임 있게 활용하는 교육으로 확장될 수 있는 구체적 경로를 제시한다. 제안된 9단계 학습 과정, 6개 역량 범주, 5수준 루브릭은 프로그래밍 수업, AI 기초 수업, SW 융합 수업에서 생성형 AI 활용 과제를 설계할 때 참고할 수 있는 실행 가능한 틀을 제공한다. 본 연구는 생성형 AI 활용 교육을 프롬프트 작성과 코드 생성 중심에서 실행 검증, 테스트 설계, 오류 수정, 근거 제시, 책임 있는 활용을 포함하는 검증 중심 학습으로 확장하기 위한 교육 설계 기준을 제공한다.

목차

요약
ABSTRACT
I. 서론
1. 연구 배경
2. 연구 필요성
3. 연구 목적 및 연구문제
4. 연구의 기여
II. 관련 연구
1. AI·SW 교육과 AI 역량 프레임워크
2. AI 리터러시와 책임 있는 생성형 AI 활용
3. 생성형 AI와 프로그래밍 교육
4. 코드 생성 학습에서 검증 활동의 중요성
5. 자동 피드백 연구와 본 연구의 위치
III. 연구 방법
1. 연구 설계
2. 문헌 기반 교육 요소 도출
3. 코드 생성 사례 구성
4. AI 도구 활용 역량과 AI 산출물 검증 역량의 구분
5. 교육 요소 매핑 및 루브릭 설계
6. 연구의 타당성 확보 방법
IV. 연구 결과
1. 생성형 AI 기반 코드 생성 활동의 학습 단계
2. AI·SW 코드 생성 검증 역량 프레임워크
3. 코드 생성 사례와 교육 요소 매핑
4. AI·SW 코드 생성 검증 루브릭
5. 수업 활동 및 평가 문항 예시
V. 논의
1. 생성형 AI 활용 교육의 초점 변화
2. 교수자 관점의 수업 설계 시사점
3. 학습자 관점의 책임 있는 활용
4. 연구의 제한점
VI. 결론
Acknowledgement
References

키워드

저자

• 양근석 [ Geunseok Yang | 한경국립대학교 ] 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