Earticle

최근 제2 언어 쓰기 교육에서 생성형 인공지능(generative AI)활용에 대한 관심이 높아지고 있다. 이에 따라 본 연구는 한국어 학습자들이 쓰기를 할 때 생성형 AI 사용에 대해 어떠한 인식을 갖고 있는지 살펴 보는 것을 목적으로 하였다. 이를 위해 학습자 면담을 통해 생성형 AI 활용에 대한 인식을 자세히 조사하고, 통합기술수용이론을 바탕으로 학습자들이 AI를 쓰기 과정에 사용하는 데 있어서 영향을 미치는 요인 을 규명하고자 하였다. 연구 결과, 학습자들이 AI를 쓰기 과정에서 활 발히 활용하지 않는 주요 이유로는 생성형 AI의 정확성에 대한 불신, AI 사용이 쓰기 능력에 부정적인 영향을 미칠 것이라는 믿음, AI 사용 을 부정행위로 인식하는 시각, 그리고 AI 사용 방법에 대한 지식 부족 이 있었다. 이 연구는 한국어 쓰기 교육 현장에서 생성형 AI에 대한 학 습자의 인식을 명확히 이해할 수 있도록 함으로써 향후 학습자 차원에 서 효과적인 교수ㆍ학습 전략을 수립하는 데 시사점을 제공할 수 있을 것으로 기대된다.

This study investigated learners' perceptions of the use of AI in writing and the reasons behind their decision-making regarding this use. Through semi-structured interviews, the study identified four key reasons why students did not actively integrate AI into their writing: distrust of the accuracy of generative AI, the belief that using AI would negatively affect their writing skills, the perception of AI as a form of cheating, and a lack of knowledge about how to use AI. These findings offer a detailed understanding of how to integrate generative AI tools into future Korean writing education.

본 연구는 국내 한국어 교육 분야에서 생성형 인공지능(Generative AI) 이 어떻게 논의되고 활용되고 있는지를 분석하는 것을 목적으로 하였 다. 2022년 12월부터 2024년 11월까지 발표된 67편의 학술지 논문, 학 위 논문, 학술 발표 자료를 대상으로 토픽 모델링(LDA)과 키워드 네트 워크 분석을 수행하였다. 분석 결과, '학습자', '연구', '한국어', '교육', 'ChatGPT', '인공지능' 등이 주요 키워드로 나타나 생성형 AI가 학습자 중심의 교육 방법과 기술 활용에 큰 관심을 받고 있음을 시사한다. 토 픽 모델링을 통해 '기술 활용 한국어 교육'(31.4%), '한국어 자동 평가 '(18.3%), '상호작용과 학습자 불안'(11.3%) 등 9개의 주요 토픽이 도출 되었다. 이를 통해 생성형 AI 기술의 교육 현장 적용과 ChatGPT를 활 용한 평가 및 상호작용 연구가 연구 영역 전반에 걸쳐 활발하게 이어 지고 있음을 확인했다. 키워드 네트워크 분석에서는 '언어', '연구', '인 공지능', '학습', '학습자', '한국어' 등이 높은 중심성을 보여 해당 키워드 가 생성형 AI를 활용한 연구에서 핵심적인 역할을 하고 있음을 확인했다.

This study examines the use of generative AI in the field of Korean language education in Korea. Through topic modeling and keyword network analysis of 67 scholarly articles and presentations, the study identifies the main keywords related to generative AI, such as ‘learner’, ‘research’, ‘Korean’, ‘education’, ‘ChatGPT’, and ‘artificial intelligence’. The results indicate a growing interest in generative AI in learner-centered education methods and technology utilization. The study identifies nine major topics, including the use of technology in Korean language education, automatic evaluation of Korean language proficiency, and the impact of interaction and learner anxiety. The analysis also reveals that keywords like ‘language’, ‘research’, ‘artificial intelligence’, ‘learning’, ‘learner’, and ‘Korean’ are central to research involving generative AI. The implications of the study suggest that generative AI is viewed as an innovative tool in Korean language education, impacting learner-centered approaches and being utilized in various areas such as skill development, assessment, interaction, vocabulary learning, and cultural education.

본 연구는 최근 10년간 발표된 한국어 어휘 교육 연구의 동향을 텍스트 마이닝을 활용하여 살피고 한국어 어휘 교육 연구의 방향성을 모색하는 데 목적이 있다. 학술연구정보서비스(RISS)에서 ‘한국어 어휘 교육’을 키워드로 관련 연구 목록을 선정한 후 연구 주제, 연구 방법, 연구 대상별로 분류하여 연구 동향을 살폈다. 그 결과, 연구 주제는 어휘 교수 방안에 대한 연구가 많았으며, 연구 방법으로 교육 방안을 제시하는 연구가 가장 많았다. 학습자 언어권은 중국어, 학습 목적은 학문 목적 학습자를 대상으로 한 연구가 가장 많은 것으로 나타났다. 학습자 숙달도는 초ㆍ중ㆍ고급이 골고루 나타났다. 특징적인 것은 중국인 학습자를 대상으로 한 한자어 교육에 대한 연구가 많았다는 것인데, 이는 국내 중국인 유학생의 증가로 인한 것으로 보인다. 이러한 분석 결과는 텍스트 마이닝을 활용해 워드클라우드와 네트워크 분석을 실시한 결과와 일치한다. 반면, 사회언어학적인 어휘에 대한 연구가 부족하고, 교육 방안의 효과를 검증한 연구나 학습자의 요구조사를 반영한 연구가 매우 부족한 것으로 나타났으며, 따라서 본 연구에서는 현재 미진한 분야의 연구와 함께 더욱 다양한 언어권의 학습자를 대상으로 한 연구가 이루어져야 함을 제언하였다.

This study aims to examine the research trends over the last 10 years, in Korean vocabulary education using text mining and seek the direction for future research in Korean vocabulary education. The research list was selected based on the keyword “Korean vocabulary education” using Research Information Sharing Service and thereafter, the research trends were examined by research topic, research method, and research subjects. Consequently, the most common research topic was about vocabulary educating method and the most used research method was to suggest the educational measures. The language group of the learners was mostly Chinese and the most common learning purpose was for academic purposes. Learner proficiency was evenly distributed among beginner, intermediate, and advanced levels. A significant number of studies on Sino-Korean word education for Chinese learners were noticed owing to the increase in the number of Chinese international students in Korea. These results are consistent with the results of word cloud and network analysis using text mining. However, it has been identified that studies on sociolinguistic vocabulary and those that verify the effect of educational measures or reflect the learners’ requirements are highly insufficient. Thus, this study suggests that research should be conducted on the aforementioned lacking areas and learners in more diverse language groups.

본 연구는 멀티모달 기반 AI 시스템인 Gemini Live의 효과성을 초급 수 준 한국어 말하기 교육에 적용하여, 말하기 능력과 불안 요인을 중심으 로 살펴보았다. 4주간의 준실험에서 실험집단은 Gemini Live를 활용한 자기주도적 역할극 활동에 참여하였고 통제집단은 그러한 활동을 하지 않았다. 사후 검사 결과, 실험집단은 통제집단에 비해 말하기 유창성이 유의미하게 향상되고 말하기 불안이 낮아졌으나 정확성에서는 두 집단 간 유의미한 차이가 나타나지 않았다. 심층 면담에서는 학습자들이 Gemini Live를 ‘심리적 안전감을 제공하는 대화 파트너’로 인식하여 자 신감과 유창성을 높였다고 보고하였다. 동시에 학습자들은 오류 교정 피 드백의 필요성을 강조하였으며 이는 정확성 측정 결과와도 일치하였다. 따라서 Gemini Live는 유창성 향상과 말하기 불안 감소에 효과적인 보조 도구임을 보여주지만 정확성을 높이기 위해서는 교정 피드백 유도와 같 은 목표 지향적 교수 설계가 필요함을 시사한다. 본 연구는 다중모달 기 반 AI의 한국어 교육 통합에 대한 실질적 시사점을 제공한다.

This study examined the effectiveness of Gemini Live, a natively multimodal AI system, in beginner-level Korean speaking education, with a focus on speaking ability and anxiety. In a four-week quasi-experiment, the experimental group engaged in self-directed role-play with Gemini Live, while the control group did not. Post-test results showed that the experimental group achieved significantly greater fluency and lower speaking anxiety than the control group, although no significant difference was observed in accuracy. In-depth interviews revealed that learners perceived Gemini Live as a “conversation partner providing psychological safety,” which enhanced their confidence and fluency. Participants also emphasized the need for corrective feedback, consistent with the quantitative findings on accuracy. Overall, the results suggest that Gemini Live is an effective supplementary tool for improving fluency and reducing speaking anxiety, but targeted pedagogical designs—such as prompts for corrective feedback—are necessary to improve accuracy. This study provides practical implications for the integration of natively multimodal AI in Korean language education.

이 연구의 목적은 학부 과정 외국인 유학생의 학업적응정도와 학업중 단의도의 관련 변인을 ‘성격적 요인, 사회적 관계, 대학 만족도, 인식 요인’을 중심으로 탐색하는 데 있다. 학업적응정도의 다중회귀 분석 결과, ‘한국어 수업’과 ‘우울 성향’이 학업적응정도에 영향을 미쳤다. 학업중단의도의 로지스틱 회귀 분석 결과, ‘지역 내 한국인’은 양의 관 계를, ‘지역 내 동향인’은 음의 관계로 나타났다. 한편, 학업적응정도 와 학업중단의도의 상관관계를 분석한 결과, 두 종속 변인 간에는 통 계적으로 유의미한 결과가 나타나지 않았다. 이와 같은 연구 결과는 외국인 유학생의 중도탈락은 단순히 학업적인 성취 능력이나 개인의 정서적 특성만으로 귀결되지 않는 복합적인 개념임을 상기시킨다. 동 시에 지역 사회 내 모어 화자와의 네트워크는 대학에서 다양한 실패를 경험한 외국인 유학생이 중도탈락 위기를 극복할 수 있게 하는 일종의 사회적 지지대와 같은 역할을 할 수 있음을 시사한다.

This study investigated factors related to academic adjustment and dropout among international undergraduate students, focusing on personality traits, social relationships, university satisfaction, and perception-related variables. The results of a multiple regression analysis indicated that participation in ‘Korean language classes’ and ‘depressive tendencies’ influenced academic adjustment. Logistic regression analysis on academic dropout revealed a positive relationship with ‘local Koreans’.These findings highlight the complexity of international student dropout, which cannot be attributed solely to academic performance or personal and emotional factors. Furthermore, the study suggests that building a network of diverse community members can act as social support for international students, helping them navigate various challenges and potentially avert the risk of dropout.

이 연구에서는 외국인 유학생의 다양한 요구를 수용하기 위해서는 국 내 대학의 학문 목적 한국어 교육과정의 운영 현황을 살펴볼 필요가 있다고 보고, 학위 및 비학위 과정의 교육 담당자 6명을 대상으로 심층 면담을 실시하였다. 면담 결과, 어학연수 기관의 교육 담당자들은 일 반 목적 교육과정과 구분되는 학문 목적 교육과정만의 차별성과 입학 후 교육과정과의 연계성을 확보하는 데 어려움을 느끼고 있는 것으로 나타났다. 학위 과정 내 한국어 교육과정의 교육 담당자들은 유학생 간 한국어 수준의 차이가 커 실질적인 수업 운영이 어렵다고 하였다. 본 연구의 결과를 통해 학문 목적 한국어 교육과정 운영의 어려움을 해결하기 위해서는 교사 및 교육 담당자가 참고할 수 있는 표준적 성 격을 지닌 학문 목적 한국어 교육과정을 개발할 필요가 있으며 특히 학문 목적 한국어 교육과정의 하위 유형을 세분화하는 것에 주안점을 둘 필요가 있음을 확인하였다.

In-depth interviews were conducted with six representatives who managed the Korean Language Curriculum for Academic Purposes in both degree and non-degree programs. The results of the interviews showed that officials at the language training institutions had difficulty differentiating academic Korean curricula from general curricula and securing connections with postgraduate programs. Degree program officials commented on the difficulties in conducting practical classes due to the substantial differences in Korean language levels among international students. To address these difficulties, this study proposes that it is vital to focus on categorizing the curriculum when developing a standardized Korean Language Curriculum for Academic Purposes.

본 연구는 말하기 교수･학습의 보완적 도구로서 생성형 AI를 활용할 경 우, 한국어 말하기 대화 연습에서 생성형 AI–학습자 간 대화가 기존 교실 내 동료 학습자 간 대화에 비해 상호작용적 효과를 보이는지를 검증하는 것을 목적으로 하였다. 이를 위해 한국어 학습자의 생성형 AI–학습자 간 말하기 대화와 동료 학습자 간 말하기 대화를 분석하여 대화 구조, 학습 자 주도성, 상호작용 양상 및 정의적 요인을 중심으로 비교하였다. 연구 결과, 생성형 AI와의 말하기 대화는 학습자가 완결된 대화 구조에서 보 다 확장적인 과업을 수행하도록 하는 상호작용 구조를 형성하였으며, 학 습자가 주도적이고 능동적으로 대화할 수 있는 조건과 의미 협상이 수반 되는 상호작용 기회를 지속적으로 제공하였다. 또한, 생성형 AI 기반 말 하기 연습은 정의적 부담이 상대적으로 낮고 몰입이 가능한 연습 환경으 로 인식되었다.

This study examines whether generative AI–learner(GenAI– L) dialogue in Korean speaking practice produces distinct interactional effects compared with learner–learner(L–L) interaction. Speech data from both environments were analyzed with respect to interactional structure, learner initiative, and affective factors. GenAI–L interactions demonstrated structurally complete and task-expansive patterns, in which learners assumed more active speaker roles. In contrast, L–L interactions tended to be simpler and more linear, although instances of meaning negotiation remained relatively active. These findings suggest that generative AI can complement classroom speaking activities by expanding learners’ opportunities for speaking practice.

본 연구는 생성형 인공지능(generative AI)을 매개로 한 비공식 학습 환경 에 참여한 고급 한국어 학습자들의 동기적 전환 과정을 탐구하였다. 내 러티브 탐구 방법론을 적용하여, 학습자들이 AI와의 지속적인 상호작용 을 통해 자기조절 학습 전략, 학습자 정체성, 언어적 인식이 어떻게 변화 하는지를 심층적으로 분석하였다. 참여자들은 개인의 목표나 AI 활용 방 식에는 차이를 보였으나, 공통적으로 외재적 동기에 의해 수동적으로 학 습하던 단계에서 내재적 동기를 기반으로 자율적 언어 사용자로 전환되 는 양상을 나타냈다. 생성형 AI는 단순한 오류 수정 도구를 넘어, 학습자 의 자기평가 능력, 표현 역량, 정서적 안정감을 증진시키는 인지적·정서 적 매개체로 기능하였다. 이러한 결과는 생성형 AI가 언어 숙달도 향상 뿐 아니라, 학습자의 동기 체계와 정체성 구조의 재구성에까지 기여할 수 있는 교육적 잠재력을 지님을 시사한다.

This study investigates motivational transformations among advanced Korean-language learners engaged in informal learning mediated by generative artificial intelligence (AI). Employing a narrative inquiry approach, it analyzes how learners' self-regulated strategies, identity, and linguistic awareness evolve through sustained interaction with AI. Despite differences in personal goals and usage patterns, all participants showed a common shift from passive, extrinsically motivated learners to autonomous, intrinsically driven language users. Generative AI functioned not merely as a corrective tool, but as a cognitive and affective mediator that enhanced learners’ self-evaluation, expressive capacity, and emotional security. These findings suggest that generative AI can contribute to restructuring learners' motivational systems and identities beyond improving linguistic proficiency.

본 연구는 외국인 한국어 학습자의 작문에서 나타나는 오류를 인간 교 정자와 거대언어모델의 교정 양상을 비교ㆍ분석하였다. 이를 통해 현 재 LLM의 한국어 자동 교정 도구로서의 활용 가능성을 평가하고자 하였다. 연구 자료는 국립국어원의 <한국어학습자말뭉치>에서 수집 된 고급 학습자 작문 100개였으며, 교정 결과는 문장 단위로 비교하여 코사인 유사도를 산출하였다. 분석 결과, LLM의 교정 결과와 인간 교 정자의 교정 결과는 평균 0.8의 유사도를 보였으며, 전체 문장의 약 40%는 완전히 일치하였다. 그러나 문체와 화계, 피동 구문, 문법 구조, 연어 생성 등에서 차이가 나타났다. LLM은 문체를 일관되게 하지 못 하거나, 한국어의 특정 문법 구조를 올바르게 처리하지 못하는 경향을 보였으나, 연어 생성에서는 상대적으로 더 자연스러운 표현을 제공하 는 경우도 있었다. 본 연구는 LLM의 한국어 교정 능력에 대한 연구로 서 의의가 있으며 향후 연구에서는 다양한 학습자 변인과 데이터의 확 장을 통한 심층 분석을 제언한다.

This study compares and analyzes the error correction patterns in the writing of Korean language learners between human correctors and large language models (LLMs). The primary goal is to evaluate the feasibility of utilizing LLMs as automatic Korean error correction tools. The research data comprises 100 writing samples from advanced learners, sourced from the National Institute of Korean Language's Korean Learners Corpus. The correction results were compared sentence by sentence, and cosine similarity was calculated to measure the alignment. The findings indicate an average similarity score of 0.8 between LLM corrections and human corrections, with around 40% of the sentences showing complete agreement. However, notable differences were observed in terms of stylistic consistency, speech levels, passive constructions, grammatical structures, and collocation generation. LLMs exhibited inconsistencies in maintaining style and handling specific grammatical structures in Korean, yet in some cases, they provided more natural collocations. This research holds significance as an evaluation of the current capabilities of LLMs in Korean error correction. Future studies are suggested to expand on learner variables and data to provide deeper insights.