TL;DR

  • 교육 분야의 인공지능(AI) 연구에서 교육적 맥락과 기술적 측면을 함께 투명하게 보고하도록 설계된 RAISE 프레임워크가 학교와 대학의 근거 기반 의사결정을 돕는 기준임.
  • 교육 현장에서 생성형 AI를 수업 계획과 피드백에 활용하고, 적응형 학습 플랫폼과 AI 튜터링 시스템을 시험하며 평가 방식도 조정하는 중임.
  • AI 연구 결과를 평가하려면 기술 설명이나 대표 성과만으로는 부족하며, 학습자·교사 역할·도구 구현 방식·다른 교육 환경으로의 적용 가능성을 파악할 정보가 필요함.
  • RAISE는 10개 영역의 체크리스트 30개 항목으로 교육 맥락, 교육적 근거, 윤리, 실행 방식과 교육자의 역할을 보고하도록 안내함.
  • 작성 가능한 위험·윤리 매트릭스와 보고 사례를 통해 개인정보 보호, 편향, 접근성, 학습자의 AI 의존 등 위험을 검토하고, 어떤 조건에서 누구에게 어떤 상충 관계와 함께 효과가 있는지 살피도록 도움을 줌.

교육 분야 AI의 확산과 근거 평가 문제

  • 교육 분야에서 인공지능(AI)의 존재감이 커지고 있으며, 교사들은 수업 계획과 피드백에 생성형 AI를 활용하고 교육기관은 적응형 학습 플랫폼을 시험하고 AI 지원 튜터링 시스템을 살피며 평가 방식을 조정하는 중임. 관련 참고 연구는 AI 기반 지능형 튜터링 시스템에 관한 체계적 문헌 검토임.
  • AI가 학습, 성취도, 효율성에 기여한다는 주장이 늘고 있지만, 교육 기술 연구는 도구가 어떻게 구현됐는지, 교사가 어떤 역할을 했는지, 긍정적 결과를 다른 교육 환경에도 적용할 수 있는지 충분히 설명하지 않는 경우가 있음.
  • 불완전한 근거를 바탕으로 중요한 결정을 내릴 수 있는 학교와 대학에는 학습자 구성, AI가 해결하려는 교육 문제, 필요한 교사 지원 수준, AI를 피드백·수정·튜터링·평가 중 어디에 활용했는지, 부정확한 출력·편향·접근성 문제에 대한 안전장치가 있었는지 등을 파악할 정보가 필요함.

학교와 대학은 불완전한 근거에 기반해 중요한 결정을 내리게 될 수 있음.

교육 분야 AI 연구에서 보고 기준이 중요한 이유

  • 연구 보고 기준은 독자가 연구 결과의 품질, 신뢰성, 적용 가능성을 판단하는 데 도움을 줌. 교수·학습은 맥락의 영향을 크게 받으므로 한 환경에서 효과적으로 보인 AI 시스템이 다른 환경에서도 같은 결과를 내리라는 보장은 없음.
  • 체계적 문헌 검토에서는 정확한 보고를 위해 PRISMA가 자주 활용되고, 의학 분야에서는 임상시험의 투명성을 높이는 CONSORT 같은 프레임워크가 오랫동안 사용됨.
  • AI 관련 교육 연구가 빠르게 늘어나는 가운데 교육 분야의 보고 관행은 여전히 일관되지 않음. RAISE는 교육 분야 AI 연구에 기술적 측면과 교육적 측면의 구현 내용을 모두 담는 보고 기준이 필요하다는 점에 대응해 개발됨.

RAISE 프레임워크의 구성과 활용

  • RAISE는 10개 영역에 걸친 체크리스트 30개 항목으로 구성되며, 기술 성능뿐 아니라 AI 도구가 교수·학습 과정에 어떻게 배치되는지도 설명하도록 안내함. 보고 항목에는 교육 맥락, 교육적 근거, 윤리적 고려 사항, 실행 방식, AI 지원 활동에서 교육자가 맡은 역할이 포함됨.
  • 교육 맥락 항목은 학습자가 누구인지, 개입이 어디에서 이뤄졌는지, 어떤 교육적 과제를 다뤘는지 설명하도록 요구함. 교육적 근거 항목은 AI를 선택한 이유와 학습 목표와의 연계를 설명하도록 함.
  • 교육자 참여 항목은 교사가 AI 시스템과 학습자의 상호작용을 어떻게 지원·관찰·매개했는지 기술하도록 함. AI 도구는 교육 현장과 분리되어 작동하지 않으며, 효과는 맥락과 인간의 판단에 달려 있음.
  • RAISE는 작성 가능한 템플릿 매트릭스인 윤리·위험 매트릭스(그림 1)와 좋은 보고 및 좋지 않은 보고 사례를 제공해 위험과 윤리를 더 명시적으로 다루도록 함.
  • 교육 현장의 실무자는 개인정보 보호, 편향, 접근성, 학습자의 의존성에 점점 더 우려를 나타내고 있음. 교사들은 책임 있는 평가 설계와 학생의 생성형 AI 과도 의존 문제를 이미 다루고 있음.
  • 투명한 보고는 실무자가 이런 위험을 비판적으로 평가하는 데 도움을 줌. RAISE는 AI 도구가 ‘효과가 있는지’라는 단순한 주장에서 벗어나 어떤 조건에서, 누구에게, 어떤 상충 관계와 함께 효과가 있는지를 묻게 함으로써 근거에 기반한 의사결정을 지원함.
  • 그림 1. RAISE 윤리·위험 매트릭스(Allison, 2026)

교육 분야 AI 의사결정에서 RAISE의 역할

  • AI는 교육 혁신에서 중요한 요소로 남을 가능성이 높음. 그러나 혁신에는 투명하고 해석 가능하며 실무와 관련된 근거가 필요함.
  • RAISE는 교육 의사결정 책임자가 AI 관련 근거를 더 의미 있게 활용하도록 돕는 진전임.

참고 문헌

  • Allison, J. (2026). RAISE the standard: A framework for transparent reporting of artificial intelligence studies in education. *Journal of Educational Computing Research*, 64(1), 3–15. https://doi.org/10.1177/07356331251377430
  • Létourneau, A., Deslandes Martineau, M., Charland, P., Karran, J. A., Boasen, J., & Léger, P. M. (2025). A systematic review of AI-driven intelligent tutoring systems (ITS) in K-12 education. *npj Science of Learning*, 10(1), 29. https://doi.org/10.1038/s41539-025-00320-7