[논문 리뷰] Beyond Tools: Generative AI as Epistemic Infrastructure in Education

Bodong Chen|ArXiv.org|2025. 04. 09.

Educational Strategies and Epistemologies인용 수 3

한 줄 요약

이 논문은 생성형 AI를 교육에서 인식적 주체성을 재구성하는 인식적 기반으로 보려 하고, 세 가지 분석 조건이 포함된 프레임워크를 제안하며, 수업 계획과 피드백에서 AI 도구를 분석하여 인식적 대체와 그 윤리적 함의를 드러낸다.

ABSTRACT

AI systems are increasingly embedded in practices where humans have traditionally exercised epistemic agency, the capacity to actively engage in knowledge formation and validation. This paper argues that understanding AI's impact on epistemic agency requires analyzing these systems as epistemic infrastructures rather than as neutral tools. Drawing on theories of technological mediation and distributed cognition, I advance a framework that foregrounds how AI systems reconfigure the conditions under which epistemic agency can be exercised. The framework specifies three analytical conditions: affordances for skilled epistemic actions, support for epistemic sensitivity, and implications for habit formation. I apply this framework to AI systems deployed in education, a domain where epistemic agency is both professionally essential and ethically significant. Analysis of AI lesson planning and feedback tools reveals patterns of epistemic substitution: while useful for efficiently handling teaching tasks, these systems perform cognitive operations without sustaining skilled epistemic actions, epistemic sensitivity, or virtuous habit formation, potentially preventing the cultivation of professional judgment that relies on these practices. The findings contribute to philosophical debates about AI and human agency by specifying mechanisms through which infrastructural embedding shapes epistemic possibilities, and offer design principles for AI systems that sustain rather than supplant human epistemic agency.

연구 동기 및 목표

• 교육에서 인식적 주체성이 왜 중요한지 동기를 부여하고 AI 시스템이 이를 어떻게 바꾸는지 제시한다.
• 지식 관행의 기반 매개체로서의 AI를 연구하기 위한 분석 프레임워크를 제안한다.
• 수업 계획 및 피드백 도구에 초점을 맞춰 교육에서의 AI에 프레임워크를 적용한다.
• 인식적 대체의 메커니즘과 그 윤리적 함의를 식별한다.
• AI가 강화된 교육에서 인간의 인식 주체성을 유지하기 위한 설계 원칙을 제시한다.

제안 방법

• 분석을 기술 매개 이론과 분산 인지 이론에 기초한다.
• 숙련된 인식적 행위에 대한 어포던스, 인식적 민감성에 대한 지원, 습관 형성에 대한 함의를 세 가지 분석 조건으로 규정한다.
• 교육에서의 AI 활용에 프레임워크를 적용하되, 특히 수업 계획 및 피드백 도구에 중점을 둔다.
• AI가 인지 작업을 처리하면서도 숙련된 실천을 유지하지 못하는 인식적 대체 패턴을 진단한다.
• 지속적인 인간 인식 주체성을 촉진하는 설계 원칙을 제안한다.

실험 결과

연구 질문

• RQ1 AI 시스템이 교육 현장에서 인식적 주체성을 행사할 수 있는 조건을 어떻게 재구성하는가?
• RQ2 AI 도구가 교육에서 숙련된 인식적 행위, 인식적 민감성 및 선량한 습관 형성을 대체하거나 약화시키는 메커니즘은 어떤 것들이 있는가?
• RQ3 AI 시스템이 교수-학습 맥락에서 인간의 인식적 주체성을 대체하지 않고 지속하도록 보장하는 설계 원칙은 무엇인가?

주요 결과

• AI 시스템은 숙련된 인식적 행위를 유지하지 않으면서도 인지적 작용을 수행하여 인식적 노동을 흡수할 수 있다.
• AI 도구는 교육 현장에서 인식적 민감성과 전문적 판단의 기회를 감소시킬 수 있다.
• AI를 활용한 수업 계획 및 피드백 작업 흐름에서 인식적 대체 패턴이 나타난다.
• AI 인프라를 구현하면 교육자와 학습자의 인식 가능성과 주체성에 대한 조건이 바뀐다.
• 설계 원칙은 AI 시스템이 인간의 인식적 주체성을 보조하고 대체하지 않도록 이끄는 역할을 할 수 있다.