10대들의 AI 이해도 높이기: 생성형 언어 모델 설계 및 감사 워크숍

본 연구는 청소년들이 생성형 언어 모델(GLM)을 직접 설계하고 감사하는 참여형 워크숍을 통해 기술적, 윤리적 이해도를 높이는 효과를 조사하는 연구입니다. 데이터 기반 GLM 구축 및 상용 GLM 감사 활동을 통해 청소년들의 GLM에 대한 깊이 있는 이해를 증진시키고, 미시적 지식 분석과 순서 네트워크 분석을 통해 기술적, 윤리적 이해 간의 관계 및 변화를 분석합니다.

최근 생성형 인공지능(AI) 기술의 급속한 발전과 함께, 청소년들의 AI 리터러시 교육의 중요성이 더욱 커지고 있습니다. 단순히 AI를 사용하는 방법만 배우는 것이 아니라, AI 시스템의 설계와 평가에 직접 참여하여 AI에 대한 깊이 있는 이해를 쌓는 것이 중요해졌습니다. Luis Morales-Navarro의 연구는 바로 이러한 점에 초점을 맞추고 있습니다.

이 연구는 14~15세 중학생 16명을 대상으로 생성형 언어 모델(GLM)의 설계 및 감사 활동을 통해 기술적, 윤리적 이해도를 높이는 효과를 조사합니다. 단순히 GLM을 사용하는 것이 아니라, 직접 GLM을 만들어보고(데이터 기반 GLM 구축), 상용 GLM을 체계적으로 분석하여 그 행동 방식을 추론하는(상용 GLM 감사) 방식으로 진행됩니다.

연구진은 참가자들의 상호 작용을 분석하여 GLM을 설계하고 감사하는 과정에서 드러나는 기술적, 윤리적 이해 수준을 파악합니다. 더 나아가, 미시적 지식 분석과 순서 네트워크 분석을 통해 참가자들의 기술적, 윤리적 이해 간의 관계와 워크숍 이후의 변화를 심층적으로 분석할 예정입니다.

핵심은 무엇일까요?

• 참여형 디자인: 단순히 수동적으로 배우는 것이 아니라, 직접 GLM을 설계하고 감사하는 과정에 참여함으로써 실질적인 경험을 쌓습니다. 이는 이론적인 이해를 넘어, 실제 AI 시스템 작동 방식에 대한 깊이 있는 통찰력을 제공할 것입니다.
• 기술적 이해와 윤리적 이해의 통합: GLM의 기술적 작동 원리와 윤리적 함의를 동시에 고려함으로써, AI 기술의 책임 있는 사용에 대한 중요성을 강조합니다. 단순한 기술 숙련을 넘어, 윤리적인 시각을 갖춘 AI 전문가 양성을 목표로 합니다.
• 데이터의 중요성 강조: 데이터 기반 GLM 구축 과정을 통해, 데이터가 GLM 성능에 미치는 영향을 직접적으로 경험하고 이해하도록 합니다. 이는 데이터의 편향성, 데이터의 질, 그리고 데이터의 윤리적 사용에 대한 인식을 제고하는 데 중요한 역할을 할 것입니다.

이 연구는 청소년들의 AI 리터러시 교육에 대한 새로운 패러다임을 제시하고, 미래 사회의 AI 전문가 양성에 중요한 시사점을 제공할 것으로 기대됩니다. 단순한 사용자를 넘어, AI 시스템을 설계하고 평가할 수 있는 주체적인 인재 육성을 위한 중요한 발걸음이 될 것입니다.