AI 챗봇이 사교육을 줄여주었나?

박지우

학술저널

저자정보: 박지우 (청심 국제고등학교)

저널정보: 한국정보기술진흥원 한국정보기술진흥원 학술지 한국정보기술진흥원 학술지 제2권 제2호

오류 신고하기

피인용 0

검색

초록·키워드

한국의 사교육 의존도와 가계 교육비 부담은 지속적으로 증가하고 있으며, 수도권 고등학생의 월평균 사교육비가 약 43.6만 원에 달한다. 한편 2022년 말 ChatGPT 등장 이후 AI 챗봇을 학습에 활용하는 사례가 급증하면서, AI 튜터가 과외나 학원 수업을 대체 또는 보완하여 사교육비를 절감시킬 수 있을지에 대한 관심이 높아졌다. 본 연구는 이러한 배경에서 “AI 챗봇이 실제로 사교육을 줄여주는 효과가 있는가?”라는 물음을 중심으로 청소년의 경험을 조사하였다. 중학생 1학년부터 고등학생 3학년까지 80명을 대상으로 온라인 설문조사(14문항)와 추가 심층 인터뷰를 실시하여, 챗봇 활용 경험과 사교육 이용 변화를 분석하였다. 설문 결과, 챗봇 사용 후 사교육 “감소” 응답은 7.5%에 불과했고 70%는 “변화 없다”고 답했으며, 일부(22.5%)는 챗봇의 한계를 보완하기 위해 오히려 사교육을 늘렸다고 응답하여 챗봇의 사교육비 절감 효과가 미미한 것으로 나타났다. 학생들이 느낀 사교육비 절감 체감 점수도 평균 1.9/5점으로 낮았다. 통계 분석 결과 챗봇 사용과 사교육비 변화 사이에 유의미한 상관관계나 영향은 확인되지 않아, 데이터 상으로도 챗봇이 사교육비를 줄인다는 근거를 찾기 어려웠다. 인터뷰에서도 다수의 학생들이 AI 챗봇을 ‘숙제 도우미’로는 편리하게 활용하면서도, 맞춤 피드백 부족과 신뢰성 문제로 인해 개인 교습의 대체재로 여기지 않는다고 응답했다. 종합적으로, 현 시점의 AI 챗봇은 사교육을 완전히 대체하기보다는 보완하는 도구로서의 역할에 머물고 있으며, 사교육비 절감 효과 역시 제한적인 것으로 판단된다. 본 연구는 이러한 결과를 바탕으로 자기주도적 학습에 상호작용형 AI 튜터를 접목하고 개인맞춤형 지도를 강화하는 SIP(Self-directed, Interactive, Personalized) 학습모형을 제안한다. 교육부와 교육과정평가원이 EBS나 국공립 교육플랫폼에 GPT 계열 챗봇을 접목하여 대입수능 대비 학습, 취약한 과목 보충지도, 일대일 질의응답 서비스 등을 제공하면, 사교육비 부담을 완화하고 교육격차를 줄이는 데 기여할 수 있을 것입니다.

South Korea’s heavy reliance on private tutoring has led to steadily rising household education expenses (averaging about $350 per month for high school students). With the emergence of AI chatbots like ChatGPT in late 2022, there is growing interest in whether AI tutors can supplement or replace costly private lessons. This study investigates whether AI chatbots effectively reduce the need for private education by surveying the experiences of secondary school students. I conducted an online survey of 80 middle and high school students (14 questions on private tutoring usage, AI chatbot experience, perceived effects) followed by in-depth interviews. The results showed that only 7.5% of students reported a decrease in private tutoring after using AI chatbots, whereas 70% reported no change, and 22.5% indicated their private tutoring actually increased to compensate for chatbot limitations. On a 5-point scale, students’ perceived reduction in private education costs averaged only 1.9 points, indicating minimal impact. Statistical analysis found no significant correlation or effect of chatbot use on changes in private education spending. Interview responses similarly revealed that while students found AI chatbots convenient as “homework helpers,” they did not view them as a true substitute for human tutors due to the lack of personalized feedback and trust in the answers provided. In conclusion, current AI chatbots serve as a complement rather than a replacement for private tutoring, offering some learning convenience but limited effect on reducing private education demand. Based on these findings, we propose an SIP learning model (Self-directed, Interactive, Personalized) that integrates AI chatbot technology with personalized coaching to enhance self-directed learning outcomes. If the Ministry of Education and the Korea Institute for Curriculum and Evaluation integrate GPT-based chatbots into platforms such as EBS or other public education systems, they could provide support for college entrance exam preparation, targeted remediation in weaker subjects, and one-on-one Q&A services—thereby helping to reduce private education costs and narrow the educational gap.

#사교육 #AI 챗봇 #자기주도학습 #SIP 학습모형 #에듀테크 #수능 대비 #private education #AI chatbot #self-directed learning #SIP learning model #edutech #college entrance exam preparation

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-096087628

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)