인공지능융합교육 관련 학술논문과 학위논문의 연구동향 비교 분석

Ⅰ. 서론

2025년 3월 챗GPT의 지브리풍 이미지 생성 열풍과 5월에 있었던 구글의 I/O 2025에서발표된 동시 통역기술 및 Veo3의 영상-음성 동시 생성 기술 등을 통해 생성형 인공지능 기술의 발전 수준이 어느덧 임계점을 넘어 상상과 이론이 현실화되는 지점에 이르렀다는 것을 확인할 수 있었다. 인공지능 기술이 사회 전반에 광범위하게 적용되면서 우리의 삶과 사회에 큰 영향을 줄 것으로 예상되고 있으며, 이는 4차산업혁명 시대의 진정한 도래라고 부를 수 있을 것이다.

글로벌 기업들은 앞다퉈 인공지능 인프라의 투자 및 구축에 최우선적으로 자본을 투입하고 있으며 이를 통해 높아진 생산력으로 인원을 대규모 감축하는 등 사회적 부작용도 나타나고 있다. 올해부터 전체 학교급에 적용되기 시작한 2022 개정 교육과정에서도 이러한 점을 미리 감안하여 인공지능의 기반 조성과 개념, 활용, 융합 교육을 위한 토대를 마련하였고, 인공지능 국가전략(2019), 인공지능 시대 교육정책 방향과 핵심과제(2020), 인공지능융합교육대학원(2020) 등의 정책 등을 통해 인공지능을 활용한 문제해결과 창의적 사고의 향상, 교사의 인공지능 활용 역량 강화를 꾀하고자 하였다(김영환, 2021; 정영선·강병희, 2024; 정주훈, 2024; 조영식·조규락, 2025; 최숙영, 2023; 한송이·김태종, 2022).

더불어 연구자들의 관심도 상당히 높아 2025년 6월 20일 기준으로 학술연구정보서비스(RISS)의 상세검색기능을 이용하여 논문명 ‘인공지능교육 or AI교육’으로 KCI등재후보지 이상에 게재된 국내학술논문은 1,517건이 검색되었다. 아울러, 인공지능 교육의 전체적인 연구 트랜드를 빠르게 파악할 수 있는 연구동향분석도 다수 이루어진 것으로 나타났다.

인공지능 교육 연구동향 분석에서 공통적으로 언급하고 있는 기존 연구들이 가지고 있는 한계에 대한 내용들을 요약하면 다음과 같다. 첫째, 활용에 치우친 연구가 대다수로 나타났으며, 프로그램 개발 및 적용, 교과교육에서의 활용 등에 초점을 두고 있었다(김성애, 2021; 김수진·임다미·김제이, 2024; 박정호, 2021; 정주훈, 2024). 둘째, 활용 중심 연구의 편향성에 비해 본질적 측면에 대한 원리탐색, 철학적, 개념적, 윤리적 가치 연구에 대한 부분이 부족하여, 오개념 및 유사개념에 대한 논란으로 이어지고 있었다(김성애, 2021; 김수진·이예경, 2025; 김수진·임다미·김제이, 2024; 김영환, 2021; 박정호, 2021; 임철일 외, 2025; 정주훈, 2024; 한송이·김태종, 2022). 셋째, 특정 학교급(초등)이나 교과(수학, 과학, 정보), 특정 연구법(사례 연구)에 대한 연구들이 편중되게 나타났다(김수진·임다미·김제이, 2024;. 최지웅, 2021; 한지윤·신영준, 2020). 넷째, 단편적, 일회적 교수학습 자료 개발 및 특정도구 의존 등 미시적 접근이 많고, 교수 학습 모형 및 관련 연구가 부족하였다(김영환, 2021; 김혜영·안혜리, 2025; 박정호, 2021; 한송이·김태종, 2022; 임철일 외, 2025). 마지막으로, 교사 역량 강화를 위한 연구가 부족하였다(김수진·임다미·김제이, 2024;. 김영아·박다은, 2024; 김현집, 2025; 이재욱, 2024).

공통적으로 제시하고 있는 향후 연구의 방향으로는 강인공지능(AGI, Artificial General Intelligence) 및 정책/제도에 관한 연구, 다양한 교과과의 융합 방안 탐색, 현장 특성을 고려한 실용적인 수업 모형 및 사례의 개발, 교사의 인공지능 융합 교육 역량 강화, 교육철학 및 개념, 목적 등 기초 기반 연구의 확대, 인공지능 윤리 교육의 방향, 다양한 연령대 학습자에 대한 연구 등이 있었다.

인공지능 융합교육에 관한 연구동향 분석 학술논문은 이주영(2024), 정주훈(2024), 임철일 외(2025)의 연구가 있었다. 이주영(2024)은 인공지능 융합 영재 프로그램과 관련된 학술논문과 학위논문 75편을 대상으로 연구동향 분석을 실시하였다. 군집 분석을 통해 인공지능교육프로그램, 컴퓨팅사고력, 융합교육, 소프트웨어영재를 중심으로 형성되어 교육콘텐츠, 교육 효과, 교수방법, 교육 대상에 대한 연구가 진행되고 있음을 확인하였다. 정주훈(2024)은 인공지능융합교육대학원 학위논문 411편의 연구주제 동향 분석을 진행하였다. 이 연구에서는 동출현 빈도 도출 결과를 통해 초등(학생) 대상의 인공지능 융합 교육(수업) 프로그램 개발에 관한 연구가 가장 중심성이 높은 연구 주제로 추론하였다. 제언으로 대부분의 연구가 활용 측면에 치우쳐 있어 향후 원리의 탐색, 철학적 개념, 윤리적 가치에 대한 연구가 필요함을 보였다. 임철일 외(2025)의 연구에서는 2015년부터 2024년까지 발표된 인공지능 융합교육 관련 26편의 논문을 분류체계를 활용하여 체계적으로 검토 및 분석하였다. 연구 결과, 인공지능 융합교육은 실제 적용과 창출 능력 배양에 중점을 두고 있었고, 과학 및 사회 교과에서는 활발히 이루어지고 있었으나, 그 외 교과 사례는 부족함을 밝혔다.

기존의 인공지능융합교육 관련 연구동향분석은 영재 프로그램에만 초점을 두거나(이주영, 2024), 인공지능융합교육대학원에서 발간된 학위논문의 주제 동향의 파악(정주훈, 2024), 경험적 연구 중 질평가를 통해 선정된 소수의 논문만을 구체적으로 분석한 결과의 분류(임철일 외, 2025) 등으로 이루어져 인공지능융합교육의 전체적인 연구동향을 알아보는데는 한계가 있었다. 이에 본 연구는 2024년까지의 인공지능융합교육을 주제로 발표된 학술논문과 학위논문의 메타데이터를 비교·분석하여 어떤 경향을 지니고, 연구 주체는 어떠한지, 연구 주제는 어떤 공통점과 차이점이 있는지를 파악하고자 하였다. 아울러 제목 키워드 네트워크 분석과 클러스터링 분석을 활용하여 시각적인 그래프로 도출한 후 어떤 차이점과 특징이 있는지를 분석하였다.

이를 위한 연구문제는 다음과 같다.

첫째, 인공지능융합교육 관련 학술논문과 학위논문의 메타데이터 분석결과는 어떠한가?

둘째, 인공지능융합교육 관련 학술논문과 학위논문의 네트워크 텍스트 분석결과를 통한 주제어 간의 상관 관계와 클러스터 결과는 서로 어떤 차이가 있는가?

Ⅱ. 연구방법 및 절차

본 연구는 인공지능융합교육과 관련된 학술논문과 학위논문의 연구동향을 파악하고 비교하고자 하였다. 이를 위한 메타데이터 수집은 다음의 절차대로 수행하였다.

첫째, 학술연구정보서비스(riss.kr)의 상세 검색 기능을 이용하여 2024년까지 발표된 논문명 ‘인공지능 융합교육’ or ‘AI 융합교육’으로 검색하였고, 학술논문은 KCI등재 및 등재후보 논문만을 대상으로 하였다.

둘째, KCI(kci.go.kr) 데이터분석기능을 이용하여 ‘인공지능융합교육’과 ‘AI융합교육’의 검색 결과를 데이터셋으로 등록하고, RISS의 검색결과와 비교하였다.

셋째, 국회도서관의 소장자료 상세검색을 통해 학위논문 검색을 실시하고, 검색결과를 RISS의 검색결과와 비교하였다.

넷째, 중복된 논문 제거 후, 학술논문 133편, 학위논문 117편을 최종 연구대상으로 선정하였다.

이후의 연구 절차와 방법은 정주훈(2024)의 절차를 참고하였으며, 다음과 같은 순서로 진행하였다.

첫째, 수집된 메타데이터를 기초하여 연도별, 학회별, 대학별, 연구자별로 분석하였다. 이를 통해 연구의 추세 및 연구의 주체를 알아보고자 하였다.

둘째, 텍스트 분석을 위해 검색된 논문들의 메타데이터 중 제목 데이터를 전처리(Pre-processing)하였다. 제목 데이터는 연구의 핵심 내용을 담고 있어 연구 주제를 빠르게 파악하는데 용이하다. 이를 위해 총 250편의 논문 제목을 의미가 있는 단어의 원형으로 정규화한 후 최종 데이터로 확정하였다. 전처리는 파이썬 konlpy 라이브러리를 활용하여 진행하였으며, 처리된 데이터를 로우데이터와 비교하여 띄어쓰기, 약어 형태 등을 수정하였다. 이 때, 같은 단어의 조합이라도 연구자에 따라 붙이거나 분리하는 등 다른 관점을 보이는 경우가 많아 일괄적으로 단어 중심의 키워드 원형으로 정규화하였다.

셋째, 전처리된 제목 데이터를 바탕으로 키워드별 빈도수를 도출하였다. 이후, 학술논문과 학위논문의 키워드 빈도수의 비교를 통해 공통점과 차이점을 알아보았다.

넷째, 빈도수 5이상의 키워드들을 대상으로 각각의 제목데이터에 기반한 동출현빈도를 Krkwic프로그램의 krtitle.exe로 구하였다. Krkwic프로그램의 활용은 박한우·Leydesdorff(2004)를 참조하였다.

다섯째, 노드엑셀 프로그램을 활용하여 동출현빈도를 바탕으로 네트워크 텍스트 분석을 실시하였다. 계산된 중앙성(Centrality)에 Fruchterman-Reingold 알고리즘을 적용하여 학술논문과 학위논문의 키워드별 상관관계 그래프를 각각 도출하였다.

여섯째, CNM(Clauset-Newman-Moore) 알고리즘을 사용하여 클러스터 분석을 실시하였다. 이를 통해 키워드별로 그룹화하고, 각 그룹별 특징을 알아보고자 하였다.

Ⅲ. 연구결과

1. 메타데이터 분석 결과

1) 연도별 분석 결과

연도별 분석결과는 [그림 1]과 같다. 인공지능융합교육 주제의 학술논문은 2014년부터 나타나기 시작되었고, 2019년부터는 지속적으로 연구가 진행되고 있음을 알 수 있다. 학위논문은 2020년부터 시작되었고, 전체적으로 2023년부터는 급격하게 연구물의 수가 증가하고 있음을 알 수 있다.

[그림 1]

연도별 분석결과

2) 학술논문 학회별 분석 결과

1편 이상 게재된 학회는 총 66개 학회로 나타났다. 이들 중 2편 이상 게재된 학회별 분석결과는 <표 1>과 같다. 한국컴퓨터교육학회(21), 한국정보교육학회(15), 학습자중심교과교육학회(10) 등의 순으로 많은 관련 연구가 게재되었음을 알 수 있다. 아울러, 정보·컴퓨터교육 관련 학회 외에도 과학, 문화, 미디어, 교육공학, 콘텐츠, 융합, 공학, 체육, 종교 등 다양한 분야에서 관련 연구가 진행되고 있음을 알 수 있다.

〈표 1〉

학회별 분석 결과

3) 학위논문 대학별 분석 결과

1편 이상 게재된 대학은 총 34개 대학으로 나타났다. 이들 중 2편 이상 게재된 대학별 분석결과는 <표 2>와 같다. 한국교원대(23), 서울교대(15), 이화여대(8), 중앙대(8), 경인교대(7)등의 순으로 나타났으며, 대부분 인공지능융합교육대학원을 운영하고 있는 학교로 나타나 정책의 효과가 있음을 알 수 있다.

〈표 2〉

대학별 분석 결과

4) 학술논문 연구자별 분석 결과

1편 이상 게재한 연구자는 총 214명으로 나타났다. 2편 이상 게재 연구자별 분석 결과는 <표 3>과 같다. 김귀훈(9편), 김지윤(8편), 강신천(6편), 전인성(5편), 허희옥(5편) 등의 순으로 나타났으며, 게재 편수 상위권 연구자의 대부분이 대학 소속의 연구자들이었다. 제1저자의 소속기관별 분석결과는 <표 4>, 제1저자의 소속기관별 유형은 [그림 2]와 같다.

〈표 3〉

연구자별 분석 결과

〈표 4〉

1저자 소속기관별 분석 결과

[그림 2]

1저자 소속기관 유형

2. 네트워크 텍스트 분석 결과

1) 키워드 빈도수 분석 결과

빈도수 5 이상의 키워드 분석결과는 <표 5>와 같다. ‘인공지능’, ‘융합’, ‘교육’ 키워드는 검색키워드이기 때문에 결과표에서 제외하였다. 학술논문은 개발(55), 프로그램(45), 교사(27), 분석(27), 활용(23)의 순으로 나타났고, 학위논문은 개발(62), 프로그램(56), 적용(31), 초등학생(24), 활용(23), 영향(22)의 순으로 나타났다. 개발과 프로그램 키워드는 학술논문과 학위논문 모두 최상위에 나타났음을 알 수 있다. 차이점을 살펴보면, 학술논문에서는 교사(27), 분석(27), 효과(19), 역량(15), 사례(12)의 키워드 빈도수가 학위논문보다 높게 나타났고, 학위논문에서는 적용(31), 초등학생(24), 영향(22), 리터러시(17), 초등학교(15), 데이터(13), 학습(11), 향상(10)의 키워드 빈도수가 학술논문보다 높게 나타났다. 특히, 교사 키워드는 학술논문에서는 3번째로 높은 27회의 빈도수를 보였으나, 학위논문에서는 9회의 빈도수로 학술논문과 큰 격차를 보였다.

〈표 5〉

키워드 빈도수 분석 결과

2) 동출현 빈도수 분석 결과

빈도수 5 이상의 학술논문 40개 키워드와 학위논문 44개 키워드를 대상으로 동출현(Co-occurence)빈도를 도출하였다. 동출현빈도 20 이상의 키워드 쌍은 <표 6>과 같다.

〈표 6〉

동출현 빈도수 분석 결과

분석대상 키워드인 교육-인공지능, 교육-융합, 융합-인공지능 키워드 쌍은 제외하고 카운트한 결과에서 학술논문과 학위논문 모두 교육-개발 키워드 쌍이 가장 높은 동출현빈도를 보였다. 동출현 빈도 50 이상의 키워드들을 분석해 보면, 학술논문에서는 교육-인공지능-프로그램-융합-개발의 동출현 빈도가 높았고, 학위논문에서는 교육-인공지능-프로그램-융합-개발-학생-초등의 동출현 빈도가 높았다. 특히, 학술논문에서는 ‘교육-교사’의 동출현빈도가 41회로 높게 나타났는데 비해 학위논문에서는 9회로 많은 차이를 보였다. 또한, 학위논문에서는 인공지능-학생, 융합-학생 등 학생키워드가 포함된 동출현빈도가 학술논문에 비해 높게 나타났다. 이를 통해 학술논문에서는 교사에 대한 연구가, 학위논문에서는 학생에 대한 연구가 상호 대비 활발하게 이루어지고 있음을 유추할 수 있다.

3) NTA(Network Text Analysis) 그래프 분석 결과

[그림 3]은 빈도수 5 이상의 키워드들을 대상으로 동출현빈도와 계산되어진 중심성 지수를 바탕으로 도출된 학술논문과 학위논문의 네트워크 그래프이다. 노드의 위치는 중심성이 높을수록 가운데에 있고, 링크의 두께와 투명도는 동출현빈도에 비례하며, 동출현빈도 5이상만을 링크로 나타냈다.

[그림 3]

학술논문과 학위논문의 NTA 그래프

분석 결과, 두 그래프는 분석 키워드인 인공지능, 융합, 교육 키워드를 중심으로 프로그램, 개발, 활용, 초등, 분석, 교과, 역량 등의 핵심키워드들이 강하게 결합되어 있음을 알 수 있다. 이는 현재 인공지능융합교육의 연구 주제가 초등 교육에서의 프로그램 개발 및 활용, 교과 역량의 강화 및 효과성 분석 등 활용적 측면이 공통적으로 중심이 되고 있음을 보여주고 있다.

두 그래프 간의 차이점을 살펴보면, 학술논문은 교사, 적용, 설계, 연수 등의 키워드가 상대적으로 학위논문에 비해 그래프의 중심에 나타나고 있어 교사 교육과 교육과정 설계 등 정책적인 부분이 더 강조되고 있다. 학위논문의 경우 학생, 데이터, 리터러시, 진로, 태도 등의 키워드가 학술논문에 비해 중심에 나타나고 있으며, 초등학생, 중학생, 고등학생 등 학생이 포함된 키워드와 창의, 진로, 리터러시, 문제, 프로젝트, 인재 등 인공지능융합교육의 구체적 목적이 학술논문에 비해 두드러지게 나타나고 있어 현장 중심의 연구가 학술논문에 비해 더 강조되고 있음을 알 수 있다.

[그림 4]는 클러스터 분석을 적용한 그래프이다. 학술논문은 크게 3개의 군집으로 분류되었다. 그래프 상단의 1번 군집은 인공지능융합교육의 개발 및 탐색, 요구 및 분석 등 이론적이고 방법론적인 연구의 기본적 개념과 목적, 방향 제시 등이 중심 주제임을 알 수 있다. 좌측 하단의 2번 군집은 프로그램, 초등, 교육과정, 활용 등 군집의 중심 키워드를 통해 현장에서의 실질적 구현과 적용에 초점을 두고 있음을 알 수 있다. 우측 하단의 3번 군집은 각 교과목과 교사, 연수 키워드를 통해 실제 교과에서의 교사의 관련 역량 강화와 관련된 군집임을 유추할 수 있다.

[그림 4]

학술논문과 학위논문의 클러스터 분석 그래프

학위논문은 6개의 군집으로 나뉘어졌으나, 4개 군집이 각각 1개의 노드로만 이루어져 있다. 이에 크게 상단과 하단의 2개 군집으로 분류하였다. 그래프 상단의 1번 군집은 초등을 중심으로 창의, 태도, 진로, 영향, 사고력, 환경 등 학습자와 관련된 변화 및 성장에 집중되어 있는 군집이라 할 수 있다. 하단의 2번 군집은 개발, 활용, 역량, 모형, 교수, 교사 등 프로그램을 만드는 교육자 및 개발자에 집중된 군집으로 볼 수 있다.

Ⅳ. 결론

본 연구는 인공지능융합교육 관련 학술논문과 학위논문의 연구동향을 비교 분석하고자 하였다. 이를 위해 학술논문 133편과 학위논문 117편, 총 250편의 메타데이터를 수집하여 데이터 분석을 실시하고, 전처리 과정을 거쳐 정제한 제목 키워드 기반의 네트워크 텍스트 분석을 수행하였다. 이를 통해 나타난 결과는 다음과 같다.

첫째, 연도별 분석결과 학술논문과 학위논문의 총 수는 매년 증가하고 있음을 알 수 있었으며, 2023년을 기점으로 기하급수적으로 큰 증가세를 이루었음을 알 수 있었다. 둘째, 학술논문의 학회별 분석 결과, 정보·컴퓨터교육 관련 학회 뿐 아니라 교과교육, 교육공학, 문화, 미디어, 콘텐츠, 융합 등 다양한 분야에서 관련 연구가 진행되고 있었다. 셋째, 학위논문의 대학별 분석 결과, 인공지능융합교육대학원을 운영하고 있는 대학의 관련 학위논문이 대다수를 차지하고 있어 정책의 효과가 있음을 알 수 있었다. 넷째, 학술논문의 연구자별 분석 결과, 제1저자의 소속은 대학(73%), 초등학교(16%), 중학교(4%), 고등학교(3%) 등의 순으로 나타났고, 논문 게재수 상위권 연구자들도 대부분 대학 소속의 연구자들이었다. 다섯째, 키워드 빈도수 분석 결과 학술논문의 키워드는 총 299개, 학위논문의 키워드는 총 249개로 나타났으며, 개발, 프로그램, 적용, 활용, 분석, 초등, 영향 등의 키워드 빈도수가 공통적으로 높게 나타났다. 다만, 학술논문에서는 교사 키워드가 학위논문에 비해 매우 높은 빈도수가 나타났고, 학위논문에서는 학생 관련 키워드가 학술논문에 비해 높은 빈도수를 보였다. 여섯째, 동출현 빈도수 분석 결과 교육-개발, 인공지능-개발, 교육-프로그램, 융합-개발 등 개발, 프로그램, 초등, 적용 등의 키워드들이 분석 키워드인 인공지능, 융합, 교육 키워드들과 동출현빈도가 높게 나타났고, 학술논문에서는 교육-교사 키워드 간의 동출현 빈도가, 학위논문에서는 인공지능-학생, 융합-학생 키워드의 동출현 빈도가 상호 비교에서 상대적으로 높게 나타났다. 일곱째, 네트워크 관계 그래프 분석 결과에서는 공통적으로 프로그램, 개발, 활용, 초등, 분석, 교과, 역량 등의 핵심키워드들이 분석 키워드들과 강하게 결합되어 있었다. 차이점은 학술논문은 교사 교육, 교육과정 설계 등 정책적 부분이 더 강조되어 있었고, 학위논문은 학술논문에 비해 현장 중심의 연구가 더 강조되고 있었다. 여덟째, 클러스터 분석 그래프 분석 결과에서는 학술논문은 3개의 군집(교육방법 및 개발, 현장 적용, 교사 역량 강화)으로 나뉘었고, 학위논문은 2개의 군집(학습자 변화 및 성장 중심, 교육자 및 개발자 중심)으로 나타났다. 클러스터 그래프의 비교 분석 결과, 학술논문이 거시적, 체계적, 정책, 교육과정, 교사 중심임에 비해 학위논문은 미시적, 실천적, 현장, 수업, 학생 중심의 연구 주제가 주로 다루어지고 있음을 알 수 있었다.

연구를 통해 인공지능융합교육 관련 학술논문과 학위논문의 핵심관점, 핵심 주체, 주요 주제를 비교 분석한 결과는 <표 7>과 같다.

〈표 7〉

학술논문·학위논문 비교 분석 결과

이를 통해 유추한 인공지능 융합교육연구의 한계점은 다음과 같다. 첫째, 인공지능교육 연구동향분석에서 제기된 바와 같이 초·중등 교육, 그 중에서도 특히 초등교육에 대한 연구가 집중되어 있었다. 유아, 대학교육, 성인·평생교육 등 전 연령층 대상의 교육에서도 상호 작용, 몰입, 진로, 교양, 재교육 등의 관점에서 인공지능융합교육의 필요성과 수요가 증가하고 있음에도 그에 대한 연구는 부족하다. 둘째, 융합 교과들이 STEM(과학, 기술, 공학, 수학) 관련 교과에 편중되어 있다. 인문·사회 교과 및 창작도구로서의 예술·문화 분야에 대한 연구가 상대적으로 부족하게 나타났다. 셋째, 융합교육의 주체가 교사와 학생에만 맞춰져 있다. 교육 3주체 중 하나인 학부모 및 PPP(Public Pirvate Partnership)에 기반한 기업 및 산업계, 지역사회와의 연계를 통한 전 사회적인 인공지능융합교육에 대한 가치의 확산이 필요하다. 넷째, 긍정적 효과에 대한 연구가 대다수를 차지하고 있다. 과몰입, 중독, 페이크 뉴스, 디지털 격차 심화 등의 부작용 및 역기능, 비판적 분석에 대한 연구가 부족하다. 다섯째, 거시적, 장기적, 종단적 연구가 부족하다. 대부분의 연구가 단기적 프로그램의 성과 측정과 사례 분석에 집중하고 있어 학생의 진로, 삶 등에 어떤 영향을 끼치는지에 대한 종단 연구, 인공지능 정책의 법적 기준과 윤리적 잣대를 세울 수 있는 거시적 원리 탐구, 장기적 성과 기준과 체계 구축을 위한 연구 등이 필요하다.

인공지능교육 연구동향 분석 결과와 비교하면, 활용측면의 연구들이 다수인 점, 본질적 측면에 대한 연구가 부족한 점, 특정 학교급 및 교과에 편중된 점, 미시적 접근이 많은 점 등이 동일하게 나타났다. 차이점은 인공지능융합교육의 경우 학술 논문에서는 교사 및 개발자를 중심으로 둔 연구가 많았고 인공지능교육 연구동향과 거의 비슷하게 나타났으나, 학위논문에서는 학생을 중심으로 둔 연구가 많았고 그에 따라 학생들의 진로, 인식, 사고력, 향상 등 인공지능교육 연구동향에서 잘 나타나지 않았던 키워드들이 학생 키워드를 중심으로 자리잡고 있다는 점이었다.

종합하여 향후 인공지능 융합교육 연구의 방향을 제언하자면, 첫째, 학령기(특히 초등 중심) 위주의 연구에서 전연령층 대상의 연구, 특히 특수교육, 다문화 교육, 평생교육, 노령층 대상 교육 등으로의 연구 대상의 확장이 필요하다. 인공지능융합교육은 교육 약자들의 취약점을 채워줄 수 있는 새로운 기회와 도구가 될 수 있기 때문에 이를 위한 연구가 뒷받침되어야 한다. 둘째, 연구 영역의 확장이 필요하다. 현재 STEM교과 및 에듀테크 위주의 교육현장 사례 연구가 주를 이루고 있는데, 인문사회 및 예술문화와의 융합을 통한 연구 영역의 확대가 이루어져야 한다. 셋째, 체계성의 확립이 필요하다. 단발적 효과, 프로그램의 사례에만 그치는 게 아니라 종단 연구를 통해 장시간의 학습, 태도, 문제해결력 등 변화의 양상을 파악하고, 그에 적합한 교육의 원리는 무엇인지, 어떤 체계와 환경을 갖추어야 하는지 등에 대한 연구가 필요하다. 넷째, 비판적 관점의 강화이다. 현재 대부분의 연구가 긍정적 측면을 너무 강조하고 있다. 아직 국내, 국제적인 인공지능 윤리의 기준이 명확하게 이루어지지 않았으나, 선제적인 사회적 부작용과 오남용에 따른 문제들에 대한 기준 및 잣대에 대한 기초연구들이 필요하다.

인공지능 관련 기술의 발전이 너무나 빠르게 이루어지고 있다. 인공지능융합교육은 인공지능을 우리 사회와 우리의 교육에 어떻게 녹아낼 수 있는가에 대해 기술종속적 관점이 아닌 인간 중심의 가치와 개개인의 꿈을 실현할 수 있는 진정한 의미의 융합으로 나아가야 한다. 이를 위해 학교를 넘어 PPP기반의 사회와의 연계를 모색하고 비판적 관점의 강화를 통해 철학적 담론과 방법을 지속적으로 고민해야 할 것이다.

References

• 김성애(2021). 토픽모델링을 활용한 초·중등 인공지능 교육 관련 연구 동향 분석에 따른 기술교육의 방향과 과제. 한국기술교육학회지, 21(1), 106-124. [https://doi.org/10.34138/KJTE.2021.21.1.106]
• 김수진·이예경(2025). 대학에서의 인공지능 교육 동향 연구: 국내 뉴스 빅데이터 분석을 중심으로. 교육문화연구, 31(2), 591-620. [https://doi.org/10.24159/joec.2025.31.2.591]
• 김수진·임다미·김제이(2024). 국내 초·중등 인공지능 교육 연구동향 분석:학교급별 비교를 중심으로. 학습자중심교과교육연구, 24(20), 549-574. [https://doi.org/10.22251/jlcci.2024.24.20.549]
• 김영아·박다은(2024). 유아교육 분야의 인공지능 관련 국내연구동향 분석. 한국유아교육연구, 26(3), 321-341. [https://doi.org/10.15409/riece.2024.26.3.13]
• 김영환(2021). 인공지능교육 관련 연구주제 분석: 네트워크 텍스트 분석을 중심으로. 교육혁신연구, 31(4), 191-217. [https://doi.org/10.21024/pnuedi.31.4.202112.197]
• 김현집(2025). 특수교육 분야 인공지능 관련 연구의 동향과 특수교육 교과교육에 주는 시사점 고찰. 특수교육재활과학연구, 64(1), 1-24.
• 김혜영·안혜리(2025). 인공지능(AI) 관련 미술교육 연구 동향 분석: 국내 학술지 및 학위논문(2017～2024)을 중심으로. 조형교육, 93, 69-93.
• 박정호(2021). 국내 인공지능교육 연구 동향 분석. 에듀테인먼트연구, 3(2), 51-62. [https://doi.org/10.36237/koedus.3.2.51]
• 박한우·Leydesdorff, L.(2004). 한국어의 내용분석을 위한 Krkwic 프로그램의 이해와 적용 : Daum.net, 에서 제공된 지역혁신에 관한 뉴스를 대상으로. Journal of the Korean Data Analysis Society, 6(5), 1377-1387.
• 이재욱(2024). 특수교육에서 인공지능 관련 국내 연구 동향 분석. 발달장애연구, 28(2), 315-333.
• 이주영(2024). 키워드 네트워크 분석을 활용한 인공지능 융합 영재교육 연구 동향 분석. 학습자중심교과교육연구, 24(17), 731-740. [https://doi.org/10.22251/jlcci.2024.24.17.731]
• 임철일·한옥결·채지윤·홍수민·고보경·임인선(2025). 인공지능 융합 교육 연구 동향과 발전 방향. 교육공학연구, 41(1), 363-395.
• 정영선·강병희(2024). 교사의 AI융합교육전공 대학원 학습 경험에 대한 질적 연구. 교사교육연구, 63(2), 201-216. [https://doi.org/10.15812/ter.63.2.202406.201]
• 정주훈(2024). 인공지능융합교육대학원 학위논문 연구주제 동향분석. 컴퓨터교육학회 논문지, 27(9), 35-42. [https://doi.org/10.32431/kace.2024.27.9.004]
• 조영식·조규락(2025). 텍스트 마이닝을 활용한 2022 개정 인공지능 교육과정 성취기준 분석. 컴퓨터교육학회 논문지, 28(1), 51-59.
• 최숙영(2023). AI 융합교육의 이해와 해결 과제에 대한 고찰. 산업융합연구, 21(1), 147-157. [https://doi.org/10.22678/jic.2023.21.1.147]
• 최지웅(2021). 수학교육에서의 인공지능(AI) 연구 동향. 교과교육연구, 14(2), 1-14.
• 한송이·김태종(2022). 국내 인공지능 교육 연구 동향 분석. 학습자중심교과교육연구, 22(13), 281-294. [https://doi.org/10.22251/jlcci.2022.22.13.281]
• 한지윤·신영준(2020). 인공지능교육 관련 연구 동향 분석 : 키워드 네트워크 분석. 인공지능연구 논문지, 1(2), 20-33.