AI·디지털 기반 교수설계자 역량 모형 개발 연구

Ⅰ. 서론

교육공학 분야에서 교수설계자의 역할과 역량에 대한 연구는 지속적으로 이루어져 왔다. 특히 2000년대 초반 이러닝의 도입 이후, 교수설계자의 역량을 규명하고 실천적 모델을 개발하려는 시도가 활발하게 이루어졌으며(Christensen & Osguthorpe, 2004; Yanchar et al., 2010), 이후 COVID-19 팬데믹으로 인해 비대면 교육이 확대되면서 교수설계자의 역할 변화와 핵심 역량에 대한 관심이 더욱 증대되었다. 최근에는 생성형 AI(Generative AI)의 도입이 교수설계에 가져올 영향이 주요 연구 주제로 부각되고 있다(Kumar et al., 2024; UNESCO, 2024).

기존 연구들은 교수설계자의 역량을 교수설계 이론 적용(Christensen & Osguthorpe, 2004), 설계적 의사결정(Ertmer, York, & Gedik, 2008), 경험 기반 휴리스틱스(Lee & Reigeluth, 2003), 평가 기법(Williams et al., 2011), 비형식 학습(Yanchar & Hawkley, 2015) 등의 측면에서 탐색해 왔으나, 최근 연구에서는 AI·디지털 및 빅데이터 분석 기술이 학습설계 과정에서 활용되면서 교수설계자가 데이터 기반 의사결정을 수행하고 맞춤형 학습 경험을 제공하는 역할이 강조되고 있다(Amado-Salvatierra, Morales Chan, & Hernandez-Rizzardini, 2024). 특히, AI·디지털 기술은 학습자의 학습 패턴을 분석하고 자동화된 피드백을 제공하는 데 활용되며, 이는 교수설계자의 역할을 단순한 코스 개발에서 학습 데이터 분석과 개별화 학습 경로 설계와 같이 복잡하고 전문적인 영역으로 확장시키고 있다(Choi et al., 2024; Luo et al., 2024).

Noroozi et al.(2024)은 최근 AI 기반 학습분석, 맞춤형 교육 설계, 자동화된 평가 시스템과 같은 AI·디지털 기술의 도입은 교수설계자의 업무 방식과 요구 역량에 변화가 필요함을 시사하였으며, Hodges & Kirschner(2024)는 AI가 기존의 교육 평가 방식에 변화를 불러오며, 평가가 단순 정답 찾기가 아닌, 과정 중심으로 변화하고 있음을 제시한 바 있는데, 이는 해답이 도출되는 과정을 분석하여 학습자의 이해도를 체계적으로 점검함으로써 과정 중심의 평가를 수행하는 교수설계자의 역량이 필요하다는 점을 시사한다.

한편, AI·디지털 기술의 올바른 활용과 위험 요소에 대한 교수설계자의 대응 역량을 시사한 연구들도 있었는데, Noroozi et al.(2024)은 AI가 생성한 콘텐츠의 정확성을 교수설계자가 직접 검토하고 평가하는 역량의 필요성을 시사하였으며, Hodges & Kirschner(2024)도 AI의 자동화된 평가 시스템이 학습자의 비판적 사고 능력을 저해하지 않도록 자동화된 AI·디지털 기술을 활용한 교수설계 전략을 신중하게 수립하는 역량이 필요함을 언급한 바 있다.

이처럼 AI·디지털 기술의 활용은 교육에서의 기술적 혁신의 도입을 넘어 전반적인 교수설계 패러다임의 전환이 필요하다는 것을 의미하며, AI·디지털 기술을 통한 교육 혁신 및 성과 향상에 교수설계자가 어떠한 역할을 수행하고 어떠한 역량을 발휘해야 하는가를 심도있게 탐색할 필요가 있다는 점을 제시하고 있다. AI·디지털 기술이 교수설계 과정에서 효율성을 증대시키고 개인화된 학습 경험을 제공할 수 있는 가능성에 대한 긍정적 평가와 함께, AI·디지털 기술의 활용이 가져올 수 있는 부정적 영향에 대한 대응력을 높이기 위해서도 기존의 교수설계자의 역할과 역량에 대한 인식의 변화가 요구된다. 교수설계자는 AI를 활용한 학습 데이터 분석 및 평가 결과를 해석할 수 있는 능력을 갖추어야 하며, AI를 활용한 평가 및 콘텐츠 개발은 학습 경험을 향상시키는 방향으로 접근하여야 한다.

이러한 점을 고려할 때, 본 연구에서는 교수설계자의 변화된 역할을 인식하고, AI·디지털 역량을 바탕으로 학습성과를 높이며, AI 활용에 따른 윤리적 문제와 교육적 신뢰성을 확보하기 위해, 기존의 교수설계자 역량 모델을 검토하고 AI·디지털 기술 도입으로 인해 변화하는 다양한 요구를 반영하여 새로운 교수설계자 역량 모델을 구축할 필요가 있다.

따라서, 본 연구에서는 AI·디지털 시대의 교수설계자의 역할 변화를 분석하고, AI·디지털 기반 교수설계자의 역량을 규명하며, 관련 역량 요소를 도출하는 것을 목적으로 한다.

이에 따른 연구 문제는 다음과 같다.

1. AI·디지털 시대의 교수설계자의 역할에는 어떠한 변화가 있는가?

2. AI·디지털 기반 교수설계자의 역량은 어떻게 구성되는가?

Ⅱ. 이론적 배경

2. 교수설계자 역량 유형 분석 연구

교수설계자의 역량은 교수학습 환경의 변화에 따라 지속적으로 재정립되어 왔으며, 최근 이러닝, 온라인 학습과 AI·디지털 기술이 접목되면서 필요 역량의 변화가 요구되고 있다. AI·디지털 교수설계자의 역량 분석을 위한 선행연구 분석은 기본적으로 이러닝에서의 교수설계자의 역량 분석에서 출발할 필요가 있다. 강경종(2005), 강명희·오은경(2006), 엄미리(2008), 김세리·김윤정·오현근(2011), 이주령(2011), 현순안(2021), 류광모·김보은(2023) 등은 전통적 교수설계자 역량 외에 이러닝 환경을 고려한 역량들을 제안하였으며, 강명희 외(2010), 우영희·한승연(2011), 이지현·박은아·송해덕(2014)은 이러닝의 환경이 Web 2.0 혹은 3.0으로 진화함에 따라 고려해야 할 교수설계자의 역량들을 제안한 바 있다.

교수설계자의 역량 유형을 대상 분야에 따라 차별화한 접근을 제시한 경우도 있는데, Ritzhaup et al.(2018), Ritzhaupt, Kumar, & Martin(2021), Koller, Manuel, & Watt(2023), Kumar et al.(2024) 등은 고등교육 분야에서의 역량 분석을, 현순안(2021), 류광모·김보은(2023), Weber et al.(2024) 등은 기업교육 분야에서의 역량 분석에 초점을 두는 특성을 갖는다.

AI·디지털 기반의 교수설계자 역량 유형 연구로는 Ritzhaup et al.(2018)의 연구를 들 수 있다. 기존 교수설계자 역량 연구들이 교수설계 방법론에 초점을 맞춘 반면, 이들 연구는 교수설계 뿐만 아니라 교육공학자의 핵심 역량을 개발하고 검증하여, 기술 및 데이터 분석을 강조하는 역량 유형을 제시하여, 기술적 변화와 데이터 활용 능력의 중요성을 강조한 점에서 차별성을 보인 바 있다. 한편, Arnold et al.(2018) 연구에서는 교수설계자가 단순한 콘텐츠 개발자가 아니라 학습 경험 설계자로서 교수설계자의 역량이 콘텐츠 중심에서 학습자 중심으로 변화하고 있음을 보여주며, 평가와 학습분석 역량의 중요성을 강조하는 새로운 교수설계 패러다임을 제시하였다. 또한, Ng et al.(2023), Kumar et al.(2024), Shchaveleva et al.(2025) 등의 연구들에서는 AI 기반 교수설계 원리를 바탕으로 다양한 AI 도구를 활용하며 학습분석 및 예측을 통한 교육 혁신을 추구하는 교수설계자의 역량을 중요하게 분석하고 있음을 알 수 있다.

교수설계자 역량 분석에 대한 선행 연구들은 기존의 전통적인 교수설계자 역량 분석과 함께 AI·디지털 역량 분석을 통합하는 접근방법을 통해 다음과 같이 유형화할 수 있다. 첫째, 교육 역량이다. 교육 역량은 교수설계자가 기본적으로 갖추어야 할 교육학적 지식과 교수설계 이론을 포함하며, 교수설계자의 핵심 역량으로 교육과정 설계 원리, 교수학습 이론, 교수체제설계(ISD) 모형 활용을 강조하며, 학습자료 개발과 교수법 설계에 초점을 맞추는 역량을 포함하며(강경종, 2005; 강명희·오은경, 2006; 엄미리, 2008), 학습자의 특성과 교육적 요구를 반영하여 효과적인 교수전략을 수립하는 능력이 필수적임을 명시하고 있다(IBSTPI, 2012; Ritzhaup et al.(2018)). 둘째. 테크놀로지 역량이다. 기술 발전과 함께 교수설계자가 다양한 디지털 도구와 학습 기술을 적용할 수 있는 역량을 갖추어야 함을 언급하고 있다(강명희 외, 2010; 우영희·한승연, 2011; 김세리·김윤정·오현근, 2011; 이지현·박은아·송해덕, 2014). AI 및 자동화된 분석 시스템의 도입은 교수설계자의 데이터 활용 능력과 클라우드 기술 이해가 필수적이라고 언급하고 있다(Kumar et al., 2024, Shchaveleva et al., 2025). 셋째, 관리 역량이다. 교수설계자는 프로젝트를 기획하고 운영하며, 다양한 이해관계자와 협력하여 교육적 솔루션을 제공하는 역할을 한다. 많은 연구들에서 프로젝트 관리 및 조직 운영 역량을 중요성을 강조하였다(Arnold et al., 2018; IBSTPI, 2012; Klein & Kelly, 2018; Koller, Manuel, & Watt, 2023; Weber et al., 2024). 넷째, 창의·혁신 역량이다. 교육 환경이 변화하면서 교수설계자의 창의성과 혁신적인 접근 방식이 더욱 중요해지고 있다. 기존 연구에서는 교수설계자의 창의적 문제 해결 역량을 강조하지 않았지만, 최근에는 교수설계자가 게임 기반 학습, VR/AR 활용 등 새로운 혁신적 학습 방식을 도입할 수 있는 능력을 갖춰야 한다고 분석하였으며(Ritzhaupt, Kumar, & Martin, 2021), 디지털 스토리텔링과 디자인 사고(Design Thinking) 기법의 적용이 중요하다고 제안하였다(Chng, 2023; Ng et al., 2023). 다섯째, 소통/협력 역량이다. 교수설계자는 교육기관, 기업, 교육 대상자와 긴밀한 협력을 유지해야 하며, 효과적인 의사소통 능력이 필수적이다. 이 영역에서는 교수설계자의 팀워크와 조직 내 협업 역량이 강조되며(Arnold et al., 2018; Klein & Kelly, 2018), 교수설계자가 AI·디지털 기술 전문가와 협업할 수 있는 능력이 중요하다는 점을 분석하였다(Kumar et al., 2024). 여섯째는 분석/통합적 사고 역량이다. 효과적인 교수설계를 위해서는 교수설계자가 연구개발 능력을 바탕으로 빅데이터 분석 및 학습분석 을 위한 과학적 데이터 분석을 바탕으로 교육 프로그램의 개발 및 성과 분석 등을 효과적으로 수행하여야 한다고 분석하였다(Ritzhaupt, Kumar, & Martin, 2021; Weber et al., 2024). 마지막으로 AI 활용 역량을 들 수 있다. 최근 교수설계자에게 요구되는 핵심 역량 중 하나로 AI 기술을 활용할 수 있는 능력이 떠오르고 있다. 특히, AI를 활용한 교수설계 전략 개발, 학습자 맞춤형 학습 경험 제공, 자동화된 평가 시스템 등 다양한 AI 도구의 활용 등을 통해 교육 혁신을 실행하는 것이 교수설계자의 필수 역량임을 강조하였다(Chng, 2023; Kumar et al., 2024; Weber et al., 2024).

본 연구에서는 AI·디지털 기반 교수설계자 역량 모형을 개발하기 위해 20개의 선행연구를 분석하였으며, 선행연구에서 제시된 역량들을 종합적으로 유형화하면, 다음의 <표 1>과 같다. 이들 선행 연구의 분석을 통해 도출된 다양한 역량 유형들은 본 연구 과정에서 체계적으로 검증하는 과정을 통해 교육에서의 AI·디지털 혁신을 실행하는 교수설계자의 역량으로 검증하고자 한다. 또한 각 역량 유형은 앞서 제시한 Ritzhaup et al.(2018)의 KSA 모형을 기반으로, 각 유형에서 요구하는 지식, 기술, 능력의 위계적 관점으로 영역을 구분함으로써 AI·디지털 교수설계자의 역량을 다층 구조로 모형화하고 통합적으로 재구조화하는 접근을 취하고자 한다.

〈표 1〉

선행연구에서 도출된 교수설계자 역량 모형 초안

Ⅲ. 연구방법

1. 심층인터뷰

본 연구에서는 교수설계자의 역할 변화와 요구되는 역량을 분석하기 위해 심층인터뷰 기법을 적용하였다. 심층인터뷰는 특정 직무에서 성공적이거나 비효율적인 행동을 중심으로 실제 경험을 심층적으로 분석하는 질적 연구 기법으로, 연구 참여자가 실제 경험한 사례를 기반으로 직무 수행에 필요한 역량을 도출할 수 있다는 점에서 본 연구의 목적에 적합하다. 인터뷰에 참여한 전문가의 특성은 다음과 같았다.

〈표 2〉

인터뷰 참여자

본 연구에서는 심층인터뷰를 위해 교수설계자가 실제 업무 수행에서 경험한 사례를 중심으로 질문을 구성하였다. 인터뷰는 2024년 10월～11월에 거쳐 전문가별 1회 대면 또는 온라인 줌을 활용하여 60～90분간 수행되었다. 인터뷰 질문은 1) AI·디지털심화시대 교수설계자의 역할 변화에 대한 인식, 2) 교수설계자의 역량 변화 및 필수적으로 요구되는 역량 등의 내용으로 구성되었다. 인터뷰는 전부 녹음되었으며 빠짐없이 전사하였다.

수집된 인터뷰 자료는 전사 및 코딩 과정을 거쳐 분석되었다. 주제 분석(Kvale, 1996)을 활용하여 주요 개념을 도출하였으며, 분석 과정은 다음과 같이 진행되었다. 첫째, 인터뷰에서 의미 있는 진술을 선별하기 위한 데이터 정제 및 전사가 수행되었다. 둘째, 인터뷰에서 공통적으로 나타난 주요 개념을 개방 코딩 및 범주화하고, 유사한 개념을 그룹화하여 핵심 주제를 도출하였으며, 다음으로 연구자 간 교차 검토를 통해 주제의 타당성 확인하기 위한 검토 및 재분석이 이루어졌다. 개방 코딩을 통해 도출된 주요 코드, 범주, 핵심 주제의 예시는 다음과 같다.

〈표 3〉

개방코딩에서 도출된 코드, 범주, 핵심 주제 예시

2. 델파이

본 연구는 전문가의 합의를 기반으로 교수설계자의 역량을 규명하고자, 체계적이고 반복적인 피드백 과정을 통해 의견을 수렴할 수 있는 델파이 기법을 활용하였다. 델파이 기법은 주관적 판단이 개입될 수 있는 교육적 실천 지침이나 기준 설정 연구에서 전문가의 합의를 도출하기 위한 대표적인 방법으로 널리 활용되고 있다(Linstone & Turoff, 2002). 델파이는 2025년 1월～2월 중 두 차례에 걸쳐 실시되었으며, 각 라운드는 전문가에게 개별 이메일을 통해 실시되었다. 델파이에 참여한 15명 전문가의 특성은 다음과 같았다.

〈표 4〉

델파이 참여자 특성

Ⅳ. 연구결과

1. AI·디지털시대 교수설계자의 역할과 역량 변화

기존의 교수설계자는 교수학습 모형을 기반으로 교육 콘텐츠를 개발하고 학습 환경을 설계하는 역할을 수행하였으나, 최근에는 AI·디지털 기술을 활용하여 학습자의 개별 요구를 분석하고 맞춤형 학습을 설계하는 것이 중요해지고 있다. 이러한 변화 속에서 교수설계자의 역할이 어떻게 변화하고 있으며, AI 시대에 요구되는 새로운 역량이 무엇인지 본 연구를 통해 탐색하였다. 본 절에서는 여섯 명의 교육공학 및 산업계 전문가들과의 인터뷰를 바탕으로 분석된 AI 디지털 시대에서 요구되는 교수설계자의 역할과 핵심 역량을 분석하였으며, 이에 따른 시사점을 제시하고자 한다.

1) 교수설계자의 역할 변화

교수설계자는 전통적으로 학습자의 특성과 요구를 분석하고, 교수학습 모형을 적용하여 효과적인 학습 경험을 설계하는 역할을 담당해왔다. 그러나 디지털 환경이 빠르게 변화하면서 교수설계자의 역할 역시 변화하고 있다. 특히 AI 기술이 교육 분야에 적용되면서 교수설계자의 업무가 점점 더 자동화되고 있으며, 이에 따라 교수설계자가 수행하던 일부 역할이 내용전문가(Subject Matter Expert, 이하 SME)나 에듀테크 전문가들에 의해 대체되고 있다. 전문가 1은 “과거에는 교수설계자가 전적으로 콘텐츠를 개발했지만, 지금은 SME들이 교수설계를 배우면서 직접 콘텐츠를 만드는 경우가 늘어나고 있다”라고 언급하며, 교수설계자가 교육공학적 지식만으로 경쟁력을 유지하기 어려운 현실을 설명하였다.

교육 콘텐츠의 형태 또한 변화하고 있다. 전문가 2는 “사람들이 온라인 콘텐츠를 소비하는 방식이 변화하면서 교수설계자보다 스토리텔링을 할 수 있는 방송 작가의 역할이 더 중요해지고 있다”라고 설명하며, 기존의 교수설계 원리보다 학습자의 몰입을 유도하는 콘텐츠 제작 역량이 더욱 중요해졌다고 강조하였다. 이와 관련하여 최근 온라인 학습 콘텐츠는 강의형 전달 방식에서 벗어나 예능적 요소를 가미하거나 대담 형식, 토크쇼 스타일의 형식을 차용하는 경우가 많아졌다. 교수설계자는 단순히 이론적 설계를 넘어, 학습자의 관심을 끌고 유지할 수 있는 형태의 콘텐츠를 기획하는 능력이 필수적으로 요구되고 있다.

뿐만 아니라, AI 기술이 학습자 맞춤형 교육을 가능하게 하면서 교수설계자는 AI를 활용하여 학습 데이터를 분석하고 개인화된 학습 환경을 구축하는 역할을 수행하게 되었다. 전문가 3은 이에 대해 “교수설계자는 이제 단순한 콘텐츠 설계자가 아니라 AI와 데이터를 활용해 학습자의 학습 경험을 개인화할 수 있는 전문가가 되어야 한다”라고 언급하며, 교수설계자의 역할이 데이터 기반으로 점점 확장되고 있음을 강조하였다. “과거에는 교수설계자가 콘텐츠를 만들고 교육을 설계하는 역할이었지만, 이제는 데이터 기반 의사결정이 필수적이다.” (전문가 6)

2) AI·디지털 시대 교수설계자의 필요 역량

전문가들이 인터뷰에서 강조한 AI 시대에 교수설계자가 갖추어야 할 역량은 크게 데이터 활용 및 분석 능력, AI 기반 교수설계 역량, 사용자 경험(UX) 설계 역량, 프로젝트 관리 역량으로 구분할 수 있다.

먼저, 데이터를 기반으로 한 학습 설계 및 평가가 점차 중요해지고 있었다. 인터뷰 참여자들은 설계 타당성을 확보하고, 반복적인 개선을 수행하기 위해 학습 데이터를 적극적으로 활용하고 있었다.

“데이터 분석을 통해 교육 효과를 증명할 수 있어야 해요.” (전문가 3)
“데이터가 있어야 설계가 신뢰를 받아요. 감이 아니라 데이터 기반으로요.” (전문가 5)
“분석 도구를 써서 학습자 반응을 보면 설계 방향이 달라져요.” (전문가 6)

이는 설계자의 주관적 판단보다는 객관적 지표를 통해 교육성과를 논의하는 문화로의 전환을 반영한다.

이에 따라 교수설계자는 데이터를 해석하고 활용하는 역량을 갖추어야 하며, 학습분석을 기반으로 학습 성과를 평가하는 능력도 필요하다.

또한, AI를 활용한 교육 콘텐츠 개발 역량 역시 교수설계자에게 필수적으로 요구된다. AI는 교수설계자의 업무 중 반복적이고 기계적인 과정을 자동화해주며, 설계자의 전략적 사고를 도울 수 있는 창의적 도구로 인식되고 있었다.

“AI는 반복 업무에서 해방시켜주고, 더 중요한 결정에 집중할 수 있게 도와줘요.” (전문가 2)
“AI는 나의 설계 파트너예요. 내가 방향만 잡아주면 되니까요.” (전문가 6)

이처럼 AI는 단순한 기술 도구가 아니라, 교수설계자와 협력하는 설계 보조자의 성격을 가지며, 교수설계자의 전략적 판단과 결합될 때 가장 큰 효과를 보이는 것으로 나타났다.

관련하여 전문가 6은 “교수설계자가는 코딩을 할 필요는 없지만, AI를 활용해 콘텐츠를 제작하고 분석하는 능력은 필수적이다”라고 언급하며, AI 기술을 활용하여 학습 콘텐츠를 자동화하고 맞춤형 학습 경험을 제공하는 것이 교수설계자의 중요한 역할이 되고 있음을 설명하였다. 예를 들어, AI 기반 추천 시스템이나 자동 평가 시스템을 활용하여 개별 학습자에게 최적화된 학습 경로를 제공하는 것이 가능하며, 교수설계자는 이러한 AI 기반 시스템을 효과적으로 활용할 수 있어야 한다.

사용자 경험(UX) 설계 역량 역시 AI 시대에서 교수설계자가 갖추어야 할 중요한 역량 중 하나로 언급되었다. AI 기술의 확산과 교수설계 환경의 변화로 인해 교수설계자의 역할이 기존의 콘텐츠 설계자에서 벗어나, 전략적 설계자이자 학습 경험 디자이너로 확장되고 있음이 나타났다. 특히, 교수설계자는 단순히 수업 자료를 만드는 기술자에서 벗어나 학습의 방향성과 구조를 설계하고, 기술과 데이터를 연계하여 학습자의 경험을 최적화하는 책임을 수행하고 있었다.

“요즘엔 교수설계도 그냥 콘텐츠 만드는 게 아니라, 이게 어떻게 사용될지를 앞단에서 기획하고 설계 방향을 잡는 쪽으로 바뀌었어요.” (전문가 4)
“설계 방향을 먼저 잡아주는 게 핵심이에요. 단순 전달이 아니라 전체 흐름과 구조까지 설계해야 하거든요.” (전문가 3)
“이제는 교수설계자가 기획자 역할까지 맡고 있어요. 설계도 하고 흐름도 그리고 전체 경험을 조율하죠.” (전문가 1)

또한 교수설계자의 전문성 일부가 SME로 대체되는 경향에도 불구하고, 설계의 핵심을 잡는 역량은 여전히 교수설계자의 고유 역할로 간주되었다.

전문가 4는 “요즘 교육은 단순 콘텐츠 제공이 아니라 사용자 경험(UX)이 핵심이다. 교수설계자는 AI와 UX 설계 역량을 함께 갖춰야 한다”라고 강조하며, 학습자가 몰입할 수 있는 학습 환경을 설계하는 것이 교수설계자의 주요 역할로 자리 잡고 있음을 설명하였다. 인터뷰 참여자들은 학습자 몰입과 학습 경험의 흐름을 고려한 UX 기반 설계가 기존 교수설계보다 더 중요한 기준으로 떠오르고 있다고 강조하였다.

“이제는 사용자 여정을 설계해야 해요. 학습자가 어떻게 이동할지를 생각해요.” (전문가 1)
“학습자가 어떤 경험을 하게 될지를 시나리오로 상상할 수 있어야 해요.” (전문가 3)

이는 교수설계가 콘텐츠 중심에서 경험 중심으로 패러다임이 전환되고 있음을 보여준다. 이는 학습자 중심의 학습 환경을 구축하고, 교육 콘텐츠를 보다 직관적이고 효과적으로 설계하는 역량이 교수설계자에게 요구되고 있음을 의미한다. “이제 학습자는 어디서나 학습할 수 있고, 교수설계자는 그 환경을 최적화하는 역할을 해야 한다.” (전문가 2)

마지막으로, 프로젝트 관리 역량의 필요성이 강조되었다. 교수설계자는 단순한 설계자에 그치지 않고, 팀원 간 조율, 일정 및 자원 관리, 실행까지 아우르는 프로젝트 관리자(PM)로서의 역할을 수행하고 있었다.

“PM 역할도 해야 해서 일정 관리까지 책임져요.” (전문가 5)
“계획서 쓰는 사람, 일정 짜는 사람, 전부 다 제가 해요.” (전문가 2)

이는 특히 인력과 리소스가 제한적인 조직에서는 설계자에게 다기능적 역할 수행이 요구된다는 점을 보여준다. 따라서 교수설계자는 교육 콘텐츠를 개발하는 것뿐만 아니라 프로젝트를 효과적으로 기획하고 운영하는 능력을 갖추어야 한다. 전문가 1도 “교수설계자는 단순 설계를 넘어 프로젝트 매니저(PM)로서 일정 관리, 협업, 개발 일정 조율 등의 역할을 수행해야 한다”라고 설명하며, 교수설계자가 AI 기반 협업 도구를 활용하여 프로젝트를 운영하는 것이 점점 더 중요해지고 있음을 강조하였다.

AI 기술의 급속한 발전과 학습 환경의 변화는 교수설계자의 역할을 근본적으로 확장시키고 있다. 과거 교수설계자가 주로 교수학습 모형에 기반한 콘텐츠 개발에 집중했다면, 현재는 데이터 기반 교육 기획, AI 활용 교육 콘텐츠 개발, 그리고 사용자 경험(UX) 중심의 학습 설계로 그 영역이 확대되고 있다. 특히 주목할 점은 AI와 데이터 분석을 활용하여 학습자 개인의 특성과 요구에 맞춘 개별화된 교육 경험을 설계하는 것이 핵심 역량으로 부상했다는 것이다.

전문가들의 인터뷰를 바탕으로 도출된 AI·디지털 통합역량 관련 범주와 하위범주를 요약하면 다음과 같다.

〈표 5〉

인터뷰 결과 도출된 AI·디지털 통합역량

2. 교수설계자의 AI·디지털 통합역량

교수설계자의 AI·디지털 통합역량을 도출하기 위해 문헌 분석과 전문가 인터뷰를 기반으로 2차에 걸쳐 델파이 조사를 실시하였다. 인터뷰 분석을 통해 도출된 역량 요소는 문헌분석에서 도출된 역량(<표 1> 참조)과 관련된 AI·디지털 기술 적용, UX 설계, 프로젝트 실행관리, 학습자 경험 중심 설계 등 실제 설계 현장에서의 변화된 요구를 반영하는 23개 하위 범주들을 포함하였다(<표 5> 참조). 인터뷰 분석 결과로 새롭게 추가된 역량은 없었으나, 각 역량 요소의 정의를 실제 교수설계자의 언어로 보완하고, 추상적인 문헌 용어를 구체화하는 데 핵심적으로 활용되었다. 예를 들면 인터뷰 결과로 도출된 데이터기반의사 결정은 문헌 분석 결과의 ‘데이터수집/처리분석’과 관련되어 있으며 “데이터가 있어야 설계가 신뢰를 받아요(전문가 5)”의 진술을 반영하여 ‘데이터를 체계적으로 수집하고 처리하며 분석하고 데이터의 신뢰성과 타당성을 확보하는 분석 기술’로 정의함으로써 단순한 데이터의 수집이 아닌 설계타당성의 확보를 위한 판단도구라는 의미를 정의에 포함하였다.

본 연구는 델파이 연구의 타당성 확보를 위해 평균값(M), 표준편차(SD), 변동계수(CV, Coefficient of Variation), 내용타당도비율(CVR, Content Validity Ratio)을 활용하여 전문가 패널의 합의 수준을 평가하였다. 평가 기준으로는 변동계수(CV)가 0.3 이하인 경우 응답의 일관성이 높은 것으로 판단하였으며, 내용타당도비율(CVR)은 0.49(n=15) 이상일 때 통계적으로 유의미한 중요도를 가진 역량 요소로 분류하였다.

1차 델파이 조사 결과는 다음과 같았다.

〈표 6〉

델파이 1차 결과: 역량유형, 영역, 요소 별 결과

1차 델파이 조사에서는 AI 활용역량을 하나의 독립된 유형으로 설정하여 제시하였다. 이는 AI 기술의 중요성을 강조하고, 교수설계자가 갖추어야 할 AI 활용 관련 지식·기술·능력을 명확히 구분하고자 한 시도였다. 그러나 전문가들은 AI 활용역량이 교수설계 전반에 걸쳐 필수적으로 요구되는 범주적 요소라는 점에 공감하며, 독립적 유형으로 제시하기보다 기존의 교육역량, 테크놀로지 역량, 분석/통합적 사고역량 등에 통합적으로 반영하는 것이 더 타당하다는 의견을 제시하였다. 예를 들어, 전문가 B는 “AI는 단일 기술 영역이 아니라 교수설계의 각 단계에 걸쳐 전반적으로 스며드는 도구이므로, 개별 영역 내에서 AI 관련 역량이 자연스럽게 내포되어야 한다”고 언급하였다. 또 다른 전문가 K 역시 “AI 활용은 기존 역량 내 하위 역량의 형태로 구조화하는 것이 현실적이며 교육현장의 수용성도 높다”고 평가하였다.

이에 따라 1차 결과를 바탕으로 AI 활용역량의 세부 요소들을 기존의 여섯 개 역량 유형에 재분류하고, 각 유형의 기술적 하위 요소나 능력 요소로 통합하였다. 예를 들어, ‘AI 도구/플랫폼 이해’는 테크놀로지 역량의 지식 요소로, ‘AI 도구 활용’ 테크놀로지의 기술 요소로 통합 반영하였다. ‘학습분석 예측’, ‘데이터 기반 의사 결정’은 분석통합적 사고 역량의 지식과 기술로 각각 통합 반영하였다. 교육혁신 실행은 창의혁신역량으로 통합 반영하였다. 이와 같은 통합적 구성은 AI 기술이 교수설계자의 전체적인 전문성과 전략적 사고에 어떻게 융합되어야 하는지를 보다 실질적으로 반영할 수 있다는 점에서 이론적·현실적으로 타당성이 높다고 판단된다. 또한 내용타당도 비율(CVR) 0.47 미만의 역량요소(클라우드/모바일 기술 이해, 하드웨어/소프트웨어 운용, 디지털 콘텐츠 제작, 조직 개발/관리 이론, AI 교수설계원리)는 제외하였다.

2차 델파이 결과는 모든 역량요소는 높은 합의도를 나타냈으며, 전문가 의견을 반영하여 개념적 정의를 최종화하였으며 다음과 같았다.

〈표 7〉

1, 2차 델파이 결과: 역량 유형

〈표 8〉

1, 2차 델파이 결과: 역량 영역

6개 역량 유형의 정의에 대한 델파이 조사 결과, 모든 역량 유형의 정의가 전문가들에 의해 높은 수준으로 합의되었다. 특히 테크놀로지 역량(M=4.87, SD=0.34, CV=0.07)과 소통·협력 역량(M=4.87, SD=0.34, CV=0.07)이 가장 높은 평균값을 보였으며, 그 다음으로 관리 역량(M=4.80, SD=0.40, CV=0.08)과 분석·통합적 사고 역량(M=4.80, SD=0.40, CV=0.08)이 높게 평가되었다. 교육프로그램 개발 역량(M=4.73, SD=0.44, CV=0.09)과 창의·혁신 역량(M=4.73, SD=0.44, CV=0.09)도 유사한 수준으로 높게 평가되었다. 주목할 점은 모든 역량 유형 정의의 내용타당도 비율(CVR)이 1.00으로 나타나 전문가 패널 전원이 해당 정의에 동의한 것으로 확인되었다. 이는 6개 역량 유형의 정의가 AI 시대 교수설계자의 역할을 적절히 반영하고 있음을 시사한다. 또한, 역량 영역의 정의에 대한 타당성을 검증한 결과, 지식(M=4.80, SD=0.40, CV=0.08)과 기술(M=4.80, SD=0.40, CV=0.08)이 능력(M=4.73, SD=0.44, CV=0.09)보다 약간 높은 평균값을 보였다. 그러나 세 구성요소 모두 평균 4.7 이상의 높은 점수를 받았으며, 모든 구성요소의 CVR이 1.00으로 나타나 전문가 패널 전원이 해당 정의의 타당성에 동의한 것으로 확인되었다.

한편, 역량 유형별 역량 요소에 대한 전문가 델파이 결과는 <표 9>와 같았다.

〈표 9〉

델파이 2차 결과: 역량유형, 영역, 요소별 결과

전체 역량요소들의 평균값(M)은 모두 4.60 이상으로 나타났으며, 특히 21개 역량요소가 만점(M=5.00)으로 평가되어 전문가들 사이에서 해당 역량들의 중요성에 대한 높은 합의가 이루어진 것으로 분석되었다. 구체적으로 교수체제설계 모형, 요구분석, 교수학습전략 설계/개발(교육프로그램 개발 및 운영 역량), AI 및 에듀테크 활용 능력(테크놀로지 역량), 사용성 평가 및 개선, 프로젝트 관리능력, 품질 관리(관리역량), 교육혁신 실행력(창의혁신 역량), 커뮤니케이션 스킬, 갈등 관리/조정, 파트너십 구축 관리(소통협력 역량), 교육 평가방법론, 교육효과성 분석, 데이터기반 의사결정 능력(분석 통합적 사고역량) 등이 최고점을 나타냈다.

또한 내용타당도 비율(CVR)을 살펴보면, 총 42개 역량요소 중 32개(76.2%)가 1.00으로 나타나 패널들 간의 의견 일치도가 매우 높았다. 나머지 10개 역량요소도 CVR 값이 0.87로 나타나 Lawshe(1975)가 제시한 15인 이상 전문가 패널의 최소 CVR 기준값인 0.49를 크게 상회하는 것으로 확인되었다. 변동계수(CV)도 모든 역량요소에서 0.15 미만으로 나타나 안정적인 합의가 이루어진 것으로 판단되었다.

특히 AI 관련 역량으로는 ‘AI 및 에듀테크 도구/플랫폼 이해’(M=4.80), ‘AI 및 에듀테크 도구 활용’(M=4.87), ‘AI 및 에듀테크 활용 능력’(M=5.00), ‘AI 기반 교육 데이터 이해’(M=4.73) 등의 역량요소가 높은 점수를 받았다. 이는 AI 시대에 교수설계자가 단순한 교육 콘텐츠 개발자를 넘어 AI 테크놀로지를 활용한 혁신적 교육 솔루션 개발자, 데이터 기반 의사결정자로서의 역할이 중요해졌음을 시사한다.

또한 전통적인 교수설계 역량인 교수체제설계 모형(M=5.00)과 교수학습이론(M=5.00)도 만점을 받아, AI 시대에도 여전히 교수설계의 기본 원리와 이론에 대한 이해가 중요하게 평가되고 있음을 확인할 수 있었다. 이와 함께 사용성 평가 및 개선(M=5.00), 커뮤니케이션 스킬(M=5.00), 데이터기반 의사결정 능력(M=5.00) 등이 높게 평가된 점은 AI 시대의 교수설계자에게 테크놀로지 활용 능력과 더불어 효과적인 소통 및 분석 능력이 중요한 역량으로 부각되고 있음을 시사한다.

이러한 연구 결과는 AI 시대에 교수설계자가 갖추어야 할 역량이 전통적인 교수설계 영역뿐만 아니라 AI 및 데이터 활용 능력, 혁신적 교육 설계, 효과적인 소통과 협업을 통한 교육 품질 관리 등으로 확장되고 있음을 실증적으로 보여준다. 특히 높은 내용타당도와 안정적인 합의도는 도출된 역량 모델이 AI 시대 교수설계자 역량 개발 및 평가를 위한 기초자료로 활용될 수 있는 타당성을 지지한다.

본 연구의 결과 최종 역량 유형, 역량 영역, 역량 요소 및 정의는 다음과 같다.

〈표 10〉

AI·디지털 기반 교수설계자 역량 모형(최종)

Ⅴ. 논의 및 결론

References

• 강경종(2005). e-Learning 교수설계자의 필요 능력. 직업교육연구, 24(1), 61-88.
• 강명희·김미영·박미순·김민정(2010). 웹 2.0 환경에서 요구되는 국내 이러닝 교수설계자의 역량 분석. 직업능력개발연구, 13(1), 75-99. [https://doi.org/10.36907/krivet.2010.13.1.75]
• 강명희·오은경(2006). 한국의 e-Learning 교수설계자 역량 분석. 직업능력개발연구, 9(1), 203-229.
• 김세리·김윤정·오현근(2011). 이러닝 교수설계자의 기획 및 분석 역량 모델 개발 연구. 교육방법연구, 23(1), 77-106. [https://doi.org/10.17927/tkjems.2011.23.1.77]
• 류광모·김보은(2023). 이러닝 교수설계자 역량모델 개발. 직업교육연구, 42(1), 149-171. [https://doi.org/10.37210/JVER.2023.42.1.149]
• 엄미리(2008). IPA를 활용한 국내 e-learning 교수설계자의 역량분석. 인적자원관리연구, 15(3), 89-107.
• 우영희·한승연(2011). Web 2.0 시대의 교수설계자에 대한 기대역량의 변화. 한국HRD연구, 6(3), 119-137.
• 이주령(2011). 전자교육 교수설계자의 핵심 직무역량 분석. 한국컴퓨터정보학회 동계학술대회 논문집, 19(1), 145-148.
• 이지현·박은아·송해덕(2014). 웹(Web) 3.0 시대 이러닝 교수설계자의 역량에 관한 탐색적 연구. HRD연구, 16(1), 143-168. [https://doi.org/10.18211/kjhrdq.2014.16.1.007]
• 현순안(2021). 잡크래프팅 역량모형 개발을 위한 탐색적 연구: 비대면교육을 위한 교수설계자를 중심으로. 교육정보미디어연구, 27(4), 1457-1484. [https://doi.org/10.15833/KAFEIAM.27.4.1457]
• Ahmad, K., Iqbal, W., El-Hassan, A., Qadir, J., Benhaddou, D., Ayyash, M., & Al-Fuqaha, A. (2024). Data-driven artificial intelligence in education: A comprehensive review. IEEE Transactions on Learning Technologies, 17, 12-31. [https://doi.org/10.1109/TLT.2023.3314610]
• Amado-Salvatierra, H. R., Morales Chan, M., & Hernandez-Rizzardini, R. (2023). Combining human creativity and AI-based tools in the instructional design of MOOCs: Benefits and limitations. 2023 IEEE Learning with MOOCs (LWMOOCS). [https://doi.org/10.1109/LWMOOCS58322.2023.10306023]
• Arnold, D., Edwards, M., Magruder, O., & Moore, S. (2018). The competencies and goals of instructional designers: A survey study. UPCEA eDesign Collaborative.
• Chng, Y. K., & Kuwata, J. (2020). Learning experience design: Challenges for novice designers. In M. Schmidt, A. Tawfik, I. Jahnke, & Y. Earnshaw(Eds.), Learner and user experience research: An introduction for the field of learning design & technology(pp. 145-164).
• Choi, G. W., Kim, S. H., Lee, D., & Moon, J. (2024). Utilizing generative AI for instructional design: Exploring strengths, weaknesses, opportunities, and threats. TechTrends, 68, 832-844. [https://doi.org/10.1007/s11528-024-00967-w]
• Christensen, T. K., & Osguthorpe, R. T. (2004). How do instructional-design practitioners make instructional-strategy decisions? Performance Improvement Quarterly, 17(3), 45-65. [https://doi.org/10.1111/j.1937-8327.2004.tb00313.x]
• Ertmer, P. A., York, C. S., & Gedik, N. (2008). Learning from the pros: How experienced designers translate instructional design models into practice. Educational Technology, 49(1), 19-27.
• Hodges, C. B., & Kirschner, P. A. (2024). Innovation of instructional design and assessment in the age of generative artificial intelligence. TechTrends, 68, 195-199. [https://doi.org/10.1007/s11528-023-00926-x]
• Holmes, W., Bialik, M., & Fadel, C. (2018). Artificial intelligence in education : Promises and implications for teaching and learning. Boston: The Center for Curriculum Redesign.
• Hutson, J., Jeevanjee, T., Vander Graaf, V., Lively, J., Weber, J., Weir, G., Arnone, K., Carnes, G., Vosevich, K., Plate, D., Leary, M., & Edele, S. (2022). Artificial intelligence and the disruption of higher education: Strategies for integrations across disciplines. Creative Education, 13, 3953-3980. [https://doi.org/10.4236/ce.2022.1312253]
• International Board of Standards for Training, Performance and Instruction. (2012). Instructional design competencies : The standards(3rd ed.). IBSTPI.
• Klein, J. D., & Kelly, W. Q. (2018). Competencies for instructional designers: A view from employers. Performance Improvement Quarterly, 31(3), 225-247. [https://doi.org/10.1002/piq.21257]
• Koller, B., Manuel, J., & Watt, K. (2023). A journey into the unknown: Reflections from novice instructional designers on identifying their place within the Southern Institute of Technology. Scope(Learning & Teaching), 12, 79-87. [https://doi.org/10.34074/scop.4012003]
• Kumar, S., Gunn, A., Rose, R., Pollard, R., Johnson, M., & Ritzhaupt, A. D. (2024). The role of instructional designers in the integration of generative artificial intelligence in online and blended learning in higher education. Online Learning Journal, 28(3), 207-231. [https://doi.org/10.24059/olj.v28i3.4501]
• Kvale, S. (1996). InterViews: An introduction to qualitative research interviewing. Sage Publication.
• Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563-575. [https://doi.org/10.1111/j.1744-6570.1975.tb01393.x]
• Lee, H. (2025). Exploratory study on scaffolding strategies for autonomous generative AI design education: A case of learning by doing-based PBL design thinking education. Archives of Design Research, 38(1), 199-220. [https://doi.org/10.15187/adr.2025.02.38.1.199]
• Lee, J.-Y., & Reigeluth, C. M. (2003). Formative research on the heuristic task analysis process. Educational Technology Research and Development, 51, 5-17. [https://doi.org/10.1007/BF02504541]
• Linstone, H. A., & Turoff, M.(Eds.). (2002). The Delphi method : Techniques and applications. Addison-Wesley.
• Luo, T., Muljana, P. S., Ren, X., & Young, D. (2025). Exploring instructional designers’ utilization and perspectives on generative AI tools: A mixed methods study. Educational Technology Research and Development, 73, 741-766. [https://doi.org/10.1007/s11423-024-10437-y]
• McNeill, L. (2024). Automation or innovation? A generative AI and instructional design snapshot. In Official Conference Proceedings of the IAFOR International Conference of Education in Hawaii 2024(pp. 187-194). [https://doi.org/10.22492/issn.2189-1036.2024.17]
• Ng, D. T. K., Leung, J. K. L., Su, J., Ng, R. C. W., & Chu, S. K. W. (2023). Teachers’ AI digital competencies and twenty-first century skills in the post-pandemic world. Educational Technology Research and Development, 71, 137-161. [https://doi.org/10.1007/s11423-023-10203-6]
• Noroozi, O., Soleimani, S., Farrokhnia, M., & Banihashem, S. K. (2024). Generative AI in education: Pedagogical, theoretical, and methodological perspectives. International Journal of Technology in Education, 7(3), 373-385. [https://doi.org/10.46328/ijte.845]
• OECD. (2023). OECD Digital education outlook 2023: Towards an effective digital education ecosystem. Paris: OECD Publishing. [https://doi.org/10.1787/c74f03de-en]
• Reeves, T. C., & Lin, L. (2020). The research we have is not the research we need. Educational Technology Research and Development, 68, 1991-2001. [https://doi.org/10.1007/s11423-020-09811-3]
• Ritzhaupt, A. D., Kumar, S., & Martin, F. (2021). The competencies for instructional designers in higher education. In S. Conklin, B. Oyarzun, R. M. Reese, & J. E. Stefaniak(Eds.), A practitioner’s guide to instructional design in higher education(pp. 7-14). [https://doi.org/10.59668/164.4268]
• Ritzhaupt, A. D., Martin, F., Pastore, R., & Kang, Y. (2018). Development and validation of the educational technologist competencies survey (ETCS): Knowledge, skills, and abilities. Journal of Computing in Higher Education, 30, 3-33. [https://doi.org/10.1007/s12528-017-9163-z]
• Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26, 582-599. [https://doi.org/10.1007/s40593-016-0110-3]
• Sharples, M. (2019). Practical pedagogy : 40 new ways to teach and learn. Abingdon: Routledge.
• Shchaveleva, E., Tolstykh, O. M., Saulembekova, G. S., & Kuznetsov, A. N. (2025). AI as a key stakeholder for course design. In A. A. Arinushkina(Ed.), Integration strategies of generative AI in higher education(pp. 185-212). Hershey: IGI Global. [https://doi.org/10.4018/979-8-3693-5518-3.ch009]
• Tsai, Y.-S., Moreno-Marcos, P. M., Jivet, I., Scheffel, M., Tammets, K., Kollom, K., & Gašević, D. (2018). The SHEILA framework: Informing institutional strategies and policy processes of learning analytics. Journal of Learning Analytics, 5(3), 5-20. [https://doi.org/10.18608/jla.2018.53.2]
• UNESCO. (2024). Guidance for generative AI in education and research. United Nations Educational, Scientific and Cultural Organization.
• Wang, Z., Cai, L., Chen, Y., Li, H., & Jia, H. (2021). The teaching design methods under educational psychology based on deep learning and artificial intelligence. Frontiers in Psychology, 12. [https://doi.org/10.3389/fpsyg.2021.711489]
• Weber, N. L., McCarthy, C., Campbell, K., & Bauer, H. (2024). What are employers expecting from instructional design and learning technology professionals across sectors? Contemporary Educational Technology, 16(3), ep510. [https://doi.org/10.30935/cedtech/14606]
• Williams, D. D., South, J. B., Yanchar, S. C., Wilson, B. G., & Allen, M. (2011). How do instructional designers evaluate? A qualitative study of evaluation in practice. Educational Technology Research and Development, 59, 885-907. [https://doi.org/10.1007/s11423-011-9211-8]
• Yanchar, S. C., & Hawkley, M. N. (2015). Instructional design and professional informal learning: Practices, tensions, and ironies. Journal of Educational Technology & Society, 18(4), 424-434.
• Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education - Where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. [https://doi.org/10.1186/s41239-019-0171-0]