생성형 인공지능 기반 에듀테크 융합 병리학 수업이 간호대학생의 학습 태도와 수업 만족도에 미치는 효과 분석
Copyright ⓒ 2025 The Digital Contents Society
This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-CommercialLicense(http://creativecommons.org/licenses/by-nc/3.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.
초록
본 연구는 간호학과 병리학 수업에 생성형 인공지능과 다양한 에듀테크 도구를 혼합하여 적용한 교육이 학습자의 병태생리 이해도, 수업 몰입도, 자기주도 학습 태도, 질병 인식 변화에 미치는 효과를 분석하고자 하였다. 연구 대상은 J 특별자치도 소재 대학교 간호학과 2학년 학생 260명으로, 15주간의 온라인과 오프라인을 병행하는 혼합수업을 운영하였다. 생성형 인공지능 및 퀴즈앤 활용도는 성별(t=8.119, p=.005)과 연령(t=14.434, p=.000)에서 유의미한 차이를 보였고, 활용도는 학습 태도(r=0.441, p<.001)와 수업 운영 만족도(r=0.720, p<.001) 간에도 정적으로 유의한 상관관계를 보여주었다. 수업 전후의 진단평가 결과, 병태생리 및 질병의 원인과 증상에 대한 이해가 향상되었고, 감염성 질환 중심에서 만성·노인성 질환 인식으로 확장되는 질적 변화가 확인되었다. 본 연구 결과를 통해 병리학 수업에서의 기술 통합형 수업 설계는 기존 수업의 한계를 보완하며, 향후 보건의료계열 기초의학 교육에서의 실질적 개발 및 적용을 할 필요가 있다.
Abstract
This study aimed to analyze the effects of integrating generative artificial intelligence (AI) and educational technology (edu-tech) tools into a pathology course on nursing students’ understanding of pathophysiology, engagement, self-directed learning, and disease perception. A total of 260 second-year students in J Province participated in a 15-week blended learning program. Significant differences in the use of generative AI and QuizN were found based on sex (t=8.119, p=.005) and age (t=14.434, p=.000), and tool usage showed significant positive correlations with learning attitudes (r=0.441, p<.001) and course satisfaction (r=0.720, p<.001). Diagnostic assessments revealed improved understanding and a qualitative shift in disease perception from infectious to chronic and geriatric conditions. These results suggest that technology-integrated instructional design can address the limitations of traditional pathology education and should be further developed in foundational medical education.
Keywords:
Nursing Students, Pathology, Generative AI, Edu-Tech, Blended Learning키워드:
간호대학생, 병리학, 생성형 인공지능, 에듀테크, 혼합수업Ⅰ. 서 론
1-1 연구의 필요성
오늘날 고등교육은 디지털 전환, 인공지능 기술의 발달, 그리고 학습자 세대의 변화라는 복합적 도전에 직면하고 있다[1]. 특히 간호학을 포함한 보건의료계열에서는 임상에서 요구되는 실무 역량을 대학 교육과정 안에서 효과적으로 함양하기 위한 교육 혁신이 절실히 요구되고 있다[2],[3]. 이러한 배경 속에서 간호학 핵심 이론 과목 중 하나인 병리학은 질병의 발생 원리와 병태생리를 이해함으로써 실제 간호 실무에 대한 기초를 형성하는 데 중요한 역할을 한다[4],[5].
그러나 기존 병리학 수업은 교수자 중심의 전달식 강의와 암기 위주의 평가 방식에 머무는 경우가 많으며, 학생들이 수업에 몰입하거나 임상 사례와 연결된 의미 있는 학습을 경험 하기에는 한계가 크다[6]. 특히 Z세대로 대표되는 현재의 대학생들은 디지털 환경에 익숙하고, 능동적 정보 탐색 및 참여 기반 학습에 더욱 반응하는 경향이 있다[7]. 이에 따라 학습자의 특성과 교육 환경의 변화를 반영한 수업 설계가 요구되고 있으며, 교수자 중심 강의에서 벗어나 학습자 중심, 상호작용 중심, 그리고 기술 기반의 수업 운영으로의 전환이 강조되고 있다[8].
이러한 전환을 뒷받침하는 대표적 전략이 바로 생성형 인공지능(Generative AI)과 에듀테크(Edu-tech) 도구의 활용이다. 생성형 AI는 요약, 문제 출제, 실시간 피드백, 시나리오 제작 등 다양한 학습 기능을 제공할 수 있으며, ChatGPT와 같은 도구는 학습자의 개별 질문에 대한 대응을 통해 사고력을 자극하고 이해를 돕는 데 효과적이다[9]. 또한 다양한 에듀테크 도구(워드클라우드, Whimsical 등)는 수업 내용을 시각화, 청각화하고 반복 학습을 가능하게 하여, 다양한 학습 유형에 맞춘 개인화된 학습환경을 조성할 수 있다[10].
실제로 병리학 과목은 생물학, 생리학, 해부학 등 기초의학 전반에 대한 사전 지식이 요구되며, 질병의 병태생리와 진단 원리, 치료 전략까지 포괄적인 개념 이해가 필수적이다. 그러나 이러한 학문적 깊이는 학생들에게 높은 인지 부담을 초래할 수 있으며, 특히 임상 경험이 부족한 간호학과 저학년 학생들에게는 지식의 체계적 연결과 응용에 어려움이 따른다. 따라서 개념 중심의 병리학 교육을 보다 몰입감 있고 직관적인 방식으로 재구성하기 위한 전략이 요구된다[11].
혼합수업(Blended Learning) 모델은 온라인 학습의 자기주도성과 대면 수업의 상호작용성을 융합함으로써, 학습의 유연성과 피드백의 즉시성을 동시에 충족시킬 수 있는 효과적인 교수법으로 주목받고 있다[12]. 특히 AI 기반 도구를 혼합수업에 통합할 경우, 정적인 콘텐츠를 동적으로 전환하고, 학습자의 수준에 맞춘 맞춤형 활동을 설계함으로써, 병리학과 같은 개념-사례 연결 중심 과목의 학습 효과를 높일 수 있다[13]. 이는 단순한 교수 보조를 넘어, 학습자 경험 전체를 설계하는 ‘교수설계 도구’로서의 AI 활용을 의미한다.
나아가, 이러한 교육적 시도는 단기적인 학습 성과 향상뿐 아니라, 학습자의 임상적 사고력, 비판적 사고능력, 자기주도적 문제해결력을 장기적으로 향상시키는 기반이 될 수 있다[14]. 특히 간호학과와 같은 보건계열 학문은 졸업 후 실제 환자 상황에 직면하게 되는 실무 중심 전공이기 때문에, 학부 교육단계에서부터 학습자에게 역동적이고 통합적인 학습 경험을 제공하는 것은 매우 중요하다. 따라서 AI 기반 병리학 수업에 대한 실증적 분석은 보건교육 혁신을 위한 유의미한 출발점이 될 수 있다[15].
이에 본 연구는 이러한 교육적 요구와 기술적 가능성을 종합적으로 반영하여, 간호학과 병리학 수업에 생성형 인공지능 및 다양한 에듀테크 도구를 접목한 혼합수업을 실제 설계·운영하고 그 효과를 실증적으로 분석하고자 한다. 이를 통해 병리학 수업의 교육 효과를 객관적으로 검토하고, 향후 보건계열 교육현장에서의 디지털 교육 콘텐츠 확산과 교수전략 개발을 위한 기초 자료를 제공하고자 한다.
1-2 연구 목적
본 연구는 간호학 병리학 수업에 생성형 인공지능과 다양한 에듀테크 도구를 혼합하여 적용한 수업 모델이 간호대학생의 학습 태도 및 이해도, 질병 인식의 변화, 수업 만족도에 미치는 영향을 확인하고자 수행되었다. 구체적인 목적은 다음과 같다.
첫째, 생성형 인공지능 및 에듀테크 도구 기반 수업이 간호대학생의 병리학 수업 참여도 및 학습 만족도에 미치는 효과를 확인한다.
둘째, 퀴즈 기반 학습 활동을 통해 자기주도 학습 역량 및 상호작용 중심 수업의 효과를 분석한다.
셋째, 사전-사후 진단평가와 질병 인식 워드클라우드 분석을 통해 병리학 개념 이해도 및 질병 인식의 변화를 통해 수업 모델의 효과를 검증한다.
Ⅱ. 연구 방법
2-1 연구설계
본 연구는 온라인과 오프라인을 병행하는 혼합수업(블렌디드 러닝) 형태로 15주간 병리학 교과목을 운영하고, 그 교육 효과를 분석하고자 설계된 교육 연구이다. 본 연구에서는 수업 전후 변화를 파악하기 위해 단일군 사전-사후 설계를 적용하였으며, 혼합형 학습 전략의 효과를 객관적으로 평가하고자 하였다. 또한 양적 자료와 질적 자료를 병행 수집하는 혼합 연구방법을 통해 학생들의 학습 태도와 경험을 다각도로 분석하였다.
2-2 연구대상 및 자료 수집
본 연구대상자는 J 특별자치도 소재 대학교의 간호학과 2학년 ‘병리학’ 교과목을 수강하는 학생 260명으로 구성되었다. 불성실하게 응답한 8명을 제외한 252명을 대상으로 연구 목적과 절차에 대해 사전 설명을 제공한 후 자발적 참여 동의를 받은 뒤 연구를 진행하였으며, 수집된 모든 자료는 익명으로 처리하고 연구 목적 외에는 사용되지 않도록 윤리적 고려를 하였다. 자료 수집은 수업 주차 1차시, 9차시, 14 주차에 Google form을 활용한 QR 코드를 통해 진단평가, 설문조사를 실시하였으며, 이를 통해 학생들의 수업 전 기초 지식수준과 수업 후 학습 경험 및 인식에 관한 자료를 확보하였다.
2-3 설문조사
본 연구에서는 생성형 인공지능과 에듀테크 도구 활용이 학습자의 태도 및 수업 만족도에 미치는 영향을 분석하기 위해 구조화된 설문조사를 실시하였다. 설문 문항은 선행연구[16]-[18]를 참고하고 본 연구 목적에 맞게 수정·보완하였으며, 다섯 개 영역 총 36문항으로 구성되었다. 설문은 5개 영역(학습자 특성, AI 및 퀴즈앤 활용도, 학습 태도, 수업 운영 만족도, 서술형 의견)으로 구성되었으며, 수업 운영의 명확성, 학습 자료 활용도, 흥미 유발, 평가와 피드백의 적절성 등에 대한 인식을 다각도로 측정하였다. 모든 문항은 5점 Likert 척도(1점: 전혀 그렇지 않다 ~ 5점: 매우 그렇다)로 응답하도록 하였으며, 학생들의 주관적 인식을 수집하기 위해 서술형 응답 문항도 포함하였다. 설문 문항의 신뢰도 검증을 위해 각 영역별 Cronbach’s α 값을 산출하였으며, 대부분 0.80 이상으로 양호한 내적 합치도를 보였다. 본 설문은 학습자의 경험 기반 평가와 디지털 도구 활용에 대한 총체적 이해를 도출하는 데 중점을 두었다.
Survey items
2-4 분석방법
수집된 자료는 SPSS 21.0 프로그램을 활용하여 분석하였으며, 구체적인 방법은 다음과 같다[19]. 먼저, 수집된 양적 자료에 대해 빈도, 평균, 표준편차 등의 기술통계를 산출하였다. 생성형 인공지능 및 에듀테크 도구 활용도, 학습자 태도, 수업 만족도 간의 차이를 분석하기 위해 독립표본 t검정과 일원분산분석(ANOVA)을 실시하였다. 또한, 생성형 인공지능 및 에듀테크 활용도, 학습자 태도, 수업 만족도 간의 관계는 Person’s 상관분석을 수행하였다. 한편, 서술형 문항에 대한 응답은 공통된 주제별로 분류하여 내용을 분석하였고, 수업 시작과 종료 시 실시한 ‘질병 나열 활동’ 결과는 워드클라우드(Word Cloud)로 분석하여 시각화하였다[20].
Ⅲ. 교수학습 설계 및 적용
병리학 수업에서 생성형 인공지능과 다양한 에듀테크 도구를 활용한 블렌디드 학습 기반 교수법을 설계하고 적용하여, 학습자의 몰입도, 자기주도 학습태도, 이해도 및 성취도 향상을 목적으로 하였다. 2024학년도 1학기 동안 총 260명의 학생을 대상으로 A, D, G, J, M 반으로 구분하여 15주간 수업을 운영하였다. 수업은 사전 진단평가 → 주차별 활동 → 사후 만족도 조사로 구성되었으며, 수업 활동은 다양한 AI 기반 도구와 연계되어 주차별로 설계되었다(표 2).
Class composition and application of generative AI and edu-tech tools
수업에서 생성형 인공지능 및 에듀테크를 활용하는 것을 이해할 수 있도록 오리엔테이션을 제공하였고, 1주차에는 사전 진단평가 실시, AskUp을 활용한 진단평가 정답 알아보기, ChatGPT 기반 교재 내용 요약, QuizN을 활용한 질병 나열 활동으로 수업의 기초를 다졌다. 또한, 주차별로 Youtube Summary, Whimsical 마인드맵 도구, 텍스트 음성 변환(TTS), Papago 기반 음성 텍스트 전환 도구 등을 활용하여 학습 내용을 시각화 및 청각적으로 재구성하는 활동을 진행하였다. 특히 중간고사와 기말고사 전 주차에는, 학생 스스로 임상 사례 기반 문제를 제작하고, 음성 녹음 및 퀴즈로 구성하게 함으로써 자기 주도적 문제 해결 역량을 강화하였다.
대면 수업에 주차별로 시행한 QuizN 기반 퀴즈 활동은 총 90개 이상의 문항으로, 표 3과 같은 문항으로 구성되었다. 참여 및 흥미를 높이기 위해 퀴즈의 형태를 선택형, 초성 퀴즈, OX 퀴즈 방식 등 다양한 퀴즈 유형으로 구성하였고, 개인전, 파트별 팀전 및 골든벨 형태로 진행하였다(표 3 참고).
Examples of the activity status and quiz by week using QuizN
구체적인 생성형 인공지능의 활용으로 수업 설계 초기 단계에서는 개념 정리용 요약 정리 및 마인드 맵, 주차별 학습 퀴즈, 임상 사례 기반 문제 등을 제작하였다. 중간 및 기말고사 전후에는 학생들이 자율적으로 문제를 생성하고 음성 퀴즈 콘텐츠를 구성하는 데 ChatGPT를 적극적으로 활용함으로써, 학습자 주도적 활동 유도 및 고차 사고력 강화를 도모하였다. 또한, 연계된 퀴즈 활동에서는 ChatGPT를 활용한 문항 난이도 조정 및 해설 생성, 복습용 초성 퀴즈 및 팀 기반 OX 퀴즈 제작, 골든벨 형식 문항 구성 등에 AI를 직접 활용하였습니다. 분석 단계에서는 학생 서술형 응답과 워드클라우드 기반 질병 인식 분석을 통합하여 ChatGPT를 통한 텍스트 분석 및 패턴 분석에도 일부 도입하였다.
Ⅳ. 연구 결과
4-1 생성형 인공지능 및 에듀테크 도구의 선호도 조사
생성형 인공지능 및 에듀테크 도구 활용 선호도 분석 결과는 표 4와 같다. 수업에서 가장 도움이 되었던 도구는 퀴즈앤(32.6%), 구글 폼(25.2%), ChatGPT(16.5%) 순이었다. ChatGPT는 요약·질문 기능에서 특히 긍정적 반응이 많았고, 학습 부담감이 있는 개념(염증의 유형, 종양 분류 등)에 대해 요약 정리를 해주는 기능이 유용했다고 응답하였다.
The most helpful edu-tech tools (3 options selectable)
선호도가 가장 높은 퀴즈앤은 온라인 학습 및 대면수업 내용으로 실시간 퀴즈를 진행하였다. 퀴즈 형태는 OX형(32.6%), 파트별 선택형(22.8%), 개별 선택형(18.0%), 초성 퀴즈(17.0%) 순으로 학생들이 선호도가 높았다(표 5).
Preferred types of quiz (2 options selectable)
4-2 일반적 특성에 따른 생성형 인공지능 및 퀴즈앤 활용, 학습 태도 및 수업 운영에 대한 만족도 차이
대상지의 일반적 특성에서 성별은 여학생이 189명(75%), 남학생은 63명(25%)을 차지하였고, 연령은 20세(신입학)가 133명(52.85)이고 21세 이상(복학생, 편입생, 재수강생)의 학생은 119명(47.2%) 이었다. 대상자의 성별에 따른 생성형 인공지능 및 퀴즈앤 활용은 남학생 평균 3.85, 여학생 평균 3.75점으로, 남학생이 더 높았으며 통계적으로 유의미한 차이(t=8.119, p=.005)를 보였다. 연령에 따른 생성형 인공지능 및 퀴즈앤 활용도는 21세 이상 학생이 3.83점, 20세 학생이 3.72점으로 유의미한 차이(t=4.340, p=.000)가 나타났다. 반면, 학습 태도와 수업 운영 만족도는 성별과 연령 모두에서 통계적으로 유의미한 차이는 없었다(표 6).
Utilization of generative AI and QuizN, learning attitudes, satisfaction with class management by sex and age(N=252)
4-3 대상자의 생성형 인공지능 및 퀴즈앤 활용, 학습 태도, 수업 운영에 대한 만족도 정도 및 상관관계
대상자의 생성형 인공지능 및 퀴즈앤 도구의 활용도, 학습 태도, 수업 운영 만족도 정도는 표 7과 같다. 생성형 인공지능 및 퀴즈앤 활용 점수의 평균은 30.17점, 평균 평점은 3.77점(5점 척도)이고, 학습 태도 평균은 30.17점, 평균 평점은 3.53점(5점 척도)이며, 수업 운영에 대한 만족도 점수의 평균은 57.43점, 평균 평점은 3.83점(5점 척도)으로 나타났다.
Level of utilization of generative AI and QuizN, learning attitudes, satisfaction with class management(N=252)
생성형 인공지능 및 퀴즈앤 활용도, 학습 태도, 수업 운영 만족도 간의 상관관계를 분석한 결과는 표 8과 같다. 생성형 인공지능 및 퀴즈앤 활용은 학습 태도(r=0.441, p<.001)와 수업 운영 만족도(r=0.720, p<.001) 간에 유의한 수준의 정적 상관관계를 보여주었다. 또한 학습 태도와 수업 운영 만족도 간에도 유의미한 상관(r=0.459, p<.001)이 나타났다.
Correlation between utilization of generative AI and QuizN, learning attitudes, satisfaction with class management(N=252)
4-4 생성형 인공지능 및 에듀테크 도구를 활용한 병리학 수업의 효과 분석
병리학 교과목은 두 가지 문항(“1. 질병의 병태생리와 발생원인 및 증상을 설명할 수 있다.”, “2. 질병의 치료와 예방에 대하여 설명할 수 있다.”)에 대해 사전-사후 자가 진단평가를 시행한다. 사전-사후 진단평가를 분석한 결과, 표 9와 같이 사전 진단평가에서는 평균 3.72점(표준편차 1.48)으로, 전체 학생 중 약 44.1%가 ‘미흡’ 수준(1~2점)에 머물렀다. 반면, 사후 진단평가 결과 평균 점수는 4.77점(표준편차 0.60)으로 1.06점 상승하였고, 전체 응답자의 86.3%가 ‘우수’ 수준(5점 만점)으로 나타났다.
Self diagnostic assessment of course content
수업 시작 전(1주차)과 종료 시(14주차)에 실시한 질병 나열 활동 결과를 워드 클라우드로 분석한 결과, 학생들의 질병 인식 범위와 질환군의 특성이 뚜렷하게 달라졌다(표 10). 1주차에는 ‘코로나, 감기, 간염, 장염, 결핵, 대상포진’ 등 감염성 질환이 65% 이상을 차지했지만, 14주차에는 ‘백내장, 녹내장, 알츠하이머, 파킨슨, 뇌출혈과 뇌경색, 골다공증, 비염 및 천식, 치매’ 등 만성질환, 노인성 질환, 정신 질환에 대한 응답이 많이 증가하였다.
Analysis of Word Cloud
2023학년도 1학기 온라인 수업과 2024학년도 1학기 혼합수업 간의 강의평가 결과를 비교하여, 생성형 인공지능 및 에듀테크 도구를 활용한 병리학 수업의 효과를 분석하였다. 2023년 평균 점수는 4.67점이었는데, 2024년에는 4.84점으로 상승하였다. 표준 점수 기준으로도 2023년 4.80점에서 2024년 4.94점으로 개선되었으며, 모든 반(A~M)에서 전반적으로 고르게 높은 평가를 받았다. 또한 대표적인 서술형 의견으로 “깔끔한 교안 정리가 공부하는 데 도움이 되었고, 강의 시간에 인공지능을 사용한 다양한 콘텐츠나 퀴즈 활동이 수업을 지루하지 않게 만들어줘서 적극적으로 참여할 수 있었다.” 라는 응답이 있었다.
Comparison of course evaluation results
Ⅴ. 논 의
본 연구는 간호학과 병리학 수업에 생성형 인공지능과 다양한 에듀테크 도구를 통합한 혼합형 수업을 운영하고, 그 교육적 효과를 분석하고자 시도되었다. 주요 연구 결과에 따르면, 전체 수업 평가 응답자 237명 중 평균 만족도는 4.84점(5점 척도)으로 매우 높은 수준이었으며, ‘수업 이해에 도움이 되는 다양한 도구의 활용’에 대해 긍정적으로 응답한 비율은 99.2%에 달했다. 서술형 응답에서도 “AI 덕분에 병리학이 처음으로 재미있어졌다.”, “임상 사례와 연결되어 더 집중할 수 있었다.”라는 학생 의견이 확인되어, 생성형 AI 및 실제 사례 기반의 수업 설계가 학습자 흥미와 몰입도 향상에 기여했음을 시사한다. 수업에서 활용된 다양한 에듀테크 도구 중에서는 퀴즈앤(32.6%), 구글폼(25.2%), ChatGPT(16.5%)에 대한 선호도가 높았으며, 실질적으로 이들 도구가 수업 내 학습 활동에 도움을 주었다는 점을 보여준다. 또한, 비율은 낮았지만, 요약 도구(Chat with any PDF, Youtube Summary), 마인드맵(Whimsical), 음성변환 도구(TTS), 워드 클라우드 등에 대한 긍정적인 응답, “몰입감을 높였다.”, “혼자 복습할 때 도움이 되었다.” 들이 확인되어 수업 설계에 따라 보다 다양한 형태의 도구가 학습에 활용될 수 있음을 보여준다. 이러한 결과는 전통적인 강의 중심 수업의 한계를 보완하고 학습자의 참여도와 몰입도를 향상하는 데 있어, 생성형 인공지능 및 에듀테크 기반의 병리학 수업이 효과적으로 작용할 수 있음을 의미한다[21]. 따라서, 본 연구 결과는 혼합수업 내에서 생성형 인공지능이 어떻게 학생 중심 교육을 실현할 수 있는지를 보여주는 사례이며, 향후 다양한 보건계열 교과목으로의 확산과 AI 교육 도구에 대한 교수자 역량 강화 방안이 병행되어야 한다[22],[23].
퀴즈 및 퀴즈형 활동은 전체 수업 기간 동안 95% 이상의 참여율을 유지하였으며, 87.4%의 학생 응답자들이 퀴즈형 학습이 “기억에 남는다”라고 응답하였다. 특히 “퀴즈 문항이 병리학 개념 및 임상 사례와 잘 연결되어 있었다”라는 문항의 평균 4.76 점(5점 척도)으로 확인되어, 병리학 기본 개념과 임상적 문제를 연계한 문항이 학습에 실제로 도움이 되었음을 보여준다. 다시 말해, 퀴즈 기반 학습 시스템은 실시간 피드백, 문항 해설, 점수 기반 경쟁 요소를 포함하여 학습자의 집중력과 경쟁심을 자극함으로써 몰입도를 높이는 효과를 나타냈다. 학생들이 선호한 퀴즈 유형은 OX형(32.6%)이 가장 많았고, 파트별 선택형(22.8%), 개별 선택형(18.0%), 초성 퀴즈(17.0%) 순으로 나타났다. 이는 다양한 유형의 퀴즈가 학습자의 흥미를 유발하고 자발적인 참여를 유도했음을 의미한다. 특히 ‘학생이 직접 문제를 만드는 활동’의 선택 비율은 낮았으나, Bloom의 교육목표 분류학 중 상위 수준의 인지 영역(분석, 평가, 창의)에 해당하여[24], 고차원 사고능력을 자극하는 중요한 학습 활동으로 평가할 수 있다.
생성형 인공지능 및 에듀테크 도구를 활용한 병리학 수업에 대한 학습자의 학습 태도(온라인 사전학습 이행 여부, 수업 집중도, 대면 활동 참여, 수업 외 복습 여부)를 포함한 문항들은 평균 4.4점 이상(5점 척도)으로, 수업 방식이 학습 태도 및 행동에 긍정적인 변화를 유도하였다. 특히 ‘수업에 집중하기 위해 열심히 노력하였다.’와 ‘대면 수업에 적극적으로 참여했다.’라는 항목에서 높은 점수가 나와 학습자가 수업 내용을 내면화하고 주도적으로 학습했음을 의미한다. 병리학 수업 운영 전반에 대한 학생들의 인식(수업 목표 전달, 자료 제공의 적절성, 흥미 유발, 학생 참여 유도, 피드백 제공, 평가 방식 등)은 모든 영역에서 평균 4.7점 이상(5점 척도)으로 만족도가 높았다. ‘그렇다.’ 이상을 응답한 비율이 전체 97.6%를 차지하였고, 그중에서 평가방식(‘시험, 출석, 퀴즈 등의 평가는 수업 내용의 범위에서 이루어졌다.’)에서 평균 4.87점으로 가장 높게 나타났다. 또한 ‘가능한 범위에서 학생의 적극적인 참여를 유도하려고 노력하였다.’와 ‘중간고사 이후 실시한 강의 운영 관련 설문조사 결과를 반영하려고 노력하였다.’라는 항목에서 높은 점수(평균 4.6점)를 보여주어, 수업 운영에 대한 피드백 반영과 학습자 중심 수업 설계가 잘 작동했음을 보여주었다. 이는 수업에서 활용된 생성형 인공지능 및 에듀테크 도구들이 학습자의 태도와 수업 전반에 대한 인식 향상에 긍정적인 영향을 미쳤으며, 특히 디지털 도구 활용도가 수업 만족도에 미치는 영향력이 크다는 점을 시사한다[25],[26].
병리학 수업 전후 학습자의 이해도 비교에서도 통계적으로 유의미한 향상이 나타났으며, 특히 병태생리, 질병의 원인과 증상에 대한 이해 문항에서의 향상이 두드러졌다. 이는 생성형 인공지능 및 에듀테크 도구를 활용한 주기적인 퀴즈 활동, 시청각 자료 병행 및 피드백 반영이 병리학 개념에 대한 인지적 이해 증진에 효과적이었음을 보여준다. 질환 인식 범위와 질환군에 대한 인식 특성 또한 수업 전후에 변화가 나타났다. 초기에는 감기, 장염, 코로나 등 일상적인 감염성 질환 중심의 응답이 많았으나, 수업 이후에는 파킨슨병, 백내장, 알츠하이머, 췌장암, 류마티스관절염 등 다양한 계통의 만성 질환 및 정신·노인성 질환까지 언급되며 질병에 대한 통합적 인식 수준이 확장되었다. 특히 14주차 응답 중 40% 이상이 두 개 이상의 기관계통 질환을 언급하였고 질병의 병태생리적 기전이나 위험 요인을 병행 서술한 사례들도 있어, 병리학 수업을 통해 학생들이 단순 질병명 인식을 넘어 임상적 통찰과 계통적 분류 기반으로 질환을 이해하게 되었음을 시사한다. 2023년 온라인 수업 대비 2024년 혼합수업의 강의평가 평균 점수가 전반적으로 상승하였으며, '교수는 가능한 범위 안에서 학생의 적극적인 강의 참여를 유도하려 노력하였다.'와 '교수는 학생들에게 수업 활동과 관련된 쌍방향 의사소통을 하려고 노력하였다.' 항목에서 유의한 향상을 보였다. 이는 에듀테크를 활용한 수업 환경이 학습자의 정서적 반응 및 수업 만족도에 영향을 줄 수 있음을 보여주었다[27],[28].
이상의 연구 분석 결과를 바탕으로, 병리학 수업에서 생성형 인공지능 및 에듀테크 도구를 활용한 혼합수업이 학습 효과에 미친 영향을 교수‧학습 전략, 학습자 특성, 인식 변화 측면에서 다음과 같은 시사점으로 정리할 수 있다.
첫째, 생성형 인공지능 및 에듀테크 도구 활용은 병리학 개념 이해와 반복 학습에 효과적이었다. 특히 ChatGPT의 요약, 질문 생성, 피드백 기능은 학습자의 단순 암기를 넘는 고차원 사고를 유도하고 병리 개념의 명확한 이해를 도왔다.
둘째, 다양한 에듀테크 도구, 특히 퀴즈형 학습 활동은 학습자의 몰입도와 자기 주도성을 높였으며, 팀 기반 퀴즈 활동은 협동학습과 학습 동기를 동시에 유도하여 긍정적 학습 분위기를 형성하였다. 또한, 수업 설계 시 다양한 학습 유형에 대응하는 맞춤형 도구 구성이 중요함을 시사한다.
셋째, 성별과 연령에 따라 도구 활용도에 차이가 있었으며, 특히 남학생과 나이가 많은 학습자가 활용도가 높았다. 이는 디지털 리터러시 수준 및 자기조절 학습 역량 차이에 기인할 수 있으며, 향후 학습자 맞춤형 지원 및 가이드 제공이 필요함을 시사한다.
넷째, 수업 전후 질병 인식 범위와 병태생리 이해 수준이 단편적 지식에서 체계적 이해로 확장되었으며, 이는 생성형 인공지능 기반 반복 학습과 임상 사례 중심 수업 설계가 학습 전이에 효과적이라는 점을 뒷받침한다.
다섯째, 2023년 온라인 수업 대비 2024년 혼합수업의 강의평가 결과가 바탕으로 생성형 인공지능 및 다양한 에듀테크 도구 활용이 수업 만족도와 정서적 반응에도 긍정적으로 작용했음을 시사한다.
이러한 결과는 생성형 인공지능과 에듀테크의 유기적 결합이 단순한 교수 보조 도구를 넘어 수업 전체의 질을 향상하게 하는 전략이 될 수 있음을 시사한다. 따라서, 본 연구는 생성형 인공지능 기반 교육 콘텐츠 개발 및 교수법 설계 및 수립에 있어 실질적 기초 자료로 활용될 수 있을 것이다. 특히 보건의료 계열과 같이 개념의 임상적 응용이 중요한 분야에서는 기술 기반 수업이 개념 정착과 실제 적용 능력 모두에 긍정적인 영향을 미친다는 점에서 그 의미가 크다. 향후 교육 현장에서는 학습자 특성과 수업 목표에 맞춘 생성형 인공지능 및 에듀테크 도구의 체계적 연계 및 교수자의 설계 역량 강화가 병행되어야 할 것이다[29].
본 연구는 간호학과 병리학 수업에 생성형 인공지능과 다양한 에듀테크 도구를 활용한 혼합형 수업의 효과를 분석하였으나, 몇 가지 제한점이 존재한다. 첫째, 단일 기관의 특정 학과 학생을 대상으로 하였기 때문에 결과의 일반화에는 한계가 있다. 둘째, 수업 효과에 대한 평가는 대부분 자기보고식 설문과 서술형 응답에 의존하였으며, 객관적인 개인별 성취도나 장기적인 학습 지속 효과는 측정하지 못하였다. 셋째, 다양한 에듀테크 도구가 혼합되어 사용되었기 때문에 개별 도구의 효과를 분리하여 분석하기 어려웠고, 성별이나 디지털 리터러시 수준에 따른 심화 분석도 제한적이었다. 향후 연구에서는 다양한 전공이나 기관을 대상으로 한 비교 연구, 학습성과의 객관적 지표 도입, 도구별 세분화 된 효과 분석 등이 이루어질 필요가 있다.
Ⅵ. 결론 및 제언
본 연구는 간호학 병리학 수업에 생성형 인공지능과 다양한 에듀테크 도구를 혼합하여 적용함으로써, 학습자의 이해도, 몰입도, 자기주도성 및 질병 인식 구조에 긍정적인 변화를 유도할 수 있음을 실증적으로 확인하였다. 특히 퀴즈앤, ChatGPT, 워드 클라우드 등은 학습자의 고차원적 사고 능력과 개념 정리에 효과적으로 기여하였고, 단편적 지식에서 병태생리 기반의 체계적 이해로의 인식 확장이 나타났다. 이는 단순한 보조 도구 활용을 넘어, 수업 전반의 설계 단계에서부터 기술을 통합하는 접근이 병리학 교육의 질적 향상에 중요한 전략이 될 수 있음을 시사한다.
본 연구 결과를 토대로 다음과 같이 제언하고자 한다. 향후 보건의료계열 기초의학 수업 전반에 걸쳐 생성형 인공지능과 에듀테크 도구를 학습자 중심 수업의 핵심 전략으로 적극 도입할 필요가 있다. 이를 위해 교수자의 디지털 교육 역량 강화 및 효과적인 학습 콘텐츠 개발과 함께, 학습자의 디지털 리터러시 향상을 위한 체계적인 교육, 기술 친숙도에 따른 차별화된 학습 지원 전략이 병행되어야 한다. 또한 향후 교수자는 기술을 활용하는 수준을 넘어서, 학습자의 특성과 교육 목적에 맞춘 맞춤형 교수설계를 주도적으로 수행할 수 있도록 역량 강화가 병행되어야 할 것이다.
References
-
S. Yang, “Study on the Limitations and Improvements of Applying Innovative Teaching Methods in Higher Education through Qualitative Meta-Analysis,” Journal of Learner-Centered Curriculum and Instruction, Vol. 24, No. 3, pp. 793-809, February 2024.
[https://doi.org/10.22251/jlcci.2024.24.3.793]
-
S. Kim and N. Cho, “Development of a Writing Curriculum through the Creative Use of ‘Generative AI’,” Korean Journal of General Education, Vol. 19, No. 1, pp. 57-73, February 2025.
[https://doi.org/10.46392/kjge.2025.19.1.57]
-
H. R. Kim, S. Kim, and Y.-A. Lee, “A Study of University Professors’ Experiences Regarding the Pedagogical Use of ChatGPT in Higher Education: A Grounded Theory Perspective,” The Journal of Korean Association for Educational Information and Media, Vol. 30, No. 2, pp.405-427, April 2024.
[https://doi.org/10.15833/KAFEIAM.30.2.405]
-
H. L and J. Eom, “A Delphi Study on the Conceptualization and Item Generation of AI Health Ethics Literacy,” Journal of Digital Contents Society, Vol. 26, No. 4, pp. 1091-1103, April 2025.
[https://doi.org/10.9728/dcs.2025.26.4.1091]
-
C.-J. Ryu, Y.-S. Han, B.-G. Baek, and C.-S. Park, “Evaluation of the Use of Radiology Classes Applying Teaching Methods Developed at University H,” Journal of the Korean Society of Radiology, Vol. 18, No. 2, pp. 145-151, April 2024.
[https://doi.org/10.7742/jksr.2024.18.2.145]
-
S. Shin, “Exploring the Impact of Educational Use of AI in the Learning Process on AI Literacy and Learning Outcomes,” Journal of Korean Association for Educational Information and Media, Vol. 31, No. 1, pp. 245-266, February 2025.
[https://doi.org/10.15833/KAFEIAM.31.1.245]
-
H.-R. Cho, S.-J. Lee, S.-Y. Lee, and Y.-J. Kim, “Factors Influencing College Students’ Satisfaction with Generative AI,” Journal of the Korea Society of Computer and Information, Vol. 29, No. 9, pp. 299-306, September 2024.
[https://doi.org/10.9708/jksci.2024.29.09.299]
-
M.-R. Marta, F.-C. Jose, F.-B. Jose, and L.-M. Eloy, “Impact of the Implementation of ChatGPT in Education: A Systematic Review,” Computers, Vol. 12, No. 8, 153, July 2023.
[https://doi.org/10.3390/computers12080153]
-
T. Lee, J.-H. Kang, D. Lee, B. Nam, and N. Park, “Impacts of Generative Artificial Intelligence Referencing Guidelines on College Students’ Self-efficacy,” Social Science Review, Vol. 56, No. 1. pp. 75-95, July 2025.
[https://doi.org/10.31502/SSRI.56.1.4]
-
S.-Y. Pyo, “The Effectiveness of Project-Based Learning on Basic Writing Classes in College,” Journal of Learner-Centered Curriculum and Instruction, Vol. 23, No. 1, pp. 273-289, December 2022.
[https://doi.org/10.22251/jlcci.202323.1.273]
-
G.-Y. Yun and S. Chang, “Exploring the Potential of Generative AI in University Instruction: Focus on Tasks to Avoid and Tasks to Pursue,” Journal of Learner-Centered Curriculum and Instruction, Vol. 25, No. 2, pp. 463-480, January 2025.
[https://doi.org/10.22251/jlcci.2025.25.2.463]
-
S. Choi, “Investigating Students' Intentions to Use Generative AI in College Assignments: A Moderated Mediation Analysis of Perceived Unfairness and Detection Possibility,” Journal of Learner-Centered Curriculum and Instruction, Vol. 24, No. 6, pp. 103-118, March 2024.
[https://doi.org/10.22251/jlcci.2024.24.6.103]
-
S. Park, J. Park, and E. Jang, “An Analysis of Community-linked Project Classes: Focusing on Online Classes Applying Action Learning,” Journal of Learner-Centered Curriculum and Instruction, Vol. 21, No. 10, pp. 949-966, May 2021.
[https://doi.org/10.22251/jlcci.2021.21.10.949]
-
S.-J. Kim and Y. Shin, “Generative AI in Project-Based Learning: Insight from Kolb’s Experienatial Learning Model,” Study on Liberal Education Practice, Vol. 8. No. 2, pp. 63-82, December 2024.
[https://doi.org/10.23144/dile8.2.63]
-
J.-K. Park, “Survey of Radiology Students’ Satisfaction in Classes using the Quizn Platform,” Journal of the Korean Society of Radiology, Vol. 17, No. 5, pp. 783-790, October 2023.
[https://doi.org/10.7742/jksr.2023.17.5.783]
-
M.-K. Ahn and M.-J. Chae, “Development and Impacts of an AI Tutor for Nursing Students: Emphasizing on Clinical Practice Education,” Journal of Digital Contents Society, Vol. 26, No. 5, pp. 1285-1291, May 2025.
[https://doi.org/10.9728/dcs.2025.26.5.1285]
-
M. Ahn, “Team-Based Learning Effectiveness in a Basic Nursing Science Pathology Class,” Journal of Learner-Centered Curriculum and Instruction, Vol 24. No. 23, pp. 339-352, October 2024.
[https://doi.org/10.22251/jlcci.2024.24.23.340]
-
J. W. You, “Analysis of Professors’ Experiences with Generative AI and the Concerns of Classroom Use: Application of the Concerns-Based Adoption Model (CBAM),” Korean Journal of General Education, Vol. 17, No. 6, pp. 333-350, December 2023.
[https://doi.org/10.46392/kjge.2023.17.6.333]
-
H. Lee and H. Kim, “Development of Education Programs to Enhance University Faculty's Competence in Using Generative AI: A Case Study of S Cyber University,” Journal of The Korea Society of Information Technology Policy & Management, Vo1. 16, No. 2, pp. 3531-3539, Jun 2024.
[https://doi.org/10.23233/kitpm.2024.16.2.005]
-
H. S. Kim, M. H, Jung, B. K, Choi, and M. A. Jung, “Word Cloud Analysis of Students’ Experiences about Innovative Teaching Methods,” The Journal of the Korea Contents Association, Vol. 24, No. 4, pp. 531-540, April 2024.
[https://doi.org/10.5392/JKCA.2024.24.04.531]
-
O. S. Ha, S. Y. Kim, E. S. Go and C. K. Park, “A Study on College Students’ Perceptions of Satisfaction and Learning Outcomes Using the AI-based Adaptive Learning Platform(ALEKS),” Journal of Educational Innovation Research, Vol 34. No. 1. pp. 249-273, March 2024.
[https://doi.org/10.21024/pnuedi.34.1.202403.249]
-
E. Oh, “College Students’ AI Utilization and Perception,” Korean Society for Library and Information Science, Vol. 59, No. 1, pp. 671-692, February 2025.
[https://doi.org/10.4275/KSLIS.2025.59.1.671]
-
S. Kim and Y. Lee, “A Study on Trends in AI Education at Universities: Focusing on Domestic News Big Data,” Journal of Education & Culture, Vol. 31, No. 2, pp. 591-620, April 2025.
[https://doi.org/10.24159/joec.2025.31.2.591]
-
H.-R. Son and C.-K. Lee, “Artificial Intelligence Utilization Strategies in Design: Insights from Expert Interviews,” Journal of Digital Contents Society, Vol. 25, No. 8, pp. 2035-2044, August 2024.
[https://doi.org/10.9728/dcs.2024.25.8.2035]
-
K. Hur, “Study on Evaluation Methods for Problem-Solving Capabilities Using Generative AI,” Journal of Practical Engineering Education, Vol. 17, No. 2, pp. 279-286, 2025.
[https://doi.org/10.14702/JPEE.2025.279]
-
J. Lee and S. Ryu, “Trends in Domestic and International Research on the Use of Generative AI in Science Education: An Analysis of Its Application in Class Design and as a Learning Tool,” Journal of the Korean Association for Science Education, Vol. 45. No. 1, pp. 19-31, 2025.
[https://doi.org/10.14697/jkase.2025.45.1.19]
-
S. J. Moon, “The Impact of AI Self-efficacy, AI Anxiety, and AI Trust on Attitude and Acceptance Intentions Toward Generative AI,” Journal of Digital Contents Society, Vol. 25, No. 11, pp. 3319-3327, October 2024.
[https://doi.org/10.9728/dcs.2024.25.11.3319]
-
J. Y. Suh, “Analysis of University Students’ Perceptions on the Permissible Level of AI Utilization in Academic Activities: A Focus on Library and Information Science Students,” Korean BIBLIA Society for Library and Information Science, Vol. 36, No. 1, pp. 87-108, February 2025.
[https://doi.org/10.14699/kbiblia.2025.36.1.087]
-
D. H. Moon, “Effect of Team-based Learning on International relationship, self leadership and Learner’s Participation of Nursing Students,” Journal of Digital Contents Society, Vol. 20, No. 7, pp. 1373-1380, July 2019.
[https://doi.org/10.9728/dcs.2019.20.7.1373]
저자소개
2004년：경희대학교 생명과학부(이학사)
2011년：포항공과대학교 분자·생명과학부(이학박사)
2015년～2019년: 서울대학교병원 의생명연구원 연구교수
2019년～현 재: 제주한라대학교 간호학과 조교수
※관심분야：종양생물학, 디지털 헬스케어, AI 혁신교수법
