1. 생성형 인공지능과 생산성, 그리고 새로운 이야기의 가능성

글로벌 컨설팅 기업 매킨지 앤드 컴퍼니의 보고서 「생성형 인공지능의 경제적 잠재력」(“The Economic Potential of Generative AI”)은 “우리 모두는 생성형 인공지능의 힘, 범위, 기능을 이해하기 위한 여정의 시작 단계에 있다”라고 선언한다.1) 부제로 설정된 “차세대 생산성의 프론티어”(The Next Productivity Frontier)는 해당 보고서가 생성형 인공지능의 영향 중 가장 주목하는 지점이 투입 대 산출 비율임을 명확히 한다. 신기술이 가져올 사회적 변화의 핵심으로 생산성의 증대와 이에 따른 경제 및 노동환경의 변화를 꼽고 있는 것이다. 2023년 발간된 전미경제연구소(NBER)의 「직장에서의 생성형 인공지능」(“Generative AI at Work”)을 비롯한 다양한 문헌은 보고서의 예측을 뒷받침한다. 생성형 인공지능을 실제 노동환경에 도입했을 때 발생하는 생산성 변화를 추적한 이 논문은 새로운 기술이 개별 노동자들의 생산성을 높이고 직원 유지를 강화할 수 있다고 주장한다.2)

흥미롭게도 보고서와 논문에는 최근 학계와 기업, 정부기관을 포함하여 전 사회적인 화두로 등장한 다양성, 형평성, 포용성(diversity, equity, and inclusion, DEI)에 관한 논의가 전무하다. 실제로 각각 66면과 65면에 달하는 문서 어디에도 이들 용어가 등장하지 않는다. 해당 문헌이 생성형 인공지능의 경제적 영향을 대표할 수는 없지만, 적어도 산업계의 논의에서 다양성과 형평성, 포용성의 가치가 적극적으로 고려되지 않음을 시사하는 것이다. 이는 생산성 담론과 사회적 가치 담론이 ‘서로 다른 우주에서’ 전개되고 있음을 방증한다. 혹자는 이에 어떤 문제가 있냐고 반문할지도 모르지만, 필자는 이렇듯 경제적 효용과 윤리적 가치가 철저히 분리되어 있는 담론장의 상황을 현 사회와 학술장, 나아가 교육계가 타개해야 할 강고한 장벽으로 여긴다. 

인공지능의 효과를 생산성 증대에 국한시켜 논의하는 지배적 관행은 기술이 그 자체로 특정한 효과를 가져올 수 있으며, 사용하기에 따라 우리가 원하는 결과를 창출해낼 수 있다는 결정론적이며 도구주의적 기술관을 강화할 수 있다.3) 이는 부지불식간에 이론과 실천의 변화를 기술적 영향의 자장 아래 두는 결과를 낳는다. 이에 필자는 리터러시 교육이 생성형 인공지능의 부상을 생산성과 효율성, 평가체제 등에서의 벤치마크를 향상시키기 위한 신기술 확보로 이해하는 것을 넘어, 기존의 교육이 가정하는 경계를 흩트리고 이제껏 가능하지 않았던 윤리적인 교육적 관행을 개척하기 위한 변혁적 상상의 계기로 삼아야 한다고 주장한다. ‘수월성 생성 기계’(excellence-generation machine)가 아닌 ‘관계성 변환 기계’(relationality-transformation machine)로서의 생성형 인공지능을 그림으로써 인공지능을 둘러싼 지배적인 교육담론에 균열을 만들어보고자 하는 것이다. 

생성형 인공지능의 부상에 따라 리터러시 생태계와 관행이 빠르게 변화하고 있다. 전통적인 텍스트 중심 문해교육과 다양한 미디어를 아우르는 멀티리터러시 교육의 역동적인 어우러짐을 본격적으로 탐구해보기도 전에 생성형 인공지능이라는 기술권력이 일상과 교육에 파고들고 있다.4) 이 상황에서 리터러시 교육의 목표를 하나로 수렴시키는 것은 불가능하며 바람직하지도 않다. 리터러시가 주체와 텍스트, 세계를 엮는 방식으로 작동한다는 것을 이해한다면 이질성과 갈등, 상이한 가치를 향한 열망을 깔끔하게 제거한 ‘우리’는 존재하지 않음을 간파할 수 있다. 브라이도티(Rosi Braidotti)의 지적처럼 리터러시 교육을 논할 때 우선 “‘우리 인간들’이라는 말부터 신중하게 생각해야” 한다. “‘우리’가 다 같은 하나가 아니기 때문이다.”5) “사회문화적・정치경제적 다양성과 권력을 소거한 ‘인간’이라는 명명이 문제적이듯, ‘인간의 리터러시’라는 개념은 주조된 환상일 뿐이다. (…) 리터러시는 언제나 특정한 맥락하에서 특정한 개인을 둘러싼 복수의 ‘리터러시-들’의 운동과 얽힘으로 존재한”다.6)

같은 맥락에서 기술적 진보가 생산성과 효율성을 높이고 우리 모두를 더욱 ‘완벽한’ 역량을 갖춘 존재로 이끌 것이라는 생각은 위험하다. 기술낙관주의에 기반해 기술 진화의 가속이 사회의 주요한 문제를 해결하리라는 전망은 지금 바로 이곳에서 발생하고 있는 불평등과 차별, 소외와 부정의의 문제를 슬그머니 역사의 무대 뒤로 치워버린다.7) 이러한 경향은 전통적으로 계급과 불평등 문제에 천착해왔던 좌파 진영 일부에서도 그대로 드러난다. 그렇기에 “그러기 위해서(현존 시스템의 인지적 지도를 작성하는 동시에 미래 경제 시스템의 상상적 이미지를 그려내기 위해서), 좌파는 자본주의 사회에 의해 가능해진 기술적・과학적 진보를 빠짐없이 활용해야 한다”8)와 같은 진단은 현실적으로 보이지만 기술을 사회문화적・경제적・정치적 영역과 독립된 힘으로 본다는 점에서 문제적이다. 

이 글은 이와 같은 사회기술적・담론적 지형에서 리터러시 교육의 방향을 탐색하기 위하여 (1) 생산성, 효율성, 경제적 효용 등을 중심에 놓고 전개되는 인공지능 관련 논의를 가속화를 중심으로 하는 정상성 레짐의 강화라는 관점에서 비판하고, (2) 인공지능이 보편적 학습설계의 가이드라인을 지원하고 강화할 수 있는 방안을 리터러시 교육을 중심으로 살피며, (3) ‘AI for UDL’(artificial intelligence for universal design for learning, 보편적 학습설계를 위한 인공지능)의 역할과 한계를 구획하고 실질적 변화를 도모하는 데 요구되는 동반 원리로 ‘학습을 위한 상호 몸짓기’(mutual embodiment for learning)와 ‘비판적 메타리터러시’(critical meta-literacy)를 논의한다.

2. 생성형 인공지능의 부상과 리터러시 교육의 방향

2.1. 가속화의 가속과 정상성 레짐 강화 직시하기 

이 글은 생성형 인공지능이 급속하게 부상하는 가운데 리터러시 교육의 방향을 탐구하기 위한 세 가지 주요한 준거점을 제안한다. 첫 번째로 가속화(acceleration)와 정상성 레짐(regimes of normativity)의 강화를 직시하는 작업이다. 독일의 사회학자 로자(Hartmut Rosa)는 근대화의 핵심 메커니즘이자 징후로 가속화를 지목하며, 가속의 영역으로 (1) 기술적 가속, (2) 사회적 변화의 가속, (3) 삶의 속도(pace)의 가속 세 가지를 제시한다.9)

기술적 가속의 대표적인 예로는 교통과 통신, 생산과 소비의 가속을 들 수 있다. 더 빠르게, 더 자주, 더 많은 상호작용이 가능해지고, 재화의 대규모 생산과 소비가 진행되는 과정은 근대 형성의 핵심 기제다. 사회적 변화의 가속은 “미끄러운 비탈길”의 은유로 표현되며, 가족과 직업 등에서의 변화가 세대-간에 일어나는 것에서 점차 세대-내로 이동하는 현상이 대표적이다. 로자에 따르면 “구조적・문화적 유산이 여러 세대에 걸쳐 단순히 전승되던 전근대적 상황에서 웨이먼(Ansgar Weyman)이 관찰한 것처럼 세대가 혁신적이고 구조를 구축하는 집단적 행위자로서 [기능하는] 근대성으로 이어졌고, 따라서 세대 내에서 변화를 읽어낼 수 있었으며, 마침내 한 세대에게 할당된 기간 내에 사회관계가 근본적인 변화를 겪는 후기근대로 나아갔다”.10) 마지막으로 삶의 흐름이 가속화하는 현상은 “시간 자원의 부족으로 말미암아 단위 시간당 행동 및/또는 경험 에피소드가 증가하는 것”으로 정의할 수 있다. 여기에는 주관적인 측면과 객관적인 측면이 존재하는데, 전자는 스트레스와 시간에 대한 압력, 시간의 “질주” 등의 개념으로, 후자는 시간 사용 연구를 통해 획득한 행위 및 경험의 압축으로 측정할 수 있다. 이는 결국 “집적되는 행위의 속도”와 일상 속 “시간 경험의 변환”으로 요약된다.11) 시간은 늘 모자라고, 일은 결코 줄어들지 않으며, 사람들은 ‘시테크’를 넘어 ‘수면의 효율화’를 꾀한다. 신자유주의적 경쟁이 자연화된 사회에서 ‘바쁘다’는 말은 정보값을 상실한 지 오래다. 

생성형 인공지능은 본질적으로 시간-압축 기계(time-compression machine)다. 생성형 인공지능의 사용자들에게 각인되는 것은 장시간의 노동이 투입되어야 가능하던 일을 순식간에 해내는 모습이다. 텍스트의 생산, 변형, 요약, 재맥락화 등을 기본으로 삼는 리터러시 활동에서 이러한 시간-압축 경험은 특히 두드러진다. 다양한 알고리즘과 애플리케이션이 개발되고 작업 과정의 자동화가 심화될수록 로자가 지적한 가속화의 경험은 일상 곳곳에 파고든다. 기술적 가속이 사회적 가속으로, 나아가 일상적 경험의 가속으로 이어지는 메커니즘은 생성형 인공지능을 기반으로 한 리터러시 관행에서 더욱 강렬하게 경험될 것이며, 빠르게 자연화될 것으로 예상된다. 이 같은 예상은 여러 실험 연구로도 뒷받침되고 있다.12)

그렇다면 이러한 가속화의 효용은 모든 이에게 평등하게 분배될 것인가? 근대 이후 기술의 역사를 볼 때 그렇지 않으리라는 것은 자명하다.13) 인공지능을 동원한 노동과 학습을 설명할 때 사용되는 “인간+기계”라는 표기에서 ‘인간’은 단일한 개념체로 표현된다. 하지만 인간은 그저 생물학적 유전체로서 살아가는 것이 아니라 사회문화적・경제적・정치적・윤리적 존재로 살아간다. 인공지능 또한 단일한 기술적 개체가 아니라 다양한 요인이 교차하는 사회적 관행이자 산업 인프라로, 나아가 추출산업으로 존재한다.14) 따라서 ‘인간+기계’는 특정한 맥락과 권력관계하에서 다양한 효과와 가치를 목표로 작동될 수밖에 없다. 무엇보다 인간의 몸이 경험하고 견뎌낼 수 있는 속도와 컴퓨팅 하드웨어와 알고리즘이 ‘경험’하고 ‘견뎌낼 수 있는’ 속도는 비교의 대상이 될 수 없다. 이 상황에서 기술의 진보가 모두에게 고른 혜택을 가져다주리라는 생각은 망상에 지나지 않는다. 

생성형 인공지능까지 갈 것도 없이 인간과 기술의 결합은 다양한 요인의 영향에 따라 다른 효과와 부작용을 낳는다. 일례로 발달장애를 겪는 청소년의 디지털 리터러시 발달은 사회적 영역과 생애주기에 따라 다양한 걸림돌에 직면한다. 청소년기에는 교사와 부모를 위한 교육 부족, 경제적 부담, 기술지원 서비스의 부족, 적절한 기능 설계의 부족 등이 주요한 장벽이 되며, 일상생활 영역에서는 양육자의 훈련 부재와 부적절한 지원, 쉽게 이용하기 어려운 복잡한 설계, 요구사항과 맞지 않는 기술, 사용성 지원 미흡 등이 장벽이 된다. 나아가 성인기의 사회통합 영역에서는 사회적 포용의 결여, 지역사회 활동에 대한 접근성 부족, 낮은 문해력 등이, 고용 영역에서는 디지털 기술의 이용 가능성 부족과 편의시설 및 인프라 부족 등이 발달장애인의 사회참여를 저해하는 요인으로 작용한다.15) 주목해야 할 것은 이들 영역에서 장애학생의 권리를 보장하고 교육의 형평성을 확보하는 데에는 알고리즘 개발보다 훨씬 더 긴 시간, 더 많은 자원, 더 깊은 숙의가 필요하다는 점이다. 

이상의 이슈들이 단기간 내에 해소될 수 없으리라는 점을 고려할 때, 생성형 인공지능의 진화와 보급이 가속화하면서 비장애인과 장애인 간에 기술 접근성의 격차가 증대될 위험이 있다. AI의 기여에 바탕을 둔 생산성과 효율성 증대의 혜택이 주로 비장애인의 몫이 된다면 불평등은 더욱 심화할 수밖에 없다. 이는 단지 장애뿐 아니라 계급, 문화자본, 젠더, 인종, 언어, 지역 등의 영역에서도 발생할 수 있다. 인공지능에 대한 액세스와 활용, 혜택의 영역에서도 리터러시 발달에서 논의되는 ‘마태 효과’가 우려되는 것이다.16) 인공지능의 개발과 활용에 대한 충분한 논의와 민주적 거버넌스가 확보되지 못한다면 시간-압축 기계로서의 인공지능은 정상성 레짐 강화의 충실한 도구가 될 뿐이다. 생성형 인공지능의 확산 속에서 리터러시 실천가들의 주요 과업 중 하나는 정상성과 능력주의, 불평등을 강화하는 기술을 경계하고 다양성・정체성・사회정의 등을 신장시키는 기술적 실천을 고민하는 일이다.

2.2. AI for UDL: 보편적 학습설계를 위한 인공지능의 활용 모색하기

생성형 인공지능이 부상하는 가운데 리터러시 교육의 방향을 탐구하기 위한 두 번째 준거로 제안하는 것은 ‘보편적 학습설계(UDL)를 위한 인공지능’, 즉 ‘AI for UDL’ 프레임워크다. UDL이 기존의 교수설계 및 교육철학과 갖는 차별점 중 본 연구가 주목한 것은 크게 두 가지다. 먼저 UDL은 전통적 학습설계가 가지고 있는 ‘학습자에게 부족한 것을 교육이 채운다’라는 기본 가정과는 달리 학습자 하나하나를 다양성, 형평성, 포용성의 원리에 의거하여 이해한다.17) 이는 위에서 논의했듯이 생산성과 효율성 중심의 생성형 인공지능 활용이 놓치고 있는 가치이면서도, 동시에 생성형 인공지능의 적절한 활용이 의미 있는 기여를 할 수 있는 영역이기도 하다. 이런 면에서 UDL은 최대한 많은 학습자가 생성형 인공지능 활용의 교육적・사회적・윤리적 효용을 경험할 수 있도록 하는 가이드라인이 될 수 있을 것이다. 둘째, 개별 학습자의 고유성을 최대한 존중하는 것이 결국 학급 전체의 성취도를 떨어뜨릴 것이라는 세간의 우려와 달리, 적절히 설계된 UDL 수업은 일반적인 수업에 비해 더 높은 학업 성취를 가능하게 한다. 최근의 메타분석 연구는 UDL 기반 교수학습이 기존 방식에 비해 조금 더 높은 성취도를 획득했음을 보여주며,18) 아래에서 상술할 생성형 인공지능의 유연한 개인화와 수업 내용 및 수준의 다변화 역량이 세심하게 활용될 경우 더 나은 성취도로 이어질 수 있을 것이다. 이는 UDL이 학습자의 고유한 특성과 정체성, 나아가 행위자성을 인정하면서도 학업 성취의 측면에서도 긍정적인 결과를 가져올 수 있음을 시사한다. 

그렇다면 보편적 학습설계는 구체적으로 어떤 내용과 철학을 담고 있는가?

보편적 학습설계는 학습자들이 교실을 포함한 모든 환경을 인식하고 상호작용하는 방식에 있어서 개인 간에 엄청난 다양성이 존재한다는 전제하에 학습자들이 학습목표를 성취할 수 있도록 교수자료와 활동을 다양하게 설계하는 것을 의미한다. (…) 즉 교수학습의 목표, 방법, 평가 등을 설계할 때 학습자들이 학습자료를 이해하는 데 방해가 되는 모든 장애물을 제거함으로써 모든 학습자들의 학습을 촉진하여 개별화 학습이 가능하고 학습자들에게 최상의 학습환경을 제공하는 것을 기본개념으로 한다(Bray & McClaskey, 2017).19)

이러한 원칙하에 UDL은 개별 학습자의 고유성을 인정하고, 사회문화적・언어적・심리적 변이를 있는 그대로 수용하며, 신경다양성(neurodiversity) 관점까지도 적극적으로 받아안는다.20) 이 점에서 UDL를 이해할 때 ‘보편’(universal)이라는 기표가 가지는 사뭇 상반된 의미에 주의해야 하는데, 여기에서의 ‘보편’은 인간 모두가 가진 공통적 특성에서 시작한다는 뜻이 아니라 어떤 상황에서도 학습자가 자신으로부터 출발하고 성장할 수 있는 보편적인 토대를 구축함을 의미한다. 

UDL을 기반으로 실제 수업을 설계할 때 가장 널리 참조되는 것은 보편적 학습설계 가이드라인(UDL Guidelines)이다.21) 이에 따르면 UDL은 (1) 다양한 방법의 학습자 참여를 설계하고, (2) 여러 방식으로 지식과 경험을 전달하며, (3) 학생들이 복수의 방식으로 행동하고 표현할 수 있는 토대를 제공해야 한다. 이때 교육의 경로와 성과는 하향식으로 강제되는 것이 아니라 상향식으로 구성된다. 이들 세 영역은 각각 학습의 ‘왜’ ‘무엇’ ‘어떻게’와 조응한다. 아울러 이 세 영역 모두에서 접근(access), 지속(build), 내면화(internalize)의 선택지를 제공해야 한다. 예를 들어 다양한 방식의 전달(multiple means of representation)은 학습자가 학습의 대상을 지각(perception)할 수 있는 적절한 언어와 미디어를 준비해야 하고, 이들 상징체계를 해독할 수 있는 토대를 제공해야 하며, 다각도의 비계(scaffolding)를 통해 학습자원이 담고 있는 정보를 충분히 이해할 수 있도록 해야 한다. 

이는 학습자에게 무제한의 자유를 부여하거나 수업을 방관하는 것과는 다르다. UDL을 성공적으로 실행하기 위해서는 교수자가 학습내용뿐 아니라 학습환경 및 상호작용에 대한 전문성을 갖추어야 하며, 무엇보다 학습자를 이해하기 위한 체계적 접근법을 체화해야 한다. 교실에서 선택의 폭이 다양해지기 위해서는 인간과 사회, 환경과 중재에 대한 폭넓은 이해에 기반하여 교수학습을 설계해야 하기 때문이다. 결국 UDL을 실행하기 위해서는 교사의 인식적・경험적・실천적 지평이 더욱 넓어져야 한다. 이 글은 이러한 원칙에 입각해 리터러시 교육에서 사용할 수 있는 몇 가지 예시를 제공한다. [표1]은 이에 대한 요약이다.22)

먼저 생성형 인공지능은 다양한 미디어 간의 변환을 가능하게 한다. 이는 UDL 가이드라인 중 “지각에 대한 다양한 선택지 제공”에 조응하며, 학습자가 이해할 수 있는 방식으로 학습자원을 제공할 수 있는 토대가 된다. UN장애인권리협약 제2조에 명시된 아래 조항들과 궤를 같이하는 항목이다. 그러나 미디어 자원의 유연한 사용은 가시적이고 공식적인 장애를 지닌 학습자에게만 해당하지 않는다. UDL은 학습자를 장애 유무로 가르지 않고 스펙트럼상의 고유한 존재로 본다. 결국 UDL은 학습의 맥락과 목적, 학습자의 선호, 교과의 내용 등에 따라 다양한 미디어를 활용함으로써 모든 학습자가 더 깊고 풍부한 학습을 경험할 수 있도록 지원한다.

‘의사소통’이란 문자언어・음성언어・단순언어, 낭독자 및 접근 가능한 정보통신 기술을 포함한 확장적이고 대안적인 의사소통의 방식, 수단과 형식뿐만 아니라 언어・글자 표시・점자・촉각을 통한 의사소통, 대형 인쇄, 접근 가능한 멀티미디어를 포함한다. ‘보편적인 설계’란 개조 또는 특별한 설계를 할 필요 없이 최대한 가능한 범위 내에서 모든 사람이 사용할 수 있는 제품, 환경, 프로그램 및 서비스를 설계하는 것을 의미한다. 필요한 경우, 특정 장애인 집단을 위한 보조기구를 배제하지 아니한다.23)

이와 같은 원칙에 따르면 개인이 특정 미디어로 구성된 학습의 대상에 접근할 수 없는 경우, 그에 대한 대안이 제시되어야 한다. 궁극적으로는 생성형 인공지능을 통해 최대한 다양한 의사소통 방식과 기호적 선택을 지원해야 한다. 이러한 선택지를 생성할 수 있는 기술 중 음성언어와 텍스트 간 변환을 지원하는 TTS(Text-to-Speech)와 STT(Speech-to-Text) 기술은 이미 널리 활용되고 있다. 최근의 TTS 기술은 이전에 비해 훨씬 자연스러운 발음과 감정 표현을 지원한다. 일례로 마이크로소프트와 구텐베르크 프로젝트는 협업을 통해 생성 배치 알고리즘을 활용해서 퍼블릭 도메인의 텍스트를 오디오북으로 제작한 바 있다.24)

아울러 미드저니나 DALLE-3 같은 서비스는 텍스트 프롬프트에 기반하여 이미지를 생성한다. 오픈AI(OpenAI)사의 Sora나 런웨이(Runway)사의 Gen-2 등을 활용하면 텍스트 프롬프트를 입력해 영상을 손쉽게 생성할 수 있다. 역으로 이미지나 비디오의 내용을 텍스트로 설명해주거나 접근성 강화를 위한 대체 텍스트(alternativetext)를 생성하는 서비스와 애플리케이션이 속속 등장하고 있다. 이를 통해 학습의 맥락과 목표, 학습자의 선호 등에 따라 다양한 미디어를 제공하고 필요시 다른 미디어로 변환할 수 있다. 

두 번째로 생각할 수 있는 것은 텍스트의 난이도 조정이다. 이는 UDL 가이드라인 중 “언어와 기호에 대한 다양한 선택지 제공”에 조응한다. 전통적으로 한 교실에서 하나의 텍스트가 사용되는 것이 보통이고, 교사의 노력에 따라 단순화된 텍스트가 제공되기도 하지만 다양한 학습자 수준에 맞춘 자료를 제공하기란 쉽지 않다. 이때 생성형 인공지능을 통해 텍스트의 난이도를 조정할 수 있다. [표2]에서는 점차 복잡해지는 문장 생성의 예시를 제시한다. 참고로 챗GPT 4.0 모델을 사용해 문장을 생성했으며, 응답에 포함된 10단계 중 두 단계만을 제시했다. 좀 더 정교한 조정을 원한다면 기존에 널리 사용되고 있는 벤치마크를 이용해 텍스트의 난이도를 조정할 수 있다. 일례로 널리 채택되고 있는 텍스트 난이도 기준인 렉사일 지수(Lexile measure)를 활용하여, “다음을 각각 렉사일 700, 1000, 1400, 1900 수준에 해당하는 네 개의 단락으로 다시 쓸 수 있나요?”와 같은 프롬프트를 제시하는 것이다. 다만 이 경우 생성형 인공지능은 렉사일 지수를 정교하게 계산하는 것이 아니라 기존에 학습한 데이터를 바탕으로 대략적으로 텍스트 난이도를 조정한다는 점을 염두에 두어야 한다. (실제로 챗GPT에게 렉사일 지수 산출 공식을 물으면 상업적으로 보호되는 지식재산권 영역의 정보이기에 자신은 알 수 없다고 답한다.)

세 번째 예시는 UDL 가이드라인 중 “흥미를 유발하기 위한 다양한 선택지 제공”에 해당하는 접근이다. 여기에서는 장르 변환을 사용하여 문학 텍스트와 학생 간의 거리를 좁힐 수 있는 방법으로 ‘BTS+셰익스피어 컬래버 수업’을 간략히 설명한다.25) 이 수업은 셰익스피어 소네트를 한국의 고등학생에게 가르치는 상황을 가정하는데, 소네트라는 문학적 형식에 크게 흥미를 가지고 있지 않은 학습자에게 관심을 불러일으켜 문학적 탐구를 수행할 수 있도록 도울 수 없을까 하는 고민에서 고안되었다. 구체적인 수업 절차는 다음과 같다. 

[표 3] 생성형 AI를 활용한 ‘셰익스피어+BTS 컬래버’ 프로젝트 수업안 예시

(1) 학생들에게 수업의 목표를 설명한다.(2) 방탄소년단의 히트곡 「Butter」를 감상하고, 다양한 활동을 통해 가사를 이해한다.(3) 「Butter」의 내용을 최대한 유지하면서 소네트 형식으로 장르를 변환한 텍스트를 제시한다(텍스트의 일부만 인용).프롬프트(번역됨): 여기 방탄소년단의 메가히트곡인 「Butter」가 있습니다. 셰익스피어 소네트 형식으로 변환할 수 있나요? 구조적・어휘적 난이도가 중학생 수준 안에 있는지 확인하세요. 응답(일부):In smoothness like butter, I, a thief concealed,Doth make thy heart to break, as trouble’s kin.My mother’s gift, a stunner’s cool appeal,Like summer’s heat, I’ll make thee sweat within.(4) 다양한 활동을 통해 변환된 텍스트를 이해한다.(5) 교사가 셰익스피어 소네트의 구조와 내용을 여러 예시를 통해 설명한다.(6) 교사가 이후 활동에 대한 구체적인 모델을 제시한다.(7) 「Butter」의 본래 가사와 소네트 형식으로 변환된 「Butter」를 섹션별로 병치시킨 자료를 제공하여 각각의 텍스트가 어떠한 어휘문법적 특징을 보이는지, 변환 시 구체적으로 어떤 요소들이 수정・첨가・제거되었는지, 단어와 내용을 넘어 운율에 어떤 변화가 있었는지, 약강 5보격 등 소네트의 주요 형식이 어떻게 드러나는지 등을 살피고 자세히 기록하는 활동을 실시한다(하단 이미지는 병치 텍스트의 일부다).(8) 조별로 번역기와 생성형 인공지능을 활용하여 셰익스피어의 대표적 소네트 1~2편을 해석하고 이해하기 어려운 점과 감상을 발표한다. 이후 학생들이 좋아하는 팝송이나 영어로 된 K-pop 가사를 위와 같은 방식으로 변환하고 비교하는 과제를 내준다.

네 번째 예시는 UDL 가이드라인 중 “표현과 의사소통을 위한 다양한 선택지 제공”에 해당하는 것으로, 비판적인 읽기 역량을 증진하기 위해 설계되었다. 학습자는 먼저 미국 문화와 역사를 배우기 위해 독립선언서를 읽고, 해당 선언의 역사적 의의를 학습한다. 아울러 전혀 다른 시각에서 비판적으로 독립선언서를 읽을 수 있는 방법은 없을지 고민한다. 이 상황에서 다음과 같은 프롬프트를 제시했고, 응답은 번역기로 돌린 뒤 한국어로 편집했다. 

[표 4] 생성형 AI를 활용한 비판적・창의적 표현 지원 예시

프롬프트(번역됨): 다음 단락을 당시 흑인 노예의 비판적 관점에서 다시 쓸 수 있나요? 그들의 비극적인 경험을 글에 포함시킬 수 있습니다. 「미국 독립선언」(Declaration of Independence)의 첫 문단을 복사하여 겹따옴표와 함께 붙여 넣음.응답(번역됨): “모든 인간은 평등하게 창조되었다는 고상한 선언이 있지만, 우리를 묶는 사슬은 다른 이야기를 들려줍니다. 고국에서 찢겨져 중간 통로의 공포를 견디며 평생을 노예로 살아야 했던 수많은 영혼의 이야기입니다. 생명, 자유, 행복 추구라는 양도할 수 없는 권리에 대한 선언은 인간의 가장 기본적인 존엄성마저 부정당한 사람들의 귀에 공허하게 울립니다. (…) 영국 왕에 대한 불만은 많을지 모르지만 노예들이 매일 직면하는 불의에 비하면 미미한 수준입니다. 이러한 진실을 전 세계가 볼 수 있도록 공개하고, 모든 농장과 들판에서 자유와 정의를 향한 외침이 들리게 하소서.”

지금까지 UDL 가이드라인에 기반한 수업 설계를 지원할 수 있는 생성형 인공지능의 쓰임을 살펴보았다. 이들은 효용만큼이나 한계 또한 분명하다. 각각은 단편적인 예시로, 교육과정 내에서 충분한 가치를 실현하기 위해서는 견고한 교수학습 프레임워크 내에 자리잡아야 한다. 이러한 한계에도 불구하고 새로운 리터러시 교육에 관심을 가진 교사들은 ‘AI for UDL’의 기본 원리를 실천할 수 있는 유용한 방안으로서 활용・수정・확장・변용할 수 있을 것이다. 

이 모든 과정에서 교수자와 학습자, 연구자는 날카로운 비판성을 견지해야 한다. 생성형 인공지능은 ‘할루시네이션’(hallucinations)이라고 불리는 고질적인 문제를 안고 있으며,26) 평균적이며 기계적인 중립을 지향하는 텍스트를 주로 생산한다. 인종, 젠더, 국가, 계급 등에 대한 편향을 갖고 있는 것은 물론이다.27) 무엇보다 텍스트 생성 과정은 학습자의 몸에 쌓이지 않는다. 결과물은 생성되지만 체화된 경험의 축적과는 거리가 멀다. 특히 텍스트를 매개로 한 인지적・정서적・심미적 경험을 중시하는 문학교육에서라면 인공지능의 활용이 자칫 ‘시늉’에 그칠 수 있다. AI 기반 창작은 “문학적 표준이라는 움직이는 목표를 충족하지 못하거나 기술적으로 불충분해서가 아니라 사람들이 자신의 현실을 명명하고 탐색하는 것을 더 어렵게 만들 수 있기 때문에 ‘실패’”할 수 있는 것이다.28)

2.3. UDL을 넘어 ‘학습을 위한 상호 몸짓기’로

생성형 인공지능이 부상하는 가운데 리터러시 교육의 방향을 탐구하기 위한 세 번째 준거로 제안하고자 하는 것은 필자가 ‘학습을 위한 상호 몸짓기’(이하 ‘상호 몸짓기’)라고 명명한 교육적・사회적・공동체적 협력이다. 이는 앞서 간략하게 논의한 바와 같이 인공지능을 생산성과 효율성이라는 잣대에 귀속시키지 않고 ‘관계성 변환 기계’로 사유하기 위한 개념이다. 본격적인 논의에 앞서 이러한 제안이 탐색적임을 밝히고자 한다. 즉 ‘상호 몸짓기’는 엄밀히 정의되는 일련의 교수학습적 실천방안이라기보다는, 인공지능을 교육현장에 도입하면서 고려해야 할 요소를 묶어내고 새로운 상상력을 요청하는 ‘환기적 개념’(evocative concept)이다. 

‘상호 몸짓기’는 크게 세 가지 개념적 층위를 지닌다. 첫째, ‘상호’는 이 개념이 본질적으로 복수성에 기초하고 있음을 전제한다. 교실에서 학습자는 독립적이고 완벽하게 자립적인 존재로서 기능하지 않는다. 교실은 인간과 기술을 포함한 비인간 존재를 포괄하는 사회이고, 여기에서 개별 몸은 완벽히 개인에게 귀속될 수 없으며 다른 존재와 끊임없이 엮인다. 기계-개인 간 상호작용의 비중이 커지는 만큼 사회문화적 상호작용의 공간으로서 교실이 갖는 역동성이 약화될 우려가 있다. 이는 교육계가 앞으로 리터러시 교육을 설계할 때 ‘인간-기계 협력’과 ‘인간-인간 협력’을 동시에 사유하고 유기적으로 엮어내야 함을 시사한다. 

둘째, ‘몸짓기’는 학습이 끊임없는 신체의 조응 과정임을 강조한다. 웹캠이 생산한 이미지나 가상 아바타로 매개되지 않는 물리적 교실에서 이는 엄연한 사실이기에 정보가치가 없는 것으로 여겨질 수 있다. 하지만 개별 학습자가 기계와의 상호작용을 ‘디폴트’로 삼고 주의라는 제한된 자원을 디지털 기기에 쏟아넣을 때 다른 학습자들 및 교사와의 상호작용은 약해질 수밖에 없다. 그렇기에 ‘몸짓기’는 학습 내용을 소화하여 결과물을 생산하는 것을 넘어 타자들과의 관계 속에서 자신의 역할을 수행하는 일이 학습의 핵심 과업 중 하나임을 강조한다. 

마지막으로 여기에 ‘학습’을 더한 ‘학습을 위한 상호 몸짓기’는 보편적 학습의 이상이 실현되기 위해서 교실 내의 구성원들이 서로를 존중하며 연대의 질서를 만들어가는 일이 필수적임을 표현한다. 다시 말해 개개인의 존재를 있는 그대로 받아들이는 UDL의 교육 철학과 목표를 현실화하기 위해서는 학습자 간의 위계를 해소하고, 학습 과정의 다양성을 인정하며, 서로의 학습을 살피고 돌보는 일이 필수적이다. 인공지능이 통합된 교실에서 ‘나는 당신을 돕고, 당신은 나를 돕고, 우리를 도울 수 있도록 인공지능을 초대할 때 우리 모두는 함께 더 잘 배울 수 있다’는 태도 없이 보편적 학습설계의 이상을 현실화할 수는 없는 것이다. 결론적으로 학습을 위한 상호 몸짓기는 인공지능을 개개인의 수행을 돕는 도구를 넘어 서로와 서로를 연결하는 ‘연대의 기술’(technology for solidarity)로 재발명하기 위한 인식의 전환과 관계적 실천을 요청한다.

MIT 미디어랩의 로이(Deb Roy)와 동료들은 약 25만 시간의 멀티트랙 오디오 및 비디오 분석을 기반으로 한 아동의 언어 습득 연구를 발표했는데, 이를 유비로 활용하여 ‘상호 몸짓기’라는 탐색적 개념을 상술하고자 한다. 연구의 핵심 결과를 보고하는 강연에서 로이는 “이것(시공간과 상호작용 대상의 실시간 매핑을 도입한 멀티트랙 데이터 분석)이 시사하는 바는 여러 가지가 있지만, 내가 지적하고 싶은 것은 (언어를 습득할 때) 놀라운 피드백 루프가 있어야 한다는 것입니다. 물론 내 아들은 언어적 환경으로부터 배우고 있지만, 환경 또한 아들에게서 배우고 있습니다. 이러한 환경, 즉 사람들은 이러한 촘촘한 피드백 고리를 통해 지금까지 주목받지 못했던 일종의 비계를 만들어내고 있습니다”라고 말한다.29) 이 진술에서 “환경 또한 아들에게서 배우고 있”다는 것은 무슨 의미일까? 

일반적인 학습과정에서 학습자는 특정한 지식을 배우는 주체로 인식된다. 학습자는 배우고, 지식의 세계는 학습 대상이 되고, 때에 따라 교사의 교수활동이 개입하는 것이다. 예를 들어 “아동은 환경으로부터 입력을 제공받아 언어를 습득한다”라는 진술에서 학습의 주체는 행위주체성을 지닌 아동이고, 환경은 언어 입력의 총체로서 정태적 존재이며, 언어 구사 능력은 습득의 결과물로 개념화된다. 따라서 “환경 또한 아들에게서 배우고 있습니다”라는 진술은 이러한 암묵적 가정에 정면으로 도전한다. 같은 강연의 아래 대목은 이 진술에 담긴 의미를 상세히 설명한다. 

우리가 발견한 흥미로운 현상은 양육자의 말이 체계적으로 최소로 감소하여 언어를 가능한 한 단순하게 만들었다가 천천히 다시 복잡해진다는 것이었습니다. 그리고 놀라운 점은 바운스, 즉 복잡도가 강하하다가 상승하는 지점이 각 단어가 탄생한 시점과 거의 정확하게 일치한다는 것이었습니다. 따라서 나와 아내, 보모 등 세 명의 주 양육자 모두가 체계적으로, 그리고 무의식적으로 단어가 탄생하는 순간에 아이와 만나고, 이후 더 복잡한 언어로 부드럽게 인도하기 위해 우리의 언어를 재구성하고 있었던 것 같습니다.

로이과 연구팀의 방대한 데이터가 보여주는 패턴은 명확하다. 아이가 특정한 단어나 표현을 이해하고 발화할 때까지는 주변의 환경(부모를 비롯한 양육자, 보모 등)이 언어 입력을 소화하기 쉽게 만든다는 것이었다. 특정한 단어의 발음을 좀 더 강하게 하거나, 또박또박 말하거나, 천천히 하거나, 타깃 문형을 반복적으로 사용하거나, 다양한 오브제를 동원하는 식이다. 습득 연구에서 흔히 ‘양육자 발화’라고 부르는 담화 패턴이다. 이후 아동이 해당 요소를 비교적 정확히 발화하게 되면 이러한 비계, 즉 지원체계가 빠르게 사라진다. 이제 다른 단어, 다른 표현, 다른 문법구조 등으로 비계의 설정이 옮겨간다. 이런 피드백 루프가 유기적으로, 장기간, 무의식적으로, 하지만 체계적으로 작동하면서 언어 습득이 이루어진다. 

이 연구에서 필자가 주목했던 것은 주변 사람들이 세심한 비계 설정에 대해 그리 신경 쓰지 않는다는 점이다. 로이가 ‘무의식적’이라고 말한 대목이 이를 방증한다. 계획하지 않은 비계임에도 불구하고 체계적이라는 점, 이것이 단어의 탄생과 습득에서 매우 정교한 시점에 맞춰 전환된다는 점, 이렇게 ‘비의도적’으로 끊임없이 재구성되는 환경이 언어 습득의 주요 메커니즘이라는 점, 이 모든 것을 이제껏 존재하지 않았던 대규모 데이터로 입증한 것이다.

UDL의 기본 철학은 학습자가 주어진 교육과정을 일방적으로 따라가는 것이 아니라 교육과정이 학습자의 존재와 능력, 흥미와 태도, 지향에 맞추어 유연하게 변화해야 한다는 것이다. 이를 위해서는 적절한 물리적・제도적 환경을 반드시 구축해야 한다. 하지만 더욱더 근본적인 것은 학습자가 서로에게 시시각각 어떤 ‘환경’이 되느냐다. 교사가 학생에게, 학생이 학생에게, 학생이 교사에게, 그리고 학교가 교사와 학생에게, 나아가 교육청과 교육부가 학교와 교사에게, 학부모가 학교와 교사와 학생들에게 어떤 환경이 될 수 있는가 말이다. 관리와 감독, 의심과 견제, 차별과 서열화가 아닌 세심한 지원, 상호존중, 인지적이고 정서적인 유대가 필요하다. 

이런 면에서 우리는 이미 언제나 보편적 학습설계의 실천자이며 수혜자다. 로이의 연구는 우리가 언어 습득 과정에서 경험한 UDL이 단지 물리적・심리적・교수학습적 환경을 훌쩍 뛰어넘는 것이었음을 보여준다. 다시 말해 언어 습득을 가능하게 한 일련의 과정은 학습의 설계라기보다는 ‘학습을 위한 상호 몸짓기’라고 불러야 할 것이었다. 그런 의미에서 보편성의 설계를 상상하는 것을 넘어 그것이 실제로 구현되는 교실 안에서 서로가 서로에게 어떤 몸과 마음으로 존재하는지 돌아보아야 한다. 

2.4. 리터러시 교육의 새로운 지평: 비판적 메타리터러시

현재 리터러시 교육에서 인공지능은 물론 UDL이나 상호 몸짓기가 핵심 역할을 하지 않는다는 점을 고려할 때, 지금까지 논의한 AI for UDL과 상호 몸짓기가 현장에 뿌리내리기 위해서는 리터러시 연구자와 실천가들의 새로운 상상력이 요구된다. 필자는 이 상상력을 ‘비판적 메타리터러시’라는 관점에서 상술하고자 한다. 

비판적 메타리터러시는 기존의 비판적 리터러시에 ‘메타’, 즉 상위의 개념을 더한 것이다. 구텐베르크 은하계 이후 리터러시의 중심은 텍스트였고, 인터넷의 디지털 생태계가 확장하면서 소리・이미지・동영상 등 다양한 미디어를 아우르는 멀티리터러시로 확장되었다. 이제는 여기에 생성형 인공지능라는 새로운 기술이 결합하고 있으며, 앞으로 진화의 방향에 따라 리터러시 생태계 전반을 급격히 변화시킬 수 있다. 최선의 시나리오를 가정하여 인공지능이 인간의 비판성・창의성・관계성・윤리성을 신장시키는 방향으로 자리매김한다고 하더라도 다양다종한 비인간 존재, 질적으로 다른 지능, 전통적인 리터러시에 대한 차별과 위계를 강화할 우려가 있다. 

이러한 상황에서 생성형 인공지능의 부상은 “인간지능을 새롭게 사유하게 하는 계기이자, 동물과 식물을 비롯한 비인간지능에 대한 관심을 넓혀 지구와 비인간 주체의 관점을 사유하는 다양한 시도를 이어나가”는 계기가 되어야 한다. 인공지능이 펼쳐낼 세계가 인간 중심성과 엘리트주의적 텍스트 리터러시의 권력을 약화하고, 다양한 리터러시가 공존할 수 있는 생태계가 될 수 있도록 기술의 흐름을 사회정치적・제도적・문화적으로 구성해야 한다. “기존의 리터러시 생태계와 권력관계를 근본적으로 사유하며 새로운 리터러시를 상상하는 ‘비판적 메타-리터러시’”를 상상하고 구체화하는 작업이 절실한 시기다.30)

비판적 메타리터러시는 크게 세 가지 역할을 수행한다. 먼저, 인간의 지능과 인공지능을 기반으로 한 리터러시를 넘어 다양한 비인간 주체들의 지능에 주목하는 계기를 만든다. ‘지능’이라는 개념을 인간이나 인간이 만들어낸 인공지능에 국한하지 않으며, 동식물과 미생물 나아가 자연과 행성의 지능에 대해 이해하는 기회를 지속적으로 만들고, 이들과 함께하는 리터러시 실천을 기획하는 것이다. 다음으로 기존의 텍스트 중심 리터러시에 대한 재평가를 요청한다. 더불어 구어・이미지・사운드・동영상 등 다양한 미디어를 조망하고, 이들을 적절하게 결합하여 배치할 수 있는 역량을 추구한다.31) 이러한 역량은 각각의 매체를 순식간에 다른 매체로 변환하는 생성형 인공지능의 기능이 정교해짐에 따라 그 중요성이 더해갈 것이다. 마지막으로 리터러시에 내재하는 권력을 비판적으로 분석한다. 각각의 리터러시는 사회적 관행으로서 특정 사회문화적 맥락에서의 역할을 수행한다는 점을 이해함과 동시에 학술언어, 표준어, 문자언어 등이 일상언어, 지역방언, 구어 등보다 권력 위계의 상층을 점유함으로써 사회문화적 불평등에 일조함을 직시한다.32)

이처럼 ‘비판적 메타리터러시’는 특정 매체의 리터러시를 다른 리터러시에 비해 본질적으로 우월한 것으로 여기지 않으며, 여러 종류의 리터러시들을 횡단하는 역량을 추구하면서도 리터러시의 사회정치적・역사적・제도적 권력을 이해하는 데 필요한 지식과 역량, 태도를 의미한다. 비판적 메타리터러시의 관점에서는 인공지능을 활용한 리터러시 행위가 종이와 펜을 활용한 리터러시 행위를 완벽히 대체해야 할 이유도 없고, 생성형 인공지능을 통한 학술적 글쓰기의 효율화와 생산성 증대가 전통적인 독서와 글쓰기를 통해 경험할 수 있는 지적・정서적・사회적 가치보다 더 우월하다고 볼 수도 없다. 무엇보다 새로운 기술이 리터러시와 엮이는 가운데 다른 교육의 가능성이 열리지만 이제껏 한 번도 주목받지 못한, 그러나 가치 있는 리터러시의 실천이 폐기된다는 사실에 주목한다. 이는 각각의 리터러시 실천이 어떤 관계와 맥락, 권력의 자장 안에서 형성되는지, 그러한 실천이 어떻게 더 나은 삶과 사회를 만들어가(지 못하도록 하)는지, 그 과정에서 누구의 권력이 강화되고 누구의 목소리가 지워지는지를 이해하고 비판하며 새로운 실천을 도모하는 작업으로 나아간다.

결국 비판적 메타리터러시의 관점에서 리터러시 교육이 향하는 것은 윤리적이고 관계적인 주체의 형성이다. 이러한 이해 위에서 리터러시 교육은 잘 읽고 잘 쓰지 않아도 함께 잘 사는 사회를 만들기 위해 읽고 쓰며 보고 만드는 능력을 키우는 일종의 ‘자기소멸 지향’의 행위다. 개개인이 쌓은 바벨탑을 무너뜨려 서로를 연결하는 다리가 되게 하는 일 말이다.

3. 결론을 대신하여: AI for UDL, MEL, 그리고 비판적 메타리터러시

이 글은 생성형 인공지능의 부상에 따른 리터러시 교육의 방향을 설정하면서 고찰해야 하는 가속화 기계로서의 인공지능 비판, 보편적 학습설계 지원을 위한 인공지능 활용, 이를 실현하기 위한 실천원리로서 학습을 위한 상호 몸짓기 등을 주요한 개념적 준거로 논의했다. 나아가 이들을 포괄하고 다른 리터러시와의 공존과 엮임을 상상하기 위한 교육을 위해 비판적 메타리터러시 개념을 상술했다. 이 이론-탐색적 제안은 변화하는 리터러시 생태계 및 관행과 조응하며 수정되고 정교화되어야 한다. 다시 한번 강조하고 싶은 점은 생성형 인공지능의 부상을 리터러시 교육의 지평을 재사유하고 확장하는 계기로 만들자는 것이다. 

현재 주요 인공지능 개발은 몇몇 테크 대기업에 의해 주도되고 있으며, 이들은 자기업의 목표와 주주들의 이익을 조율하면서 생성형 인공지능 기술 개발에 박차를 가하고 있다. 알고리즘 개발자 수만 명과 그들을 보유한 극소수의 영리조직이 온 인류가 만들어낸 데이터를 추출하여 인공지능을 생산하며, 지식장과 교육, 정치와 사회를 재편하고 있다는 엄연한 사실은 인공지능을 둘러싼 글로벌 경쟁의 토대를 드러낸다. 그런 면에서 학문장의 활발한 논의가 인공지능이 터한 정치경제적・구조적 본질을 규정할 수는 없다. 기술 엘리트는 인류 전체의 이익을 대변하지 않으며, 다양한 문화권의 로컬 커뮤니티가 지닌 사회문화적・정치경제적 특성을 온전히 구현하지도 못한다. 개별 조직과 개개인의 선의나 순수한 열정에 맡겨놓기에는 교육과 사회가 감당해야 할 과제들이 너무나 크고 막중하다.33)

이러한 상황에서 리터러시 실천가와 연구자들은 인공지능을 비판적으로 이해하고, 그 영향을 사회역사적 관점에서 조망하며, 개별 교실 내에서 학습자들과 함께 인간과 비인간을 세심하게 엮어내야 한다. 결국 인공지능의 부상은 파편적 개인이 자기구제의 기술을 탐색하는 역량의 강화가 아니라 이제껏 가능하지 않았던 새로운 인간-비인간 주체들의 배치를 상상하는 마중물이 되어야 한다. 인간과 새로운 기술의 결합이 더 나은 학습과 관계, 실천의 선순환으로 나아가기 위해서는 개인이 타자 및 비인간 주체, 나아가 행성과 엮이고 협력하는 방식에 대한 근본적인 성찰이 요구된다. 리터러시 교육의 새로운 상상력은 바로 그 지점에서 시작되어야 한다.

---

1)金星宇 서울대 영어교육과 강사. 최근 논문으로  “Going beyond Boundaries: A Collaborative Autoethnographic Study of Three Teachers’ Negotiation of Cognitive/Emotional Dissonances” (Kim, M., Cho, E. 공저, 2023)가 있다.

Michael Chui et al., The Economic Potential of Generative AI: The Next Productivity Frontier (New York: McKinsey & Company, 2023).

2) Erik Brynjolfsson, Daniel Li, & Lindsey R. Raymond, “Generative AI at Work,” National Bureau of Economic Research No. w31161 (2023) 2면.

3) Mark Warschauer, “Researching Technology in TESOL: Determinist, Instrumental, and Critical Approaches,” TESOL Quarterly 32.4 (1998) 757~58면.

4) 김성우・엄기호 『유튜브는 책을 집어삼킬 것인가』(따비, 2020).

5) 로지 브라이도티 지음, 김재희・송은주 옮김 『포스트휴먼 지식: 비판적 포스트인문학을 위하여』(2019; 아카넷, 2022) 28면.

6) 김성우 「생성형 AI의 부상과 리터러시 생태계의 변동: 변화의 지형과 비판적 메타-리터러시의 가능성을 중심으로」, 『문화과학』 114 (2023) 168면.

7) Marc Andreessen, “The Techno-Optimist Manifesto,” Andreessen Horowitz, https://a16z.com/the-techno-optimist-manifesto/

8) Alex Williams & Nick Srnicek, “#Accelerate: Manifesto for an Accelerationist Politics,” #Accelerate: The Accelerationist Reader, ed. Robin Mackay & Armen Avanessian (Cambridge, MA: MIT Press, 2013) 356면.

9) Hartmut Rosa, Social Acceleration: A New Theory of Modernity (New York: Columbia UP, 2013).

10) 같은 책 113면.

11) 같은 책 121~22면. 단편적이지만 2022년 11월 30일 오픈AI(OpenAI)의 챗GPT(ChatGPT) 3.5 버전 공개 이후 꾸준히 생성형 인공지능 관련 소식을 업데이트하고 있는 필자는 이러한 담론장에서의 가속화를 목도하고 있는데, 특히 두 가지 숫자가 기억에 남는다. 2024년 5월 현재, 주요 도서 판매 사이트에서 ‘챗GPT’를 검색하면 500여 종의 국내도서와 1300여 종의 e-book이 검색된다. 18개월이 채 안 되는 기간 동안 1300종 이상의 출판물이 나온 셈이다. 두 번째는 현재의 생성형 인공지능을 가능하게 한 핵심 기술로 꼽히는 트랜스포머 아키텍처를 다룬 “Attention Is All You Need”라는 논문의 인용 횟수 증가다. 2017년 발표된 논문은 구글 학술검색을 기준으로 현재 약 11만 건이 인용되었으며, 지난 한 해 동안 2만여 건이 인용된 것으로 추산된다. 인문사회보다 과학기술 분야의 저작이 좀 더 널리 인용되는 것을 감안하더라도, 역대 사회과학 분야에서 가장 많이 인용된 저작인 쿤(Thomas Kuhn)의 The Structure of Scientific Revolution (1962)이 62년간 14만 4000건 정도 인용된 것과 비교하면 급속한 증가임을 알 수 있다.

12) Stephan Noy & Weihuang Zhang, “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence,” SSRN 4375283 (2023); Puneet Dhoni, “Exploring the Synergy between Generative AI, Data and Analytics in the Modern Age,” TechRxiv preprint (2023).

13) 기술 발전이 가져온 결과물의 불균등 분배의 역사에 관해서는 Simon Johnson & Daron Acemoglu, Power and Progress: Our Thousand-Year Struggle over Technology and Prosperity (New York: Public Affairs, 2023)을 참고하라.

14) ‘추출산업’은 ‘추출’과 ‘산업’의 합성어로 ‘추출주의’(extractivism) 개념과의 연관하에서 이해된다. 파크스(Justin Parks)에 따르면, 일반적으로 추출주의는 “탄화수소, 광물, 목재 및 기타 재료와 같은 천연자원을 채취하고 처리하는 대규모의 수익을 목적으로 하는 작업”으로 통용되지만 사회경제적 측면에서는 “자원이 수단-목적 기능을 수행하여 수익을 창출할 수 있는 상품이 되는 사고방식을 의미”한다고 할 수 있다. 크로포드(Kate Crawford)는 인공지능은 단지 프로그래머들이 회사의 사무실에서 만들어내는 디지털 알고리즘이 아니라 지구의 광물을 채취하고, 탄소연료를 자원으로 전력을 생산하고, 노동력을 추출하고, 사용자들로부터 대규모 데이터를 추출하는 일련의 추출 작업을 통해서 생성되는 추출의 산물임을 강조한다. 이에 대한 자세한 논의는 Justin Parks, “The Poetics of Extractivism and the Politics of Visibility,” Textual Practice 35.3 (2021) 353~62면; Kate Crawford, The Atlasof AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven: Yale UP, 2021)를 참고하라.

15) Nazilla Khanlou et al., “Digital Literacy, Access to Technology and Inclusion for Young Adults with Developmental Disabilities,” Journal of Developmental and Physical Disabilities 33 (2021) 16면.

16) 읽기 연구에서의 마태 효과는 읽기 발달의 초기 단계에서 기초를 탄탄하게 다진 학습자들이 이후의 리터러시 발달에서 지속적인 강점을 갖는 반면, 그러지 못한 학습자들은 계속해서 어려움을 겪으며 그 여파가 학업 전반의 악영향으로 이어지는 현상을 지칭한다. 이에 대해서는 Keith E. Stanovich, “Matthew Effects in Reading: Some Consequences of Individual Differences in the Acquisition of Literacy,” Journal of Education 189.1/2 (2009) 23-55면을 참고하라. 에듀테크(Edtech) 분야에서의 마태 효과는 신기술의 잠재력을 충분히 발휘할 수 있는 데에는 학습자가 기존에 갖고 있는 사회경제적・기술적 자본이 큰 역할을 하며, 이는 불균등한 기술 활용 및 리터러시 발달로 이어질 수 있음을 의미한다. 이에 관하여는 저스틴 라이시 지음, 안기순 옮김, 구본권 감수 『언택트 교육의 미래: 왜 기술만으로 교실을 변화시킬 수 없을까』(사회평론아카데미, 2021) 209~40면을 참고하라.

17) Meg Meiman et al., “Diversity, Equity, and Inclusion: A Conceptual Framework for Instruction,” ACRL 19th National Conference (2019) 675~82면.

18) Margaret E. King-Sears et al., “Achievement of Learners Receiving UDL Instruction: A Meta-analysis,” Teaching and Teacher Education 122 (2023) 8~9면.

19) 조윤정 외 『보편적 학습설계(UDL) 수업실천 프레임워크와 전략 개발 연구』, 정책연구 2019-04 (경기도교육연구원, 2019) 4면.

20) Sheila R. Ross, “Supporting Your Neurodiverse Student Population with the Universal Design for Learning (UDL) Framework,” IEEE Frontiers in Education Conference (FIE) (Covington; KY; USA, 2019) 1~5면.

21) CAST, “Universal Design for Learning Guidelines Version 2.2.” http://udlguidelines.cast.org.

22) 지면 관계상 각 활동에 대한 간략한 설명만을 담았다.

23) United Nations, “International Convention on the Protection and Promotion of the Rights and Dignity of Persons with Disabilities.” http://hrlibrary.umn.edu/instree/K-disability-convention.html.

24) Benjamin Walsh et al., “Large-scale Automatic Audiobook Creation,” arXiv preprint arXiv:2309.03926 (2023). 실제 오디오북 서비스는 다음 웹사이트를 참조하라. The Project Gutenberg Open Audiobook Collection. https://marhamilresearch4.blob.core.windows.net/gutenberg-public/Website/index.html.

25) 상자 안에 제시된 예시 3과 4의 내용은 아래 칼럼의 일부를 인용했음을 밝힌다. 김성우 「영어교육, 개념과 실천의 지도 (12) 생성형 인공지능 활용 수업 (1): BTS-셰익스피어 콜라보 수업」, 『함께하는 영어교육』(2023년 9월).

26) Yue Zhang et al., “Siren’s Song in the AI Ocean: a Survey on Hallucination in Large Language Models,” arXiv preprint arXiv:2309.01219 (2023).

27) Emily M. Bender et al., “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?,” Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (2021) 610~23면.

28) Michele Elam, “Poetry Will Not Optimize; or, What Is Literature to AI?,” American Literature 95.2 (2023) 281면.

29) Deb Roy, “The Birth of a Word,” Ted Conferences (Mar. 2011). https://www.ted.com/talks/deb_roy_the_birth_of_a_word.

30) 김성우, 앞의 글 186면.

31) 일례로 텍스트 생성이 점차 자동화되는 상황에서 ‘언식성’(oracy)에 대한 새로운 조명과 가능성 탐구의 중요성이 커질 것으로 예상된다. 새롭게 조명되고 있는 언식성 논의에 관해서는 Rupert Knight, “Oracy and Cultural Capital: the Transformative Potential of Spoken Language,” Literacy 58.1 (2024) 37~47면을 참고하라.

32) 리터러시가 가지는 권력에 대한 다면적 비판에 관해서는 Hilary Janks, Literacy and Power (New York: Routledge, 2009)를, 지배적 리터러시 권력에 저항하는 ‘리터러시 탈식민하기’의 구체적 사례에 관해서는 Shauneen Pete et al., “Decolonizing Our Practice: Indigenizing Our Teaching,” First Nations Perspectives 5.1 (2013) 99~115면을 참고하라.

33) 시몬치치(Katja Simončič)와 예렐레(Tonja Jerele)는 현재 대부분의 AI 애플리케이션 개발이 미국과 중국의 빅테크 거대기업 9개에 의해 이루어지고 있으며, 이는 기업의 주주 이익 증대를 목적으로 한다고 말한다. 더불어 주요 AI 알고리즘 개발자는 1만 명에 불과하다는 추산을 제시한다. Katja Simončič & Tonja Jerele, “Democratizing the Governance of AI: From Big Tech Monopolies to Cooperatives,” Artificial Intelligence, Social Harmsand Human Rights, ed. Aleš Završnik and Katja Simončič (Cham: Palgrave Macmillan, 2023) 240면.

│김성우│

金星宇 서울대 영어교육과 강사. 최근 논문으로  “Going beyond Boundaries: A Collaborative Autoethnographic Study of Three Teachers’ Negotiation of Cognitive/Emotional Dissonances” (Kim, M., Cho, E. 공저, 2023)가 있다.