13 공부의 재구성

배워야 할 것이 바뀌면 배우는 방법도 바뀐다. 이 장은 커리큘럼 논쟁, 교육 현장의 실험들, 그리고 전문성이 자라는 경로의 변형을 다룬다. 이 수업 자체가 하나의 실험 사례다.

13.1 무엇을 배워야 하는가

집필 상태

초안 전. 담당·상태는 저장소 루트의 TOPICS.md에서 확인.

브리프. AI가 문법과 상용구를 대신 써주는 시대에 무엇을 가르치고 배워야 하는가. 이 꼭지는 프로그래밍 교육의 무게중심이 문법 암기에서 문제 정의, 분해, 검증 능력으로 옮겨가고 있다는 주장을 검토하고, 실제 커리큘럼 논쟁에서 어떤 입장들이 맞서는지 정리한다. 결론을 미리 내리지 않고 각 입장의 근거를 인터뷰와 1차 자료로 확인하는 것이 이 꼭지의 임무다. 5부 전체의 도입에 해당하며, 이 수업 자체도 이 논쟁의 한 실험적 답이라는 점을 염두에 둔다.

시드 질문

“문법 암기는 이제 중요하지 않다”는 주장과 “기초 문법 없이는 검증도 못 한다”는 반론은 각각 어떤 근거를 대는가?
문제 정의, 분해, 검증 능력을 명시적으로 가르치려는 커리큘럼 시도는 실제로 존재하는가, 어떤 형태를 띠는가?
협업, 신뢰 형성, 타인의 관점 추론, 불확실성 대응 같은 인간 역량은 별도 교과 내용으로 가르쳐야 하는가, 아니면 팀 과제와 토론 같은 교수법으로 길러야 하는가?
데이터사이언스 교육과 전통적 컴퓨터공학 교육에서 이 논쟁의 양상은 어떻게 다른가?
교육자들은 AI 시대에 무엇을 가르쳐야 하는가에 대해 실제로 얼마나 합의하고 있는가, 의견이 크게 갈리는 지점은 어디인가?
이 수업의 커리큘럼 설계(세미나형, 책 공동 집필) 자체는 이 논쟁에서 어떤 입장을 취하고 있는가?

조사 포인터

대학·부트캠프의 커리큘럼 개편 사례를 1차 문서(강의계획서, 학과 발표)로 확인할 것
David Deming의 The Value of Human Skills in an AI Economy 웨비나(2026-07-28)를 출발점으로, 사회적 학습의 비교우위와 인간 역량을 교수법으로 다뤄야 한다는 주장을 원 논문과 후속 연구로 검증할 것
프로그래밍 교육 연구자, 현직 교수·강사를 인터뷰해 1차 자료로 수집할 것
§13.2(교육 현장의 실험들)와 역할을 나눌 것: 이 꼭지는 “무엇을” 가르칠 것인가의 논쟁, §13.2는 실제 실험 사례

13.2 교육 현장의 실험들

집필 상태

초안 전. 담당·상태는 저장소 루트의 TOPICS.md에서 확인.

브리프. AI 시대 교육 현장은 대체로 세 갈래로 갈렸다. AI 사용을 금지하는 쪽, 필수로 쓰게 하는 쪽, 평가 방식 자체를 바꾸는 쪽이다. 이 꼭지는 각 접근을 택한 구체적 사례를 찾아 실제로 어떤 결과를 냈는지 비교한다. 이 수업 자체(세미나형, 책 공동 집필, AI 전면 허용)도 하나의 실험 사례로 포함해 자기 기록하는 것이 이 꼭지의 특수한 임무다. 인터뷰와 1차 데이터 수집이 핵심 방법이다.

시드 질문

AI 사용을 금지한 교육 기관·강좌의 사례는 무엇이 있고, 금지가 실제로 지켜졌는가?
AI 사용을 필수화하거나 전면 허용한 사례는 무엇이 있고, 평가 방식은 어떻게 바뀌었는가?
평가 방식 자체를 개편한 사례(구술시험 부활, 과정 평가 강화 등)는 어떤 결과를 보고했는가?
이 세 갈래 접근을 비교한 교육학 연구나 대규모 서베이는 존재하는가?
이 수업의 설계와 진행 과정 자체를 실험 사례로 어떻게 기록할 것인가, 수강생 인터뷰로 무엇을 확인할 수 있는가?

조사 포인터

국내외 대학·고등학교의 AI 정책 공식 발표문을 1차 출처로 수집할 것
교육학 학술지의 실증 연구를 우선 검색할 것
이 수업의 강의계획서, 운영 기록, 수강생 인터뷰를 직접 1차 자료로 수집할 것

13.3 전문성의 사다리: 초보자는 어떻게 전문가가 되는가

집필 상태

초안 전. 담당·상태는 저장소 루트의 TOPICS.md에서 확인.

브리프. 전문가는 쉬운 일을 반복하며 실력을 쌓는다는 것이 의도적 수련(deliberate practice) 이론의 기본 전제다. AI가 그 쉬운 일을 대신 해준다면 이 사다리는 어떻게 되는가. 이 꼭지는 의도적 수련 이론의 핵심 주장을 정리하고, AI 보조 환경에서 초보자가 실제로 어떻게 학습하는지에 관한 연구와 관찰을 찾아 충돌 지점을 논증한다. §9.4(주니어의 역설)와 짝을 이루되 이 꼭지는 학습 이론 쪽에 무게를 둔다. 경력이 다른 개발자를 직접 인터뷰하는 것이 중요한 방법이다.

시드 질문

의도적 수련 이론이 요구하는 조건(즉각적 피드백, 난이도의 점진적 상승, 반복)은 AI 보조 학습 환경에서 충족되는가, 훼손되는가?
AI 도구를 쓰며 배운 초보자와 쓰지 않고 배운 초보자의 실력 습득 속도와 질을 비교한 연구가 있는가?
같은 AI 도구를 쓰더라도 처음부터 보조받는 방식과 먼저 스스로 풀고 기준선을 만든 뒤 피드백에 쓰는 방식은 장기 학습 성과가 다른가?
“쉬운 일을 AI에 위임하면 검증 능력만 남고 생성 능력은 퇴화한다”는 우려는 근거가 있는가?
전문가들은 자신의 학습 경로를 돌이켜볼 때 AI가 있었다면 무엇이 달라졌을 것이라고 말하는가?
의도적 수련 이론 자체에 대한 최근의 학술적 비판이나 수정 논의는 무엇이 있는가?

조사 포인터

의도적 수련 관련 원 연구와 후속 비판 문헌을 학술 데이터베이스에서 확인할 것
AI 보조 학습에 관한 교육심리학·컴퓨터과학교육 실증 연구를 우선 검색할 것
David Deming의 The Value of Human Skills in an AI Economy 웨비나(2026-07-28)에서 제시한 “먼저 생산적 어려움을 겪고 이후 AI를 사고 파트너로 쓰라”는 주장을 검증할 실험 연구를 추적할 것
경력 3년 미만과 10년 이상 개발자를 각각 인터뷰해 1차 자료로 비교할 것