교육에서 도움을 줄이는 시점은 언제인가. 진도가 일정 수준을 넘었을 때인가, 정답을 연속으로 맞혔을 때인가, 아니면 학습자가 충분히 이해했다고 말했을 때인가. 이 질문에 과정 전체의 일정으로만 답하면, 아직 필요한 도움을 너무 일찍 없애거나 이미 할 수 있는 판단을 계속 대신하게 된다. 기업교육 담당자는 지원의 종료 날짜보다 학습자에게 넘길 판단과 그 판단을 확인할 증거를 먼저 정해야 한다.
학습 지원 감축은 학습자의 수행을 보며 설명, 예시, 힌트와 같은 임시 지원을 줄여 가는 교수설계다. 스캐폴딩의 페이딩이라고도 부른다. 핵심은 모든 도움을 없애는 데 있지 않다. 학습자가 맡을 수 있게 된 판단은 돌려주고, 아직 막히는 부분에는 필요한 지원을 제공하는 것이다. 업무에 계속 필요한 자료나 접근성 지원까지 제거하는 설계와는 구분해야 한다.
다음 질문을 교육 운영에 적용해 보자. AI가 답변을 만들기 전에 학습자가 무엇을 결정하는가. 도움을 줄였을 때 어떤 행동이 가능해져야 하는가. 막히면 어디까지 다시 도와줄 것인가. 지금 보는 결과는 지원을 받은 수행인가, 지원 없이도 가능한 수행인가. 이 질문에 답하기 어렵다면 힌트의 개수부터 조정하기보다 지원이 맡고 있는 역할을 살펴볼 필요가 있다.
먼저 줄일 것은 설명의 길이가 아니라 대신해 주는 판단이다
도움이 많다는 말을 사용할 때 서로 다른 것을 섞기 쉽다. 화면을 읽기 편하게 만드는 안내, 필요한 자료를 찾게 하는 단서, 정답에 이르는 판단을 대신하는 설명은 모두 지원이지만 기능은 다르다. 문장을 짧게 줄여도 핵심 판단을 AI가 모두 해 버리면 학습자의 역할은 남지 않는다. 반대로 긴 예시를 제공해도 현재 과제의 조건을 학습자가 비교하고 결정해야 한다면 사고의 기회는 유지될 수 있다.
가상의 재고관리 실습을 생각해 보자. AI가 수요 자료를 정리하고 표를 만드는 일과, 어떤 품목에 우선 대응할지 결정하는 일은 구분할 수 있다. 교육 목표가 우선순위 판단이라면 표의 형식을 만드는 데 많은 시간을 쓰게 할 이유는 적다. 그러나 우선순위와 이유까지 완성해서 주면 학습자는 교육 목표에 해당하는 일을 하지 않게 된다. 지원을 줄일 대상은 자료 정리의 편의가 아니라 대신 내려 준 판단일 수 있다.
이 구분은 초보자에게 무조건 어려운 문제를 남기라는 뜻이 아니다. 필요한 개념을 아직 모른다면 먼저 설명과 예시가 필요하다. 다만 도움을 제공한 뒤 무엇을 학습자에게 다시 맡길지 정해 두어야 한다. 예시를 이해했는지 묻는 데서 끝내지 않고, 조건이 다른 사례에서 어떤 기준을 적용할지 선택하게 하는 방식이다. 도움을 준 행위와 판단을 돌려준 행위가 연결되어야 한다.
2026년 9월 공개된 CoMeT 연구는 지원의 양과 학습자에게 요구하는 판단을 별개의 축으로 다룬다. 성인 학습자 131명이 세 가지 Python 과제에서 서로 다른 튜터를 사용한 연구다. 제안한 튜터는 학습자가 막히면 지원을 늘리고, 해당 판단을 다루는 반응이 나오면 지원을 줄였다. 다만 한 번의 세션에서 모든 과제를 통과한 참가자를 분석했으므로, 이 결과를 장기 기억이나 독립 수행 향상의 증거로 읽을 수는 없다.
Hou 외, Adaptive Scaffolding Needs Contingency, PDF 4쪽 Figure 2. 지원 설계의 개념적 위치를 설명한 도식이며, 좌표가 실측 효과 크기를 뜻하지 않는다. 이 연구는 지연된 무도구 사후평가로 장기 학습 효과를 확인하지 않았다.
기업교육에 가져올 수 있는 질문은 분명하다. 우리 튜터가 얼마나 적게 말하는가보다, 학습자가 무엇을 결정한 뒤 다음 도움을 받는가를 보아야 한다. 코딩 실험의 방식을 모든 직무에 그대로 적용할 필요는 없다. 해당 직무의 중요한 판단을 찾아 지원과 연결하는 작업이 먼저다. 같은 자료를 보여 주더라도 학습 목표가 달라지면 남겨야 할 판단도 달라진다.
지원 단계마다 학습자가 할 일을 한 문장으로 적는다
지원을 강함·중간·약함으로만 나누면 운영자가 무엇을 바꿔야 할지 모호하다. 강한 지원이 정답을 주는 것인지, 예시를 자세히 설명하는 것인지, 필요한 자료를 함께 찾는 것인지 구체화해야 한다. 단계의 이름보다 각 단계에서 학습자가 맡는 행동이 중요하다. 그 행동을 관찰할 수 있어야 다음 단계로 옮길 근거도 생긴다.
예를 들어 교육 담당자는 전체 풀이를 보여 주는 단계에서 판단의 근거를 찾아 설명하게 할 수 있다. 비슷한 예시를 주는 단계에서는 현재 과제와 다른 조건을 비교하게 한다. 단서만 주는 단계에서는 사용할 기준을 직접 선택하게 한다. 지원이 줄어들수록 같은 문장을 더 적게 보여 주는 것이 아니라, 학습자가 맡는 부분이 달라져야 한다.
| 지원 방식 | 학습자에게 남길 행동 | 다음 지원을 결정할 때 볼 증거 |
|---|---|---|
| 판단 과정을 보여 주는 예시 | 어떤 조건이 결론을 바꿨는지 설명 | 조건과 결론을 연결하는가 |
| 구조가 비슷한 다른 사례 | 현재 과제와의 차이를 비교 | 바꿔 적용할 부분을 찾는가 |
| 필요한 위치나 개념의 단서 | 기준을 선택하고 시도 | 단서를 현재 판단에 사용하는가 |
| 확인 질문만 제공 | 선택과 이유를 스스로 제시 | 근거가 결과와 맞는가 |
| 임시 힌트 없이 수행 | 허용된 업무 자료로 처리 | 새로운 사례에서도 필요한 판단을 하는가 |
이 표는 모든 과정을 다섯 단계로 운영하라는 규칙이 아니다. 교육 목표와 과제에 맞춰 필요한 지원만 구성하면 된다. 어떤 학습자에게는 예시에서 바로 독립 수행으로 넘어가는 것이 가능하고, 다른 학습자에게는 개념 설명을 더 제공해야 할 수 있다. 순서를 기계적으로 지키는 것보다 현재 막힌 이유와 제공한 도움의 관계가 중요하다.
단계의 차이가 명확하지 않으면 학습자는 같은 질문을 반복해서 받는다고 느낄 수 있다. 힌트를 요청했는데 표현만 바꾼 질문이 돌아오면 지원은 줄어든 것이 아니라 실질적으로 제공되지 않은 셈이다. 각 단계에서 어떤 새로운 단서가 추가되는지 확인해야 한다. 필요한 경우 지도자가 개입하거나 명확한 설명을 제공하는 통로도 남겨 둔다.
맞혔다는 신호와 판단을 맡길 수 있다는 신호를 구분한다
정답은 중요한 증거지만 언제나 충분한 증거는 아니다. 바로 앞에서 본 답을 옮겼을 수도 있고, 우연히 선택했을 수도 있다. 반대로 결론을 완성하지 못했어도 중요한 조건을 정확히 찾아 다음 시도를 할 준비가 되었을 수 있다. 지원 감축을 정답 여부 하나에만 연결하면 학습자의 실제 필요와 어긋날 수 있다.
줄이려는 지원이 어떤 판단을 대신했는지 되짚으면 확인할 신호가 구체화된다. 기준 선택을 도왔다면 학습자가 기준을 선택하는지 본다. 오류 위치를 알려 줬다면 다음 사례에서 오류를 찾는지 확인한다. 결과 검증을 대신했다면 어떤 증거로 맞고 틀림을 판단하는지 설명하게 한다. 학습자가 길게 답했다는 사실보다 목표 판단을 실제로 다뤘는지가 중요하다.
AI 튜터의 대화 기록만 볼 때는 더 조심해야 한다. ‘알겠습니다’라는 말이 이해의 증거는 아니며, 답변이 길다는 이유로 숙련을 판단할 수도 없다. 업무 화면에서 적절히 수정했지만 채팅에는 짧게 답한 학습자도 있을 수 있다. 사용할 수 있는 수행 증거의 범위를 먼저 정하고, 한 종류의 신호만으로 판단하지 않는 것이 좋다.
자동 판단을 쓰더라도 감축 기준을 설명할 수 있어야 한다. 어떤 행동을 보고 지원을 줄였는지 운영자가 확인하지 못하면 잘못된 감축을 수정하기 어렵다. 모든 대화를 세세하게 저장하는 것이 해법은 아니다. 교육 목적에 필요한 최소한의 수행 기록과 지원 변경 이유를 연결하면 된다. 민감한 현업 자료를 검토 없이 수집해서 학습 분석을 풍부하게 만들려 해서는 안 된다.
학습자에게도 지원이 바뀌는 이유를 알려 줄 필요가 있다. 앞선 판단을 스스로 했기 때문에 다음에는 단서만 제공한다는 설명은, 도움을 받지 못한다는 인식을 줄일 수 있다. 반대로 이해가 부족해서 지원을 늘린 경우에도 실패에 대한 벌처럼 전달하지 않는다. 지원 단계는 사람의 등급이 아니라 현재 과제를 학습하기 위한 운영 상태다.
막혔을 때 돌아올 길이 있어야 감축을 시도할 수 있다
지원 감축은 한 번 줄인 도움을 다시 늘릴 수 없는 일방향 절차가 아니다. 같은 학습자도 새로운 조건이나 낯선 맥락에서는 추가 설명이 필요하다. 이미 통과한 개념이라고 지원 요청을 막으면 오류를 숨기거나 다른 도구로 답만 찾는 행동을 유도할 수 있다. 감축 기준과 함께 재지원 기준을 설계해야 한다.
재지원은 직전의 모든 도움을 그대로 복원하는 것과도 다르다. 무엇 때문에 막혔는지 구분해 필요한 부분부터 제공한다. 용어를 모르기 때문인지, 적용 조건을 구분하지 못하는지, 도구 조작에서 막혔는지에 따라 지원은 달라진다. 판단 능력을 확인하려다 인터페이스 사용의 어려움을 평가하는 상황을 피해야 한다.
가상의 데이터 해석 실습에서 계산 도구 사용법을 몰라 멈춘 학습자에게 해석의 정답을 보여 줄 필요는 없다. 도구 사용을 도와주고 해석은 직접 하게 할 수 있다. 반대로 계산은 정확하지만 업무상의 의미를 잘못 이해했다면 해석을 비교할 예시가 필요하다. 지원이 문제의 원인과 맞아야, 그 지원을 다시 줄이는 시점도 정할 수 있다.
끝없이 힌트만 반복하는 상황도 막아야 한다. 학습자가 같은 지점에서 계속 막히면 더 명확한 설명, 유사 사례, 지도자 개입 중 무엇이 필요한지 판단한다. 언제까지 스스로 생각하게 할지는 과제의 목적과 학습자의 상태에 따라 달라진다. 도움을 요청하지 않게 만드는 것이 자립의 증거는 아니다. 필요한 도움을 적절하게 요청하는 능력도 업무 역량에 포함될 수 있다.
재지원 뒤에는 학습자가 무엇을 새로 할 수 있게 되었는지 확인한다. 답을 전달했다면 그 답을 다시 말하게 하는 것만으로 이해를 판정하지 않는다. 조건을 바꾼 사례에서 같은 원칙을 적용하는지 보거나, 결론이 달라지는 이유를 설명하게 한다. 지원의 성공은 질문이 사라진 상태가 아니라 다음 판단을 수행할 준비가 생긴 상태로 보아야 한다.
대화가 친절해졌다는 평가와 학습이 나아졌다는 평가는 다르다
AI 튜터를 개선하면 답변 형식이나 대화 방식은 비교적 쉽게 바뀐다. 그러나 힌트가 늘거나 직접 답변이 줄었다고 학습 효과가 좋아졌다고 단정할 수는 없다. 지원 방식의 변화는 설계가 작동했는지 보여 주는 증거이고, 학습자가 무엇을 할 수 있게 됐는지는 별도로 확인해야 하는 결과다. 두 질문을 분리해야 튜터 운영의 개선 방향도 정확해진다.
2026년 8월 공개된 LLM Pedagogical Behavior in AI Tutoring Interactions는 미국 대학의 한 AI 수업에서 학생 203명의 LLM 응답 14,637개를 분석했다. 응답의 55.2%는 과제의 완성된 해법을 주는 유형, 40.3%는 학습자가 적용해야 할 설명을 주는 유형으로 분류됐다. 이 분포는 특정 모델 설정과 수업에서 관찰한 결과이며, 모든 AI 튜터의 일반적 비율을 뜻하지 않는다.
Lee 외, LLM Pedagogical Behavior in AI Tutoring Interactions, PDF 4쪽 Table 2. 특정 수업의 응답 유형 분포다. 각 지원 방식의 학습 효과나 바람직한 목표 비율을 제시한 표가 아니다.
같은 연구에서 지원 수준은 이후 대화 행동과 관련이 있었지만, 기존 성취와 대화 행동을 고려한 뒤 시험 성적에 더해 주는 예측 정보는 제한적이었다. 관찰 연구이므로 특정 지원이 학습을 높이거나 낮췄다는 인과 결론은 낼 수 없다. 자동 분류의 오류 가능성도 있다. 이 한계는 튜터의 대화 방식과 실제 학습 결과를 따로 확인해야 하는 이유를 보여 준다.
기업교육 담당자는 먼저 의도한 지원 방식이 실제로 제공됐는지 확인할 수 있다. 학습자에게 판단을 남기도록 설계했는데 정답이 바로 제공되는지, 힌트라고 표시했지만 사실상 완성된 해법인지 본다. 그다음 학습자가 새로운 사례를 처리하는지 평가한다. 첫 번째 점검을 통과했다고 두 번째 점검을 대신할 수는 없다.
만족도 역시 따로 해석해야 한다. 즉시 답을 주는 방식은 편리하게 느껴질 수 있지만, 편리함이 교육 목표의 달성과 같지는 않다. 반대로 어렵게 느껴지는 튜터라고 교육적으로 우수한 것도 아니다. 답답함만 늘고 배움이 없을 수 있다. 학습자의 경험을 듣되 그 경험과 수행 증거를 함께 보아야 한다.
혼자 한다는 목표에도 허용되는 자료의 범위를 정해야 한다
독립 수행을 모든 자료와 도구가 없는 상태로 정의하면 실제 업무와 멀어질 수 있다. 직장에서 참고해야 하는 기준서, 계산 도구, 승인 절차는 교육이 끝나도 남는다. 교육 목표가 그것을 외우는 데 있지 않다면 무조건 제거할 이유는 없다. 임시 힌트와 정상 업무 자원을 구분한 뒤, 어떤 조건에서 수행을 확인할지 명시해야 한다.
예를 들어 기준서를 찾아 판단하는 것이 실제 업무라면 기준서 사용을 허용한 평가가 적절할 수 있다. 대신 어떤 항목을 찾고 현재 상황에 어떻게 적용하는지 학습자가 결정해야 한다. AI가 그 판단을 대신하는 기능을 제한할지, 허용하되 검증 과정을 평가할지는 교육 목표에 따라 달라진다. 도구를 껐는지가 아니라 학습 목표에 해당하는 행동을 누가 했는지가 기준이다.
즉시 확인과 시간이 지난 뒤의 확인도 구분한다. 방금 본 예시를 기억해서 처리한 것과, 이후 다른 상황에서 기준을 찾아 적용한 것은 다른 증거다. 모든 과정에 복잡한 실험을 붙일 필요는 없지만, 중요 역량이라면 후속 수행을 확인할 기회를 둘 수 있다. 교육 직후의 좋은 점수만으로 지원 감축 설계가 성공했다고 단정하지 않는다.
업무상 실수가 큰 영향을 주는 경우에는 실제 운영에서 지원을 갑자기 없애며 시험하지 않는다. 안전한 연습 환경에서 임시 힌트를 줄이고, 현업에서는 필요한 확인 절차를 유지한다. 교육을 위한 자립 연습과 운영상의 보호 절차는 목적이 다르다. 접근성 보조나 필수 업무 정보도 학습자의 수준을 시험하기 위한 수단으로 제거하지 않는다.
교육 담당자와 지도자는 지원 변경의 이유를 공유한다
같은 학습자에게 강사, 현업 지도자, AI 튜터가 서로 다른 지원을 제공할 수 있다. 한쪽에서는 판단을 직접 하게 하고 다른 쪽에서는 완성된 답을 계속 주면 지원 감축의 목적이 흐려진다. 모든 지도 방식을 같게 만들 필요는 없지만, 무엇을 학습자에게 맡기려는지는 공유해야 한다. 핵심 판단과 허용할 도움의 범위를 연결하는 짧은 운영 기준이 필요하다.
기준에는 학습자가 수행할 행동, 제공할 지원, 줄이는 신호, 다시 돕는 신호를 적는다. 지원 수준만 기록하면 다음 지도자가 왜 그 상태에 있는지 알기 어렵다. 최근 어떤 판단을 스스로 했고 어디서 막혔는지 이해할 수 있어야 한다. 지나치게 상세한 개인 프로필보다 현재 과제와 관련된 증거가 지도에 도움이 된다.
관리자는 도움을 덜 받는 사람을 무조건 높게 평가하지 않도록 주의해야 한다. 질문하지 않는 사람이 실제로 이해한 것인지, 어려움을 숨기는 것인지 구분하지 못할 수 있다. 반대로 필요한 확인을 요청한 행동은 적절한 판단일 수 있다. 지원 감축 기록을 인사상 독립성 순위로 바꾸면 교육을 위해 남긴 증거의 의미가 달라진다.
운영 초기에는 제한된 과제에서 기준을 시험하는 편이 좋다. 지원을 줄인 뒤 같은 오류가 반복된다면 감축 신호가 적절했는지 확인한다. 지원을 늘려도 개선이 없다면 도움의 종류가 문제와 맞는지 본다. 학습자의 부족으로만 설명하지 않고 과제, 지원, 판단 신호를 함께 수정해야 한다. 정답률을 올리려고 도움을 무한히 늘리는 방식도 피해야 한다.
학습 지원 감축의 완성은 화면에서 힌트가 사라지는 순간이 아니다. 학습자가 맡아야 할 판단을 직접 수행하고, 필요한 때에는 적절한 자원을 찾아 다시 시도할 수 있는 상태에 가깝다. 기업교육 담당자는 지원량을 줄였다는 운영 실적보다, 어떤 판단이 학습자에게 돌아갔는지를 설명할 수 있어야 한다. 그 설명에 실제 수행 증거가 붙을 때 지원의 조정이 교육 설계가 된다.
함께 읽을 글
출처
- Xinmeng Hou, Yuxuan Weng, Chin Hsien Yeh, Ding Lin Lee, Lishan Zheng, Fang Li, Wuqi Wang, Yang Liu. Adaptive Scaffolding Needs Contingency: An AI Tutor That Escalates and Fades on What the Learner Does. arXiv:2609.22993v1, 2026-09-19. 원문, PDF. 사전공개 논문. 한 번의 세션에서 튜터 사용 과정을 비교한 결과이며 장기 학습 효과는 검증하지 않았다.
- Suhyeon Lee, Juneha Baek, Jaehyeong Park, Donghyuk Shin. LLM Pedagogical Behavior in AI Tutoring Interactions. arXiv:2608.22993v1, 2026-08-24. 원문, PDF. 미국 대학 수업의 기존 자료를 분석한 사전공개 관찰 연구. 지원 전략의 학습 효과에 대한 인과 검증과 구분했다.