현직 유아교사의 AI 역량 함양을 위한 프로그램 개발 방안 탐색

Exploring Program Development Strategies to Enhance In-Service Early Childhood Teachers’ AI Competencies

본 연구는 생성형 인공지능 확산에 따라 요구되는 교원 핵심역량의 재정의 맥락에서, 현직 유아교사의 AI 역량 수준과 교육적 요구를 진단하고 AI 역량 강화 교사교육 프로그램의 핵심 구성 요소를 탐색하기 위한 목적으로 수행되었다. 이를 위해 선행연구를바탕으로 설문을 개발하여 유아교사 180명을 대상으로 설문을 실시하고, 기술통계와 신뢰도를 산출하였다. 또한 개방형 문항은 내용분석으로 범주화하고, 교직 경력 5년 이상 교사 18명을 대상으로 3개 집단 FGI를 실시하여 질적 심층 결과를 도출하였다. 분석 결과,AI 개념 이해, 인간 - AI 관계 인식, AI 윤리 인식은 비교적 높았으나 AI 활용 역량은 낮아 인지-실천 간 격차가 확인되었다. 개방형 문항 분석과 FGI 결과 프로그램은 통합형 설계(별도 과목 지양, 관찰-분석-수업안-평가 흐름 내 내재화), 체험·실습·프로젝트 중심의혼합형 운영, 포트폴리오·산출물 시연·적용 발표의 수행평가, 그리고 윤리·개인정보·저작권-수업자료 제작-아동 발달 데이터 분석의 내용 삼각 축이 핵심으로 도출되었다. 더불어표준 지침·검수 체크리스트·사후 코칭·실천 커뮤니티·정기 업데이트와 같은 지속 가능한지원 체계, 기관 차원의 인프라·시간 배정이 확산 조건으로 제시되었다. 본 연구는 기초(개념·윤리) - 실습(자료·데이터) - 적용(놀이·평가)의 단계적 모듈과 표준화된 운영·평가·지원 체계를 결합한 근거 기반 연수 프레임워크를 제안함으로써, 유아교육 맥락에서 안전하고 지속 가능한 AI 활용을 위한 기초자료라는 의의를 갖는다

Amid calls to redefine core teacher competencies in the era of generativeAI, this study aimed to diagnose in-service early childhood teachers’ AI competency levels and educational needs and identify the core components of a professional development (PD) program to strengthen those competencies. Building on prior research, a survey instrument was developed and administered to 180 in-service early childhood teachers; descriptive statistics and reliability indices (Cronbach’s α) were calculated. Open-ended responses were analyzed using content analysis, and three focus group interviews (FGIs) were conducted with 18 teachers (≥5 years of experience) to derive in-depth qualitative insights. Findings indicated relatively high levels ofAI conceptual understanding, human-AI relationship perception, and AI ethics awareness, but a lower level of AI utilization competency, revealing a gap between awareness and classroom practice. Synthesizing the open-ended and FGI results, the proposed PD should adopt an integrated design (embedding AI within the existing cycle of observation-analysis-lesson planning-assessment), experiential/project-based blended delivery, and performance-based assessment (portfolio, product demonstration, and classroom application). The recommended content triad comprises ethics/privacy/copyright, AI-based instructional material development, and child developmentdata analysis. In addition, standard guidelines, verification checklists, post-training coaching, practitioner communities, and periodic updates, supported by institutional infrastructure and time allocation, are essential for sustainable scaling. By proposingan evidence-based, modular PD framework — Foundations (concepts/ethics) - Practice (materials/data) - Application (play/assessment) — this study provides baselineevidence to support safe and sustainable AI use in early childhood education