유아교육에서의 인공지능(AI) 교육 연구 동향 분석: 2020년부터 2025년까지 국내 학술지 논문을 중심으로

An Analysis of Research Trends in Artificial Intelligence(AI) Education in Early Childhood Education : Focusing on the Papers in Korean Academic Journals from 2020 to 2025

연구목적: 본 연구의 목적은 2020년부터 2025년까지 국내에서 발표된 유아교육에서의 인공지능 교육 관련 연구 동향을 분석함으로써 향후 유아교육에 필요한 인공지능 교육 연구를 위한 기초자료를 제공하는 것이다. 연구방법: 국내 학술 데이터베이스 연구 중 체계적 문헌 검토를 통해 유아 인공지능(AI) 교육에 관한 총 30편의 논문을 연구 대상으로 최종 선정하여 연도별, 연구 대상별, 연구 유형별, 연구 주제별 동향을 분석하였다. 연구결과: 인공지능 교육 연구 동향을 분석한 결과는 다음과 같다. 첫째, 연도별 동향은 2024년 소폭 감소한 것을 제외하면, 2021년 이후부터 지속적으로 증가하는 추세를 보였으며, 둘째, 연구 대상별 동향은 유아교사를 대상으로 실시한 연구가 가장 많았다. 셋째, 연구 유형별 동향은 양적 연구가 가장 많았고 다음으로 질적 연구가 많았다. 넷째, 연구 주제별 동향에서는 ‘인공지능 교육 인식’, ‘인공지능 교육 경험’, ‘인공지능 교육 요구, 과제, 방향 등의 탐색’, ‘인공지능 교육 개발’, ‘인공지능 교육 영향’, ‘인공지능 교육 역량 및 리터러시 강화’, ‘인공지능 교육 사례 및 토픽 중심 경향성’의 총 7개 범주가 도출되었다. 연구결론: 첫째, 유아교육학계와 현장에서 인공지능 교육 연구가 활성화될 수 있도록 연구지원을 위한 기반이 마련될 필요가 있다. 둘째, 실질적인 인공지능 교육의 의의와 방안을 제시하기 위해서는 교사 대상 연구뿐만 아니라 유아 대상의 연구가 함께 이루어져야 한다. 셋째, 인공지능 교육의 질적 확보와 체계적인 교육을 위해 인공지능 교육과정 개발 연구, 교육자료 개발 연구, 이를 현장에 적용하여 효과를 분석한 연구가 필요함을 시사한다. 넷째, 객관적인 인공지능 교육 역량 기준 적용을 위해 인공지능 교육에 필요한 역량 개발 연구가 이루어질 필요가 있다.

Purpose:The purpose of this study is to provide basic data for future research on artificial intelligence(AI) education in early childhood education by analyzing research trends related to AI education in early childhood education published domestically from 2020 to 2025. Methods: A systematic literature review(SLR) was conducted using domestic academic databases to select a final sample of 30 papers on early childhood AI education. The trends were subsequently analyzed based on research period, research subjects, research types, and research topics. Results:The research results are as follows. First, the research period demonstrated a sustained upward trajectory since 2021, with the exception of a slight decrease observed in 2024. Second, early childhood teachers were the most frequent research subjects. Third, research type indicated that quantitative research was the most prevalent, followed sequentially by qualitative research. Fourth, for research topics, a total of seven categories were derived: ‘Perception of AI education,’ ‘Experience with AI education,’ ‘Exploration of AI education needs, tasks, and directions,’ ‘Development of AI education,’ ‘Influence of AI education,’ ‘Enhancement of AI education competency and literacy,’ and ‘Case and topic-centered tendencies in AI education.’ Conclusion: The findings suggest several key implications for the field. First, a support base for research needs to be established to activate AI education studies within early childhood academia and practice. Second, to propose meaningful and practical strategies for AI education, research must encompass young children as well as teachers. Third, securing the quality and systematicity of AI education necessitates studies on curriculum development, instructional material development, and analysis of their effectiveness upon field application. Fourth, research on competency development is required to apply objective standards for AI education competency.