A Pedagogical Framework for AI-Mediated Interaction and Feedback in Korean EFL Contexts

본 논문은 상호작용주의 제2언어습득(SLA) 이론에 기반하여, 생성형 인공지능(GenAI)을 한국 대학 EFL 수업에 통합하기 위한 교육적 프레임워크를 제안한다. 의미 협상(Long, 1996), 협력적 대화(Swain, 2000), 근접발달영역(ZPD) 기반 스캐폴딩(Vygotsky, 1978) 개념을 토대로, AI가 인간 매개를 대체하는 것이 아니라 교수자-동료-AI로 구성된 다층적 지원 체계 내에서 보완적 역할을 수행해야 함을 주장한다. 본 연구는 다음 세 가지 연구문제를 다룬다. (1) 한국인 EFL 학습자의 L1 전이 오류에 대응하기 위한 AI 매개 스캐폴딩을 상호작용주의 SLA 원리에 기반하여 어떻게 구조화할 수 있는가? (2) 최근의 협력적 프롬프팅 모델(CoPIR 및 그 확장)이 동료-AI 상호작용 과제 설계에 어떠한 시사점을 제공하는가? (3) 교수자가 AI 통합 수업을 체계적으로 실행하기 위해 활용할 수 있는 실용적 도구와 수업 설계는 무엇인가? 본 연구는 개념적·설계 기반 접근을 채택하여, 상호작용주의 SLA 이론을 종합함으로써 교육적 프레임워크를 구축하고, 가상의 수업 시나리오를 통해 그 적용을 예시하며, 하나의 구성 요소인 Python 및 LanguageTool API를 활용한 자동 오류 분석을 실제 학습자 작문 데이터(N=40)에 적용하여 검증한다. 프레임워크는 세 가지 적용 사례를 통해 제시된다. 첫째, 한국어-영어 대조분석에 기반한 관사 및 say/tell 오류에 대한 단계적 스캐폴딩 시퀀스, 둘째, CoPIR 모델 및 그 최근 확장에 기반한 협력적 프롬프팅 과제, 셋째, 학습자 오류 자동 탐지 및 숙달도별 차별화된 프롬프트 템플릿을 위한 Python 기반 도구이다. 또한 4주간의 가상 교실 시나리오를 통해 이들 구성 요소를 하나의 통합적 수업 워크플로우로 제시한다. 본 논문은 EFL 맥락에서의 다층적 AI 매개를 위한 이론적으로 근거 있고 실제 적용 가능한 설계 제안을 제공함으로써, AI 통합 언어 교육 연구의 확장에 기여하며, 향후 실증적 검증을 위한 구체적인 연구 가설을 제시한다.

This paper proposes a pedagogical framework for integrating generative AI (GenAI) into Korean university EFL instruction, grounded in interactionist SLA theory. Drawing on negotiation of meaning (Long, 1996), collaborative dialogue (Swain, 2000), and ZPD-based scaffolding (Vygotsky, 1978), it argues that AI should function not as a replacement for human mediation but as a supplementary layer within a multi-tiered instructor-peer-AI support system. The study addresses three questions: (1) How can AI-mediated scaffolding be structured to address L1 transfer errors specific to Korean EFL learners? (2) How do recent collaborative prompting models inform the design of peer-AI interaction tasks? (3) What practical tools can instructors use to systematically implement AI-integrated instruction? Adopting a conceptual and design-based approach, the study synthesizes interactionist SLA theories to construct a pedagogical framework, illustrates its application through hypothetical instructional scenarios, and validates one component—automated error analysis using Python and the LanguageTool API—through application to authentic learner writing data (N=40). The framework is demonstrated through three applications: (1) graduated scaffolding sequences for article and say/tell errors based on Korean–English contrastive analysis; (2) collaborative prompting tasks drawing on the CoPIR model and its recent extensions; and (3) Python-based tools for automated error detection and proficiency-differentiated prompt templates. A four-week hypothetical classroom scenario integrates these components into a cohesive instructional workflow. The paper contributes to the growing body of research on AI-integrated language pedagogy by providing a theoretically grounded, practically implementable design proposal for multi-layered AI mediation in EFL contexts, while identifying specific hypotheses for future empirical testing.