AI가 생성하는 공간과 지리교육의 새로운 접점

AI-Generated Spaces and New Frontiers in Geography Education

본 연구는 인공지능(AI)이 생성한 공간이 원본 공간의 시각적·맥락적 특성을 어떻게 재현하고 변형하는지를 분석하고, 그 교육적 함의를 탐구하는 것을 목적으로 한다. 최근 급격히 발전한 이미지 생성 기술은 단순히 존재하는 풍경을 묘사하는 차원을 넘어, 공간을 재구성하고 새로운 의미를 부여하는 단계에까지 이르렀다. 이를 검증하기 위해 국내외 도시 및 자연환경 각각 2곳씩, 총 8곳의 대표적 사례를 선정하여, AI 생성 이미지와 원본 이미지를 비교하였다. 이미지 생성은 DALL·E 3와 Midjourney를 사용하고, 동일한 프롬프트 조건을 설정한 뒤 장소별로 반복 생성하여 결과의 일관성과 신뢰성을 확보하였다. 분석 절차에서는 사회·문화·경제·환경의 네 범주로 맥락 요소를 코딩하고, 맥락 보존율(CPR)과 채도 변화율(SCR)이라는 두 가지 지표를 산출하여 AI 재현의 충실성과 변형 양상을 정량적으로 평가하였다. 그 결과, 자연환경 사례에서는 CPR이 높고 SCR이 낮은 경향이 나타났으며, 도시환경 사례에서는 그 반대 경향이 확인되었다. 이는 AI가 반복적·안정적 시각 패턴을 비교적 충실히 재현하는 반면, 사회·문화적 요소가 복잡하게 얽힌 환경에서는 일부 요소를 단순화하거나 생략하고 색채를 강화하는 경향을 보인다는 점을 시사한다. 이러한 분석 결과는 AI가 생성한 공간을 지리교육에서 실재 공간의 단순한 대체물이 아닌 비판적 탐구 대상으로 전환해야 함을 보여준다. 특히 계량 지표를 기반으로 한 공간 분석 활동은 기존 공간 개념을 넘어서는 새로운 교육적 내용과 방법론을 설계하는 데 기여할 수 있으며, 학습자의 데이터 해석 능력과 비판적 시각 문해력을 동시에 심화하는 교육적 효과를 제공한다.

This study aims to analyze how artificial intelligence (AI)-generated spaces reproduce and transform the visual and contextual characteristics of original spaces, and to explore their educational implications. For this purpose, eight sites were selected—two urban and two natural environments from both domestic and international contexts. AI-generated images of each site were compared with their corresponding original images. Image generation was conducted using both DALL·E 3 and Midjourney, with each prompt applied three times per site to ensure consistency of results. The analysis involved coding contextual elements into four categories— social, cultural, economic, and environmental—and calculating two metrics: Context Preservation Rate (CPR) and Saturation Change Rate (SCR). The findings revealed a tendency for higher CPR and lower SCR in natural environments, and the opposite in urban environments. This suggests that AI tends to more accurately reproduce repetitive and stable visual patterns, whereas in complex socio-cultural settings, it often simplifies or omits certain elements while intensifying color saturation. These results indicate that AI-generated spaces should be viewed not as mere replicas but as ‘reconstructed spaces’ within the context of geography education. In particular, analytical activities using quantitative indicators such as CPR and SCR may be effective in fostering students’ critical spatial literacy.