ChatGPT 등 생성형 AI(GenAI)를 어떻게 쓰느냐가 학습 결과를 가른다는 연구 결과가 나왔다. 같은 AI 도구를 사용하더라도 지식을 직접 구성하고 확장하는 방식으로 활용한 학생은 더 높은 수준의 학습 성과를 보인 반면,단순히 답을 복사하는 방식으로 사용한 학생은 표면적인 이해에 그쳤다.
호주 연구팀이 학술지 《Studies in Higher Education》에 발표한 이번 연구는 대학 강좌를 수강한 학생 192명의 성찰 보고서를 분석했다. 연구팀은 준실험적 설계와 양적 내용 분석기법을 결합해 GenAI 활용 방식이 학습 성과에 미치는 영향을 체계적으로 살폈다.
두 가지 활용 방식이 만들어낸 완전히 다른 결과
연구팀은 학생들의 GenAI 활용 패턴을 크게 두 가지로 분류했다.
첫 번째는 숙달 접근법이다. GenAI를 비판적 사고의 출발점으로 삼아 AI 출력물을 검토하고, 자신의 언어로 재구성하며,추가 질문을 던지는 방식이다. 이 학생들은 AI를 지식 구성 도구로 활용했다.
두 번째는 절차적 접근법이다. AI가 생성한 텍스트를 검토 없이 그대로 복사하거나 최소한의 수정만 가해 제출하는 방식으로, AI를 사실상 답 생성기로만 사용한 경우다.
분석 결과는 뚜렷했다. 숙달 접근법을 택한 학생들은 블룸의 분류체계 기준으로 분석·평가·창조에 해당하는 고차원적 사고 능력을 보여줬다. 반면 절차적 접근법을 사용한 학생들은 기억·이해 수준에 머무는 경향이 강했다. 192명의 성찰 보고서라는 풍부한 질적 데이터가 이 패턴을 명확하게 뒷받침했다.
AI 허용 여부보다 교육 설계가 관건
연구팀은 교육자들에게 AI 사용을 금지하거나 허용하는 이분법적 접근보다,AI를 학습 발판으로 통합하는 교육과정 설계를 제안했다. 기초적인 지식 구성 과제에서 시작해 점차 복잡한 지식 확장 과제로 난이도를 높이는 단계적 구성이 핵심이다.
평가 방식도 달라져야 한다. AI 출력물을 단순 재현하는 것이 아니라 비판적으로 분석하고 자신의 시각을 더하는 것을 요구하는 평가가 학생의 학습 동기를 숙달 지향으로 이끌 수 있다고 연구팀은 강조했다. 교수자가 평가 구조를 조정함으로써 학생들이 AI를 단순 복사 도구가 아닌 사고 파트너로 활용하도록 유도할 수 있다는 것이다.
학생이 알아야 할 것
이번 연구는 학생에게도 중요한 메시지를 전한다. GenAI를 쓴다는 사실 자체가 문제가 아니라, 어떻게 쓰느냐가 자신의 실력을 결정한다는 것이다. AI가 생성한 내용을 그대로 쓰면 그 순간은 편하지만 이해와 역량은 제자리에 머문다. AI에 질문하고, 답을 비판하고, 자신의 언어로 재구성하는 습관이 진짜 학습으로 이어진다.
생성형 AI 시대의 교육에서 중요한 것은 기술 자체가 아니라 그 기술을 어떻게 인간의 사고와 연결하느냐다. 이번 연구는 그 연결 방식이 학습 격차를 만들어낼 수 있음을 실증했다는 점에서 의미가 크다.
출처: Pallant J, Blijlevens J, Campbell A, Jopp R. Mastering knowledge: the impact of generative AI on student learning outcomes. Studies in Higher Education. 2025;51:714-735. DOI: 10.1080/03075079.2025.2487570
Generative AI tools like ChatGPT are now ubiquitous in higher education, but a new study suggests the key question is not whether students use them — it is how. Research published in Studies in Higher Education finds that the approach students take when engaging with generative AI (GenAI) is the decisive factor in whether they achieve deep or superficial learning outcomes.
Researchers from Australia (Pallant, Blijlevens, Campbell, and Jopp) analyzed reflective essays from 192 university students using a quasi-experimental design combined with quantitative content analysis (QCA). Their findings reveal a clear divide between students who critically engaged with AI outputs and those who simply reproduced them — with markedly different learning consequences.
Two Approaches, Two Very Different Outcomes
The research team identified two distinct patterns of GenAI use among students.
The Mastery Approach involves treating AI as a starting point for inquiry. Students who adopted this approach critically examined AI-generated content, reconstructed ideas in their own words, asked follow-up questions, and used the technology to deepen their understanding. They engaged GenAI as a tool for knowledge construction and augmentation.
The Procedural Approach involves copying or minimally editing AI-generated text without meaningful engagement. Students using this approach treated GenAI as an answer generator rather than a learning partner.
The consequences were significant. Students who adopted the mastery approach demonstrated higher-order thinking skills — analysis, evaluation, and creation — consistent with the upper tiers of Bloom's Taxonomy. Those who relied on the procedural approach remained at the knowledge and comprehension levels, achieving only surface-level understanding. The sample of 192 student reflections provided qualitative depth sufficient to distinguish these patterns systematically.
Curriculum Design as the Key Lever
Rather than treating AI adoption as a binary "allow or ban" decision, the researchers argue that curriculum design is the decisive lever. They propose scaffolding student use of GenAI — beginning with foundational knowledge-construction tasks and progressively moving toward more complex knowledge-augmentation activities. This staged approach mirrors established best practices in instructional design.
Assessment redesign is equally central to the solution. Assignments that require students to critically analyze, contextualize, and build upon AI outputs — rather than reproduce them — naturally shift student motivation toward mastery goals. When evaluation criteria reward genuine intellectual engagement with AI rather than simple output replication, students are less likely to default to procedural copying.
The findings suggest that educators have meaningful agency in shaping how students interact with AI, even within existing institutional constraints. Adjusting task structures and grading criteria can redirect student behavior without requiring complete curriculum overhauls.
What This Means for Students
The study also carries a direct message for students. Using generative AI is not itself the problem — the approach is what matters. Copying AI-generated text may save time in the short term, but it leaves knowledge gaps and weakens the skills that assessments and careers ultimately demand.
Students who engage critically with AI — questioning its outputs, reformulating its responses, and integrating them with prior knowledge — build genuine competence. Those who rely on AI procedurally may complete assignments but fail to develop the analytical capabilities that distinguish meaningful learning from mere task completion.
As GenAI tools become standard in academic and professional environments, the ability to use them as thinking partners rather than ghostwriters will increasingly define educational and career outcomes. This study provides empirical grounding for that distinction, and a clear framework for both educators and students to act on it.
Source: Pallant J, Blijlevens J, Campbell A, Jopp R. Mastering knowledge: the impact of generative AI on student learning outcomes. Studies in Higher Education. 2025;51:714-735. DOI: 10.1080/03075079.2025.2487570
