AI 코딩 자신감과 이해를 같은 점수로 묻지 말아야 하는 이유

AI가 제안한 코드를 실행해 과제를 끝냈을 때, 학습자는 무엇에 자신감을 느끼게 될까. 도구에게 요청을 잘했다는 자신감일 수 있고, 생성된 코드를 읽고 고칠 수 있다는 자신감일 수도 있다. 둘은 함께 커질 수 있지만 같은 능력이라고 가정할 수는 없다. 이 글은 AI 코딩 도구를 쓰는 교육 담당자, 멘토, 주니어 개발자에게 최근 컴퓨팅 교육 연구가 구분한 측정 범위를 소개하고, 학습 과제를 닫기 전에 남길 기록을 제안한다.

2026년 8월 ICER에 발표된 생성형 AI 프로그래밍 자기효능감 척도 연구는 생성형 AI를 통합한 입문 프로그래밍 맥락에서 기존 프로그래밍 자기효능감 측정과 별도로 AI 관련 자기효능감을 측정하려 했다. 연구 소개에 따르면 연구진은 처음 11개 문항으로 구성한 도구를 수정해 5개 문항 척도로 만들었고, 해당 맥락에서의 초기 타당화 근거를 제시했다. 여기서 중요한 것은 점수가 높고 낮음이 아니라, AI를 사용하면서 느끼는 자신감과 프로그래밍 역량을 하나의 질문으로 뭉개지 않았다는 연구 설계다.

같은 학회에서 공개된 AI 보조와 사람 페어 프로그래밍 비교 연구는 22명의 참여자가 사람 동료와 짝을 이루거나 GitHub Copilot을 사용해 각각 20분씩 Python 과제를 수행한 뒤, 약 일주일 뒤에 다시 개별 과제를 푸는 조건을 다뤘다. 이 연구는 즉시 수행만으로 결론을 내리지 않고, 주관적 작업부하·정서·재시험 수행을 함께 관찰했다. 다만 제한된 참가자, 시간 압박이 있는 Python 과제, 특정 도구라는 조건의 연구이므로 현업 개발팀의 학습이나 생산성에 그대로 일반화할 수는 없다.

두 연구는 같은 질문에 답하지 않는다. 앞 연구는 무엇을 분리해 물어야 하는지에, 뒤 연구는 즉시 수행 외에 무엇을 함께 관찰할 수 있는지에 초점을 둔다. 그래서 “AI를 쓰니 자신감이 생겼다”라는 문장은 출발점일 수는 있어도, 이해가 생겼다는 결론이 되기에는 정보가 부족하다.

자신감의 대상을 먼저 분리한다

자기효능감은 어떤 과제를 해낼 수 있다는 개인의 판단을 다루는 개념이다. 여기서도 그것을 진단이나 성과 예측 도구처럼 사용할 수는 없다. 특히 AI가 코드 작성, 설명, 오류 수정 후보를 동시에 돕는 상황에서는 “할 수 있다”의 대상이 여러 갈래다. 프롬프트를 바꾸어 원하는 형식의 답을 얻는 일, 출력의 오류를 찾아내는 일, 도움 없이 같은 원리를 새 문제에 적용하는 일은 서로 다른 관찰을 필요로 한다.

ICER의 척도 연구가 입문 프로그래밍 수업에서 다룬 대상은 학습자다. 따라서 이를 실무자의 역량 평가표나 채용 기준으로 옮기면 연구 범위를 벗어난다. 현업에서는 저장소 맥락, 리뷰 문화, 테스트 자동화, 권한, 서비스 영향처럼 연구에 없던 변수가 더해진다. 교육이나 온보딩에서 이 연구를 읽을 때도 “AI를 잘 쓰는 사람”이라는 하나의 등급을 만들기보다, 어떤 자신감에 관해 묻는지를 명시하는 데 쓰는 편이 안전하다.

예를 들어 과제 회고에서 “AI 도움으로 해결할 수 있었나요?”만 묻는다면 답은 넓고 해석하기 어렵다. 대신 AI에 요청한 방식, 생성된 답의 근거를 확인한 방식, 도움 없이 다시 풀 때 막힌 지점을 구분하면 대화의 대상이 생긴다. 이 구분은 누군가의 능력을 낮게 평가하려는 장치가 아니다. 다음 학습 활동에 사람이 개입할 위치를 찾기 위한 기록이다.

빠른 완료와 다음 시도의 준비는 다를 수 있다

두 번째 연구의 비교는 AI 보조 조건에서 즉시 과제 수행이 더 좋고 일부 작업부하 차원이 낮았다는 결과를 보고했다. 동시에 사람 동료와의 조건에서는 정서 경험이 더 긍정적·각성적으로 보고됐으며, 일주일 뒤 재시험에서 AI 조건의 절대적 수행 감소는 통계적으로 유의하지 않았지만 감소 폭은 더 컸다고 연구진은 적었다. 이 결과는 AI를 쓰지 말라는 지침도, 사람 페어가 모든 맥락에서 우월하다는 증명도 아니다. 연구의 과제·표본·시간 제한 바깥에서는 다른 양상이 나올 수 있다.

그럼에도 즉시 완료와 다음 독립 시도를 분리해 보자는 힌트는 유용하다. 과제가 끝났다는 사실은 결과물이 실행됐다는 뜻일 수 있다. 그러나 왜 그 코드가 동작하는지, 요구사항이 바뀌면 어디를 수정할지, 비슷하지만 다른 문제에 어떤 원리를 적용할지는 별도의 확인이 필요하다. AI가 작성한 답을 그대로 제출한 뒤 막히는 경우가 있다면, 그 문제를 “자신감 부족”으로 단정하기보다 현재 과제가 무엇을 확인하지 않고 닫혔는지부터 살피는 편이 낫다.

▲ 학습의 결과물·설명·독립 재시도를 분리해 기록하는 경로를 보여줍니다. 실제 수업 데이터나 성과 측정 결과가 아닙니다.

학습 활동을 닫기 전에 남길 작은 기록

아래 양식은 검증된 심리 척도나 평가 도구가 아니다. AI를 사용한 프로그래밍 온보딩, 실습, 멘토링이라는 작업 단위에서 다음 활동을 정하기 위한 제안이다. 한 과제마다 긴 보고서를 쓰자는 뜻도 아니다. 영향이 작은 연습은 한두 문장으로 충분할 수 있고, 배포 가능한 코드나 교육 평가처럼 결과가 중요한 활동에서는 근거를 더 남길 이유가 생긴다.

## AI 보조 학습 기록

- 작업: 어떤 문제를 해결하려 했는가?
- AI의 역할: 초안 작성 / 설명 / 오류 후보 찾기 중 실제로 맡긴 것은 무엇인가?
- 결과 근거: 실행, 테스트, 문서, 동료 설명 중 무엇으로 답을 확인했는가?
- 내 설명: AI 화면을 보지 않고 핵심 선택과 수정 지점을 설명할 수 있는가?
- 다음 독립 시도: 도구 없이 다시 풀어 볼 범위는 어디까지인가?
- 멈춤 조건: 근거를 찾지 못했거나 설명할 수 없으면 채택 대신 무엇을 할 것인가?

이 기록에서 특히 중요한 것은 “내 설명”과 “다음 독립 시도”다. 실행 결과가 맞더라도 설명을 재구성하지 못하면, 다음 과제에 필요한 지식이 무엇인지 드러나지 않을 수 있다. 반대로 독립 시도에서 막혔다고 해서 AI 사용이 실패였다는 뜻은 아니다. 막힌 지점을 드러내면 멘토가 개념 설명, 예제 축소, 동료와의 대화 중 무엇을 먼저 제안할지 선택할 수 있다.

이 글의 제안: 결과물은 채택해도, 학습 판단은 보류할 수 있다

AI가 낸 코드가 테스트를 통과하고 요구사항에 맞는다면 결과물은 채택할 수 있다. 그러나 그 사실만으로 학습자가 같은 원리를 이해했고 다음에도 독립적으로 적용할 수 있다고 결론 내릴 필요는 없다. 결과물의 채택과 학습 판단은 서로 다른 결정을 가질 수 있다. 이 글의 제안은 이 둘을 함께 통과·실패로 묶지 말자는 것이다.

교육 담당자나 멘토가 다음 활동을 정할 때는 서로 다른 질문을 순서대로 볼 수 있다. 먼저 결과에 어떤 근거가 있는지, 다음으로 그 근거를 학습자가 자기 언어로 설명할 수 있는지, 마지막으로 비슷한 문제에서 도움 없이 적용해 볼 범위가 있는지 확인한다. 어느 하나가 비어 있다면 점수를 낮추기보다 다음 활동을 바꾸는 신호로 쓴다. 예를 들어 근거가 비어 있으면 테스트나 문서 읽기로 돌아가고, 설명이 비어 있으면 동료에게 설명하는 짧은 시간을 잡고, 독립 시도가 어렵다면 문제를 더 작은 단위로 줄인다.

연구는 무엇을 측정했고 어떤 조건에서 비교했는지를 보여준다. 그 사실에서 팀이나 수업의 운영 규칙이 자동으로 나오지는 않는다. 다만 AI 사용 자신감과 프로그래밍 이해를 구분하고, 즉시 완료 외의 관측을 남긴다면 “AI를 썼으니 배웠다” 또는 “AI를 썼으니 배우지 못했다”라는 둘 중 하나로 서둘러 정리하지 않아도 된다. 그 여백이 다음 학습 활동을 더 적절하게 고를 근거가 된다.

기록은 다음 활동을 위한 메모여야 하며, 개인을 비교하거나 AI 사용을 금지하는 표로 바뀌지 않도록 목적과 열람 범위도 함께 정하는 편이 좋다.

원문을 다시 확인할 곳

• ICER 2026의 AI 프로그래밍 자기효능감 척도 논문 소개: 척도의 대상, 11개 문항에서 5개 문항으로의 수정, 타당화 범위를 확인할 수 있다.
• ICER 2026의 AI 보조·사람 페어 프로그래밍 비교 논문 소개: 참가자 조건, 20분 과제, 약 일주일 뒤 재시험, 결과의 한계를 원문 요약에서 확인할 수 있다.
• *** Add File: /Users/ok1465/kyobo/workspace/it-news-board/posts/1002026-10-06IT심리학AI코딩자기효능과이해확인의경계.evidence.json
• {
• "version": 1,
• "articleSha256": "PENDINGAFTERIMAGE_REVIEW",
• "reviewedAt": "2026-10-06T00:00:00+09:00",
• "reviewer": "Codex",
• "originalContribution": "직전 원고 99의 IT 최신동향 다음 순환 카테고리로 IT 심리학을 선택했다. 기존 AI 속도 체감 글과 달리, 2026년 ICER의 두 교육 연구를 바탕으로 AI 활용 자신감·코드 이해·독립 재시도를 분리해 기록하는 학습 활동 종료 양식을 제안한다. 이 양식은 검증된 척도나 현업 성과 규칙이 아니라 AI 보조 프로그래밍 온보딩·실습에서 다음 활동을 고르기 위한 제안이다.",
• "unresolved": [],
• "claims": [],
• "review": {
• "sourceSupport": {"status": "pass", "notes": "2026-10-06에 ICER 2026 공식 논문 소개 두 페이지를 직접 열어, 각 논문의 대상·조건·결과 요약과 DOI를 확인했다."},
• "claimCoverage": {"status": "pass", "notes": "제목·요약·본문의 외부 사실은 두 ICER 공식 페이지가 직접 뒷받침하는 범위로 제한했다. 운영 제안은 본문에서 편집부 제안으로 표시했다."},
• "numbersAndUnits": {"status": "pass", "notes": "11개 문항, 5개 문항, 22명, 20분, 약 일주일이라는 수치는 각 ICER 공식 요약의 문구와 대조했다. 성과 비율·효과 크기는 쓰지 않았다."},
• "examplesVsMeasurements": {"status": "pass", "notes": "실측이나 자체 실험을 주장하지 않았다. 기록 양식은 제안이며 검증된 심리 척도나 평가 도구가 아니라고 본문에 명시했다."},
• "summaryConsistency": {"status": "pass", "notes": "제목·요약·시사점은 학습자 대상의 연구 범위를 넘지 않으며, 현업 일반화의 한계를 본문과 요약에 반영했다."},
• "codeAndDiagrams": {"status": "pass", "notes": "실행 코드·정량 도표는 없다. 이미지는 실제 평가 화면이나 측정 결과가 아닌 개념 관계를 보여 준다는 캡션으로 제한했다."},
• "originalContribution": {"status": "pass", "notes": "독자가 가져갈 산출물은 AI 보조 학습 기록 양식이다. 입력 범위는 AI를 사용한 프로그래밍 온보딩·실습·멘토링이고, 설명 또는 근거가 비면 학습 판단을 닫지 않는 중단 조건을 담았다."},
• "contentDepth": {"status": "pass", "notes": "작업 단위는 AI 보조 프로그래밍 학습 활동을 종료하는 판단이다. 독자 산출물은 결과 근거·자기 설명·다음 독립 시도를 분리하는 기록 양식이며, 측정 연구의 사실과 이 제안을 본문에서 분리했다."},
• "sourceInterpretationBoundary": {"status": "pass", "notes": "ICER 논문 소개는 척도 수정과 제한된 비교 실험의 조건·결과를 지지한다. 결과물 채택과 학습 판단을 분리하고 기록 양식을 쓰자는 문단은 편집부 제안이며 연구의 직접 권고로 표현하지 않았다."}
• },
• "compositionPlan": {
• "selectedFormats": [2, 7, 12, 17, 20],
• "readerQuestions": {
• "2": "두 연구가 직접 말하는 범위와 현업에 일반화할 수 없는 범위는 무엇인가?",
• "7": "AI 활용 자신감·코드 이해·독립 시도를 어떤 기준으로 나누어 볼 것인가?",
• "12": "설명 또는 근거가 비어 있을 때 어떤 다음 행동으로 완화할 것인가?",
• "17": "AI 보조 학습 활동을 마칠 때 어떤 최소 기록을 남길 것인가?",
• "20": "각 사실을 원문 어디에서 다시 확인할 수 있는가?"
• },
• "recentDifference": "최근 IT 심리학 글의 시간·노력·검토 분리와 달리, 이번 글은 교육 연구 두 편의 대상 한계를 먼저 두고 결과물 채택과 학습 판단을 분리하는 기록 양식을 중심 산출물로 삼았다. 핵심 흐름도 대신 경고 콜아웃과 복사 가능한 기록 양식을 사용한다."
• }
• }