earticle

영어

This study explored how elementary teachers collaborate with generative AI during science lessons, how such collaboration influences classroom instruction, and what difficulties teachers experience in the process, using teachers’ narrative accounts. Open-ended written descriptions of generative AI–supported science teaching were collected from 20 elementary teachers in Metropolitan City B. Teacher–AI collaboration types were coded using criteria grounded in the Replacement–Complementation– Augmentation (RCA) continuum. Because no cases of the replacement cluster were observed, teachers were grouped into a complementation cluster and an augmentation cluster. From each cluster, only sentences related to “instructional effects/impacts” and “challenges” were extracted and analyzed through morpheme-based tokenization, co-occurrence–based word network construction, centrality analysis, word-cluster visualization, and interpretive meaning analysis. The results classified 13 teachers as complementation and 7 as augmentation. In the complementation cluster, effects were centered on strengthening the accuracy and efficiency of lesson enactment (e.g., checking, confirming, controlling, diagnosing), and clusters related to language, explanation, and revision highlighted support for scientific communication. In contrast, the augmentation cluster showed a prominent central axis (student–revision–support) and differentiated clusters such as feedback–verification–marking and report– discussion–presentation–comparison, indicating that norms for verification and explicit evidence marking became embedded in lesson structures and that students’ generation–review–revision of products was incorporated as a core learning activity. Challenges in the complementation cluster were largely management-oriented, including accuracy checking, privacy and security concerns, and tool-operation issues (access and lesson flow). By comparison, challenges in the augmentation cluster emphasized normative design burdens related to verification–sources–criteria–assessment and managing students’ authorship, transparency, and responsible AI use. By classifying teacher–AI collaboration levels from unstructured experience data and comparing discourse structures across clusters, this study offers implications for teacher professional development and for designing instructional norms and assessment practices that support responsible use of generative AI in science education.

한국어

본 연구는 초등 과학 수업 과정에서 교사와 생성형 AI가 어떻게 협업하는지, 그 협업이 교실수업에 미치는 영향과 협업 과정에서의 어려움이 무엇인지를 경험 자료 를 통해 탐색하였다. B 광역시 소속 초등교사 20명을 대상으로 생성형 AI를 활용한 과학 수업 경험을 개방 형 서술형으로 수집하고, 대체–보완–증강(Replacement– Complementation–Augmentation, RCA) 연속체에 근거한 코딩 기준을 적용하여 교사–AI 협업 유형을 분류하였다. 대체 군집은 출연하지 않아 보완 군집과 증강 군집으로 군집화한 뒤, 각 군집의 ‘수업 효과/영향’ 및 ‘어려움’ 문장만을 추출하여 형태소 기반 토큰화, 공출현 관계에 기반한 워드 네트워크 구축, 중심도 분석, 워드 클러스터 시각화 및 의미 해석을 수행하였다. 분석 결과, 보완 13명, 증강 7명으로 분류되었다. 보완 군집에서는 ‘점검·확인· 통제·진단’ 등 수업 운영의 정확성과 효율을 강화하는 효과가 중심을 이루었으며, 언어·설명·수정 관련 클러스 터를 통해 과학적 의사소통 지원이 강조되었다. 반면 증강 군집에서는 ‘학생–수정–도움’ 중심축과 ‘피드백–확인–표 시’ 및 ‘보고서–토론–발표–비교’ 클러스터가 분화되어 나 타나, 검증과 근거 명시 규범이 수업 구조에 내장되고 학생 산출물의 생성–검토–수정 과정이 학습 활동의 핵심 으로 편입되는 경향이 확인되었다. 협업 과정의 어려움은 보완 군집에서 정확성 점검과 개인정보·보안, 도구 운영 (접속·진행) 등 관리 부담으로 나타난 반면, 증강 군집에서 는 검증–출처–기준–평가 및 학생 산출물의 주체성·투명 성 관리와 같은 규범적 설계 부담이 두드러졌다. 본 연구 는 비정형 경험 자료를 기반으로 교사–AI 협업 수준을 분류하고 군집 간 담화 구조의 차이를 제시함으로써, 과학 수업에서 책임 있는 AI 활용을 위한 교사 전문성 개발과 수업 규범·평가 설계의 방향을 제안한다.