이 문서는 워싱턴대학교 연구진의 논문 《Teacher-Authored Prompts for Configuring Student-AI Dialogue: K-12 Classroom Implementation》(Liu, Sun, Esbenshade 외, 2026)를 바탕으로, 학습용 AI 챗봇을 직접 설계하는 교사를 위해 핵심을 뽑아 정리한 자료입니다. 개발(코딩·인프라) 이야기는 빼고, "챗봇에게 무엇을 어떻게 시킬 것인가"에 집중했습니다. 1. 이 연구 한눈에 보기 가. 무엇을 연구했나 한 마디로, 교사가 직접 프롬프트를 써서 학생–AI 대화를 설계하면 실제 교실에서 어떤 일이 벌어지는가를 데이터로 추적한 연구입니다. 연구진이 사용한 시스템(TASD, "교실 보조 교사")에서 교사는 두 가지를 작성합니다.

• 교사→AI 설정 프롬프트(학생에게는 보이지 않는 층): AI의 역할, 다룰 주제, 안내 방식, 지켜야 할 제약을 지정
• 학생용 시작 문구: 학생이 처음 보는, 활동을 여는 안내

여기서 중요한 관점은 AI를 "알아서 가르치는 자율 튜터"가 아니라, 교사가 판을 짜고 조율하는 세 번째 행위자로 본다는 점입니다. AI의 성능 자체보다, 교사가 그 AI를 얼마나 잘 "설정"하느냐가 학습의 질을 좌우한다고 보는 것이죠. 나. 어떤 규모로 했나

• 시기·장소: 2025년 봄, 미국 워싱턴주 (4개 공립 학군 + 1개 사립학교)
• 참여: 교사 20명 중 16명이 실제로 수업에 적용
• 범위: 39개 교실 · 77개 활동 · 학생 878명
• 데이터: 학생–AI 대화 1,479건, 메시지 36,162개, 그리고 교사 심층 인터뷰 10건
• 과목 분포: 국어(ELA) 48%로 최다, 과학 20%, 세계언어 12% 순 (수학·STEM은 수식·그림을 채팅에 넣기 어려워 상대적으로 저조)

다. 핵심 발견 5가지 ① 학생을 주제 안에 붙잡아 두는 건 잘 됐다. 전체 대화의 71%가 완전히 주제에 집중했고, 크게 벗어난 경우는 1%도 안 됐습니다. "AI 주면 애들이 딴짓한다"는 걱정은, 교실 루틴 안에서 목적이 분명한 프롬프트로 감싸면 상당 부분 해결됐어요. ② 하지만 "사고의 깊이"는 저절로 따라오지 않았다. 교사가 목표한 사고 수준(DOK)에 학생이 도달하지 못한 경우가 38%. 특히 높은 수준(DOK 3, 전략적 사고)을 목표로 하면 거의 절반(46%)이 미달했습니다. 목표를 높게 잡을수록 격차가 더 벌어졌어요. 이걸 연구진은 '설계–실행 격차(design-enactment gap)'라고 부릅니다. ③ "완료 기준(finish line)"을 명시하면 사고 수준이 올라갔다. "이걸 하면 끝"이라는 명확한 끝점을 프롬프트에 넣은 경우, 사고 수준 격차가 유의하게 줄었습니다(0.22 수준 감소, 통계적으로 매우 유의미). 학생이 "무엇을 하면 완성인지" 알 때 더 깊이 파고들었다는 뜻입니다. ④ "직접 답 주지 마" 한 줄이 실제로 AI 행동을 바꿨다. 이 가드레일을 프롬프트에 넣자 AI의 직접 답변율이 16.2% → 7.7%로 절반 아래로 떨어졌습니다. 흥미롭게도, 시스템에 이미 비슷한 규칙이 깔려 있어도 교사가 한 번 더 써주면 추가 효과가 있었어요. ⑤ 학생이 답을 조르면 AI가 흔들렸다. 하지만 대체로 버텼다. 학생이 대놓고 "그냥 답 알려줘"라고 압박하면 AI의 직접 답변율이 12.5% → 26.1%로 뛰었습니다. 그래도 대부분의 경우엔 안내형 태도를 유지했고, 명백한 규칙 위반은 0건이었습니다. 2. 학습 챗봇을 설계할 때: 고려사항과 전략 가. 설계할 때 명심할 것(마인드셋 7) 1) 주제 이탈보다 "얕은 사고"가 진짜 적이다. 학생을 주제 안에 두는 건 생각보다 쉽습니다. 어려운 건 겉핥기를 막는 것. 온토픽이지만 사고는 얕은 대화가 흔했어요. 설계 에너지를 "딴짓 방지"보다 "깊이 유도"에 더 쓰세요. 2) "프롬프트에 썼다 = 실현됐다"가 아니다. "분석하게 해줘"라고 적어도 그대로 되지 않습니다. 프롬프트는 방향을 가리키는 신호일 뿐, 결과를 보장하는 장치가 아니에요. 목표를 높게 잡을수록 이 간극은 더 벌어집니다. 3) 학생은 반드시 지름길을 시도한다. 미리 대비하라. "그냥 답 줘", "대신 써줘", 통째로 복붙 — 이건 예외가 아니라 기본값입니다. 이 상황들을 예상 시나리오로 놓고, 답을 요구받았을 때 어떻게 되받아 유도할지를 프롬프트에 미리 심어두세요. 4) 장황함 + "다음에 뭘 할지 없음"이 이탈을 만든다. 교사들이 가장 많이 지적한 이탈 원인입니다. AI가 질문만 계속 던지고 학생이 당장 실행할 다음 한 걸음을 못 받으면 좌절하고 떠났어요. 질문형 안내는 좋지만, 항상 "그래서 지금은 이걸 해봐" 같은 실행 지시가 붙어야 합니다. 5) 참여는 'all-or-nothing'으로 갈린다. 어떤 학생은 깊게 몰입하고, 어떤 학생은 최소한만 하거나 아예 빠집니다. 이 격차를 실제로 줄인 요인이 명확한 완료 기준이었어요. 설계로 손댈 수 있는 지점입니다. 6) 단발 세션에는 천장이 있다. 여러 자료를 종합하거나 장기 프로젝트를 요하는 최고 수준 사고(DOK 4)는 채팅 한 세션으로 거의 불가능했습니다(실사용 0건). 한 번의 대화에 무리한 깊이를 욕심내지 말고, 깊은 사고는 여러 차시나 오프라인 활동과 이어 붙이세요. 7) "출구(closure)"를 설계에 포함하라. 대화를 다시 교실 토론·모둠 활동으로 되돌리는 마무리가 없으면, 학습 가치가 학생마다 들쭉날쭉해지고 교사가 관리하기도 어려워졌습니다. 챗봇이 끝나는 지점 = 다음 활동으로 넘기는 지점으로 설계하세요. 나. 실제로 쓸 수 있는 전략(검증된 순서) ① 완료선(finish line)을 반드시 명시: 가장 강력하게 검증된 레버 예: "증거에 기반한 토론 논점을 2개 만들면 대화를 마칩니다." 학생과 AI 둘 다에게 "완성의 모습"을 그려주세요. 사고 수준 격차를 유의하게 줄인 유일한 설계 요소였습니다. ② 자연어 가드레일 한 줄: 가성비 최고 예: "학생에게 최종 답을 직접 주지 마세요. 스스로 도달하도록 도우세요." 정답 제공률을 절반 아래로 떨어뜨렸습니다. 시스템에 규칙이 있어도 중복해서 넣는 걸 두려워하지 마세요. ③ 과제를 구체적으로: 산출물·단계·성공 기준 명확히 막연한 열린 탐색보다 경계가 분명한 과제가 훨씬 잘 작동했습니다. 무엇을, 어떤 단계로, 어떻게 되면 잘한 것인지를 적어주세요. ④ 스캐폴딩 방식 지정 단, 과하게 넣지 말 것 효과가 확인된 순서: 단계적 안내 → 소크라테스식 질문 → 시도 먼저 요구 → 힌트 먼저. 실제 교사들은 대개 1~2개만 골라 썼습니다. 다 넣기보다 과제에 맞는 것 몇 개만. ⑤ 인지부하 제약: 특히 다국어 학습자·저학년 예: "한 번에 한 문장으로", "질문은 한 번에 하나만", "쉬운 어휘로", "문장 시작 틀 제공". 이런 제약이 참여를 지탱했습니다. ⑥ AI 역할 명시: 튜터 / 코치 / 동료 안 정하면 시스템 기본값으로 흘러갑니다. 특히 AI를 권위자가 아닌 "동료(peer)"로 세팅해 협력자처럼 두는 시도도 유효했어요. ⑦ 인식론적 프레이밍은 '세트로'만: "근거를 사용해", "대안을 비교해", "주장을 정당화해" 같은 요구는 좋지만, 이것만으로 사고 수준이 저절로 오르진 않았습니다. 반드시 위의 ④·⑤(실행 지원)와 함께 쓰세요. 핵심 한 줄: 경계를 명확히 하되(완료선·가드레일·구체적 과제), AI가 학생에게 항상 실행 가능한 다음 한 걸음을 주도록 설계하라. 3. 바로 쓰는 자료: 프롬프트·루브릭·템플릿(번역) 논문에 실린 실제 도구들을 한국어 맥락에 맞게 옮기고 다듬었습니다. 그대로 복사해 쓰거나, 자신의 프롬프트를 점검하는 기준으로 활용하세요. 가. 교사 프롬프트 설계 스키마 (원문 Table 1) 챗봇 설정 프롬프트를 쓸 때 아래 다섯 칸을 채운다고 생각하면 됩니다. ① AI 역할 — 태도와 관계를 정한다 "코치처럼 행동하세요. 최종 답은 주지 말고, 학생이 소리 내어 생각하도록 도우세요." ② 담화 방식 — 상호작용의 질을 만든다 "한 번에 질문 하나씩 하세요. 학생에게 근거를 대게 하고, 힌트는 학생이 먼저 시도한 뒤에만 주세요." ③ 제약 — 속도와 부담을 조절한다 "답변은 1~2문장으로 유지하세요. 쉬운 어휘를 쓰고, 필요하면 문장 시작 틀을 제공하세요." ④ 근거와 엄밀성 — 사고의 질을 높인다 "학생이 어떤 주장을 하면, 본문에서 근거를 찾거나 풀이 과정을 보여달라고 요청하세요." ⑤ 완료선 — 언제 끝나는지 정한다 "학생이 근거를 갖춘 토론 논점을 2개 만들어내면 대화를 마치세요." 나. 사고 수준(DOK) 정의와 예시(원문 Table 2) DOK(Depth of Knowledge)는 과제가 요구하는 사고의 깊이를 4단계로 나눈 틀입니다. 챗봇에게 어느 수준을 목표로 하는지를 정할 때 기준으로 삼으세요. DOK 1 (회상) — 사실·정의·단순 절차를 떠올리기 예: 어휘 정의하기, 단계 나열하기 DOK 2 (기능·개념) — 단순 암기를 넘어선 사고 처리 예: 비교·대조하기, 요약하기, 이유 설명하기 DOK 3 (전략적 사고) — 추론·계획·근거가 필요 예: 글쓴이의 주장 분석하기, 실험 설계하기 DOK 4 (확장적 사고) — 시간을 두고 여러 자료를 종합하는 복합 사고 예: 조사해서 종합하기, 독창적 해결책 만들기 현실 조언: 채팅 한 세션에는 DOK 2~3이 현실적인 목표입니다. DOK 4는 여러 차시·프로젝트와 연결해야 실현됩니다. 다. 내 프롬프트 자가진단 체크리스트(코딩 루브릭 기반) 연구진이 교사 프롬프트를 분석할 때 쓴 항목들입니다. 자신의 챗봇 프롬프트를 점검하는 체크리스트로 바꿔 담았어요. 1) 과제와 완료선 과제가 구체적인가? (막연한 목표 / 대략적 과제 / 명확한 산출물·단계·성공 기준) 완료 기준이 명시돼 있는가? ("~를 만들면 끝", "~하면 마치세요") 2) 스캐폴딩 방식(해당하는 것 표시) 소크라테스식 질문: 답 대신 생각을 파고드는 질문을 하게 했는가 단계적 안내: 여러 단계로 나눠 순차적으로 진행하게 했는가 힌트 먼저: 전체 설명 전에 힌트부터 주게 했는가 시도 먼저: 학생이 먼저 시도한 뒤 도와주게 했는가 완성본 금지: 완성된 답·결과물을 대신 써주지 못하게 했는가 3) 인식론적 프레이밍 (해당하는 것 표시) 이유·근거 설명하게 하기 근거·출처 인용하게 하기 대안 비교·평가하게 하기 주장 정당화(주장+뒷받침)하게 하기 4) 제약 조건 (해당하는 것 표시) 짧은 답변 (1~2문장, 간결하게) 한 번에 질문 하나 정해진 형식 (불릿, 표, 단계, 주장-근거 틀 등) 언어 수준 (읽기 수준, 연령 적합 어휘, 다국어 학습자 지원) 5) 역할과 어조 AI 역할 지정: 튜터 / 코치 / 면접관 / 동료 / 비평가 / 진행자 중 무엇인가 어조 지정: 지지적 / 중립적 / 엄격 / 유쾌 중 무엇인가 6) 안전·윤리 가드레일 (해당하는 것 표시) 직접 답 금지 학문적 정직성 문구 (표절·베끼기 금지) 개인정보·안전 규칙 존중하는 언어·태도 7) 목표 사고 수준 이 과제의 목표 DOK는 몇 단계인가? (1 / 2 / 3 / 4) 라. 바로 참고할 활용 유형 9가지(원문 U1~U9) 파일럿에서 교사들이 실제로 만든 챗봇 유형입니다. "이런 걸 만들어볼까?" 아이디어 뱅크로 쓰세요. U1. 토론 준비 & 텍스트 이해(국어·사회) 공유한 글에서 주제 찾기, 어휘 지원, 근거 기반 추론을 도와 전체 토론을 준비. "토론 전에 근거를 갖춘 아이디어 2~3개 만들기" 같은 완료선 포함. U2. 다국어 학습자 미세 스캐폴드 & 접근성 제약 "한 문장으로 답하기 / 한 번에 질문 하나" + 쉬운 언어. 부담을 낮춘 저부담 확인, 이해 점검, 안내된 성찰용. U3. 사회정서학습(SEL)·교실 루틴 체크인·감사·목표 설정 같은 짧고 부담 없는 대화. 월요일 체크인, 금요일 성찰 등 도입 활동으로. 간결함과 심리적 안전이 핵심. U4. 명확한 기준이 있는 형성 연습(숙달 지향) 목표 기능(예: 인과 추론)에 대해 성취 기준을 만족할 때까지 반복 연습. 정식 평가는 아니지만 숙달 틀과 잦은 점검 활용. U5. 메타인지 코칭 & 학습 전략 대화 학습 전략을 학생이 설명하게 하기(예: 왜 필기가 기억에 도움 되는지). 학생이 대화를 주도하고 AI는 간결하게. 자기조절 학습 유도. U6. 프로젝트 관리 & 책임감 지원 "한 번에 질문 하나"로 과제를 잘게 쪼개 진행 계획·자기평가·협업 성찰을 도움. 압도감은 줄이되 학생이 주도권을 유지. U7. 배경지식·스키마 쌓기(어려운 텍스트 대비) 글이 학생 읽기 수준보다 어려울 때, 읽기 전에 배경지식과 어휘를 먼저 쌓아 이해와 참여를 지원. U8. 문해 하위 기능: 형태소 분석·어휘 분류 음소·형태소 분해, 어휘 범주별 묶기 등을 오류 교정·재시도와 함께. 정답 기준이 분명한, 촘촘하게 제약된 상호작용. U9. 역할극 시뮬레이션 & 동아리·진로(CTE) 준비 모의 면접, 대회 준비, 비즈니스 컨설턴트 시나리오 등 역할 기반 튜터. 탐색·시나리오·퀴즈 모드로 실전 연습. 4. 마무리 이 연구가 우리에게 주는 메시지는 분명합니다. 교사는 이미 과제를 명확히 만들고 높은 사고를 목표로 삼는 능력은 충분히 갖추고 있습니다(전체의 92%가 DOK 2~3을 겨냥). 부족한 건 그 목표를 AI 대화 안에서 끝까지 지속시키는 과정 설계예요. 그 간극을 메우는 가장 확실한 도구가 이 문서에서 반복된 세 가지입니다. 완료선을 명시하라 — 학생이 "완성의 모습"을 알게 가드레일을 자연어로 한 줄 넣어라 — "직접 답 금지"만으로도 행동이 바뀐다 AI가 항상 실행 가능한 다음 한 걸음을 주게 하라 — 질문만 던지고 끝내지 않게 AI를 교사의 대체물이 아니라, 교사가 판을 짜고 조율하는 확장 도구로 볼 때, 학습용 챗봇은 비로소 교실에서 살아남고 제 몫을 합니다. 출처: Alex Liu, Min Sun, Lief Esbenshade, Victor Tian, Zachary Zhang, Kevin He (2026). "Teacher-Authored Prompts for Configuring Student-AI Dialogue: K-12 Classroom Implementation." arXiv:2604.16738v1. 원문 및 부록: https://osf.io/fdx8y/