인간의 지능을 학습하여 컴퓨터나 기계가 그 능력을 수행할 수 있도록 만드는 기술을 의미하는 인공지능(artificial intelligence, AI)은 머신 러닝(machine learning)과 딥 러닝(deep learning)을 거쳐 생성형 AI (generative AI)에 이르기까지 급속도로 발전하였다[1]. 생성형 AI란 이용자의 특정 요구에 따라 결과를 생성해내는 인공지능을 의미한다[1]. 생성형 AI를 통해 간단한 텍스트 명령문만을 활용하여 ChatGPT (OpenAI, San Francisco, CA, USA)로 에세이를 작성하고, Midjourney (Midjourney, San Francisco, CA, USA)로 그림을 그리며, MusicLM (Google, Mountain View, CA, USA)으로 작곡을 하는 등 새로운 콘텐츠 개발이 가능해졌다[2]. 특히, 2022년 11월 등장한 ChatGPT는 온라인 서비스 중 최단 기간인 5일만에 1백만 사용자수를 돌파하는 등 선풍적인 관심을 이끌며, 생성형 AI의 시대를 개막하였다[3].

생성형 AI는 일상 대화는 물론 산업, 금융, 의료, 교육, 엔터테인먼트까지 다방면에서 적용되고 있다[1]. 생성형 AI의 발전이 인간의 노동력을 보완하여 삶을 더 생산적이고, 창의적으로 변화시킬 것이라는 긍정적인 전망과 함께, 일각에서는 AI가 생성하는 정보의 부정확성과 편향성, 악의적 사용 등으로 인해 사회에 위험이 될 수 있다는 우려가 제기된다[2]. 즉, AI 모델로서의 본질적인 한계로 인해 거짓 정보를 그럴 듯하게 답변하는 환각(hallucination) 현상과, 학습된 데이터에 따른 정치적 편향성, 사이버 보안 문제가 주요한 쟁점으로 부각되고 있다[4]. 생성형 AI가 실시간으로 고도화되는 상황에서, 이러한 기술이 사회 각 분야에 파급할 효과를 예측하고, 적절한 활용 방안을 강구하며, 명확한 지침을 확립하는 등 제반 사항에 대한 논의가 시급히 이루어져야 한다.

생성형 AI를 교육에 도입하는 것에 대해서는 찬반 논쟁이 지속되고 있다. 교육에 적극 적용해야 한다는 입장에서는 생성형 AI를 개인 튜터로 활용하여 학습자의 관심 주제와 학습 수준 및 목표에 맞는 학습 자료를 개발하고, 맞춤 교육을 제공함으로써 학업 능률을 높이며, 교육 시스템의 불평등을 해결할 수 있을 것으로 기대한다[2]. 반면, 생성형 AI가 비판적 사고 능력 및 창의력을 잠식한다는 비판 또한 제기되고 있다[2]. 실제 학생들의 부정행위가 급증하면서, 뉴욕시에서는 학문적 정직성을 위해 ChatGPT 사용을 전면 중단하기도 하였다[5]. 이로 인해 ChatGPT로 생성한 자료를 판별할 수 있는 탐지기가 배포되기도 하였으나, 그 결과가 부정확하여 완벽한 감별은 어려운 실정이다. 따라서, 생성형 AI와 관련하여 교육적 환경에 적합한 활용 방안과 규범 및 지침을 마련하는 것이 보다 현실적이고 발전적인 대안이 될 것이다.

이렇듯, 급변하는 기술 발전에 부응하여 간호 교육의 발전 방향을 모색해야 한다. 간호 교육은 이론적 지식과 술기의 습득과 더불어 다양하고, 복잡한 간호 상황에서의 문제 해결 능력 향상을 목표로 한다[6]. 임상 실습은 이론 교육에서 학습한 내용을 통합하고, 적용할 기회를 제공하며, 임상 현장 적응 능력을 배양하는 필수적인 과정이다[7]. 그러나 최근 환자 안전과 고객 중심 의료 서비스에 대한 요구 증가로 인해 임상 실습이 매우 제한된 범위 내에서만 허용되고 있다[8]. 이러한 맥락에서 학생들이 임상과 유사한 실제적인 사례를 경험하도록 하여, 간호 상황에 대한 이해를 높이고, 지식과 문제 해결 능력을 증진하는 사례 기반 학습(case-based learning)은 이론과 실무의 연계가 필수적인 간호학에서 유용한 교육 방법이다[9].

특히, 사례 기반의 시뮬레이션 학습은 간호학생의 환자 사정 기술을 개선하고, 임상 실무에 대비하도록 도와 임상 실습의 제한을 보완하는 효과적 전략이다[10]. 전통적인 간호 교육에서는 실재감 있는 학습을 위해 표준화 환자(standardized patient)를 활용하였으나 양질의 표준화 환자 양성에 많은 시간과 비용이 소요되는 등의 단점이 지적되었다[11]. 가상 환자(virtual patient)는 의학 지식과 기술을 학습하며, 임상적 추론과 문제 해결 능력을 향상하는 비용효과적인 대안으로 주목받고 있다[12]. 생성형 AI는 무한한 사례를 개발하고, 가상 환자와의 대화형 상호작용을 통해 간호 과정을 연습할 기회를 제공함으로써 의료 교육의 효과를 개선할 것으로 기대된다[2].

이렇듯, 생성형 AI는 안전한 가상의 환경에서 실제 간호 상황을 반영한 가상의 사례를 개발하고, 가상 환자의 역할을 수행하는 데에 최적화된 도구로써 사례 기반 교육의 효과를 극대화할 것으로 생각된다. 따라서, 본 연구에서는 생성형 AI를 활용한 사례 기반 간호 교육 프로그램을 개발하고, 간호 교육에서 생성형 AI의 적용 방안과 전략을 도출하고자 한다.

본 연구의 목적은 생성형 AI를 활용한 사례 기반 간호 교육 프로그램을 개발하고, 개발된 프로그램의 사용성과 간호학 교육에서의 적용 가능성을 평가하는 것이다.

본 연구는 생성형 AI를 활용하여 사례 기반 간호 교육 프로그램을 개발하고, 전문가 집단에서 개발된 프로그램의 사용성과 간호학 교육에서의 적용 가능성을 평가하는 연구이다.

본 연구는 교수 체제 개발에서 가장 널리 활용되는 ADDIE 모형에 근거하여[13], 분석(analysis), 설계(design), 개발(development), 실행(implementation), 평가(evaluation)의 5단계로 진행하였다.

본 연구에서는 추후 개발된 프로그램을 활용하여 간호대학생들이 자유롭게 학습할 수 있도록 대중적이면서도 무료로 사용 가능한 ChatGPT를 학습 도구로 선정하였다. ChatGPT는 사람들이 사용하는 언어를 학습하여 실제 인간과 유사한 문장을 생성하는 대규모 언어 모델 기반의 대화형 AI이다[18]. ChatGPT는 AI가 생성한 결과물의 오류를 사용자가 평가하는 인간 피드백 기반 강화 학습(reinforcement learning from human feedback)을 적용하여 기존 AI에서의 데이터 편향성과 부정확성 오류를 크게 감소시켰다[18]. 특히, 사람이 읽을 수 있는 텍스트 형태의 프롬프트 기반 학습(prompt-based learning)을 통해 다양한 기능을 수행하므로[4] 본 연구에 매우 적합한 학습 도구라고 판단하였다.

ChatGPT는 주로 영어 데이터를 학습하였기 때문에 한글 사용 시 답변 출력이 빈약하고 느리다는 단점이 있다. 대학의 영어수업에서 학생의 영어 능력에 따른 학업적 자기효능감, 수업 만족도, 학업 성취의 차이가 보고되어[19], 어학 능력 편차로 인한 교육 격차를 해소하기 위해 ChatGPT 내에서 신속한 한영 자동 번역 기능을 제공하는 확장 프로그램인 프롬프트 지니(Promptgenie, Seoul, Korea)를 결합하였다. 즉, 학생들이 작성한 한글 텍스트를 영어로 번역하여 ChatGPT에 입력하고, 생성된 결과물은 다시 한글로 번역하여 제시함으로써 한글로 학습을 진행할 수 있도록 설계하였다.

실제 임상 현장에서 접할 수 있는 간호 사례를 활용한 사례 기반 학습은 간호대학생의 문제 해결 능력과 자기주도학습 능력, 학업적 자기효능감을 증진시키는 간호 교육 방법이다[6]. 특히, 코로나바이러스감염증-19로 인하여 임상 실습이 제한되고, 다양한 임상 사례를 접하기 어려워지면서, 간호 교육에서 사례 기반 학습의 중요성이 더욱 강조되고 있다[20]. 효과적인 사례 기반 학습을 위해서는 양질의 사례 개발뿐만 아니라 사례와 관련한 기본적인 지식의 전달과 학습 평가 및 피드백 등을 학습에 함께 설계해야 한다[21]. 따라서, 본 연구는 Kolb [14]의 경험학습이론에 근거하여 사례 기반 간호 교육을 위한 유기적인 학습 프로그램 모듈을 개발하는 것을 목표로 하였다.

Kolb [14]의 경험학습이론을 토대로 이론의 각 단계에 대응하여 사례 기반 간호 교육 프로그램 학습 모듈을 구성하였다(Table 1).

구체적 경험은 실제 경험을 통해 새로운 상황을 직접 체험하는 단계이다. 이 단계에서는 가상 환자 정보와 사례를 제시하고, 환자-간호사 역할극 방식으로 간호 과정 시뮬레이션을 수행하도록 설계하였다. 반성적 관찰 단계에서는 다양한 관점에서 경험을 관찰하고, 분석할 수 있도록 앞선 시뮬레이션 내용에 대한 평가와 반성적 성찰을 촉진하는 질문 및 피드백을 제공하는 것을 목표로 하였다. 추상적 개념화는 경험을 이론과 개념으로 해석하고, 이를 통해 새로운 아이디어를 형성하는 단계이다. 이 단계에서는 해당 사례의 환자 간호에 필요한 학습 자료를 제공하고, 학습 내용을 평가하도록 구성하였다. 마지막으로 능동적 실험은 이전 단계에서 도출한 결론을 새로운 경험에 적용하는 단계로, 기존에 학습한 것과 유사한 환자 사례를 제시하여 시뮬레이션을 수행하도록 설계하였다.

경험학습이론의 네 단계가 서로 순환하며 학습이 이루어지고, 효과적인 학습을 위해서는 모든 단계를 완료해야 한다[14]. 그러나 Kolb [14]는 개인에 따라 선호하는 학습 단계가 다양하며, 어떤 단계에서도 학습은 시작될 수 있다고 설명하였다. 본 연구에서는 이론적 기틀에 근거하여 학습 단계의 순서를 별도로 지정하지 않고, 학습자의 요구와 선호에 따라 학습을 진행할 수 있도록 하였다.

설계 단계에서 구성한 사례 기반 간호 교육 프로그램의 학습 모듈을 구현하기 위하여 학습자와 AI의 작업 목록을 구체화하고, AI 프롬프트를 개발하였다. 경험학습이론의 구체적 경험 단계와 능동적 실험 단계에서 필요로 하는 학습 내용이 동일하기 때문에, 본 연구에서 AI 프롬프트는 크게 (1) 가상 환자 사례 개발, (2) 환자-간호사 역할극 시뮬레이션, (3) 시뮬레이션 평가, (4) 반성적 성찰, (5) 학습 자료 제공, (6) 학습 평가로 분류되었다. AI 프롬프트에 사례를 변경하여 입력하는 방식으로 테스트를 수행하여 의도한 결과물이 생성되는지를 확인하고, 수정하는 작업을 반복함으로써 프로그램을 개발하였다. 특히, 프롬프트의 번역 과정에서 오류가 발생하는 부분을 파악하여 수정하는 등 언어적 문제를 예방하기 위해 주의를 기울였다.

ChatGPT에서 생성된 결과물이 간호 교육에 적절한지 확인하며, 프롬프트를 개선하기 위한 목적으로 연구자의 임상 경험과 관련된 사례를 테스트에 활용하였다. 실제 적용된 사례로는 ‘유방암 수술 후 림프부종’, ‘위암 수술 후 덤핑증후군’, ‘위암 수술 후 급성 출혈’, ‘항암 치료 중 위장관계 부작용’ 등이 있다.

프로그램 실행 및 평가를 위해 풍부한 간호 교육 경험을 지닌 간호학 교수 5인으로 전문가 집단을 구성하였다. 전문가의 연령은 46세부터 56세(중앙값 52세)였으며, 교육 경력은 최단 5년부터 최장 20년(중앙값 10년)이었다. 전문가 5인 중 3인은 ChatGPT를 사용한 경험이 전무하였고, 2인은 드물게 사용하여 전반적인 활용 정도는 낮은 수준이었다. 전문가들은 안내문에 포함된 프로그램 운영 방법과 시연 예시 및 AI 프롬프트를 참조하여 자유롭게 프로그램을 시범 운영하였다(Appendix 1). 프로그램 개발 당시, (2) 환자-간호사 역할극 시뮬레이션 모듈에서는 응답 사이의 시간 간격이 길거나 갑작스럽게 화제 전환이 되는 경우 ChatGPT가 역할극을 중단하는 사례가 발생하였다. 이를 대비하여 예상되는 오류에 대한 설명과 함께 오류 발생 시의 대처 방법(“환자 역할로 역할극을 계속 진행해줘”라는 프롬프트 추가 입력 또는 재실행)을 매뉴얼에 포함하였다.

전문가 자문 결과, 개발된 프로그램의 사용성 환산 점수는 100점 만점에 최소 75점부터 최대 90점까지 평균 83.00±5.97점이었으며, Brooke [16]의 사용성 평가 기준인 68점 이상을 만족하여 사용 가능한 수준으로 판단되었다. 이 중 7번 문항 “많은 사람들이 이 프로그램의 사용법을 빠르게 익힐 것이라고 생각한다.”의 평균 점수는 4.80±0.45점으로 가장 높게 나타났다. 반면에, 역코딩 문항인 10번 문항 “프로그램을 계속 사용하기 위해서 많은 것들을 배워야 한다고 생각한다.”의 경우, “그렇지 않다”고 응답한 전문가가 3명, “보통이다” 1명, “그렇다” 1명으로 평가 결과가 다양하게 나타났다. 프로그램 학습 만족도는 5점 만점에 4.40±0.24점으로 모든 문항의 평균 점수는 4.00점 이상이었으며, “프로그램이 학습 동기 및 흥미를 유발하도록 구성되어 있다”는 2번 문항의 평균 점수(4.80±0.45점)가 가장 높았다.

전문가들은 프로그램 모듈 구성이 사례 기반 간호 교육에 적합하며, 생성형 AI를 통해 여러 사례가 다양하게 제시되어 변화가 많은 임상 간호 실무에 적용하기 유용하다고 응답하였다. 또한, 이전에 ChatGPT를 사용한 경험이 비교적 적었음에도 불구하고, 확장 프로그램 설치와 프로그램 실행에 큰 어려움이 없었다고 평가하였다. ChatGPT가 생성한 결과물은 연구자가 제공한 시연 예시와 유사하며, 의도한 학습 목적과 일치한다고 답변하였다. 다만, (2) 환자-간호사 역할극 시뮬레이션 모듈 진행 중 ChatGPT가 “저는 AI 언어 모델로서 신체적 불편함을 느끼거나 수술을 받을 능력이 없습니다.”와 같은 부적절한 답을 생성하여, 전문가 2인이 상호작용에서 어려움을 경험한 것으로 확인되었다.

전문가들은 “환자의 상태에 대한 구체적 수치의 자료가 제시되고 있으며, 사례도 구체적이다”, “역할극의 대답 내용이 의학적 상황에 적절하며, 교육 자료, 문제 생성 등에서 정확한 자료를 만들어냈다”고 답변하며, 프로그램 결과물이 의학적 사실에 부합한다고 평가하였다. 그러나 결과물에 참고문헌이 제시되지 않아 학습 내용의 정확성을 신중히 고려해야 한다는 지적이 있었다. 전문가들은 개발된 프로그램을 시뮬레이션 사례 생성, 흐름도 작성, 수행 및 피드백, 학습 자료 제공, 평가 등 간호 교육에 활용할 의향이 있다고 답변하였으며, 학생들에게 다양한 경험과 자기주도적 학습의 기회를 제공할 것이라고 기대하였다. 특히, 최근 가상 현실에서 진행하는 실습 모듈보다 더 쉽게 교육에 접목할 수 있으며, 비용이 적게 소요되고, 학생들에게 실질적 도움이 되는 활용도 높은 프로그램이라고 평가하였다. 이 외에도 학생들이 생성형 AI가 개발한 학습 자료의 근거를 찾고, 진위를 검토하는 과정을 통해 추가적인 학습을 촉진하는 교육 방법을 제안하였다.