AILit Framework (AI 리터러시 프레임워크)

 

AI 리터러시 프레임워크(AILit Framework) :

"AILit Framework"는 유럽 연합 집행위원회와 경제협력개발기구(OECD)의 공동 이니셔티브인 AI 리터러시 프레임워크의 검토 초안.
주요 목표는 AI 시대에 학습자를 역량 강화하기 위한 AI 리터러시 프레임워크를 제공하는 것.
이 초안은 교육자 및 이해관계자로부터 피드백을 받기 위한 것이며, PISA 2029 미디어 및 인공지능 리터러시 평가에 기여.

---

각 챕터 정리:

제1장: 서론 (Introduction)

이 장에서는 AI 리터러시의 정의와 필요성에 대해 설명하고 있습니다.

AI가 정보 접근, 소통, 의사결정에 점점 더 큰 영향을 미침에 따라, AI 리터러시는 일상생활을 탐색하고, 목적을 가지고 창조하며, 학습과 일의 미래를 준비하는 데 필수적입니다. AI 리터러시는 학습자와 교육자가 AI가 제시하는 위험과 기회를 이해하고 사용에 대해 의미 있고 윤리적인 결정을 내릴 수 있도록 준비시킵니다.

• AI 정의: 이 문서에서 AI는 "명시적 또는 묵시적 목표를 위해 수신된 입력으로부터 예측, 콘텐츠, 추천 또는 물리적/가상 환경에 영향을 미칠 수 있는 결정을 생성하는 방법을 추론하는 기계 기반 시스템"을 의미합니다.
• AI 리터러시 정의: AI 리터러시는 AI의 영향을 받는 세상에서 성공하는 데 필요한 기술적 지식, 내구성 있는 기술 및 미래 준비 태도를 나타냅니다. 이를 통해 학습자는 AI와 상호 작용하고, 창조하고, 관리하고, 설계할 수 있으며, 동시에 AI의 이점, 위험 및 윤리적 영향을 비판적으로 평가할 수 있습니다.
• 필요성: 오늘날 젊은이들은 이미 AI를 사용하며 실험하고 있으며, 가이드라인이 필요합니다. AI 리터러시는 AI 기술이 작동하는 방식과 책임감 있는 사용에 대한 명확한 이해를 제공하여 학습자가 안전하고 정보에 입각한 결정을 내릴 수 있도록 돕습니다. 또한, AI는 교육에서 학습 방식을 변화시키고 있으며, AI 리터러시를 교육 우선순위로 삼는 것은 학생들이 학업 생활에서 AI를 책임감 있게 평가, 질문 및 적용하고 교실 밖의 환경에서 성공할 수 있도록 보장합니다.
• 대상 독자: 이 프레임워크는 교사, 교육 리더, 교육 정책 입안자, 학습 설계자를 위해 설계되었습니다.
  
  

---

제2장: AILit 프레임워크의 기초 (Foundations of the AILit Framework)

이 장에서는 프레임워크 개발의 기반이 된 요소들을 상세히 설명합니다.

• 기존 프레임워크 기반 구축: AILit 프레임워크는 이전 디지털 역량 및 AI 리터러시 프레임워크에서 아이디어와 관행을 기반으로 구축되었습니다.
  • 유럽 연합 집행위원회의 디지털 역량 프레임워크(DigComp)는 역량 분류와 학습자 주체성 강조에 영향을 미쳤습니다.
  • UNESCO의 AI 역량 프레임워크는 전 세계적 관련성과 구현에 초점을 맞추는 데 영향을 주었습니다.
  • Digital Promise AI 리터러시 프레임워크는 상호 연결된 참여 모드를 통해 역량을 정의하는 기초를 제공했습니다.
  • AI4K12 5 Big Ideas in AI는 AI의 본질 및 데이터의 역할과 같은 기술적 측면에 영향을 주었습니다.
• 연구 과정 및 주제: 프레임워크 초안은 기존 프레임워크 검토, 교육과정 분석, 문헌 검토, 전문가 인터뷰, 포커스 그룹 등 다양한 연구를 통해 정보에 입각했습니다. 세 가지 핵심 주제가 도출되었습니다.
  • (주제 1) AI 및 기계 학습 작동 방식: 학습자는 AI의 기술적 기반(데이터, 확률, 입력에 의존)에 대한 강력한 이해를 개발해야 합니다. 이는 AI의 기능과 한계를 이해하고, 작동 방식과 사회적 영향 사이의 연관성을 파악하는 데 중요합니다.
  • (주제 2) AI 도구와의 성공적인 협력을 위해 강조해야 할 인간 기술: 메타인지, 비판적 사고, 소통, 질문, 관점 취하기, 계산적 사고 등 전통적인 학습 역량은 AI와의 상호 작용에서 여전히 중요하며 새로운 의미를 갖습니다. 
  • (주제 3) AI가 개인, 사회 및 환경에 미치는 영향: 학습자는 AI가 자신에게 미치는 영향과 미래를 어떻게 형성할지 비판적으로 생각해야 합니다. 윤리는 기술 개념의 보충물이 아닌, AI를 배우고 사용하는 것과 분리할 수 없는 부분으로 강조됩니다.
• AILit 프레임워크 개발 원칙:
  • 기초(Foundational): AI 리터러시 능력을 입증하는 데 필요한 핵심 역량 세트를 정의합니다.
  • 실용적(Practical): 다양한 교실 환경에서 AI 리터러시를 관리하고 달성 가능하게 만듭니다.
  • 융합적(Interdisciplinary): 다양한 과목 및 교육 환경에 AI 리터러시를 통합합니다.
  •  내구성(Durable): AI가 진화함에 따라 계속 관련성 있는 지식과 기술을 식별합니다.
  • 글로벌(Global): 전 세계 교육자, 연구자 및 AI 전문가의 통찰력을 통합합니다.
  • 설명적(Illustrative): AI 리터러시를 현실화하는 시나리오 및 예시를 포함합니다.
• 교사의 역할: 교사는 AI 개념을 구체적인 교실 실습에 통합함으로써 학습자의 AI 리터러시 개발에 핵심적인 역할을 합니다. AI 도구를 언제 도입하고, 이해를 어떻게 지원하며, 빠르게 변화하는 기술 환경에서 학습 평가가 무엇을 의미하는지에 대한 결정은 교육자에게 달려 있습니다. 교육자는 자신의 전문성을 사용하여 AI 사용에 대한 연령에 적합한 결정을 내립니다. 교육자는 자신들의 AI 역량 구축 및 효과적인 교수법 개발을 위한 맞춤형 지원이 필요합니다.
  
  

---

 

제3장: 프레임워크 구조 (Framework Structure)

이 장에서는 AILit 프레임워크의 주요 구성 요소와 구조를 설명합니다.

학습자 페르소나: Sofia (10세), Jun (13세), Omar (15세), Anika (18세)와 같은 페르소나는 학습자가 AI 리터러시 기술을 실제로 적용할 때 어떤 모습인지 보여주는 예시 역할을 합니다.

• AI 리터러시의 네 가지 영역: 프레임워크의 네 가지 영역은 학습자가 AI와 상호 작용하는 네 가지 방식을 나타냅니다. 이 영역들은 서로 다른 방식으로 AI와 참여, 생성, 관리 및 설계하는 활동을 포함합니다. 학습자는 단일 영역에서 완벽한 숙련도를 개발하지 않고도 여러 영역에서 능숙도를 쌓을 수 있습니다. 네 가지 영역은 총 22개의 역량을 포함합니다.
• 지식, 기술 및 태도: 프레임워크는 AI 리터러시를 구성하는 세 가지 상호 연결된 구성 요소로 지식, 기술 및 태도를 정의합니다.
  • 지식: 학습자가 AI 시스템을 적용하고 활용하는 데 필요한 기술적 및 사회적 이해를 포함한 개념적 지식에 중점을 둡니다. AI가 데이터를 처리하는 방식, 인간 사고와의 차이점, AI 시스템에서 편향이 발생하는 방식과 같은 개념이 포함됩니다.
  • 기술: 비판적 사고, 창의성, 계산적 사고와 같은 기본적인 능력이 AI 맥락에서 어떻게 적용되는지를 보여줍니다. 학습자가 AI를 효과적이고 윤리적으로 사용하는 데 도움이 됩니다.
  • 태도: AI와의 참여를 준비하는 마음가짐과 성향을 반영하며, AI가 자신과 타인에게 미치는 영향에 대한 인식을 포함합니다. AI 시스템 사용에 대한 호기심과 적응력, 출력물에 질문하는 준비성, AI 책임감 있는 사용에 대한 약속 등이 포함됩니다.
• 프레임워크에서의 윤리: 윤리적 원칙은 프레임워크의 지식, 기술 및 태도 전반에 걸쳐 나타나며 여러 역량에 반영됩니다. 예를 들어, "AI 출력물이 받아들여져야 하는지, 수정되어야 하는지, 또는 거부되어야 하는지 평가하기" 역량은 학습자에게 AI가 생성하는 콘텐츠의 위험(잘못된 정보 등)을 인식하고 비판적 사고를 적용하여 윤리적으로 사용해야 함을 요구합니다.
• 다른 주제 및 분야와의 관계: AILit 프레임워크는 윤리, 컴퓨터 과학, 미디어 및 디지털 리터러시, 데이터 과학, 디자인 사고 등 여러 주제 및 분야에서 발견되는 관련 지식, 기술 및 태도를 반영합니다. 이러한 융합적 연결은 AI 리터러시가 맥락에 걸쳐 AI의 역할을 탐색하고 형성하는 기초임을 강조합니다.
  
  

---

 

제4장: 지식, 기술 및 태도 (Knowledge, Skills, and Attitudes)

이 장에서는 AI 리터러시를 구성하는 지식, 기술 및 태도의 구체적인 내용과 설명을 제공합니다.

• 지식 (Knowledge): 학습자가 AI 시스템을 이해하고 상호 작용하는 데 필요한 기술적 및 사회적 이해를 나타냅니다.
  • AI의 본질 (The Nature of AI): AI 시스템은 데이터 처리, 패턴 감지, 출력 생성에 알고리즘과 통계적 추론을 사용합니다. 기계는 입력 정보에 반응하여 예측, 콘텐츠, 추천 등을 생성하는 방식을 추론하여 "학습"함. 생성형 AI는 확률을 사용하여 인간과 유사한 출력을 생성하지만 진정한 이해나 의도는 부족합니다. AI 시스템은 목적에 따라 다르게 작동합니다. (생성, 예측, 추천, 응답).
    • 설명: AI는 통계적 패턴을 식별하기 위해 방대한 데이터셋을 처리하며 지능적인 행동을 시뮬레이션합니다. 이러한 시스템은 이해, 인식 또는 의도 없이 작동하며, 이는 AI가 전지전능하거나 항상 정확하다는 오해를 불식시키는 데 중요합니다.
  • AI는 인간의 선택과 관점을 반영함 (AI Reflects Human Choices and Perspectives): AI 시스템 구축 및 유지보수는 인간의 알고리즘 설계, 데이터 수집 및 라벨링에 의존합니다. AI는 공개 정보, 사용자 생성 콘텐츠, 큐레이션된 데이터베이스 등 방대한 데이터셋으로 훈련되며, 사용자와의 상호 작용에서 새로운 데이터를 수집하며 실시간으로 영향을 받을 수 있습니다.
    
    인간이 선택, 분류, 우선순위를 정한 데이터 요소 간의 패턴을 식별하도록 훈련됨. AI 시스템에는 본질적으로 편향이 존재하며, 훈련 데이터나 알고리즘 설계에 내재된 사회적 편향을 반영할 수 있습니다.
    • 설명: AI는 중립적이지 않으며, 이를 구축하는 사람들의 결정에 의해 형성됩니다. 데이터의 편향은 유해한 영향을 초래할 수 있으며, 따라서 윤리, 알고리즘 공정성, 설명 가능성 등이 AI 리터러시에 필수적입니다.
      
      
  • AI는 일과 인간의 역할을 재형성함 (AI Reshapes Work and Human Roles): AI 시스템은 구조화된 작업을 자동화하고, 의사결정을 증강하며, 산업을 변화시켜 인간에게 적응, 재교육, 상향 훈련을 요구합니다.
    
    AI 통합은 개인에게 어떤 작업이 기계에 가장 적합하고 어떤 작업이 인간 개입이나 전문 지식을 필요로 하는지 결정하도록 요구하며, 분석 및 예측을 지원할 수 있지만, 인간의 판단과 윤리적 고려를 반영하는 결정은 인간의 책임입니다.
    • 설명: AI의 산업 전반 영향은 적응력과 평생 학습의 중요성을 강조합니다. AI는 효율성을 높일 수 있지만 항상 최선의 선택은 아니며, 인간은 AI 시스템을 효과적으로 관리하기 위해 AI의 기능과 자신의 전문성을 숙지해야 합니다. AI와 통합된 환경에서의 성공은 기술 활용 능력과 함께 인간적 판단을 활용하는 것을 포함합니다.
  • AI의 기능과 한계 (AI’s Capabilities and Limitations): AI는 패턴 인식과 자동화에 뛰어나지만 감정, 윤리적 추론, 맥락, 독창성은 부족합니다. AI는 상당한 양의 컴퓨팅 파워와 데이터를 요구하며, 이는 에너지 소비 및 탄소 배출 증가를 초래합니다.
    
    생성형 AI, 특히 LLM의 인간과 유사한 콘텐츠 생성 능력은 사실과 허구를 구별하기 어렵게 만들어 여전히 잘못된 정보, 딥페이크, 조작적 자료 생성 가능성이 있습니다.
    • 설명: AI는 실제 세계의 맥락, 인간 가치 및 행동에 대한 진정한 이해가 부족합니다. AI는 편향, 착각, 오용에 취약하며 방대하지만 유한한 자연 자원에 의존합니다. AI 리터러시는 AI가 인간의 필요를 공정하게 충족하도록 언제, 어디서, 어떻게 적용되어야 하는지에 대한 비판적 사고를 요구합니다.
  • AI의 사회적 역할 (AI’s Role in Society): AI는 채용 관행부터 의료, 형사 사법에 이르기까지 인간에게 영향을 미치는 의사결정에서 점점 더 중요해지고 있습니다.
    
    AI 시스템은 개인과 사회에 해보다 많은 이익을 보장하기 위해 이해, 감사, 규제가 필요하며, 생성형 AI는 훈련 데이터의 기존 자료를 기반으로 콘텐츠를 생성하지만, 이는 저작권 보호 작업도 포함하여 진정성, 저작권, 소유권에 대한 문제를 제기합니다.
    
    윤리적 AI 설계는 공정성, 투명성, 설명 가능성, 책임성, 개인 정보 존중, 법규 준수를 포함해야 합니다.
    • 설명: AI 시스템은 사회적 가치와 결정에 영향을 미칩니다. 세심한 감독 없이 AI 기반 의사결정은 편향을 증폭시키고 광범위한 해를 야기할 수 있습니다. 윤리적 AI 설계 원칙에 익숙해지는 것은 학습자가 AI 시스템이 어떻게 구축되고 배포되는지 비판적으로 평가하는 데 도움이 됩니다.
• 기술 (Skills): 기본적인 인간 능력이 AI 맥락에서 적용되는 방식을 보여주며, 학습자가 AI를 윤리적으로 사용하도록 안내합니다.
  • 비판적 사고 (Critical Thinking): AI 생성 콘텐츠의 정확성, 공정성, 편향을 평가하여 정보에 입각하고 윤리적인 결정을 내립니다. AI가 잘못된 정보나 편향된 콘텐츠를 생성할 수 있으므로, 학습자는 잠재적인 잘못된 정보를 식별하고 다른 정보 출처와 비교해야 합니다.
  • 창의성 (Creativity): AI와 협력하여 독창적인 아이디어를 생성하고 개선하며, 동시에 소유권, 출처 표기, 책임감 있는 사용 문제를 고려합니다. AI 시스템을 사용하여 예상치 못한 가능성을 탐색할 때, 학습자는 독창성, 소유권, 출처 표기, 저작권에 대한 AI의 영향을 고려해야 합니다.
  • 계산적 사고 (Computational Thinking): 문제를 분해하고 AI 시스템이 솔루션에 효과적으로 기여할 수 있도록 지침을 제공합니다. 복잡한 문제를 구조화된 구성 요소로 분해하고, AI 시스템이 효과적으로 처리할 수 있는 방식으로 목표와 제약 조건을 전달합니다 (예: 프롬프트 엔지니어링).
  • 자아 및 사회적 인식 (Self and Social Awareness): AI가 개인의 선택, 관계, 커뮤니티에 어떻게 영향을 미치는지 인식하고, 더 넓은 사회적 및 환경적 영향에 대해 성찰합니다. 일상생활에서 AI의 존재를 인식하고 디지털 및 물리적 세계에서 AI가 의사결정에 미치는 영향을 이해하는 것에서 시작합니다.
  • 협력 (Collaboration): 명확하게 소통하고, 피드백을 제공하며, 공유된 작업을 탐색함으로써 AI 및 인간과 효과적으로 협력합니다. AI 시스템과의 긍정적이고 생산적인 상호 작용에 의존하며, 이는 디지털 세계 내외부에서 피드백을 제공하고 도움을 요청하는 능력을 요구합니다.
  • 소통 (Communication): 투명성을 촉진하고, 의인화를 피하며, 책임감 있는 사용을 장려하는 방식으로 AI가 어떻게 사용되는지 설명합니다. AI가 어떻게 사용되는지, 그리고 콘텐츠를 형성하거나 다른 사람에게 영향을 미치는 결정에 어떻게 기여했는지 정확하게 설명하는 것을 포함합니다.
  • 문제 해결 (Problem Solving): AI의 기능, 위험 및 윤리적 함의를 평가하여 작업에 AI를 언제 어떻게 사용할지 결정합니다. 당면한 작업에 대한 사려 깊은 성찰과 AI의 기능이 작업의 기술적 및 윤리적 요구 사항을 충족하는지 철저히 고려하는 것으로 시작됩니다.
• 태도 (Attitudes): AI와의 참여를 위한 마음가짐과 성향을 반영하며, 기술적 기술뿐만 아니라 자신, 타인, 사회에 미치는 영향에 대한 인식을 포함합니다.
  • 책임감 있는 (Responsible): AI를 사용하는 방식에 대해 신중하게 생각하고 자신의 선택에 대해 책임감을 가집니다. 자신의 행동의 의도된 영향과 잠재적 의도치 않은 영향을 모두 고려하고 다른 사람에게 해를 입히는 것을 방지하기 위해 노력합니다.
  • 호기심 있는 (Curious): AI가 오늘날 무엇을 할 수 있고 미래에 어떻게 발전할 수 있는지 탐구하는 데 열심입니다. 학습이 지속적인 과정이라고 생각하고 실험을 즐깁니다.
  • 혁신적인 (Innovative): AI를 사용하여 실제 세계 문제를 해결하고 새로운 기회를 포용하고자 합니다. 실험하고, 다른 접근 방식을 시도하며, 문제를 해결하기 위해 창의적으로 생각합니다.
  • 적응력 있는 (Adaptable): AI와 함께 작업할 때 인내와 유연성을 보여줍니다. 다양한 아이디어, 관점, 접근 방식에 개방적입니다.
  • 공감적인 (Empathetic): AI가 개인, 커뮤니티 및 환경에 미치는 영향을 사려 깊게 조사합니다. AI 사용의 이점과 잠재적 위험을 모두 고려하며, 그 영향이 다른 그룹의 사람들에게 다를 수 있음을 이해합니다.

---

 

제5장: 역량 (Competences)

이 장에서는 프레임워크의 핵심인 22가지 역량을 상세히 설명합니다.

• 역량의 해부학: 각 역량은 기술적 지식, 내구성 있는 기술 및 미래 준비 태도를 반영하는 학습 기대치입니다. 각 역량은 교사의 지도 하에 교실에서 학습자가 해당 역량을 개발하는 방법을 보여주는 초등 및 중등 교육 시나리오와 함께 제공됩니다.
  
  
• 네 가지 AI 리터러시 영역별 역량:
  • AI와 상호 작용하기 (Engaging with AI): AI를 도구로 사용하여 새로운 콘텐츠, 정보, 추천에 접근하는 것을 포함합니다. AI의 존재를 인식하고, AI 출력의 정확성과 관련성을 평가하며, AI의 기술적 기반에 대한 기본적인 이해를 개발하는 것을 요구합니다. 이 영역에는 7가지 역량이 있습니다.
    • 예시 역량: 예측 AI 시스템이 관점을 알리고 제한할 수 있는 추천을 제공하는 방식 조사하기. AI 출력물이 받아들여져야 하는지, 수정되어야 하는지, 거부되어야 하는지 평가하기. AI의 역할과 영향을 다양한 맥락에서 인식하기. AI가 사회적 편향을 증폭하는 데 사용될 수 있는 방식 설명하기. AI 시스템이 에너지와 천연 자원을 소비하는 방식 설명하기. AI 시스템 사용이 윤리적 원칙 및 인간 가치와 얼마나 잘 부합하는지 분석하기. AI의 사회적 및 윤리적 영향을 기술적 기능 및 한계와 연결하기.
  • AI로 창조하기 (Creating with AI): 창의적 또는 문제 해결 과정에서 AI 시스템과 협력하는 것으로 구성됩니다. 프롬프트와 피드백을 통해 AI 출력을 안내하고 개선하며, 콘텐츠가 공정하고 적절한지 확인하는 것을 포함합니다. 콘텐츠 소유권, 출처 표기, 기존 자료의 책임감 있는 사용과 관련된 윤리적 고려도 포함됩니다. 이 영역에는 5가지 역량이 있습니다.
    • 예시 역량: 생성형 AI 시스템과 협력하여 피드백을 유도하고, 결과를 개선하며, 사고 과정을 성찰하기. 다양한 유형의 AI 시스템을 사용하여 아이디어를 시각화, 프로토타이핑 및 결합하기. AI 시스템을 사용하여 독창적인 아이디어를 바탕으로 새로운 관점과 접근 방식을 탐색하기. AI가 콘텐츠 진정성 및 지적 재산권을 보호하거나 침해할 수 있는 방식 분석하기. 인간적인 특성을 할당하지 않는 정확한 언어를 사용하여 AI 시스템이 작업을 수행하는 방식 설명하기.
  • AI 관리하기 (Managing AI): AI가 인간 작업을 어떻게 지원하고 향상시킬 수 있는지 의도적으로 선택하는 것을 요구합니다. 정보 조직화와 같은 구조화된 작업을 AI에 할당하여 인간이 창의성, 공감, 판단을 요구하는 영역에 집중할 수 있도록 합니다. 이 영역은 학습자가 AI가 자신에게 유용하도록 보장하고 그 사용이 윤리적이고 인간 중심적으로 유지되도록 돕습니다. 이 영역에는 5가지 역량이 있습니다.
    • 예시 역량: 과제의 성격에 따라 AI 시스템을 사용할지 결정하기. AI 시스템과 인간 모두의 기능과 한계를 기반으로 문제를 분해하기. 특정 지침, 적절한 맥락 및 평가 기준을 제공하여 생성형 AI 시스템을 지시하기. AI 시스템에 작업을 위임하여 인간 작업 흐름을 적절히 자동화하거나 증강하기. 인간 가치에 부합하고 공정성을 증진하며 투명성을 우선시하는 AI 시스템 사용 지침을 개발하고 소통하기. 
      
      
  •  AI 설계하기 (Designing AI): AI 시스템이 작동하는 방식을 형성함으로써 학습자가 AI의 사회적 및 윤리적 영향과 AI가 어떻게 작동하는지 이해하도록 역량을 부여합니다. 교육 맥락에서 실습 탐구를 통해 데이터, 디자인 선택 및 모델 행동이 AI 시스템의 공정성, 유용성 및 영향에 어떻게 영향을 미치는지 살펴봅니다. 목표는 상업용 제품 개발이 아니라, 어린 나이부터 AI 설계의 기본 원리를 이해함으로써 인간의 이익을 위해 AI를 형성하는 자신감과 역량을 구축하는 것입니다. 이 영역에는 5가지 역량이 있습니다.
    • 예시 역량: AI 모델 훈련에 사용될 수 있는 데이터를 관련성, 표현성, 잠재적 영향을 고려하여 수집 및 큐레이션하기. 인간이 만든 알고리즘을 따르는 AI 시스템과 데이터를 기반으로 예측하는 시스템의 기능과 한계를 비교하기. 지역 사회 문제에 대한 해결책을 지원하도록 AI 시스템을 설계하는 방식 설명하기. 정의된 기준, 예상 결과 및 사용자 피드백을 사용하여 AI 시스템을 평가하기. AI 모델의 목적, 의도된 사용자 및 그 한계를 설명하기.
      
      

---

 

제6장: 다음 단계는 무엇인가? (What’s Coming Next?)

이 장에서는 프레임워크 초안에 대한 피드백 수집 과정과 최종 프레임워크의 향후 출시에 대해 설명합니다. 공개 온라인 설문 조사, 포커스 그룹, 이해관계자 논의 등을 통해 피드백을 수집할 예정입니다. 프레임워크의 최종 버전은 국제적인 의견을 반영하여 2026년에 출시될 예정이며, 제한된 수의 AI 리터러시 예시와 함께 제공될 것입니다.

요약하자면,.

AILit 프레임워크는 AI가 지배하는 세상에서 학습자가 성공하는 데 필요한 지식, 기술 및 태도를 개발하는 것을 목표로 하며, Engaging, Creating, Managing, Designing의 네 가지 영역에서 22가지 핵심 역량을 정의합니다.

이는 기존 디지털 및 AI 리터러시 프레임워크를 기반으로 구축되었으며, 기술적 이해, 인간 기술, 윤리적 고려를 핵심 주제로 삼고 있습니다. 

 

 

* 위 내용은 ailiteracyframework.org의 'AILitFramework_ReviewDraft.pdf' 파일을 정리한 내용입니다.