대학 교양영어와 전공 영어(ESP)에 AI 말하기·쓰기 연습을 더하려면 강의계획서의 주차별 주제에 맞춰 수업 밖 연습을 정하고, 과제마다 AI 허용 범위를 밝혀요. AI 피드백은 연습에, 성적은 교수자가 확인하는 수업 중 평가에 둬요.
핵심 요약
- 대학 영어 수업에서 학생 한 명이 실제로 영어로 말하는 시간은 한 학기를 합쳐도 몇 시간 남짓이라, 말하기·쓰기 연습량은 수업 밖에서 채워야 해요.
- 수업 밖 AI 연습은 강의계획서의 주차별 주제에 맞추고, 다음 수업 활동(발표, 토론, 롤플레이)을 미리 해 보는 과제로 만들어요.
- 전공 영어(ESP)는 학생이 그 분야에서 실제로 영어를 쓰는 상황을 롤플레이로 만들어 반복하게 해요.
- 과제마다 AI 허용 수준을 정해 강의계획서에 적고, AI 피드백은 연습에, 성적은 교수자가 확인하는 수업 중 평가에 둬요.
- 첫 학기에는 시범 분반 1~2개로 운영해 참여율, 수업 중 수행, 교수자 업무량을 확인한 뒤 확대해요.
대학 영어 말하기 수업, 왜 수업 시간만으로는 부족할까요?
대학 영어 말하기 수업에서 수업 시간만으로 부족한 이유는 학생 한 명이 실제로 말하는 시간이 짧고, 말하기 유창성은 같은 과제를 반복하며 쌓이기 때문이에요. 단순하게 계산해 볼게요. 30명 분반에서 주 2회 수업마다 20분씩 짝 말하기를 하면 학생 한 명이 말하는 시간은 한 번에 10분 정도예요. 15주를 모두 합쳐도 5시간 안팎이고, 교수자가 그 시간에 직접 들어 줄 수 있는 짝은 몇 팀뿐이에요.
연구도 연습 시간이 더 필요하다고 말해요. 언어교육 연구자 폴 네이션(Paul Nation)은 2007년 논문 The Four Strands에서 잘 설계된 언어 과정은 의미 중심 입력, 의미 중심 출력, 언어 형태 학습, 유창성 개발의 네 영역에 시간을 거의 같게 나눠야 한다고 했어요. 말하기와 쓰기 같은 출력에만 전체 학습 시간의 4분의 1 정도를 배정해야 한다는 뜻이에요.
반복도 중요해요. de Jong & Perfetti(2011)에서 학습자 24명이 4분·3분·2분 말하기를 녹음했는데, 같은 주제를 세 번 반복한 학생만 사후 평가에서 유창성 향상이 유지됐어요. 표본이 작은 연구지만, 같은 과제를 여러 번 말해 볼 시간이 필요하다는 근거가 돼요. 참고로 EF EPI 2025에서 한국은 네 영역 중 말하기 점수(489)가 가장 낮았어요. EF 시험에 스스로 응시한 사람들의 결과라 대학생 전체를 대표하지는 않아요.
강의계획서에 맞춘 수업 밖 AI 연습은 어떻게 설계할까요?
수업 밖 AI 연습은 강의계획서의 주차별 주제에서 출발해, 다음 수업에서 할 활동을 미리 말해 보고 써 보는 과제로 설계해요. AI 말하기 연습은 학생이 AI를 대화 상대로 삼아 정해진 상황에서 영어로 말하고, 발음과 문장, 내용에 대한 피드백을 바로 받는 연습이에요. 설계할 때는 네 가지를 지켜요.
- 수업과 연결해요: 그 주에 배운 표현을 쓰는 상황으로 과제를 만들고, 다음 수업 활동의 리허설이 되게 해요.
- 같은 과제를 반복해요: 한 주제로 2~3번 말하게 하고, 회차마다 시간을 줄이거나 조건을 하나 더해요. 같은 이야기를 점점 짧은 시간 안에 세 번 하게 한 Arevart & Nation(1991)에서는 말하는 속도가 빨라지고 머뭇거림이 줄었어요.
- 짧고 자주 해요: 주 1~2회, 한 번에 15~20분 정도면 학생 부담이 적어요.
- 말한 것을 다시 보고 고쳐요: Lynch(2007)에서는 롤플레이 녹음을 학생이 직접 받아 적고 고친 반이 교사가 받아 적어 준 반보다 고친 표현의 정확도를 더 잘 유지하는 경향을 보였어요. AI 대화 기록에서 자기 문장 세 개를 골라 고쳐 쓰게 하면 이런 '다시 보고 고치기' 단계를 넣을 수 있어요.
AI 연습이 잘 맞는 건 혼자 반복해야 하는 리허설과 초안 수정이에요. 여러 사람이 주고받는 토론이나 즉석 질의응답은 수업에서 다루는 게 좋아요.
아래는 주 2회 수업하는 B1 안팎 교양영어 '발표와 토론' 과목을 가정한 15주 예시예요. 과목 목표에 맞게 주제만 바꿔 쓰세요.
| 주차 | 수업 활동 | 수업 밖 AI 연습 | 교수자가 확인할 것 |
|---|---|---|---|
| 1~2주 | AI 활용 방침 안내, 자기소개 | 1분 자기소개 2회(첫 녹음은 기준선) | 참여 여부, 기준선 기록 |
| 3~4주 | 의견 말하기, 근거 대기 | 같은 주제로 의견 말하기 3회, 회차마다 시간 줄이기 | 반복 완료, 자주 나온 오류 |
| 5~6주 | 단락 쓰기 | 초안 → AI 문장별 피드백 → 수정본 | 초안과 수정본 비교 |
| 7주 | 짧은 발표 준비 | 2분 발표 리허설 2회, 예상 질문에 답하기 | 발표 준비 상태 |
| 8주 | 중간 평가: 수업 중 발표와 질의응답 | 없음 | 루브릭 채점 |
| 9~10주 | 토론 표현, 반론하기 | 찬반 롤플레이(AI가 반대 입장) | 반론 표현 사용 |
| 11~12주 | 에세이 2단계 쓰기 | 초안 → AI 피드백 → 최종본과 수정 내역 | 수정 과정, AI 활용 기록 |
| 13~14주 | 팀 토론 준비 | 개인 발언 파트 반복, 질문 대응 연습 | 개인별 약한 항목 |
| 15주 | 기말 평가: 수업 중 토론과 구술 질의 | 1주차 과제 다시 하기 | 기준선 대비 변화 |
에이보랩스가 만든 AI 언어 학습 서비스 아보링고에서는 교수자가 강의 자료(PDF·이미지 업로드, 주제 입력, 유튜브 링크)로 대화, 역할극 시나리오, 쓰기, 어휘 과제를 만들 수 있어요. AI가 만든 초안은 교수자가 고치고 미리 본 뒤 배정해야 학생에게 보이고, 교수자는 무료로 시작할 수 있어요. 과제 운영 흐름은 AI 말하기·쓰기 숙제 운영 가이드에 따로 정리해 두었어요.
전공 영어(ESP)에서는 어떤 롤플레이를 만들까요?
전공 영어(ESP) 수업의 AI 연습은 학생이 그 분야에서 실제로 영어를 써야 하는 상황을 롤플레이로 만들어 반복하게 하는 방식이 잘 맞아요. ESP(English for Specific Purposes)는 문법 순서보다 학습자가 전공이나 직무에서 해야 할 과제에서 출발해 표현과 자료를 고르는 영어 교육이에요. Hutchinson & Waters(1987)는 목표 상황에서 해야 할 일과 그 지점까지 가는 데 필요한 학습을 함께 분석하라고 했어요.
분야별로 이런 상황을 만들 수 있어요. 수준과 세부 내용은 학과 교육과정에 맞춰 조정하세요.
| 분야 | 롤플레이 상황 | 학생 역할과 목표 | 꼭 쓸 표현 | 난도 올리기 |
|---|---|---|---|---|
| 간호·보건 | 입원 환자 문진 | 간호사: 증상, 병력, 알레르기 확인 | 통증 척도 질문, 확인 질문 | 환자가 불안해하며 같은 질문을 반복 |
| 간호·보건 | 근무 교대 인수인계 | 간호사: SBAR(상황·배경·평가·권고) 순서로 보고 | SBAR 표현, 활력징후 | 보고 중 의사가 추가 질문 |
| 공학 | 해외 협력사에 결함 보고 | 엔지니어: 문제, 원인 추정, 요청 사항 전달 | 사양, 재현 조건 | 협력사가 원인을 다르게 봄 |
| 경영 | 고객 미팅의 가격 이의 대응 | 영업 담당: 가치 설명, 대안 제시 | 계약 조건, 할인 표현 | 경쟁사 견적으로 압박 |
| 관광·호텔 | 예약 오류가 난 체크인 | 프런트 직원: 사과하고 대안 두 가지 제시 | 객실 유형, 보상 표현 | 늦은 밤, 만실 |
| 관광·항공 | 결항 후 재예약 안내 | 지상직 직원: 대체편과 시간 안내 | 경유, 탑승권 재발급 | 연결편을 놓칠까 걱정하는 승객 |
롤플레이 카드는 다음 일곱 줄로 만들면 학생과 AI 모두 같은 상황을 이해해요.
- 상황: 장소와 시점(예: 병동, 밤 근무 교대 직전)
- 학생 역할과 목표
- 상대 역할: 직업, 감정, 숨은 정보 하나
- 꼭 쓸 표현 3~5개
- 중간에 생길 문제 하나
- 성공 기준 2~3개(예: 이름과 날짜를 확인한다, 대안 두 가지를 제시한다)
- 시간 3~5분, 목표 수준(CEFR)
아보링고의 역할극 시나리오도 상황 설명과 과제, 막힐 때 보는 힌트, 끝난 뒤 핵심 표현 정리로 이어져요. Anthony(2025)는 AI를 ESP 교수자의 보조자로 두고 요구 분석 설문, 학습 목표 정리, 전문 분야 산출물 검토에 쓸 수 있다고 봤어요. 다만 AI가 만든 전공 상황과 용어는 틀릴 수 있으니, 배정 전에 전공 교수나 현장 경력자에게 확인받는 게 안전해요.
대학 교양영어 AI 활용 원칙은 어떻게 정할까요?
대학 교양영어의 AI 활용 원칙은 과제마다 AI를 어디까지 써도 되는지 정하고, 그 기준을 강의계획서에 적어 첫 수업에서 설명하는 데서 시작해요. 대학 차원의 지침이 아직 없는 곳도 많아요. 한국대학교육협의회가 2024년 6월 131개 대학을 조사했을 때 생성형 AI 가이드라인이 있는 대학은 30곳이었고, 77.1%는 구체적인 정책이나 지침이 없었어요(뉴시스, 2025년 11월 10일; 세계일보, 2025년 11월 12일).
학생들은 이미 AI를 쓰고 있어요. 같은 뉴시스 보도에 따르면 한국직업능력연구원의 2024년 조사에서 생성형 AI를 써 본 대학생 726명 중 91.7%가 과제나 프로젝트 자료 검색에 AI를 썼다고 답했어요. 그래서 쓸지 말지보다 어디까지 쓰게 할지를 과목 단위에서 먼저 정하는 게 현실적이에요.
지침을 만든 대학의 사례가 기준을 잡는 데 도움이 돼요.
- 고려대 학부대학(2025년 9월 12일): AI 활용 가이드라인은 교수자가 과목의 AI 방침을 정해 강의계획안에 적고 첫 수업에서 설명하도록 권해요. 초안, 피드백, 최종본으로 이어지는 과정 중심 평가와 AI 활용 보고서를 제안하고, AI 탐지 도구 결과를 성적이나 징계의 단독 근거로 쓰지 말라고 해요.
- 명지대(2026년 8월 제정): 교수자용 생성형 AI 활용 가이드라인은 과제별로 1단계 활용 금지, 2단계 조건부 허용, 3단계 적극 허용을 정하게 해요. 기초 외국어 능력처럼 학생 개인의 기초 역량을 직접 확인하는 과제는 1단계이고, 2단계에서는 AI 활용 범위, 주요 프롬프트, 검토·수정 내역을 밝히게 해요. AI가 대신하기 어려운 평가로 대면 발표와 구두 면담, 초안 뒤 AI 피드백을 반영한 최종본을 내는 2단계 평가를 들어요.
두 지침을 참고해 영어 수업용으로 바꾸면 강의계획서 문안을 이렇게 쓸 수 있어요.
| 과제 | AI 허용 수준 | 학생이 지킬 것 |
|---|---|---|
| 수업 밖 AI 말하기 연습 | 허용(AI가 연습 상대) | AI가 써 준 대본을 읽지 않고 직접 말하기 |
| 쓰기 초안과 수정 | 조건부 허용 | AI 피드백으로 고친 부분을 수정 내역에 적기 |
| 아이디어 구상, 자료 조사 | 조건부 허용 | 사용한 도구와 목적 밝히기, 사실 확인하기 |
| 수업 중 발표, 토론, 구술 질의 | 금지 | AI 도움 없이 직접 수행하기 |
AI 말하기 연습은 AI가 답을 대신 만드는 과제가 아니라 학생이 직접 말하는 연습이라는 점을 적어 두세요. 학교 지침이 이런 연습을 어느 단계로 보는지는 담당 부서에 확인하는 게 좋아요.
모든 과제에 공통으로 "AI 도구에 본인이나 다른 학생의 실명, 학번, 연락처를 입력하지 않는다"는 문장을 넣어 두세요. 고려대 가이드라인도 식별 가능한 개인정보와 평가 문항 같은 비공개 자료를 AI 도구에 넣지 않도록 해요.
AI 연습은 성적에 어떻게 반영할까요?
AI 연습은 '연습 참여'로, 영어 실력은 '교수자가 확인하는 수행 평가'로 나눠 성적에 반영하면 공정하고 학생에게 설명하기도 쉬워요. AI 점수를 그대로 성적에 넣으면 학생이 대본을 읽었는지, 과제가 수준에 맞았는지를 가려낼 수 없기 때문이에요.
| 구분 | 무엇을 보나요 | 누가 판단하나요 | 성적 반영 예시 |
|---|---|---|---|
| 연습 참여 | 기한 내 완료, 반복 횟수 | 완료 기록으로 확인 | 참여 점수 일부(예: 10%) |
| 형성 피드백 | 발음, 문장, 내용 피드백 | AI가 즉시 주고 교수자가 나중에 검토 | 반영하지 않고 다음 수업 지도에 활용 |
| 쓰기 2단계 과제 | 초안, 최종본, 수정 내역 | 교수자 | 과제 점수 |
| 말하기 수행 평가 | 수업 중 발표, 토론, 구술 질의 | 교수자(미리 공유한 루브릭) | 평가 점수 |
비율은 예시이니 학과의 학사 규정과 상대평가·절대평가 방식에 맞춰 정하세요. 평가 기준의 항목과 비중도 교수자가 강의 목표에 맞게 정해요. 말하기라면 언어 정확성, 의사소통 효과, 대화 흐름, 어휘 사용을, 전공 영어라면 '전공 용어를 정확하게 쓰는가'를 더할 수 있어요. 채점기준표를 만드는 방법은 영어 말하기 수행평가 채점기준표 양식과 예시에 정리해 두었어요.
아보링고에서는 교수자가 평가 항목과 비중을 정해 두면 새 과제에 기본값으로 들어가요. 학생은 제출하자마자 AI 피드백을 받아요. 쓰기는 문장별 피드백과 항목별 점수를, 어휘·문장 학습은 정확도·유창성·완성도 발음 점수를 받아요. 교수자가 피드백을 미리 승인하는 방식은 아니고, 결과를 나중에 검토해요. 학생별 진행 상황은 '학습 성취도'에서, 날짜별 진행은 '날짜별 숙제 현황'에서 보고, '숙제 보고서'는 Excel이나 CSV로 내려받을 수 있어요.
한 학기 도입 계획: 시범 분반에서 확대까지
대학 영어 수업에 AI 말하기·쓰기 연습을 들일 때는 한 학기 동안 시범 분반 1~2개에서 먼저 운영하고, 그 결과로 확대 여부를 정하는 방식이 부담이 적어요.
| 시기 | 할 일 | 확인할 것 |
|---|---|---|
| 개강 4주 전 | 시범 분반 정하기, 학교 AI·개인정보 지침과 도구의 처리방침 확인, 강의계획서에 AI 방침 넣기 | 학교 지침과 충돌이 없는지 |
| 1~2주 | 첫 수업에서 방침 설명, 연습 과제 하나로 사용법 익히기, 기준선 녹음 | 접속과 사용 문제 |
| 3~7주 | 주 1~2회 연습, 다음 수업 활동과 연결 | 주차별 완료율, 자주 나온 오류 |
| 8주 | 학생 설문(부담, 도움 정도), 교수자 업무 시간 점검 | 유지할 과제와 뺄 과제 |
| 9~14주 | 과제 조정, 2단계 쓰기와 발표 리허설 | 수업 중 수행 변화 |
| 15주 | 1주차 과제 다시 하기, 기말 수행 평가 | 기준선 대비 변화 |
| 학기 후 | 결과 정리, 공통 과제 목록과 공통 루브릭 만들기 | 다른 교수자가 그대로 쓸 수 있는지 |
기준선은 학기 초 실력을 남겨 두는 첫 녹음이에요. 15주에 같은 과제를 다시 해 비교해요. 시범 결과는 참여율, 수업 중 수행, 학생 반응, 교수자 업무량 네 가지로 정리하고, 통제된 실험이 아니므로 효과를 단정하기보다 운영 판단 자료로 써요.
여러 분반으로 넓힐 때는 공통 AI 방침, 공통 평가 기준, 주차별 과제 목록을 함께 쓰고, 담당자가 분반별 완료 현황을 같이 보면 분반 간 차이를 줄일 수 있어요. 어학교육원이나 교양교육 담당 부서라면 대학·목적별 영어교육에서 운영 방식을 보고, 시범 운영은 문의하기로 상담할 수 있어요.
자주 묻는 질문
교양영어에서 AI 사용을 허용해야 하나요?
과제마다 다르게 정하는 게 좋아요. 기초 외국어 능력을 직접 확인하는 평가는 금지, 쓰기 초안처럼 과정이 보이는 과제는 조건부 허용, AI를 상대로 한 말하기 연습은 허용하는 식이에요. 명지대 지침의 과제별 3단계 구분이 참고가 돼요.
AI가 매긴 점수를 성적에 그대로 넣어도 되나요?
권하지 않아요. AI 점수는 연습 참여와 형성 피드백 자료로 쓰고, 성적에 들어가는 실력 평가는 수업 중 발표나 구술 질의, 초안과 최종본 비교처럼 교수자가 직접 확인하는 방식으로 하세요.
수강생이 많은 분반에서 말하기 과제를 어떻게 확인하나요?
모든 녹음을 듣기보다 완료 기록으로 참여를 확인하고, AI 피드백에서 반 전체에 자주 나온 오류를 골라 다음 수업에서 다뤄요. 개인 확인은 수업 중 1~2분 구술 질의를 돌아가며 하거나, 매주 몇 명씩 골라 들어 보는 방식이 현실적이에요.
강의 자료나 학생 정보를 AI 도구에 넣어도 되나요?
학생 실명, 학번, 연락처 같은 식별 정보와 평가 문항은 넣지 않는 게 원칙이에요. 강의 자료를 올리기 전에는 학교 지침, 도구의 개인정보 처리방침, 자료의 저작권을 확인하세요.
전공 영어(ESP) 수업에도 쓸 수 있나요?
네. 학생이 전공에서 영어를 쓰게 될 상황을 롤플레이로 만들고, 전공 용어는 어휘 과제로 따로 익히게 하면 돼요. AI가 만든 전공 상황과 용어는 배정 전에 전공 교수나 현장 경력자가 확인하는 게 좋아요.
참고 자료
- Nation, P. (2007). The Four Strands. Innovation in Language Learning and Teaching 1(1)
- de Jong, N. & Perfetti, C. A. (2011). Fluency Training in the ESL Classroom. Language Learning 61(2)
- Arevart, S. & Nation, P. (1991). Fluency Improvement in a Second Language. RELC Journal 22(1)
- Lynch, T. (2007). Learning from the transcripts of an oral communication task. ELT Journal 61(4)
- Hutchinson, T. & Waters, A. (1987). English for Specific Purposes. Cambridge University Press
- Anthony, L. (2025). AI-Assisted ESP Course Design and Implementation. ASp 88
- EF EPI 2025 대한민국 결과(EF 코리아)
- 뉴시스(2025년 11월 10일), 대학생 10명 중 9명 'AI'로 공부…'활용 윤리' 도마에
- 세계일보 사설(2025년 11월 12일), AI 집단커닝 속출 충격, 가이드라인 마련 시급하다
- 고려대학교 학부대학 원격교육센터(2025년 9월 12일), AI 활용 가이드라인(PDF)
- 명지대학교, 생성형 AI 활용 가이드라인(교수자용, 2026년 8월 제정)
아보링고 팀이 작성했어요. 자료 조사와 초안 작성에 AI를 활용했고, 참고한 자료는 본문에 링크로 달았어요.
전체 글 보기