본 연구는 인공지능(AI) 기반 챗봇 유형이 학습 단계에 따라 학습 만족도, 학습 성과, 인지부하에 어떤 영향을 미치는지 규명하고자 한다. 이를 위해 LLM(Large Language Model) 챗봇과 RAG(Retrieval-Augmented Generation) 챗봇 유형과 학습 단계 간 상호작용 효과를 분석하고, 외재적․생성적 인지 부하의 매개효과를 검증하였다. 실험은 서울 소재 H 대학교의 교과목 4개를 대상으로 진행되었다. 학습자는 Bloom의 교육목표 분류 체계에 기반한 Lower-order thinking 과제와 Higher-order thinking 과제를 순차적으로 수행하였고, 각 단계에서 학습 만족도, 학습 성과, 외재적․생성적 인지 부하를 측정하였다. 분석 결과, Lower-order thinking 단계에서는 RAG 챗봇이, Higher-order thinking 단계에서는 LLM 챗봇이 높은 학습 만족도와 성과를 보였다. 인지 부하의 경우, Lower-order thinking 단계에서 LLM 챗봇이 더 높은 외재적 인지 부하를 유발하고, RAG 챗봇은 생성적 인지 부하를 더 촉진하였다. 반면 Higher-order thinking 단계에서는 두 챗봇의 인지 부하가 상반된 방향으로 변화하였다. 매개효과 분석에서는 외재적 인지 부하만이 챗봇 유형과 학습 결과 간 관계를 유의하게 매개하는 것으로 확인되었다. 본 연구는 AI 챗봇의 유형과 학습 단계의 적합성이 학습 효과를 좌우하는 핵심 요인임을 제시하며, AI 기반 학습 설계의 전략적 방향을 제안한다.
Hwang et al. (Sat,) studied this question.