인공지능 - 해석력 - AI 리터러시와 AI 디바이드(AI Divide)

feat. ChatGPT 5 

 

AI 리터러시(AI Literacy)

• 정의(요지): 개인이 AI를 이해·활용·비판·협업하고, 사회적·윤리적 함의를 성찰하며 책임 있게 의사결정에 통합하는 종합 역량. 대표적으로 개념·데이터/모델의 한계·편향과 위험 인식·프롬프트/평가 능력·설명 요구·거버넌스 이해 등이 포함됩니다. Long & Magerko(2020)는 구체 역량 프레임과 학습 설계 고려사항을 최초로 체계화했습니다. ACM Digital Library
• 정책/교육 프레임워크: 유네스코는 학생용·교원용 AI 역량 프레임워크를 발표해 기초(개념·윤리)→활용(수업 통합)→창의/참여(공동 창작·책임 있는 사용) 단계로 정렬된 성취기준을 제시합니다. 유네스코+1unesdoc.unesco.org
• 측정/평가: 최근에는 AI 리터러시 측정도구의 체계적 검토(신뢰도·타당도 비교)와 간이형 척도(예: MAILS)의 추가 검증 연구가 잇따르고 있습니다. 실무에서는 “사실 확인 능력, 한계·편향 인식, 프롬프트 설계, 결과 해석/근거 제시” 등을 다차원 지표로 삼는 추세입니다. NatureScienceDirect

AI 디바이드(AI Divide)

• 개념: 전통적 디지털 격차가 AI 접근·활용·혜택의 격차로 진화한 것. 하위 범주로 ① 접근 격차(모델·API·컴퓨트·데이터 접근), ② 역량 격차(AI 리터러시·제도적 지원), ③ 알고리즘 격차(알고리즘 이해/영향의 불균형), ④ 데이터 격차(고품질 데이터의 편중), ⑤ 연구·투자 집중 등으로 나뉩니다. 유네스코Stanford HAI
• 최근 동향과 근거
  • 연구·투자/컴퓨트 집중: 글로벌 AI 투자·모델·컴퓨트 자원이 소수 국가·기업에 집중되는 경향이 강화되며, 실사용·혁신 격차를 키웁니다(Stanford HAI AI Index 2024/2025). Hai ProductionStanford HAI
  • 알고리즘/인지 격차: 집단 간 알고리즘 지식 수준 차이와 노출 차이가 새로운 디바이드를 만들고 있음이 보고됩니다. Frontiers
  • 데이터 격차: 생성형 AI가 데이터 접근을 돕기도 하지만, 공개·품질·거버넌스 격차가 여전해 데이터 디바이드가 성과 격차로 이어질 수 있음. The ODIThe ODI
  • 국내·지역 격차의 실증: 생성형 AI 인지도·사용이 지역·소득에 따라 크게 다르다는 최근 실증 연구가 등장했습니다. arXiv
  • 정책적 대응: OECD/UNESCO는 교육·기술·윤리·인프라 정책을 통합해 AI 리터러시 확산과 접근성 보장을 권고합니다. OECD+2OECD+2

논문·보고서 리스트(핵심 요지 포함, 연도순)

1. Long & Magerko (2020). What is AI Literacy? Competencies and Design Considerations. CHI.
   AI 리터러시의 정의·핵심 역량·교육 설계 원리를 체계화한 기초 연구. ACM Digital Libraryaiunplugged.lmc.gatech.edu
2. UNESCO (2024–2025). AI Competency Frameworks for Students and for Teachers.
   학습자/교원을 위한 단계형 역량 프레임과 성취기준 제시(정책·교육 현장 적용 가이드). 유네스코unesdoc.unesco.org
3. npj Science of Learning (2024). A systematic review of AI literacy scales.
   AI 리터러시 측정도구의 신뢰도·타당도 비교 및 선택 기준 제안. Nature
4. MAILS 검증 연구(2024). Meta AI Literacy Scale: Further validation… (Heliyon).
   단문형 AI 리터러시 척도에 대한 추가 타당화·축약 검증. ScienceDirect
5. Frontiers in Communication (2024). Artificial intelligence and the dawn of an algorithmic divide.
   집단 간 알고리즘 지식·이해의 격차가 새로운 사회·정보 격차를 유발함을 실증 분석. Frontiers
6. ODI(2024). Democratising access to data: Bridging the data divide with generative AI models.
   생성형 AI가 데이터 공개·활용의 장벽을 낮출 가능성과 한계를 분석. PDF 원문 제공. The ODIThe ODI
7. arXiv(2024). The Emerging Generative AI Divide in the United States.
   생성형 AI의 인지도·사용에서의 지역·사회경제적 격차를 실증적으로 제시. arXiv
8. Stanford HAI (2024/2025). AI Index Report.
   연구·투자·컴퓨트 집중과 국가/산업 간 격차 추세를 데이터로 시각화. Hai ProductionStanford HAI
9. OECD(2024). Education Policy Outlook 2024; OECD AI·교육/역량 페이지.
   교원 역량 및 AI 시대 교육정책 로드맵—AI 리터러시 확산의 정책 방향. OECD+2OECD+2
10. Law & Policy(2020s). The Algorithmic Divide and Equality in the Age of AI.
    알고리즘 접근·영향의 불평등과 법·정책적 시사점. scholarship.law.ufl.edu

(확인필요)

 

https://www.ntoday.co.kr/news/articleView.html?idxno=118113