MEDIA -------- EDUCATION DIARY

이슈 리포트

생성형 AI 시대, 미디어 리터러시에서 AI 리터러시로

PART 01

이슈 리포트

생성형 AI 시대, 미디어 리터러시에서 AI 리터러시로

이 쪽은 글자로 옮기지 못했습니다. 이북에서 보기

리터러시 개념의 흐름: 메시지에서 시스템으로

•

미디어 리터러시는 대중매체가 일상과 정치, 문화의 의미 형성에 깊이 개입하던 시기에 제도화 되었다. 매스터먼은 미디어교육을 학교 교육과정 ------ 리터러시는 단순한 읽기와 쓰기 능력이 아 에서 다뤄야 할 비판적 읽기 교육으로 제시했고 니다. 한 사회의 구성원이 지배적인 정보 환경을 이 (Masterman, 1985), 켈너와 셰어는 보호주의를 PART. 01 해하고, 그 환경 속에서 의미를 해석하며, 자기 목 넘어 권력과 재현을 분석하는 비판적 미디어 리터러 소리로 참여하는 능력이다. 1992년 미디어 리터러 시를 강조했다(Kellner & Share, 2007). 이 관점 시 전국 지도자 회의는 미디어 리터러시를 특정 목 에서 학생은 ‘보호받아야 할 수용자’가 아니라 ‘비 적을 위해 정보에 접근하고, 분석·평가·생산하는 능 판적으로 해석하고 표현하는 시민’으로 이해된다. 력으로 정의했는데, 이는 이러한 맥락과 맞닿아 있 다(Aufderheide & Firestone, 1993). 길스터는

디지털 리터러시는 여기에 네트워크 환경에서 디지털 리터러시를 컴퓨터 조작법보다 다양한 출처 의 판단 능력을 더했다. 길스터가 강조한 것은 컴퓨 의 정보를 이해하고 활용하는 사고력으로 설명했다 터 조작법이 아니라, 여러 출처의 정보를 모아 지식 (Gilster, 1997). 생성형 AI 시대의 리터러시는 이러 을 구성하는 사고력이다(Gilster, 1997). 이후 유럽 한 전통 위에서 다시 확장되고 있다.

연합의 DigComp 2.2는 정보·데이터, 의사소통과 협업, 콘텐츠 창작, 안전, 문제 해결을 디지털 역량의 AI 리터러시는 미디어 리터러시를 대체하지 않 주요 영역으로 제시했다(Vuorikari et al., 2022). 는다. 다만 미디어 리터러시가 다뤄 온 접근, 분석, 이 단계에서 리터러시는 텍스트 한 편을 비판적으로 평가, 표현, 성찰의 토대 위에 데이터·알고리즘·자동 읽는 능력에서 분산된 정보망을 탐색하고 참여하는

제는 새로운 이름을 붙이는 데 있는 것이 아니라, 누 적된 리터러시의 층위를 교육 현장에서 어떻게 통합 할 것인가에 있다.

[표1] 리터러시 개념의 역사적 확장

국면

미디어 리터러시

디지털 리터러시

AI 리터러시

생성형 AI 리터러시

화·책임 있는 활용이라는 층위를 덧붙인다. 결국 문 능력으로까지 확장되었다.

핵심 질문

이 메시지는 누가, 어떤 의도로 만들었는가

분산된 정보망에서 어떻게 판단하고 참여할 것인가

AI 시스템은 어떻게 판단하고 어디에서 한계를 갖는가

AI가 만든 결과물을 어떻게 검증하고 책임 있게 활용할 것인가

교육의 초점

재현, 이데올로기, 출처와 신뢰도 분석

검색, 비교, 협업, 안전, 문제 해결

AI 식별·이해, 데이터와 알고리즘, 편향, 설명 가능성, 윤리

합성 콘텐츠 검증, 프롬프트, 공개, 저작권, 인간–AI 협업

출처: 주요 문헌(Aufderheide & Firestone, 1993; Gilster, 1997; Long & Magerko, 2020; Ng et al., 2021; Yan et al., 2025; 황현정 & 황용석, 2023)을 토대로 필자 정리.

AI 리터러시는 다시 한 번 시야를 확장한다. 정보 검증 행동과 프라이버시 보호 행동에 연결된다 롱과 매저코는 AI 리터러시를 AI를 비판적으로 평 고 보았다. 따라서 교육은 학생에게 ‘AI가 답했다’가 가하고, AI와 소통하며, AI를 도구로 활용하는 역량 아니라, ‘어떤 근거로 맞다고 판단할 수 있는가’를 묻 응 등은 AI 리터러시를 이해, 활용, 평가·창조, 윤리 의 축으로 정리했다(Ng et al., 2021). 국내 논의에

의 집합으로 설명했다(Long & Magerko, 2020). 게 해야 한다. 둘째는 프롬프트 리터러시다. 프롬프트 교육 서는 황현정과 황용석(2023)의 개념틀이 이러한 확 은 단순히 명령어를 예쁘게 쓰는 훈련으로 끝나서는 장을 설명하는 데 유용하다. 이들은 AI 리터러시를 안 된다. 좋은 프롬프트는 원하는 형식의 결과를 얻 AI 식별·이해, AI 활용·분석·창조, AI 이용 윤리성· 는 데 도움이 되지만, 그 결과가 곧 진실이라는 뜻은 비판적 평가로 구분해 지식·기술·태도의 세 차원으 아니다. 학생은 질문을 세분화하고, 조건을 명확히 로 구조화했다(황현정 & 황용석, 2023). 핵심 변화 제시하며, 산출물을 다시 질문하고, AI가 빠뜨린 전 는 메시지 비판이 시스템 비판으로, 정보 해석이 데 제와 편향을 점검하는 과정을 배워야 한다. 프롬프 이터·모델·자동화에 대한 해석으로 확장된 데 있다.

AI 리터러시가 더하는 네 가지 과제 •

al., 2025).

트는 ‘잘 쓰는 기술’인 동시에, ‘결과를 의심하고 다 시 묻는 절차’다(Long & Magerko, 2020; Yan et

셋째는 데이터와 권리 판단이다. 생성형 AI ------ 첫째는 생성물 검증 능력이다. 생성형 AI는 에는 이름, 사진, 연락처, 성적, 가족관계 같은 민 그럴듯한 문장과 이미지를 빠르게 만들어 낸다. 바 감한 정보를 쉽게 입력해서는 안 된다. 또 AI가 만로이점 때문에 이용자는 결과물의 유창함을 사실 든 글과 이미지라 해도 학습 데이터, 저작권, 초상 성으로 오해하기 쉽다. Yan et al. (2025)은 생성형 권, 인격권의 문제가 사라지는 것은 아니다. 「생성 AI 리터러시의 핵심 차원을 인식, 사용, 평가, 윤리· 형 인공지능 서비스 이용자 보호 가이드라인」은 이 위험으로 구분하고, 특히 평가와 윤리·위험 차원이 용자 인격권, 입력 데이터 관리, 생성 콘텐츠의 건

[표2] 미디어 리터러시와 AI 리터러시의 관계 공통 기반

접근

분석

평가

표현

성찰

AI 환경에서 추가되는 역량

AI 식별·이해: AI 도구의 기능과 한계 파악

AI 분석: 모델·데이터·알고리즘의 작동 조건 이해

AI 비판적 평가: 합성콘텐츠의 사실성·출처·위험 점검

AI 활용·창조: 프롬프트 작성과 결과물 재구성

AI 이용 윤리성: 공개, 책임, 개인정보 보호 판단

교육 활동 예시

같은 질문을 여러 AI 도구에 입력하고 차이를 비교하기

AI 답변에서 전제, 생략, 편향 찾기

AI 생성 뉴스의 근거를 원자료와 대조하기

AI 초안을 학생 자신의 논거로 다시 쓰기

과제 제출 때 AI 활용 범위와 검증 과정을 밝히기

출처: 주요 문헌(Aufderheide & Firestone, 1993; Long & Magerko, 2020; Ng et al., 2021; UNESCO, 2024a; 황현정 & 황용석, 2023; 황현정 et al., 2024)을 토대로 필자 정리.

전한 유통, 문제 해결 책임을 주요 실행 방식으로 제 시했다(방송통신위원회, 2025). 이는 AI 리터러시가

•

교육 접근방식의 전환: 보호가 아니라 판단

단순한 활용 능력이 아니라 권리와 책임을 판단하는 ------ 미디어교육은 오랫동안 보호주의와 비판적 시민적 역량임을 보여 준다.

시민성 사이에서 움직여 왔다. 초기 보호주의는 학 생을 위험한 미디어로부터 지켜야 할 대상으로 보 넷째는 인간–AI 협업의 설계 능력이다. 모든 았다. 그러나 켈너와 셰어가 말한 비판적 미디어 리 과제를 AI에 맡길 수 없고, 모든 AI 활용을 금지할 터러시는 다른 길을 제시했다. 학생은 미디어에 휘 수도 없다. 중요한 것은 어떤 단계에서 AI를 도구로 둘리는 피해자가 아니라, 미디어 권력과 재현 방식 활용하고, 어떤 단계의 판단은 인간이 직접 해야 하 을 분석하고 사회적 의미 생산에 참여하는 시민이다 는지를 구분하는 일이다. UNESCO의 학생·교사 AI (Kellner & Share, 2007). 이 관점은 프레이리의 역량 프레임워크도 학생을 책임 있는 이용자이자 공 비판적 교육학이 말한 문제 제기식 교육과도 맞닿아

육 주체로 설정한다(UNESCO, 2024a, 2024b). 자 료 탐색, 초안 구성, 대안 제시는 AI가 도울 수 있다.

동 창작자로, 교사를 AI 사용과 오용을 판단하는 교 있다(Freire, 1970).

생성형 AI 교육에서도 같은 원칙이 필요하다. 그러나 문제 설정, 가치 판단, 최종 검증, 책임 있는 AI를 무조건 금지하는 수업은 현실을 따라가지 못한 공개는 인간 학습자가 맡아야 한다.

다. 반대로 AI를 생산성 도구로만 가르치는 수업은

더 큰 문제를 만든다. AI 리터러시 교육은 보호주의 를 사용한 사실을 어떻게 밝힐 것인가”, “어떤 판단 와 도구주의를 넘어, 이해·판단·책임을 함께 다루는 은 인간이 끝까지 책임져야 하는가”를 함께 물어야 혼합형 접근이어야 한다. 황현정 et al. (2024)의 측 한다. 미디어교육이 오랫동안 길러 온 질문하는 시민 정 도구 연구가 AI 식별, AI 이해, AI 사용, AI 응용, 의 전통은 생성형 AI 시대에 더 절실해졌다. 새 기술 AI 창조의 다섯 요인을 확인한 것도, AI 리터러시가 이 요구하는 것은 더 빠른 도구 사용법이 아니라 더

수 있음을 보여 준다.

한국의 정책도 이 방향으로 움직이고 있다. 2022 개정 교육과정 이후 디지털 기초 소양이 강조 되었고, 2025년 「모두를 위한 디지털 역량 교육 추 진 방안」은 초등학교와 중학교의 정보 교육 시수를 종전보다 두 배 늘리겠다고 밝혔다(교육부, 2025a). 2025년 말 교육부와 시도교육청이 마련한 수행평 가 시 AI 활용 관리 방안은 2026학년도부터 AI 활 용 범위 설정, 활용 과정 표기, 개인정보 보호를 평 가 관리 원칙에 포함했다(교육부, 2025b). OECD도 PISA 2029의 혁신 영역을 미디어·인공지능 리터러 시로 설정해 디지털·AI 환경에서의 비판적 참여를 국 제 비교 평가의 대상으로 삼고 있다(OECD, 2026).

AI와 미디어라는 용어보다 중요한 것

•

------ 생성형 AI 시대의 미디어교육은 ‘미디어 리 터러시냐, AI 리터러시냐’라는 선택의 문제가 아니 다. 미디어 리터러시가 닦아 온 비판적 해석, 디지털 리터러시가 강조한 정보 판단과 참여, AI 리터러시가 요구하는 시스템 이해와 윤리, 생성형 AI 리터러시 가 새롭게 제기한 검증과 책임은 서로를 대체하지 않 는다. 미디어·정보·디지털 리터러시가 상호 중첩되는 역량군이라는 논의도 이러한 누적적 이해를 뒷받침 한다(Koltay, 2011). 이들은 하나의 시민 역량 안에 층층이 축적된다.

따라서 교육의 핵심 질문도 바뀌어야 한다. 학 생에게 “AI를 사용할 수 있는가”만 물어서는 안 된 다. “AI의 답을 어떤 근거로 믿거나 의심하는가”, “AI

추상적 구호가 아니라 진단 가능한 교육 목표가 될 정교한 판단력이다.

* 참고문헌

1. Aufderheide, P., & Firestone, C. M. (1993). Media literacy: A repor t of the Nationa l Leadership Conference on Media Literacy. Aspen Institute. 2. Freire, P. (1970). Pedagog y of the oppressed. Continuum.

3. Gilster, P. (1997). Digital literacy. Wiley. 4. Kellner, D., & Share, J. (2007). Critical media literacy is not an option. Learning Inquiry, 1(1), 59–69. https:// doi.org/10.1007/s11519-007-0004-2

5. Koltay, T. (2011). The media and the literacies: Media literacy, information literacy, digital literacy. Media, Culture & Society, 33(2), 211–221. https://doi. org/10.1177/016-****-710393382 6. L on g , D., & M a ge rko, B . (2 02 0). WhatisAI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16. https://doi. org/10.1145/3313831.3376727

7. Masterman, L. (1985). Teaching the media. Comedia. 8. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory rev iew. Computers a nd E ducation: A r ti ficia l Intelligence, 2, Article 100041. https://doi.org/10.1016/ j.caeai.2021.100041

9. OECD. (2026). PISA 2029 MAIL assessment framework: First draft. OECD. 10. UNESCO. (2024a). AI competency framework for students. UNESCO.

11. UNESCO. (2024b). AI competency framework for teachers. UNESCO. 12. Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens. Publications Office of the European Union. https://doi. org/10.2760/115376

13. Yan, W., Liu, Y.-L., Mamaeva, V., Dong, F., Tao, G., Li, R., & Yang, H. (2025). Generative AI literacy: Scale development and its influence on privacy

protection behaviors and information verification behaviors. Telecommunications Policy. Advance on l i ne pu bl icat ion . ht t ps://doi.org /10.1016/ j.telpol.2025.103117 14. 교육부. (2025a, 2월 11일). 제1차 사회관계장관회의 개최 [보 도자료].

15. 교육부. (2025b, 12월 23일). 교육부와 교육청이 함께 ‘수행평 가 시, 인공지능(AI) 활용 관리 방안’을 마련하였습니다 [보도자 료]. 16. 방송통신위원회. (2025, 2월 28일). 생성형 인공지능 서비스 이 용자 보호 가이드라인.

17. 황현정, & 황용석. (2023). AI 리터러시 개념화와 하위차원별 세부역량 도출에 관한 연구. 사이버커뮤니케이션학보, 40(2), 89–148. https://doi.org/10.36494/JCAS.2023.06.40.2.89 18. 황현정, 황용석, 박지수, 신민호, & 이현종. (2024). AI 리터러시 측정 도구 개발과 타당화 연구. 리터러시 연구, 15(2), 247–278. https://doi.org/10.37736/KJLR.2024.04.15.2.09