본 연구는 생성형 인공지능(AI) 환경에서 개별화 학습의 개념을 재검토하고 이를 재개념화하는 것을 목적으로 한다. 기존의 적응적 개별화 학습은 학습자 데이터를 기반으로 성취 수준을 진단하고 최적의 학습 경로를 처방하는 체제로 발전해 왔다. 그러나 생성형 AI 환경에서는 학습자가 대화를 통해 학습 목표, 경로, 평가 기준을 협상적으로 구성함으로써 개별화의 구조 자체에 참여하는 새로운 학습 양상이 나타난다. 이러한 변화는 데이터 환원주의, 시스템 중심의 평가 권한, 반응적 학습자상, 측정 중심 학습관과 같은 적응적 개별화 학습 패러다임의 인식론적 전제와 구조적으로 충돌한다. 본 연구는 적응적 개별화 학습이 생성형 AI 기반 학습 환경과 만나는 지점을 이론적으로 분석하고, 이를 설명하기 위한 대안적 개념으로 ‘Agentic Personalization(주도적 개별화, 이하 AP)’을 제안한다. AP는 학습자가 AI와의 대화적 상호작용 속에서 학습 목표·경로·평가 기준을 공동으로 구성해 나가는 주도적 과정으로 정의된다. 이는 자기조절 학습이나 기존의 주도성 이론과 구별되는 개념으로, 내부적인 인지 조절의 차원을 넘어 학습자와 기술 간의 관계 구조에 직접 참여하고 이를 재구성하는 것을 핵심으로 한다. 나아가 본 연구는 AP를 촉진하는 학습자의 핵심 역량으로 디지털 리터러시, 메타인지 역량, 비판적 사고를 제시하며, 이러한 역량의 불균등한 분포가 새로운 교육적 불평등으로 이어질 가능성을 비판적으로 논의한다. 결론적으로 개별화 학습을 단순한 경로 최적화의 문제가 아닌 주도성과 평가 권한의 재배치 문제로 전환함으로써, 본 연구는 AI·디지털 기반 교육 혁신의 시대에 부합하는 교육 이론의 새로운 분석 틀을 정립하는 데 초점을 둔다.
This study reconceptualizes personalized learning in the context of generative artificial intelligence(AI). Traditional adaptive learning systems position learners as reactive subjects within system-defined structures, whereas generative AI environments enable learners to negotiate learning goals, pathways, and evaluative criteria through dialogic interaction. This shift challenges key assumptions of adaptive paradigms, including data reductionism and system-centered evaluative authority. The study proposes Agentic Personalization, defined as a process in which learners actively intervene in the structure of personalization by collaboratively constructing meaning with AI systems. By reframing personalization as a question of agency distribution rather than path optimization, and addressing how the unequal distribution of necessary competencies may create new educational inequalities, this study offers a new analytical framework for understanding learner–AI interaction in the generative AI era.
Ⅰ. 서론 Ⅱ. 적응적 개별화 학습의 구조와 인식론적 전제 Ⅲ. 생성형 AI를 통한 개별화 학습의 재구조화 Ⅳ. Agentic Personalization의 개념적 정의와 구동 체계 Ⅴ. 결론 참고문헌
