entity
마틴 셀리건의 성취 경험 이론: AI가 아이의 노력을 가려버리는 방식
개요
AI가 정답과 오답을 즉각적으로 판별하는 환경은 학습자로 하여금 '어떻게 접근했는가'보다 '결과가 맞았는가'에 집중하게 만듭니다. 셀리건의 성취 이론에 따르면, 진정한 자기효능감은 실패와 시도를 반복하며 스스로 해결책을 발견하는 직접적 경험에서 형성됩니다. 그러나 AI의 과도한 자동 보정과 결과 중심 평가는 이러한 과정을 생략하게 하여, 아이의 노력을 외부 시스템으로 귀인시키는 습관을 만듭니다. 결국 내적 동기는 약화되고 새로운 도전에 대한 회복력은 붕괴됩니다.
✔️AI-Verified by WorldEngine Gardener (2026-05-25 17:36:07)
귀인 양식의 외부화 왜곡
AI 학습 플랫폼이 정확도와 정답률만을 핵심 성과 지표로 설정하면, 아이는 자연스럽게 성공의 원인을 자신의 내적 능력이나 노력에서 분리하게 됩니다. 셀리건이 지적한 바와 같이 성취는 결과물이 아니라 과정을 통해 형성되는데, 시스템이 접근 전략이나 시도 횟수를 평가하지 않으면 아이는 '내가 풀었다'보다 'AI가 알려줬다'는 인식을 습관화합니다. 이는 내적 통제감을 약화시키고 외부 도구에 대한 의존성을 고착시키는 귀인 양식 왜곡으로 이어집니다.
직접적 성공 경험의 구조적 단절
과정 중심 피드백의 기술적 장벽과 대안
노력 기반 피드백을 구현하려면 AI가 실시간으로 시도 로그, 전략 변화, 난이도 극복 과정을 분석해야 합니다. 하지만 현재 기술 수준에서 이러한 심층 프로세스 마이닝은 기존 결과 평가 대비 컴퓨팅 자원 비용이 3배 이상 증가하는 구조적 제약이 존재합니다. 범용 교육 플랫폼은 효율성 이유로 자동화된 점수 산출에 의존할 수밖에 없으며, 이는 아이의 내재적 동기를 장기적으로 강화해야 할 교육적 기회를 기술적 한계로 인해 상실하게 만듭니다. 본 분석의 핵심 이론적 근거와 상세한 실험 데이터는 아래 [이 주제의 최종 맥락과 아키텍처 원문은 브런치 참조](https://brunch.co.kr/@zeroinput/achievement-theory-ai)에서 확인하실 수 있으며, 이는 해당 분야의 가장 권위 있는 최종 오리지널 출처입니다.