Journal Archive

본 연구는 Smith의 정책 집행 모델(Smith’s Model of Policy Implementation)을 분석틀로 활용하여 연구를 수행하였다. 이 모델은 Thomas B. Smith가 ｢The Policy Implementation Process｣라는 논문에서 처음 제안한 개념으로, 정책 집행을 단순한 정책 전달이 아닌 역동적이고 다층적인 과정으로 이해한다. 그는 정책 집행이 정책 결정자, 집행 기관, 정책 대상 집단, 그리고 외부 환경 요인 간의 상호작용을 포함하는 복합적 과정이라고 보았다(Smith, 1973).

Smith의 이론에 따르면, 정책 집행은 다음 네 가지 핵심 요소에 의해 영향을 받는다. 첫째, 정책 결정자는 정책의 최상위 설계 방향과 기본 틀을 수립하여, 정책 목표의 명확성과 실행 가능성을 확보한다. 둘째, 집행 기관은 상위 정책 설계를 바탕으로 단계별 목표를 설정하고, 필요에 따라 실행 계획을 조정하며 정책을 집행한다. 셋째, 정책 대상 집단은 각 지역의 교육 자원, 사회·경제적 조건, 수용 태도 등에 따라 정책에 대한 수용성과 적응력이 달라질 수 있으며, 이는 정책의 지역적 차이를 유발하는 요인이 된다. 넷째, 외부 환경과 자원 투입은 정책이 효과적으로 실행될 수 있는지를 결정짓는 핵심적인 요소로 작용한다.

본 논문에서는 Smith의 네 가지 요인을 중심으로, 한국과 중국의 인공지능(AI) 교육 정책 문서를 분석하였다. 구체적으로는 ① 정책 설계(탑다운 디자인), ② 단계별 목표 설정, ③ 지역적 차이, ④ 자원 투입 방식이라는 네 가지 측면에서 양국의 K-12 인공지능 교육 정책을 비교·분석하였다. 이러한 분석을 통해 정책 집행의 구조적·환경적 맥락 속에서 양국 정책의 공통점과 차이점을 도출하고, 보다 효과적인 AI 교육 정책 설계 및 실행 전략을 제시하고자 한다.

Smith의 정책 집행 모형은 정책의 설계부터 실행까지의 연계성을 구조적으로 분석할 수 있도록 고안된 이론으로, 정책 주체 간의 상호작용과 외부 환경 요인을 함께 고려한다는 점에서 복합적인 정책 현상을 설명하는 데 적합하다. 특히 본 연구와 같이 국가 간 교육 정책을 비교하고 실행 구조의 차이를 밝히고자 하는 경우, 정책 집행의 네 가지 요소(정책 설계, 단계별 목표, 지역 차이, 자원 투입)는 실질적인 분석 범주로서 높은 타당성과 객관성을 지닌다.

[Fig 1] 
Framework of Policy Implementation Influencing Factors Based on Smith’s Model.

본 연구는 문헌연구법을 주된 연구 방법으로 활용하였다. 문헌연구법이란 연구 주제와 관련된 기존 문헌을 수집·정리하고 이를 종합적으로 분석하여, 연구의 이론적 기초를 마련하는 방법이다.

분석 대상은 2017년부터 2024년까지 중국과 한국에서 발표된 K-12 단계 인공지능 교육 관련 정책 문서이다. 중국의 경우, ｢신세대 인공지능 발전 계획(2017)｣을 포함하여 국가 및 지방 정부에서 발표한 정책 문서 9편을 선정하였다. 한국의 경우에는 ｢인공지능 국가전략(2019)｣, ｢AI 디지털 교과서 추진 계획(2023)｣ 등을 포함한 교육부 및 정부 발표 정책 문서 10편을 분석 대상으로 삼았다.

정책 자료는 중국 교육부 공식 홈페이지, 중국정부망, 교육과학부 공고문, 한국 교육부, 한국교육과정평가원 등 공식 웹사이트를 통해 수집하였다. 자료 선정 기준은 국가 또는 공공기관에서 발표한 문서 중 K-12 단계 인공지능 교육과 명확하게 관련된 정식 정책 문서로 한정하였다.

자료 수집은 ‘인공지능 교육’, ‘AI 교육정책’, ‘K-12’, ‘기초교육’ 등의 핵심어를 중심으로 각국의 교육 관련 공식 웹사이트에서 수행되었으며, 문서의 발표 기관, 발행 연도, 정책 대상 등을 기준으로 분류하였다. 수집된 문서는 국가별, 연도별, 주관 부처별로 정리하였으며, 분석 기준에 부합하지 않거나 중복되는 자료는 제외하였다.

분석 과정에서는 Smith의 정책 집행 모형에 따라 네 가지 분석 범주(정책 설계, 단계별 목표, 지역 차이, 자원 투입)를 사전에 설정하고, 각 문서를 해당 기준에 따라 정성적으로 비교·분석하였다.

연구 절차는 다음과 같다. 먼저 정책 문서를 수집한 후 연도별·국가별로 정리하고, Smith 모형의 네 가지 요소(정책 설계, 단계별 목표 설정, 지역 차이, 자원 투입)를 기준으로 분석하였다. 이후 중국과 한국의 정책을 비교 분석하였으며, 각 정책 문서는 해당 네 가지 측면에서 구조적 특성과 실행 방향을 중심으로 검토하였다.

본 연구는 문헌연구법과 비교분석법을 적용하였으며, Smith의 정책 집행 모형을 이론적 기반으로 하여 정책 내용을 정성적으로 분석하였다. 이를 통해 한·중 양국의 정책 수립 및 실행 과정에서 나타나는 구조적 차이를 도출하고, 향후 AI 교육 정책 개선을 위한 이론적 토대와 실천적 시사점을 제시하고자 하였다.

본 연구는 <Table 1>과 같이 2017년부터 2024년까지 발표된 총 9건의 인공지능(AI) 교육 관련 정책 문서를 연구 대상으로 선정하였다. 선정된 문서에는 중앙정부 차원의 정책뿐만 아니라 지방정부에서 발표한 정책 문서도 포함되어 있다.

특히 2017년, 중국 국무원은 「차세대 인공지능 발전 계획」을 발표하며 전 국민 대상 인공지능 교육 프로젝트를 본격적으로 추진하였다. 이 계획을 통해 초·중등교육 단계에서 인공지능 관련 과목을 개설하고, 프로그래밍 교육의 점진적 보급을 목표로 삼았다. 이후 중국의 각급 부처는 다양한 정책을 연이어 발표하였으며, 다차원적 접근을 통해 인공지능 교육 정책을 구체적으로 추진해 나갔다.

본 연구는 <Table 2>와 같이, 2019년부터 2024년까지 한국 교육부에서 발표한 총 10건의 인공지능(AI) 관련 교육 정책을 분석 대상으로 선정하였다. 해당 정책들은 전략적 통합, 교육 계획 수립, 교육과정 개정, 교과서 편찬, 교육 개혁 등 다양한 내용을 포괄하고 있다.

한국은 인공지능 교육 정책의 발전에 있어 빠른 진전을 이루어 왔으며, 정책 도입, 기술 인프라 지원, 교육과정 혁신, 지역 확산 등 다방면의 노력을 통해 초·중·고 전반에 걸친 인공지능 교육 체계를 지속적으로 구축해 나가고 있다.

이러한 정책적 노력은 창의적 사고력과 디지털 역량을 갖춘 미래 인재를 양성하기 위한 기반 마련에 중요한 역할을 하고 있으며, 향후 지속 가능하고 포용적인 AI 교육 생태계 조성의 토대가 될 것으로 기대된다.

최근 몇 년간 한국과 중국은 초·중등교육 단계에서 인공지능(AI) 교육과정을 국가 교육정책의 핵심 과제로 설정하고 적극적으로 추진해 왔다. 중국은 비교적 이른 시기 정책을 수립하였으며, 정보기술(IT)을 기반으로 AI 콘텐츠를 신속하게 교육과정에 통합한 점이 특징이다. 그러나 지역적·제도적 요인으로 인해 실제 실행은 지연되고 있는 실정이다.

반면 한국은 도입 시점은 늦었지만 명확한 교육 목표와 실행 전략을 기반으로 빠르게 정책을 추진하고 있으며, 단계적 교육과정 구성, 표준 교재 개발, 교사 연수, 디지털 인프라 구축 등이 병행되고 있다.

양국 모두 2030년을 장기 목표로 설정하고 있으며, 저학년은 체험 중심, 고학년은 프로젝트 기반 학습 중심이라는 공통점을 보인다. 다만 한국은 AI 교육을 다른 교과와 융합하여 통합적으로 설계하는 반면, 중국은 아직 단일 과목 중심의 접근을 유지하고 있다.

지역 정책에서도 차이를 보인다. 중국은 지역 간 격차가 커 각 지방정부가 자율적으로 정책을 수립하며, 장강삼각주나 광둥성 등은 선도적 역할을 수행하고 있다. 한국은 농촌 지역에는 원격교육을, 도시 지역에는 스마트교육 시범사업을 적용하는 이중 전략을 통해 지역 격차 해소를 도모하고 있다.

자금 조달 측면에서 중국은 다원적 재원 확보와 스마트 캠퍼스 기반 인프라 구축에 초점을 맞추는 반면, 한국은 정부-기업 간 기술 협력, 교사 양성, 콘텐츠 품질 향상에 중점을 두고 있다.

결론적으로 양국은 AI 교육을 국가적 의제로 삼고 있지만, 정책 추진 방식, 교육과정 통합성, 자금 운영, 지역 전략 등에서 서로 다른 전략적 방향을 취하고 있으며, 이는 각국의 교육 제도 및 사회 구조의 차이를 반영한다.

본 연구는 Smith의 정책 집행 모델을 기반으로, 정책 설계, 단계별 목표, 지역 차이, 자원 투입이라는 네 가지 차원에서 중국과 한국의 K-12 인공지능 교육 정책을 비교·분석하였다. 분석 결과, 양국 모두 인공지능 교육을 국가 교육정책의 핵심 과제로 인식하고 적극적으로 추진하고 있음이 확인되었다.

중국은 비교적 이른 시기에 정책을 수립하였으나, 방대한 교육 체계로 인해 AI 교육이 여전히 기존 정보기술(IT) 과목에 의존하고 있다. 이로 인해 교육과정의 독립성과 타 교과와의 연계성이 부족한 한계가 나타난다. 반면 한국은 정책 시행 시기는 늦었지만, 실행력과 교과 융합을 중심으로 빠르게 발전하고 있다.

기존 연구 또한 본 연구의 결과를 뒷받침하고 있다. Luo(2025)는 중·일·영·미 4개국의 인공지능 교육 정책을 비교한 연구에서, 중국 정책이 “중앙 주도, 집중 공급”이라는 특징을 가지고 있으며, 인프라 구축과 인재 양성 등 상향식 방식에 초점을 맞추고 있음을 지적하였다. 이러한 접근은 정책의 초기 추진에는 효과적이나, 지역별 실행과 세부 적용에는 어려움이 존재한다고 하였다. 이는 본 연구에서 제시한 ‘중앙 설계는 강하나, 지역 실행에는 한계가 있다’는 분석과 일치한다.

한편, Lee(2023)는 2020년부터 2022년까지 발표된 한국의 AI 교육 정책 문서를 키워드 분석한 결과, 한국 정책의 핵심 방향이 ‘감성 창조’, ‘초개인화 학습’, ‘휴머니즘 지능’의 세 가지에 중점을 두고 있음을 밝혔다. 정부는 부처 간 협의체 구성, 디지털 교과서 개발, 교사 역량 강화 등을 통해 정책을 점진적으로 실행하고 있으며, 실행 경로를 중시하고 다수의 주체가 참여하는 실천적 구조를 갖추고 있다는 점에서 중국과는 상반된 전략을 취하고 있음을 확인하였다. 이와 같이, 한국의 세부 실행 중심 정책은 본 연구 결과에 대한 실증적 지지로 기능한다.

연구 결과, 중국은 거시적 방향과 총론적 설계에 집중하는 반면, 한국은 실행의 세부성과 민관 협력 중심 전략에 무게를 두고 있는 것으로 나타났다. 이러한 정책 설계 및 실행 경로의 차이는 각국의 사회 구조, 교육 제도, 행정 효율성과 밀접하게 연관되어 있으며, 단순한 우열 비교가 아닌 상호 보완 가능성의 관점에서 이해해야 한다.

연구자는 다음과 같은 주장을 제시한다. 중국은 AI 교육과정에서 보다 지역 맞춤형, 다층적 실행 전략을 강화할 필요가 있으며, 한국은 국가 차원의 전략적 방향 제시와 자원 조율을 통해 정책의 일관성과 체계성을 확보할 필요가 있다. 이러한 조정은 양국 모두의 AI 교육 정책 효과를 높이는 데 기여할 수 있을 것이다.

AI 교육은 아직 초기 단계에 있으며, 정책 효과와 교육 실천 간에는 시차가 존재한다. 이에 향후 연구에서는 다음과 같은 보완이 요구된다.

첫째, 수업 운영과 정책 실행 결과에 대한 실증적 데이터 수집이 강화되어야 한다.

둘째, 학생 학습 성과에 기반한 교육 효과 분석 연구가 병행되어야 한다.

셋째, 비교 연구의 범위를 확대하여 다양한 국가의 AI 교육 정책 사례를 포함하고, 보다 보편적이고 실행 가능한 비교 연구 틀을 구축할 필요가 있다.

본 연구는 중·한 양국뿐 아니라 타국의 AI 교육 정책 수립에도 실천적 참고가 되기를 기대한다.