AI스피커란 지능형 개인 비서(Intelligent Personal Assistant, IPA) 서비스가 내장된 스피커로서, 사용자는 음성을 이용하여 음악 재생, 정보 검색, 물건 구매 등의 다양한 작업을 스피커에 내장된 가상 개체에 요청할 수 있다[1,2]. 스피커에 내장된 가상 비서가 사용자의 발화를 이해하고 사용자가 요청하는 작업을 정확하게 수행하도록 해야 하므로 음성인식, 자연어 처리(Natural Language Processing, NLP), 머신러닝 등의 다양한 인공지능 관련 기술들이 접목된다.

인공지능 스피커의 가장 큰 특징은 음성기반 사용자 인터페이스(Voice User Interface: VUI) 환경에서 구동된다는 점이다. UI(User Interface)란 기계와 인간이 상호작용 하는 공간 또는 양식으로서[3], 사람이 음성을 통하여 기계를 조작하려고 시도하는 것은 VUI의 예시에 해당한다. <그림 1>은 디지털 환경에서 UI 변천 과정을 설명하고 있다[4-6]. 명령어 중심(Command-line User Interface: CUI), 문자 중심(Text-based User Interface: TUI) 시대를 거쳐 비로소 시각적 요소의 화려함이 제시되는 그림 중심(Graphical User Interface: GUI) 시대가 전개되었다. 최근 AI스피커가 일상에 보급되면서 VUI가 보편화되는 시대에 이르렀다.

이와 같은 UI변화 추세에 따라 사용자들이 선호/보유하는 디지털기기의 추세가 변화하고 있다. <그림 2>와 같이 컴퓨터, 노트북, 스마트폰의 변화에 이어 VUI 중심의 AI스피커 판매의 급격한 확대가 기대되고 있다[7,8].

한편, VUI가 AI스피커에만 적용되고 있는 것은 아니다. 일례로, 최근의 스마트폰은 터치스크린과 VUI를 동시에 제공한다. Google 등과 같이 IPA를 활용한 모바일 시장 개척에 적극적인 기업도 있다[9]. 그러므로 미래에 인공지능 스피커의 물리적 존재가 소멸될 가능성에 대한 문제도 관심사가 될수 있다. 그러나 인공지능 스피커의 향후 존속 여부와는 별개로, 이미 인공지능 스피커를 통해 사용자들에게 새로운 경험들(Voice User Experience: VUX)이 제공되고 있으며 VUX를 설계하는 방식에 대한 다양한 아이디어들이 생성되고 있다. 인공지능 스피커를 통해 얻어진 VUI 및 VUX 구축에 관한 R&D는 향후 디지털 콘텐츠 설계 및 개발 과정에서 주요하게 다루어 질 것으로 기대할 수 있다[10,11].

2011년 10월에 Apple사가 최초의 IPA인 Siri를 선보인 이후, 여러 IT 업체에서 유사한 서비스 개발에 나서며 본격적으로 IPA 개발 경쟁이 시작되었다. 그 결과 Google Now, Microsoft Cortana 등의 다양한 IPA가 잇따라 상용화 되었으며, 이로써 AI스피커 등장을 위한 소프트웨어의 기반이 마련되었다[9].

IPA를 스피커의 형태로 제품화하려는 시도는 2014년 11월에 Amazon사가 최초의 AI스피커인 Amazon Echo를 출시하면서 시작되었으며, 2016년 Google의 Google Home 출시 등 다수 회사에서 AI 스피커를 출시하며 시장 경쟁이 심화되고 있다[10]. 특히 Amzaon은 Alexa로 불리는 플랫폼을 중심으로 ‘Skill’로 통칭되는 응용프로그램 생태계를 구성하여 개인 사용자들이 개발할 수 있도록 개발 도구인 ASK(Amazon Skill Kits)를 제공하고 있으며, ASK를 바탕으로 활성화된 애플리케이션 시장을 보유하고 있다. 국내의 경우, 2016년에 SK텔레콤이 국내 최초의 AI스피커 SK NUGU를 선보인 이후 KT, 네이버, 카카오 등 주요 IT회사를 중심으로 여러 제품군들이 출시되면서 시장 선점을 위한 경쟁이 벌어지고 있다.

AI스피커 시장은 태동기를 거치고 있는 신생 시장이지만 그 성장세는 매우 가파르다. 2015년 당시 3.6억 달러였던 시장규모는 매년 42%씩 성장하였으며[12], 2018년 기준 전 세계에서 1억 6400만 개의 AI스피커가 소비되며, 전체 시장 규모 43억 달러를 형성하였다[13].

교육콘텐츠를 효과적으로 전달하기 위한 매체는 OHP(Over Head Projector)와 실물환등기 시대를 거쳐 ITV(Instructional Television), CAI(Computer Assisted Instruction: CAI) 등에 이르기까지 기술과 매체의 발전과 더불어 지속적으로 변화해 왔다[14]. 교육매체로서의 AI스피커는 교육적 도구로서 다음의 특징을 갖는 것으로 분석해 볼 수 있다.

첫째, Sensing이다. Sensing은 AI스피커가 사용자의 대화를 수집하는 것을 의미한다. 향후 기술발전이 전제될 경우 AI스피커를 통해 사용자의 반응 및 사용 습관 등 정보를 맞춤형 콘텐츠를 제공하는 것이 가능하다. 나아가 제반 학습관리 기능을 포함하는 학습관리시스템(Learning Management System)으로서의 포괄적 교육서비스가 가능하다.

둘째, 양방향성이다. TV, VTR, 오디오 등의 기존교수매체가 단방향적인 매체였다면 AI스피커는 학습자와의 상호작용이 가능한 양방향 매체이다. AI 스피커는 학습자들에게 연습 및 발화의 기회를 제공할 수 있으며, 학습자의 선택이나 수행 결과에 따라 학습 양상을 다르게 전개시킬 수 있는 유용한 도구이다.

셋째, 감성적 대화이다. AI스피커는 어조, 표정, 기타 언어적 감정표현 등의 방법을 활용하여 사용자와 감성적으로 의사소통한다. 교수·학습 상황에서 학습자와 정서적 교류가 발생하기 힘들었던 기존의 CAI 방식과 달리, AI스피커에서는 학습 대상자의 연령, 성별, 동기 수준 등 요소를 고려하여 다양한 페르소나를 설계함으로써 흥미 유발 및 정서적 교류가 가능하다[15,16].

넷째, 접근성이다. AI스피커는 조작을 위해 별도의 디스플레이나 입력 장치가 필요하지 않으므로, 학습을 시작하기 위해 컴퓨터를 켜거나 책을 준비 하는 등의 사전 동작이 필요하지 않다. 침대에 누워있거나 다른 행동을 하면서도 사용할 수 있으므로 학습 콘텐츠에 대한 접근성을 크게 향상시킬 수 있다.

마지막으로, 확장성이다. AI스피커는 다양한 디지털 기기와의 연계가 가능하다. 즉, IPA가 소프트웨어의 형태로 존재하기 때문에 IPA가 탑재되는 디바이스는 다양하게 확장될 수 있다. 이에 따라 과거에는 학습이 일어날 것으로 기대하지 않았던 상황에서 학습콘텐츠에 대한 접근을 가능하게 하는 등 학습 양상에 다양한 변화를 줄 것이다[17].

교육매체로서의 AI스피커 논의에서 나아가 AI스피커를 통해 제공되는 교육콘텐츠의 중요성이 강조될 필요가 있다. 교육매체를 통한 학습내용의 성패는 매체의 고유한 속성 뿐 아니라 이 안에 담겨진 콘텐츠의 질적 수준에 지대한 영향을 받는다[18,19].

AI스피커에 탑재된 교육콘텐츠는 주로 개인이 ASK를 통해 개발한 공개마켓인 Amazon사의 AI스피커를 통해 가늠해 볼 수 있다. 표1에서 보는 바와 같이 2019년 4월 기준으로 Alexa Skills Store에 는 총 70,705개의 Skills가 등록되어 있다[20].

전체 21개 영역 중 게임 영역에 15,000개가 넘은 가장 많은 수의 Skills가 등록되어 있었고, 이어 교육 영역이 9,801개 이었다. 이어 생활, 음악, 뉴스 등의 영역 Skills 들이 등록되어 있었다.

시중에 다양한 AI스피커 제품들이 출시되어 있으나 본 연구에서 선정한 분석 대상은 Amazon Alexa의 교육용 Skills이다. Amazon Alexa Skills를 본 연구에 적합한 대상으로 선정한 이유는 다음과 같다.

Amazon은 개발자 도구인 ASK를 제공함으로써, 개인이 자유롭게 Skills를 제작하고 배포하는 것이 가능하여, 다양한 Skills 생태계가 유지되고 있다. 이에 따라 본 연구에서는 Amazon Skills의 교육 카데고리 제품들로 연구분석 대상을 선정하였다.

교육콘텐츠의 교육 프로세스는 체계적으로 구성되었을 때 학습목표의 성취에 기여할 수 있다. 이러한 측면에서 체계적인 교육 프로세스를 확인하기 위한 기준과 도구가 요구된다.

대표적 교육심리학자인 Gagné는 오늘날 수업 구성과 분석에서 널리 사용되고 있는 9단계의 수업사태(nine events of instruction)를 제시하였다[21]. Gagné의 9가지 수업사태는 주의력 집중, 학습목표 제시, 사전지식 재생자극, 자극자료 제시, 학습안내 제공, 수행유도, 피드백 제공, 수행평가, 파지와 전이 향상 요소로 구성되어 있다. 세부 내용은 <표 2>와 같다.

본 연구에서는 체계적인 수업의 구성요소로서 고려해야 할 사항을 확인하기 위한 AI스피커 분석 도구로서 9가지로 구체화되어 수업사태가 구분된 Gagné의 수업이론을 사용하였다.

본 연구에서는 연구문제 수행을 위해 전체 교육용 Skills 중 30개를 분석 대상으로 선정하였다. 기준은 다음과 같았다. 첫째, Alexa Skills Store 사용자 평가결과 별점 척도 평균 3.5점 이상을 기록한 Skills. 둘째, 각종 교육용 AI스피커 리뷰와 포럼에서 주요하게 다루어 진 Skills. 셋째, 첫째와 둘째 조건을 만족하는 사례 중 교육공학 전공자 3인으로 구성된 평가자 집단이 Gagné의 수업사태 분석 틀을 적용한 결과 최소 2개 이상의 단계가 적용된 Skills. 최종 선정된 30개의 Skills 목록 및 내용은 다음과 같다.

연구를 위해 선정된 Skills는 Gagné의 수업이론을 바탕으로 구성한 준거를 적용하여 분석되었다.

다음은 9개의 수업사태별로 정리한 준거의 구체적인 내용이다.

첫째, 주의력 집중 단계에 대해 본 연구에서는 Skills 사용 중 학습자의 주의 환기를 위한 각종 효과음이나 흥미를 유발할만한 장치가 마련되어 있는 경우로 정의하였다.

둘째, 학습목표 제시 단계에서는 학습자가 Skills를 사용하는 동안 학습할 내용을 사전에 제시하는 경우에 해당된다.

셋째, 사전지식 재생자극 단계에서는 학습자가 Skills를 사용하는 동안 AI스피커에 축적된 사용자 데이터 등이 학습 진행을 위해 활용되었을 때이다.

넷째, 자극자료 제시 단계는 학습자가 Skills를 사용하는 동안 실제적 예시, 예컨대 언어 학습용 Skills에서 원어민 음성 등을 접할 수 있는 경우와 같을 때 콘텐츠 개발에 이 요소를 고려한 것으로 간주하였다.

다섯째, 학습안내제공 단계에서는 Skills 사용 중 학습자 활동에 대하여 지시와 안내가 제시된 경우, 학습자들이 학습 과정을 파악할 수 있는 내비게이션 기능이 포함된 경우에 콘텐츠 개발에서 이 요소가 고려된 것으로 하였다.

여섯째, 수행유도 단계에 대해서는 학습 목표에 해당하는 내용에 대하여 학습자들에게 연습의 기회를 제공하는 활동이 포함된 경우에 콘텐츠 개발에서 이 요소를 고려한 것으로 하였다.

일곱째, 피드백 제공 단계에서는 Skills 사용 중 학습자 수행에 대한 격려가 제공되거나 학습자들의 오류를 상기시켜 주는 과정이 나타나는 경우로 정의하였다.

여덟째, 수행평가 단계에서는 Skills에서 학습한 내용에 대한 마무리 퀴즈, 채점 기능 등이 포함되어 있는 경우로 하였다.

마지막으로, 파지와 전이 향상은 본 연구의 분석을 위해 학습 내용을 일반화할 수 있는 과제나 경험을 제공하는 등 파지와 전이를 촉진시키는 사례가 있을 경우 본 절차가 적용되는 것으로 정의하였다.

상기와 같은 준거를 바탕으로 Gagné의 제 수업구성요소가 Skills 내에 반영되어 설계되었는지 여부를 분석하였다. 구체적으로, 준거(9가지 요소)를 바탕으로 대상 분석(30개)의 매트리스를 구성하여 270개 요소 내용 유무를 각각 확인하였다. 이 과정은 교육공학 전공자 3명이 개별적으로 실시한 후 결과를 상호 비교하는 방식을 적용하여, 평정자간 신뢰도(inter-rater reliability)를 유지하였다. 평정자간 일치도를 알아보기 위해 Fleiss의 일반화된 Kappa 계수를 산출하였으며, 평정자간 상호 의견이 일치할 경우 확정, 270개 매트리스 중 평정자간 상호 의견이 일치하지 않았던 19개 매트리스에 대하여는 토의를 통해 재검토하여 합의된 단일 결과를 도출하였다[22].

주의력 집중이 반영된 Skills는 전체 30건 중 26건(86.7%)으로, 분석 준거 9가지 중 가장 많이 반영된 요소였다. 세부 전략으로는 주로 학습자들의 주의와 흥미를 끌기 위한 다양하고 재미있는 효과음, 배경음악의 형태로 구현되었다. “Learn Japanese” Skills의 경우 일본풍의 짧은 삽입 음악을 비롯한 다채로운 효과음들이 학습활동의 도입 단계를 비롯하여 전개, 종료 각 단계에 적절하게 배치되어 있었다. 또한 학습자들의 정확한 반응에 대해 ‘Text to Speech(TTS)’ 방식을 활용한 기계음 기반의 발화 피드백을 제공하는 것과 달리, 성우의 목소리를 직접 입력한 “正解!” 피드백 등 학습자의 주의 환기와 흥미 유발을 이끌어내기 위해 생생한 전략을 활용하였다.

학습목표 제시 단계가 반영된 Skills는 전체 30건의 사례 중 14건(46.7%)이었다. 주요 사례로는 “Learn Chinese”에서는 학습자들에게 인사, 일일회화, 감정표현 등의 학습 내용이 마련되어 있음을 사전에 제시하고 이에 대한 선택권을 부여한다. 반면 “English Irregular Verbs”, “Spelling Bee Winner” 등의 Skills는 기능과 알고리즘이 비교적 단순하게 구조화되어 있었고, 학습목표 제시단계가 생략되었다. 학습목표를 제시하는 것은 콘텐츠 설계 과정에서 구현하는 것은 어렵지 않으나 최소화된 기본기능으로 구성된 Skills에서는 소홀히 하기쉽다.

사전지식 재생자극이 반영된 Skills는 전체 30건의 분석 대상 중 한 건도 없었다. 이러한 원인은 기술적 한계가 영향을 미쳤을 것으로 파악할 수 있다. 선수 학습 내용을 회상하거나 학습자의 배경 지식을 활용하여 깊은 수준의 이해를 도모하기 위해서 기술적으로 AI스피커가 학습자의 사용 기록을 저장하고 학습맥락에 적절하게 재구성하여 제시해야 한다. 그러나 현재 AI스피커 기술수준에서는 이러한 구현이 제한되고 있다. 다만, 일정 시간 간격을 두고 지속적으로 학습 콘텐츠를 업데이트하는 형태의 Skills인 경우, 이전 학습 내용 기록을 분석하여 새로운 콘텐츠와 연관지어 학습활동을 구성하는 등 초기단계의 적응적 설계는 가능할 것으로 제안할 수 있다.

자극자료 제시가 반영된 Skills는 전체 30건의 사례 중 16건(53.3%)이었다. 자극자료가 제시된 대표적인 Skills는 “SayHi Language Learning”, “Lingo Trip”, “German Articles” 등이다. 이들은 언어 학습용 Skills에서 학습자들에게 정확한 발음 모델을 제시하기 위해 원어민 음성을 들려준다. 또한 “Animal Game for Kids”, “Bird songs” 등의 Skills는 보다 생생한 자극자료 제시를 위해 맥락에 맞는 실제 동물들의 울음소리를 들려준다.

학습안내 제공 단계가 반영된 Skills는 전체 30건의 사례 중 21건(70%)이었다. 다수의 Skills에서 학습자들에게 학습 흐름에 대한 안내를 제공하고 있는 것으로 나타났다. 예를 들어 “Speak Listen Learn”의 경우 앞으로의 학습활동에 대한 제시(‘노래를 부르거나 단어를 적어보거나 그 외 다양한 활동을 하게 될 것’)와 학습활동 소개(‘특정한 소리가 들리면서 질문이 있으면 응답요구’) 등이 제공된다. 다만, 본 단계는 일반적인 컴퓨터기반 학습 콘텐츠와 비교하였을 때 다소 기초적인 수준인 것을 확인할 수 있었다. 이는 음성정보를 바탕으로 운용되는 AI스피커의 특성상 학습과정을 정확하게 인식하는데 한계가 있기 때문일 수 있다. 이는 내비게이션 기능 제공 또는 정교한 학습안내 기능을 설계함으로서 보완이 가능할 것이다.

수행유도 단계가 반영된 Skills는 20건(66.7%)이었다. 수행유도가 포함된 사례들을 구체적으로 살펴보면, “English Irregular Verbs”는 “sink의 동사활용 형태는?”과 같은 질문을 연속적으로 제시하여 학습자의 활발한 참여를 유도한다. 반면 일부 Skills는 상호작용적인 의사소통을 통해 학습을 촉진시키는 구조가 제한되어 있다. 예를 들어 “Teach me French”를 비롯한 팟캐스트형 콘텐츠들은 학습자들에게 학습 내용을 일방적으로 제공하며 별도의 연습의 기회를 부여하지는 않았다. 학습자들의 수행을 적극적으로 유도하여 AI스피커가 보유한 기술적 속성을 최대한 활용하는 역동적 콘텐츠 설계를 고려할 필요가 있다.

‘피드백제공’이 반영된 Skills는 전체 30건의 사례 중 19건(63.3%)이었다. 그 중 1건(“Grammar Tool”)을 제외하고 모두 학습자 수행에 대한 결과 피드백을 제공하고 있었다.

특히 “Animal Game for Kids” Skills의 경우 학습자들이 수행 과정에서 단순한 교정적 피드백(corrective feedback)을 제공하는 대신, 학습자가 오답을 이야기하면 추가 정보와 힌트를 제공해주고 다시 한 번 도전할 수 있는 기회를 준다. 예컨대, 쥐 우는 소리를 들려주고 “이것이 무슨 동물의 울음소리일까요?”라는 질문을 던진 뒤, 학습자가 대답하지 못하면 “힌트를 드릴게요. 이 동물은 Walt Disney의 마스코트 캐릭터로도 잘 알려진 동물이에요.” 등과 같은 추가 정보와 함께 재답변할 기회를 부여하였다.

수행평가 단계가 반영된 Skills는 전체 30건의 사례 중 16건(53.3%)이었다. “SayHi Language Learning”, “Learn Japanese”, “Learn Chinese” 등은 학습자들의 수행 내용을 확인하는 마무리 퀴즈가 제공되었고, “English Irregular Verbs”, “Memory Game for Kids”, “Spelling Bee Winner” 등은 수행 내용에 대한 채점이 시행되었다. 한편, Kids Times라는 콘텐츠를 소개하고자 한다. 한편, 본 분석대상 Skills에서는 제외되었지만 수행평가 기능에 특화된 콘텐츠를 제공하는 “Kids Times” Skills는 마무리 퀴즈와 채점 기능이 복합적으로 구현되어 있으며, 평가 결과에 따라 서로 다른 학습 시나리오가 제공된다. 오디오 드라마 형식을 취하고 있는 학습 콘텐츠인 “Kids Times” Skills는 괴물에게 잡혀간 동료를 구한다는 유초등 학생 대상 시나리오 전개에 따라 학습내용에 대한 마무리 퀴즈가 제시되고, 이 결과에 기반하여 모든 동료 또는 일부 동료를 구하거나 아무도 구해내지 못 하는 시나리오로 분화된 콘텐츠가 제공된다. 구출에 실패한 동료가 있는 경우, 퀴즈에 재도전할 수 있는 기회가 제시되며, 이 과정을 수행하면서 학습자 동기수준과 학습을 제고시키게 된다.

파지와 전이 현상은 30건의 사례 중 단 1건이 관찰되었다. 분석 대상 중 유일하게 파지와 전이를 고려한 Skill인 “Voice Coder”의 경우는 AI스피커를 통해 학습대상자인 유초등학생이 간단한 형태의 게임을 직접 만들어볼 수 있도록 고안되었다. 사용자는 AI스피커 안내에 따라 다양한 활동을 수행할 수 있는 옵션을 선택하게 되는데, 이때 사용자가 선택한 내용이 게임의 규칙으로 설정되면서 연계된 웹상에 실시간으로 반영된다. 완성된 게임은 웹에서 다운로드 받아 직접 즐길 수 있다. 학습자들은 이 과정에서 코딩의 일반 원리를 학습하고, 이를 실제 경험하게 된다. 파지와 전이향상은 콘텐츠 설계시 체계적으로 구상하면 충분히 적용이 가능한 요소이다.