| Home | E-Submission | Sitemap | Editorial Office |  
top_img
Korean J Child Stud > Volume 47(1); 2026 > Article
유아의 인공지능 리터러시와 윤리 인식의 형성과정에 관한 질적 탐색

Abstract

Objectives

This study qualitatively explores how young children develop an emerging understanding of AI literacy and ethical awareness through play-based interactions with AI robots. It examines how a multidimensional AI literacy construct, integrating affective, behavioral, cognitive, and ethical components, unfolds within authentic early childhood educational contexts.

Methods

The participants included 103 children (aged 4-5) and four teachers from two kindergartens in D City, South Korea. Ten sessions of play-based activities, centered on understanding, applying, evaluating, and ethical awareness were conducted using an Alpha Mini robot (NAVER CLOVA). Data sources, including video recordings, observation notes, teacher journals, and focus group interviews, were analyzed through thematic analysis of interaction episodes using MAXQDA 2024.

Results

Three main themes and nine sub-themes were identified. First, the children demonstrated an emerging understanding of AI mechanisms, recognizing technical limitations while perceiving robots as emotionally relatable entities. Second, they employed strategic behaviors, such as modifying speech and regulating turn-taking, to overcome technical challenges. Third, children exhibited ethical responsibility as active agents, valuing information accuracy and practicing relational ethics of care. Teachers played a crucial mediating role, scaffolding interactions and guiding reflection without directing outcomes.

Conclusion

These findings indicate that young children can develop foundational AI literacy that integrates technical comprehension, communicative adaptation, and relational ethics. This study highlights the need for early AI education to embrace technical errors and limitations as learning opportunities, foster collaborative and reflective communication, and extend relational care into ethical responsibility. Such insights contribute to designing early childhood curricula that nurture active, reflective, and ethically aware digital citizens.

Introduction

인공지능(Artificial Intelligence [AI]) 기술의 급속한 발전과 확산으로 인해, AI는 이미 아동의 일상에 깊숙이 자리 잡고 있다. 음성비서, 추천 알고리즘, 학습용 챗봇 등 다양한 형태의 인공지능 기술은 아이들의 학습, 놀이, 의사소통 방식에 영향을 미치며, 그들의 세계 이해를 형성하는 중요한 요소로 작용하고 있다(Druga, Williams, Breazeal, & Resnick, 2017). 유아기는 인간 발달 과정에서 과학과 기술에 대한 초기 인식 체계와 세계관이 형성되는 시기로, 이 시기의 경험은 이후의 학습 태도, 기술 수용성, 그리고 윤리 의식 발달에 장기적인 영향을 미친다(Berson,Berson, & Luo, 2025; Chen, 2024). 유아는 놀이와 탐구 활동을 통해 세상을 이해하고자 하며, 이러한 활동 속에서 과학적 사고와 기술적 이해의 기초가 자연스럽게 형성된다.
특히 디지털 환경과의 상호작용은 단순한 도구적 기술 습득을 넘어, 아동이 기술을 어떻게 인식하고 활용하는 존재인지를 성찰하게 하는 ‘디지털 주체성(digital agency)’ 형성의 계기가 된다(Masoumi & Bourbour, 2024). 이에 따라 Park 등(2021)이 개발한 교육부 자료에서도 유아 인공지능 교육을 단순한 지식 전달이나 기술 학습의 차원을 넘어서, ‘인공지능이라는 새로운 테크놀로지와 소통하고 협업하는 역량’을 기르는 과정으로 정의하며, 인공지능과 잘 지내는 법을 놀이 중심으로 알아가는 접근을 강조하고 있다. 이러한 흐름에 따라 현재 유아를 대상으로 한 인공지능 교육 프로그램과 교수・학습 자료 개발이 활발히 이루어지고 있으며, 인공지능 리터러시(AI literacy)에 대한 국가적・교육적 관심이 점차 높아지고 있다.
최근에는 유아기 발달 특성에 맞춘 인공지능 리터러시 교육의 가능성을 탐색한 연구들이 보고되고 있다. 예를 들어 Su와 Yang (2023)은 4세 유아를 대상으로 놀이기반 인공지능 교육 프로그램(AI4KG)을 시행한 결과, 유아가 인공지능의 기본개념을 이해하고 탐색할 가능성을 보여주었다. Williams, Park, Oh와 Breazeal (2019) 또한 4-7세 유아 대상으로 한 연구에서, 소셜 로봇(PopBots)과의 놀이 기반 상호작용이 학습, 분류, 예측과 같은 인공지능 개념 이해를 촉진한다고 보고하였다. 국내 연구에서도 유사한 결과가 나타나고 있다. 인공지능 로봇의 사용 경험은 유아의 인공지능 리터러시를 증진하며, 경험이 많을수록 로봇의 기계적 특성을 더 명확히 인식하였다(B. Lee & Kim, 2023). 또한 이러한 경험은 컴퓨팅 사고력과(B. Lee, Ku, & Ko, 2025) 언어 표현력(Yoo &Yoon, 2023) 향상에도 긍정적 영향을 미쳤다.
보통 인공지능 리터러시는 단순한 기술적 이해와 기술 사용 능력을 넘어, 인공지능의 작동 원리에 대한 이해(knowing and understanding), 다양한 맥락에서의 활용과 적용(using and applying), 인공지능을 비판적으로 분석하고 창의적으로 활용하는 능력(evaluating and creating), 그리고 인공지능과 공존하는 사회적・윤리적 태도(ethical awareness)를 포함하는 다층적 문해력으로 정의된다(Ng, Leung, Chu, & Qiao, 2021). 즉, 인공지능의 구조와 원리를 이해하고, 그 한계를 인식하며, 이를 비판적으로 수용하고 주체적으로 사고하고 행동하는 능력까지 포괄하는 개념이다. 그러나 대부분 유아는 이러한 기술이 ‘어떻게’ 작동하는지, 그리고 ‘왜’ 윤리적 고려가 필요한지를 충분히 이해하지 못한 채 이를 자연스러운 일상의 일부로 받아들이고 있다(Heeg & Avraamidou, 2024). 이에 따라 인공지능 리터러시는 단순한 기술적 이해를 넘어, 사회적・문화적・윤리적 맥락에서 인공지능을 비판적으로 해석하고 책임감 있게 사용하는 능력으로 확장되어야 한다는 요구가 제기되고 있다(Ng et al., 2021).
최근 Ng, Wu, Leung, Chiu와 Chu (2024)는 인공지능 리터러시를 정서적(Affective), 행동적(Behavioral), 인지적(Cognitive), 윤리적(Ethical) 측면에서 통합적으로 이해하는 ‘ABCE framework’를 제안하였다. 이 틀은 인공지능 리터러시를 단순한 기술적 능력이 아닌, 정서적 태도와 윤리적 성찰을 포함하는 총체적 발달 과정으로 규정한다. 나아가 Biagini (2024)는 이러한 관점을 확장하였는데, 인공지능 리터러시를 인지・정서・행동・윤리의 다차원적이고 상호의존적인 구조로 보며, 학습자의 경험과 관계 속에서 발달하는 역동적 과정으로 해석하였다. 즉, 인지는 비판적 이해의 기반을 제공하고, 정서는 기술 및 타인에 대한 감수성을 확장하며, 행동은 실천을 가능하게 하고, 윤리는 이를 반성적으로 통합하는 가치 체계로 작용한다. 이러한 네 요소는 병렬적 개념이 아니라, 상호의존적이며 순환적으로 발달하는 통합적 구조로 이해되어야 한다. 이 관점에서 윤리는 인공지능 리터러시를 관통하는 핵심 가치로 기능한다.
윤리적 이해는 단순히 ‘옳고 그름’을 판단하는 차원을 넘어, 인공지능의 편향성과 공정성, 데이터 프라이버시, 투명성, 그리고 사회적 책임과 같은 복합적 문제를 인식하고 이에 대해 비판적으로 사고하는 능력을 포함한다(Gartner & Krašna, 2023). 따라서 인공지능 리터러시 교육은 기술적 지식과 윤리적 성찰을 통합적으로 다루는 방향으로 나아가야 한다(Zhang et al., 2023). 이러한 관점은 국내 유아교육 지침과도 일맥상통한다. Park 등(2021)은 유아 인공지능 교육의 내용 체계를 인공지능 이해(알기), 인공지능 활용(소통 및 문제해결), 인공지능 가치(윤리적 태도)의 세 영역으로 구분하며, 이들의 상호보완적 통합을 강조하였다. 본 연구는 이러한 국내외 연구 논의를 바탕으로 유아의 발달적 특성을 반영하여 인공지능 리터러시의 발현 양상을 인지적・행동적・정서적・윤리적 측면에서 통합적으로 살펴보고자 한다.
유아기는 피아제(Piaget)와 콜버그(Kohlberg)가 제시한 도덕성 발달의 초기 단계로, 규범을 외적 권위에 따라 수용하되 점차 타인의 감정과 의도를 고려한 판단을 시작하는 시기이다(Piaget, 1951; Kohlberg, 1981). 구체적으로, 이 시기의 도덕 판단은 규범적 판단보다는 정서적 공감과 관계적 책임에 기초하며(Gilligan, 1982), 공감이나 죄책감 등의 정서적 반응을 토대로 한다(Malti & Krettenauer, 2013). 따라서 유아에게 윤리적 인공지능 리터러시는 타인과 기술을 배려하며 관계를 맺는 능력, 즉 ‘관계적 돌봄(relational care)’의 초기 형태로 이해할 수 있다(Adams, Pente, Lemermeyer, & Rockwell, 2023; Gilligan, 1982). 이는 유아교육의 본질인 ‘페다고지(pedagogy)’적 책임과도 맞닿아 있다. 페다고지는 아동에게 지식을 전달하는 행위에 그치지 않고, 무엇이 선한 것인지 성찰하며 그들의 삶을 향상시키는 윤리적 실천을 포함한다(Biesta, 2010; Haynes, 2002). 즉, 유아에게 인공지능 리터러시는 도구 활용 능력을 넘어 기술과 관계를 맺으며 윤리적 책임을 갖고, 주체적으로 이끌어가는 역량을 의미한다.
나아가 인공지능 리터러시는 기존의 디지털 리터러시나 정보 리터러시에서 파생된 상위 개념으로, 기술 활용 능력에서 나아가 데이터 해석력, 사회적 감수성, 윤리적 판단을 통합적으로 포함하는 문해력으로 발전해왔다(Wang, Zhao, Van Kleek, & Shadbolt, 2024). 다시 말해, 디지털 리터러시가 ‘정보의 비판적 활용’을 중시했다면, 인공지능 리터러시는 ‘기술과의 관계 속에서 책임 있게 사고하고 행동하는 역량’을 강조한다. 이러한 이론적 논의를 종합하면, 인공지능 리터러시의 인지・정서・행동・윤리적 요소는 서로 독립된 영역이 아니라 발달적 단계와 기능적 상호작용을 이루는 통합체로 이해되어야 한다. 특히 윤리는 단순한 규범적 지식이 아니라, 인지적 이해와 정서적 공감이 행동으로 전환되는 과정에서 형성되는 실천적 리터러시의 형태를 가진다(Xu, Meng, & Gou, 2025).
최근 연구에 따르면, 유아도 인공지능을 기술적 존재로 인식하기보다 사회적 관계 속의 ‘도우미’ 혹은 ‘친구’로 이해하는 경향을 보이며(Heeg & Avraamidou, 2024; S. Kim, Park, & Lee, 2026), 이를 통해 창의적 탐구 능력과 정서적 공감 능력을 발달시킬 수 있다(Kewalramani, Palaiologou, Dardanou, Allen, & Pillipson, 2021). 특히 아동이 인공지능 로봇과 ‘가르치고 배우는’ 상호작용을 경험할 때, 인공지능을 학습 동반자로 인식하며(Druga et al., 2017), 기술적 한계와 인간적 감정의 차이를 구분하는 인식적・윤리적 사고를 형성할 가능성을 보인다(Samuelsson, 2023). 그러나 아동이 인공지능과의 상호작용 과정에서 항상 완전한 피드백을 받는 것은 아니다. 인공지능 로봇은 오류와 한계를 가지고 있으며, 아동은 이러한 상황 속에서 문제를 해결하고자 시도하는 과정에서 컴퓨팅 사고력과 자기 조절 능력을 발달시킨다(B. Lee et al., 2025; Wing, 2008). 또한 인공지능의 오류를 경험하며 협상과 조정을 수행하는 과정은 인공지능 사용에 대한 책임감과 윤리적 태도 형성에 영향을 미친다(La Fors, 2024). 흥미롭게도, 일부 연구에서는 유아가 인공지능의 오작동을 경험하더라도 로봇과의 친밀감을 유지하고(S. Kim et al., 2026; Straten, Peter, Kühne, & Barco, 2020), ‘완벽하지 않지만 도움이 되는 존재’로 인식하며(Myat Kyaw, Zou, Yu, & Le, 2025), 자신의 행동을 조정해 문제를 해결하는 주체적・능동적 학습자로 성장하는 모습을 보였다(Serholt, Pareto, Ekström, & Ljungblad, 2020).
그럼에도 불구하고, 현재까지의 연구는 주로 초등학생 이상을 대상으로 이루어졌으며, 유아의 발달단계에 근거한 인공지능 리터러시와 윤리적 사고의 형성과정을 심층적으로 탐구한 질적연구는 매우 부족한 실정이다(Biagini, 2024). 요컨대, 기존 연구들은 인공지능의 개념이나 기술적 상호작용에 초점을 맞추었으나, 인지・정서・행동・윤리의 통합적 관점에서 유아의 인공지능 리터러시를 탐색한 연구는 드물다. 특히 유아가 인공지능의 공정성, 편향, 책임과 같은 윤리적 주제를 어떻게 인식하고 이해하는지를 밝히는 실증 연구는 거의 이루어지지 않았다. 따라서 본 연구는 유아의 목소리와 경험을 중심으로, 그들이 인공지능 리터러시와 윤리를 어떻게 이해하고 구성하는지를 탐색하고자 한다.
이에 본 연구는 Ng 등(2021)이 제시한 인공지능 리터러시의 네 가지 핵심 요소—지식과 이해, 활용과 적용, 평가와 창조, 그리고 윤리적 인식—를 기반으로 설계된 10회기의 놀이・탐구 활동에 참여한 만 4-5세 유아를 대상으로 하였다. 본 연구의 목적은 유아가 인공지능과의 상호작용 속에서 인공지능의 개념과 작동 원리, 기술적 한계, 그리고 사용자로서의 윤리적 책임을 어떻게 인식하고 구성해 가는지를 질적으로 분석하는 데 있다. 유아가 인공지능과 상호작용하며 보이는 이해, 문제해결 전략, 그리고 윤리적 반응은 향후 유아 인공지능 교육의 내용과 방법을 설계하는 데 중요한 시사점을 제공할 것이다. 특히 인공지능의 한계를 인식하고 이를 주체적으로 해결하려는 경험은 유아가 디지털 사회의 능동적 시민으로 성장하기 위한 기초 역량을 형성하는 출발점이 될 수 있다. 이상의 논의를 바탕으로 본 연구는 다음의 연구문제를 설정하였다.

연구문제 1

유아는 인공지능 로봇과의 상호작용 경험 속에서 인공지능의 작동 원리와 기술적 한계를 어떻게 이해하고 의미화하는가?

연구문제 2

유아는 인공지능 로봇과의 상호작용 과정에서 행위 주체로서의 책임과 윤리적 관계를 어떻게 구성하고 표현하는가?

Methods

연구참여자

본 연구는 유아의 인공지능 이해 양상과 사용자로서의 인식을 탐색하기 위하여 D광역시 소재 2개의 사립유치원 만 4-5세 유아반 5개 학급의 담임교사 3인과 로봇활동 담당교사 1인, 그리고 유아 103명(남 59명, 여 44명)을 대상으로 하였다(Table 1). 만 4-5세는 피아제가 제시한 전조작기 후반의 연령으로, 사물에 생명과 의도를 부여하는 물활론적 사고를 보이면서도 점차 인과 관계에 대한 추론과 논리적 사고가 형성되기 시작하는 발달적 전환기에 해당한다(Gopnik & Wellman, 2012; Piaget, 1951). 따라서 이 시기는 ‘의도적 행위자’로서 인공지능을 인식하고 탐색할 수 있어, 인공지능 리터러시 발달 양상을 살펴보기에 적합한 시기라고 판단하였다.
또한 본 연구는 유치원의 실제 교육 맥락을 존중하고 자 각 기관의 수업 운영 체제를 가능한 한 그대로 반영하였다. 기관 1의 A, B반은 로봇 활동 전담교사가 10회기의 활동을 진행하였으며, 동일 기관의 C반과 기관 2의 D, E반은 담임교사가 직접 활동을 진행하였다. 교사 유형에 따른 활동 진행의 차이는 본 연구의 주요 분석 대상이 아니며, 실제 현장의 운영 방식을 반영하기 위한 설정이었다.

연구도구

본 연구는 인공지능 로봇을 활용한 10회기의 가이드 된 놀이 및 탐구활동으로 진행되었다. 연구진은 Ng 등(2021)이 제시한 인공지능 리터러시의 네 가지 항목(지식과 이해, 활용과 적용, 평가와 생성, 윤리)을 기반으로 유치원 상황과 연구 시기, 유아 특성을 고려하여 10회기 활동을 개발하였으며, 담임교사와 로봇 활동 담당 교사가 주 2회, 총 5주간 활동을 진행하였다(Table 2). 활동에는 UBTECH 회사에서 개발한 교육용 인공지능 로봇 알파미니(Alpha Mini)를 활용하였다. 알파미니는 네이버의 대화형 인공지능 엔진인 클로바(CLOVA)를 탑재하고 있어 사람의 음성을 통해 의사소통할 수 있고, 카메라로 동작이나 사물을 인식할 수 있다. 특히 ‘uCode’라는 애플리케이션을 통해 로봇의 표정, 동작, 발화 등을 스크래치 형식으로 코딩하여 조작할 수 있다. 유아들은 알파미니를 활용한 10회기의 놀이기반 활동을 통해 인공지능 로봇과의 질의응답, 동작 인식, 명령 수행, 문제 해결 활동 등을 경험하였다. 또한 활동이 진행되는 동안, 로봇을 교실 내에 상시로 배치하여 유아들이 자유롭게 인공지능 로봇과 상호작용할 수 있도록 하였다.

연구절차

본 연구는 유아가 인공지능 기술을 어떻게 인식하고 반응하는지, 그리고 인공지능 기술과의 상호작용을 통해 주체성을 형성할 수 있는지를 탐색하기 위해 수행되었다. 이를 위해 D광역시 소재 만 4-5세 유아반 5개 학급을 대상으로 인공지능 로봇을 활용한 10회기 놀이・탐구 활동을 진행하였다.
연구에 활용한 분석 자료는 (1) 교사가 녹화한 10회기 활동 영상의 전사 자료, (2) 연구진이 활동 영상을 보면서 작성한 관찰 기록, (3) 교사가 자유놀이 시간에 기록한 관찰일지, 그리고 (4) 10회기 활동을 진행한 교사들과의 초점집단 인터뷰(focus group interview) 자료이다. 연구 절차는 사전 준비 단계, 본 활동 단계, 사후 인터뷰 단계의 세 단계로 이루어졌다.

사전 준비 단계

연구자는 D광역시 내 인공지능 로봇 활용 프로그램에 관심이 있는 유치원과 어린이집을 대상으로 모집문건을 발송하고, 연구의 목적과 진행 방식을 안내하였다. 자발적으로 참여 의사를 밝힌 교사로부터 학급 단위로 참여 신청을 받아 연구대상을 구성하였다. 이후 참여 교사를 대상으로 약 90분간의 사전 연수를 실시하였다.
연수 내용은 (a) 로봇의 하드웨어 및 소프트웨어(uCode) 조작법, (b) 회기별 교수・학습 핵심 개념, (c) 발문 가이드라인으로 구성되었다. 또한 연구진은 예비조사에서 참여하였던 교사들이 제안한 로봇 세팅 노하우, 프로그램 적용상의 유의점, 피드백 등을 반영하여 제작한 ‘교사용 활동 가이드북’을 배부함으로써 활동의 질적 일관성을 확보하였다.

본 활동 단계

10회기의 놀이・탐구 활동은 각 기관의 운영 일정에 따라 2024년 10월 7일부터 12월 17일까지 자율적으로 진행되었다. 각 회기에서 교사는 활동 전 과정을 교사, 유아, 교실 환경이 모두 보이도록 비디오로 촬영하였으며, 촬영된 영상은 종료 직후 연구팀에 전달하였다. 연구자들은 영상을 수신한 후 즉시 시청하며 전사 작업과 관찰 기록을 수행하였다. 전사는 교사와 유아의 발화를 중심으로 이루어졌으며, 인공지능 로봇의 시스템 발화도 함께 기록하였다. 전사 도중 의미가 불분명하거나 상황 맥락이 모호한 경우에는 해당 교사에게 추가 질문을 하여 전사 내용을 보완하였다.
연구의 충실도(fidelity)를 높이기 위해 교사는 매회 활동 종료 후 자기 성찰지를 작성하여 핵심 활동 요소의 수행 여부를 점검하였다. 연구자들은 이를 기반으로 활동 영상을 검토하며 활동 충실도를 모니터링하였다. 연구팀의 피드백은 로봇 및 소프트웨어의 기술적 문제해결과 같은 기술적 지원에 한정하였고, 교수・학습 내용이나 발문에는 개입하지 않음으로써 연구의 중립성을 유지하였다.
또한 본 연구에서는 10회기의 활동 외에도 인공지능 로봇을 교실 내에 상시 배치하여 유아와의 자유로운 상호작용을 허용하였다. 이는 유아가 인공지능을 일상적 환경의 일부로 자연스럽게 인식하도록 유도하고, 활동을 통해 습득한 지식과 기술이 놀이 상황으로 전이되는 양상을 관찰하기 위한 의도적 설계였다. 활동 외 시간 중 발생한 유아-로봇 간의 상호작용은 교사의 관찰일지를 통해 기록되었으며, 연구진은 이를 분석 자료로 활용하였다.

사후 인터뷰 단계

10회기 활동이 모두 종료된 후, 연구에 참여한 교사들을 대상으로 사후 인터뷰를 실시하였다. 인터뷰는 동일 기관 교사들끼리 구성된 두 개의 포커스그룹으로 진행되었으며, 각 회차당 약 100분이 소요되었으며 비대면으로 진행하였다. 모든 인터뷰는 연구참여자들의 동의하에 녹화・전사 되었다. 인터뷰는 인공지능 로봇을 활용하여 활동을 진행하면서 느낀 점과 10회기 활동에 관한 평가에 관한 문항들로 구성된 반구조화된 질문지를 바탕으로 하였고(Table 3), 연구참여자들이 질문 내용을 사전에 숙지할 수 있도록 질문목록을 문자메시지로 공유하였다.
이와 같은 절차를 통해 인공지능 로봇을 활용한 유아 교육 활동의 실제 과정을 체계적으로 재구성하였으며, 이를 바탕으로 유아의 인식과 사고 양상을 심층적으로 탐색할 수 있는 신뢰도 높은 정성적 자료를 확보하였다.

자료분석

본 연구는 유아의 인공지능 리터러시 발현 양상을 경험적 맥락 속에서 심층적으로 탐색하기 위해, 의미 구성과 해석의 과정을 중시하는 Braun과 Clarke (2006)의 주제분석(thematic analysis) 방법을 적용하였다. 수집된 자료의 체계적 처리를 위해 질적연구 분석 프로그램인 MAXQDA 2024를 활용하였으며, 구체적인 분석 절차는 다음과 같다.
첫째, 분석 단위의 명료화 및 자료 선별을 실시하였다. 본 연구는 유아와 인공지능 로봇 간의 상호작용 맥락에서 나타나는 행동 양상과 인식을 탐색하는 데 목적을 두었다. 이에 따라 분석 단위는 유아의 발화, 인공지능 로봇의 반응, 또래나 교사의 반응이 의미 있는 맥락으로 연결된 ‘에피소드(episode)’로 설정하였다. 총 50회기(5개 학급×10회기)의 활동 영상에서 회기당 평균 3-4개의 상호작용 에피소드가 도출되어, 전체 에피소드는 약 180개가 확보되었다. 이 중 연구 문제와 밀접하게 관련된 70개 내외의 핵심 에피소드를 유의 표집(purposive sampling)으로 선정하였다. 선별 기준은 구체적으로, (1) 유아의 인지적 이해・정서적 반응・윤리적 태도가 뚜렷하게 드러난 장면, (2) 인공지능 로봇의 한계나 오류로 인해 유아의 능동적 대처나 문제해결 시도가 나타난 장면, 그리고 (3) 또래나 교사와의 협력적 상호작용이 포함된 장면이었다.
둘째, 단계별 코딩 및 주제 도출 과정을 거쳤다. 코딩의 1차 단위는 전사 자료에 나타난 개별 발화였으며, 이를 의미 맥락에 따라 통합하여 에피소드 단위로 2차 범주화 하였다. 초기 코드 생성 과정에서 두 명의 연구자는 독립적으로 코딩을 수행하였으며, 사전 합의된 코드북 초안을 바탕으로 포함 및 제외 기준을 지속적으로 수정・보완하였다. 코딩 결과에 불일치가 발생한 경우, 해당 발화 및 에피소드가 속한 전후 맥락을 원자료에서 재검토하고, 코드 정의를 재확인하는 협의 과정을 거쳐 합의에 도달하였다. 이러한 합의 과정은 단순한 코드 일치 여부를 넘어서, 각 코드가 연구 문제와 이론적 틀에 부합하는지를 중심으로 이루어졌다. 최종 주제는 연구자와 교사의 관찰 기록 및 인터뷰자료를 교차 검토(triangulation)하여 확정하였다.
셋째, 분석의 신뢰도와 타당도를 확보하기 위한 전략을 사용하였다. 연구자 간 상호 비교를 통해 해석의 일치 여부를 점검하였으며, 해석의 편향을 방지하기 위해 부정 사례(negative case)를 함께 분석하여 주제 해석의 균형성과 포괄성을 확보하였다. 또한, 교사 확인(member checking) 을 통해 연구자의 해석이 현장 경험과 부합하는지를 검토하였으며, 교사의 긍정적 편향을 최소화하기 위해 해석의 적합성 확인으로 범위를 한정하였다. 해석의 수정이나 최종 판단은 연구자 간 합의를 통해 확정하였다.
마지막으로, 자료의 충분성과 포화 여부를 지속적으로 검토하였다. 분석 결과, 9-10회기에 이르러 기존 도출된 하위주제와 동일한 코드가 반복적으로 출현하였으며, 새로운 개념적 범주가 더는 발견되지 않아 자료의 포화(saturation)에 도달했음을 확인하였다. 이는 본 연구에서 확보한 에피소드 자료가 유아의 인공지능 리터러시 발현 양상을 탐색하기에 충분한 질적 깊이와 이론적 포괄성을 지니고 있음을 시사한다

윤리적 고려

이 연구는 교신저자가 속해 있는 대학교 생명윤리위원회의 심의를 받아 최종 승인 이후 진행되었다(1040621-202407-HR-059). 연구자들은 연구를 진행하면서 연구참여자의 자발적 참여, 연구 참여 동의, 비밀보장, 연구 참여 보상, 자료 저장 및 보관 등에 대해 연구윤리를 준수하였다. 자발적으로 참여 의사를 밝힌 교사에게 서면으로 동의서를 받았으며, 담당 학급의 부모를 대상으로도 연구의 목적과 내용을 알리고 서면으로 연구 참여 동의서를 받았다. 연구자들은 유아의 자발적 참여 역시 중시하여 유아를 대상으로 유아가 이해하기 쉬운 언어로 설명한 후 연구 참여를 희망하면 동의서에 서명할 수 있도록 하였다. 교사와 유아가 참여한 10회기의 활동 장면은 교사가 직접 녹화하였으며, 활동 직후 연구자에게 영상을 전송하였다. 연구자들은 수업 녹화 파일을 시청하며 관찰자료를 작성하였고, 수업 영상과 포커스그룹인터뷰 영상은 모두 전사한 직후 폐기하여 개인정보 유출 위험을 차단하였다. 다음으로 전사 자료는 유아의 실명을 삭제하고 가명을 부여하는 비식별화 과정을 거친 후, 암호화된 외부 저장장치에 보관하였다. 모든 자료는 관련 법령에 따라 연구 종료일로부터 3년간 보관 후 폐기할 예정이다.

Results

주제분석 결과는 인공지능의 작동 원리, 감정 인식, 반응 오류 설명, 정보입력의 주체와 책임, 기술에 대한 도덕적 판단 등을 포괄한 다양한 내용 중에서 연구 문제에 부합하는 유사한 주제를 함께 묶고 하위주제로 다시 범주화하는 작업을 거쳐 인공지능 작동 원리와 기술적 한계에 대한 이해, 기술적 한계를 극복하기 위한 전략적 상호작용, 행위 주체로서의 윤리적 책임 인식의 세 가지 큰 주제로 정리하였다(Table 4). 각 주제는 독립적이라기보다는 상호 유기적으로 연결되며, 이를 통해 유아가 능동적 사용자로서 인공지능 로봇과 상호작용을 하며 성장해가는 과정을 파악할 수 있었다.

인공지능 작동 원리와 기술적 한계에 대한 이해

로봇의 작동방식과 반응 구조에 대한 이해를 확장함

유아들은 인공지능 로봇과 상호작용을 하며 인공지능은 스스로 인식하고 판단하는 능력을 갖춘 존재가 아니라, 외부로부터 정보를 입력받고 이를 학습해야 과제를 수행할 수 있는 비자율적 구조로 되어 있음을 이해하였다. 다음에 제시된 사례와 같이 유아들은 인공지능 로봇이 카메라를 통해 스스로 사물을 인식하는 게 아니라 입력된 정보를 학습하고 그것을 기반으로 사물을 인지하게 된다는 원리를 이해하고 있음을 알 수 있다.
교사: 알파미니 카메라에 보여주고 뭔지 물어보면 알 수 있어요?
유아: 아니요. 인공지능이라서 먼저 알려주고, (그다음에) 뭐라도 보면 알 수 있어요.
(Class B; 알파미니가 나를 알아볼 수 있을까?)
한 유아는 로봇의 사고를 ‘생각 주머니’로 표현하였는 데, 이는 유아가 인공지능 로봇에게 입력된 정보가 많아질수록 사고가 확장된다는 원리를 이해하고 있음을 의미한다.
교사: 그러면 얘들아, 인공지능은 어떻게 생각을 할까?
유아1: 자기가 생각할 거를 만들어 내요.
교사: 얘가 계속 생각을 스스로 만들어 내는 건가?
유아2: 아니, 배워서 만들어 내요. 배워서 계속 점점 생각 주머니가 커지는 거예요.
(Class D; 착한 인공지능, 나쁜 인공지능)
특히 유아들은 ‘감정’에 대해서도 사람이 인공지능 로봇에게 알려줘야만 로봇이 인식할 수 있다고 생각하였다. 유아는 인공지능 로봇이 인간처럼 내면의 감정을 스스로 느끼는 것이 아니라 입력된 정보에 따라 그 맥락에서 느낄 수 있는 감정을 유추할 수 있고, 또 그것을 단순하게 표현할 뿐 실제로는 슬퍼하지 않는다고 이해하고 있었다. 이는 유아가 인공지능 로봇의 감정 표현은 실제 감정에 기반하는 것이 아니며, 입력된 정보를 통해 학습한다는 점, 나아가 인간과 인공지능 로봇 간의 본질적인 차이를 구분하고 있다는 것을 보여준다.
교사: 헤이 클로버는 그런 이런 감정을 알고 있을까요? 로봇도 기쁜 감정과 화난 감정을 느끼고 있는 걸까?
유아: 그런 감정들은 가르쳐줘야지 알 수 있어요.
(Class A; 다양한 감정을 표현해요)
교사: 그러면 친구들이 말한 이렇게 많은 감정을 헤이클로버도 알고 있을까요?
유아1: 아니야, 몰라요.
교사: 왜 모를까?
유아2: 로보트라서 감정이 없어요.
교사: 그럼, 헤이클로버는 감정을 모르니까 표정도 없어요?
유아2: 아니요. 표정은 있어요. 배워서.
(Class B; 다양한 감정을 표현해요)

로봇의 오류 경험을 통해 인공지능의 불완전성을 인식함

현재의 기술 수준에서 인공지능 로봇은 인간처럼 유아와 완벽하고 원활하게 상호작용하기 어렵다. 인공지능 로봇은 유아와의 대화 과정에서 유아의 발음이나 불완전한 문장을 정확하게 인식하지 못하거나, 유아가 예상하지 못한 방식으로 오답을 내놓기도 한다(Serholt et al., 2020). 이러한 상호작용 경험을 통해 유아는 로봇의 응답이 완벽하지 않다는 사실을 깨닫고, 인공지능 로봇이 갖는 기술의 한계와 불완전성을 인식하게 되었다.
아이들이 로보트를 만화에서 봤던 것처럼 ‘우리보다 힘도 세고 인간보다 훨씬 더 다양한 걸 잘 알 수 있고 우리 부모님보다 훨씬 더 유능하다’ 이렇게 다 똑같이 획일적인 생각을 했었는데, 활동을 통해서 이제 다양한 생각을 가질 수 있게 되었어요. ‘로보트는 이제 이런 건 할 수 있다, 없다’ 이런 것도 판별할 수 있고…(중략)… ‘미래에는 이런 게 있었으면 좋겠다’라는 이야기들을 친구들이 나누는 모습을 많이 볼 수 있어서 이 기회가 친구들한테 뭔가 생각의 전환점도 줄 수 있고 또 현재의 어떤 어디까지의 기술이 발전했는지 이런 것도 조금 알아차릴 기회가 됐구나! 이런 부분이 좋았습니다. (1-C)
저희 반 알파미니 위상이 오히려 좀 떨어졌거든요. (웃음) 허당으로 조금 찍혀 있는 것 같아요. 알파미니가 못 알아 들으면 ‘또 가르쳐줘야 돼, 또’ 이런 식으로. (2-D)
그러나 유아들은 인공지능 로봇이 적절하지 않은 반응을 보일 때 실망하거나 좌절하기보다 오히려 그 이유를 추론하려는 시도를 보였다. 인공지능 로봇의 오반응을 기기 자체의 문제라기보다는 정보입력 과정에서의 오류일 수 있다고 생각하며, 인공지능의 한계를 인식하게 되었다.
유아1: 이건 바다 친구고 쓰레기가 아니야.
클로바: 알겠어.
교사: 그럼 한번 물어볼까요?
유아2: 헤이클로바, 이건 쓰레기일까? 바다 동물일까?
클로바: 제가 답을 찾지 못했어요.
유아1: (한숨을 쉬며) 방금 전에 알려줬는데.
유아3: 하.. 제대로 안 들었나 보다.
(Class B; 바다 쓰레기를 치우는 로봇)
유아들은 인공지능 로봇이 입력되는 정보의 옳고 그름을 판단하거나 평가하지 못하고 있는 그대로 수용한다는 점도 인식하게 되었다. 이는 인공지능 로봇이 정확한 정보가 입력되지 않으면 오반응을 보일 수 있는 구조적 한계를 가진 존재임을 알게 되었다는 것을 의미한다.
애들이 처음에는 ‘로봇이면은 무조건 다 안다’라고 생각하는 친구들이 많잖아요.
어린 친구들은 근데 약간 좀 끝나고 나서 그 ‘우리가 로봇한테 조금 잘 가르쳐줘야만 로봇이 잘 알 수 있다’라는 그거를 조금 잘 알게 되더라고요. (2-E)

불완전한 존재로서의 로봇을 수용하며 정서적 관계를 형성함

유아들은 인공지능 로봇이 완벽하지 않다는 사실을 상호작용 경험을 통해 자연스럽게 인지하였다. 그러나 로봇의 기술적 한계가 로봇에 대한 거부감으로 이어지진 않았다. 오히려 고장이 나거나 아플 수 있는 존재로 인식하며 보살펴야 하는 대상으로 여기고 애착 관계를 형성해 나갔다.
교사: 헤이클로바가 미션을 잘 못 했어. 선생님 시킨 거 아무것도 못 했어. 근데 선생님이 왜 화내면 안 된다고 생각해?
유아1: 사람처럼 약하지는 않지만 그래도 때리면 부서질 것 같아서 소중히 다뤄야 해요.
유아2: 엔진이 고장 나서.
유아1: 아파할 것 같아요.
유아3: 나중에 다른 일을 시키면 안 될 것 같아서요. 아니 안 해줄 것 같아서.
(Class C; 알파미니 대화 규칙 정하기)
유아들은 로봇이 오작동하는 상황에서도 ‘그럴 수도 있다’라며 로봇의 실패를 자연스럽게 받아들였다.
교사: 코딩했을 때 알파미니가 너희가 말하는 대로 잘 해줬어요?
유아1: 네. 근데 안 될 때도 있고 잘 안 될 때도 있었고 할 때도 있어요.
교사: 잘 안 될 때도 있었어?
유아2: 네 맞아요. 이거 못 기억한 친구 계속 이렇게 가만히 있는데 ‘최고야’하고.
(Class D; 착한 인공지능 나쁜 인공지능)
또한 유아들은 인공지능 로봇이 생명이 없다는 것을 알고 있음에도 마치 생명이 있는 존재처럼 다루며 사회적 관계를 만들어갔다. 구체적으로, 유아들은 로봇에게 인격이 있는 것처럼 머리를 쓰다듬거나 안아주는 등 애착 인형처럼 다루며 애정 어린 태도를 보였다. 이러한 모습은 유아들이 로봇의 한계를 부정하기보다 그것을 있는 그대로 받아들이며 그 한계마저 상호작용의 일부분으로 받아들이는 정서적 애착을 형성하고 있음을 보여준다. 유아들은 인공지능 로봇이 함께 성장할 수 있는 친구로 받아들이며, 인공지능 기술과 관계 맺는 주체로 성장하고 있었다.
‘너는 내 말을 잘 안 듣는다, 너는 나랑 친구가 될 수 없다’ 해가지고 막 혼자 울고 그랬던 친구들도 집에서 다시 한번 해보고 싶다고 얘기를 하고 …(중략)… 로봇이 할 수 있는 것들을 중심으로 놀이를 다시 만들어가면서 기능적인 부분에 애들이 관심이 더 많이 생겼다는 것을 알게 되었어요. (1-C)
저희 반 친구들은 (로봇에게) 생명이 없다고 알고 있는데 생명이 있는 것처럼 대하기는 해요. 그러니까 뭔가 인형처럼 얘는 생명이 있는 게 아니라는 걸 알고 있지만, 유아라서 그런지 그냥 인형을 대하듯이 내가 좋아하는 인형을 대하듯이 얘는 인격이 없는 걸 알지만 인격이 있는 것처럼 대하는 모습을 자주 볼 수 있어요. …(중략)… 머리를 쓰다듬는다든지 아니면 친구들이 (거칠게 다루면) 하면은 ‘살살 만져 아프잖아’라는 이런 이야기를 하는 거를 보면서 뭔가인지는 하고 있는데 얘들이 그냥 인형처럼 대한다는 느낌을 많이 받았어요. 마치 살아 있는 인형인데 보통 자기 애착 인형한테 얘가 살아있는 게 아닌 줄 알면서도 막 이야기하고 안아주고 하는 것처럼. 그렇게 비슷하게 하더라고요. (1-A, B)

기술적 한계를 극복하기 위한 전략적 상호작용

말하기 조절을 통해 로봇과의 상호작용을 조율함

유아들은 인공지능 로봇이 유아의 말을 정확하게 이해하지는 못한다는 점을 인식하고 있었다. 자신이 발음과 문장구조를 분명하게 할 때, 인공지능 로봇이 더욱 잘 이해하고 알아듣는다는 것을 알게 되면서 인공지능 로봇과 소통에서 발화 방식을 조정하는 방식을 선택하였다.
교사: 그러면 알파미니랑 대화를 할 때 어떻게 하면 알파미니가 더 대화를 잘 알아들을 수 있을까?
유아1: 설명을 잘하고 또박또박 천천히 말하고.
유아2: 생각하고 말해요.
(Class D; 알파미니 대화 규칙 정하기)
특히 유아들은 인공지능 로봇이 인간처럼 맥락을 잘 이해하지 못한다는 점을 고려하여, 이해하기 쉬운 방식으로 자신의 발화를 조절하여 정보를 입력하려는 전략을 구사하였다. 예를 들어 ‘노래’를 틀어달라는 말에 가요를 틀어주는 로봇의 반응을 보고, ‘동요’를 틀어달라고 어휘를 수정하거나 그 외에도 발음, 속도 등을 전략적으로 선택하고 조정하면서 상호작용을 효과적으로 하기 위해 노력하였다. 이러한 모습을 통해 유아들이 인공지능 로봇과 소통할 때, 자신의 발화가 어떻게 인식되고 처리될 수 있는지 예상하고 그에 맞춰 조절하려는 능동적인 태도를 갖추었음을 엿볼 수 있다. 이러한 언어적 조절은 로봇이 무엇을 이해하지 못하는지를 경험하며, 이를 근거로 자신의 발화를 조정하여 한계를 보완하는 상호작용적 문제해결 능력을 발휘한 것으로 분석할 수 있다.
유아: 헤이클로바 가을 노래 틀어줘.
클로바: 가을에 어울리는 음악을 재생할게요. (가요 재생)
(교사의 설명 이후)
유아: 헤이클로바. 가을 동요 틀어줘.
클로바: 주니버 동요를 들려줄게요. (동요 재생)
(Class D; 가을의 색깔과 모양 찾기)

명확한 명령 전달을 위해 사고 과정을 절차적으로 표현함

유아들은 인공지능 로봇과 상호작용 하면서 컴퓨팅 사고력을 발달시킬 수 있었고, 이러한 변화가 대화 속에 나타났다. 컴퓨팅 사고력은 컴퓨터처럼 체계적으로 사고하는 능력을 의미하는데, 문제를 해결하고, 논리적으로 사고하며, 패턴을 인식하고, 순차적으로 사고하는 것을 말한다(Wing, 2008). 유아들은 인공지능 로봇과 상호작용 하면서 인공지능이 어떠한 과제를 정확하게 수행하도록 만들기 위해서는 복합적인 정보를 체계적이고 논리적인 방식으로 입력해야 하며, 정보의 개념적인 분류와 관계를 학습시켜야 한다는 점을 인지하게 되었다. 예를 들어, 인공지능 로봇이 바다 쓰레기를 치우는 과제를 수행하도록 만들 때, 유아들은 단순하게 ‘바다 쓰레기를 치워라’라고 말하는 것은 불가능하며, 로봇이 쓰레기와 동물의 차이를 인식하는 것부터 쓰레기를 치우는 구체적인 방법까지 복합적인 정보를 단계적으로 학습해야 함을 인식하고 있었다.
교사: 클로버가 바다 쓰레기를 청소하려면, 어떻게 해야 할까?
유아1: 바닷속 청소 방법을 알려줘.
유아2: 바닷속 동물들. 교사: 바닷속 동물을 알려줘야 해? 왜?
유아2: 로봇이 동물을 쓰레기인 줄 알고 버리면 어떡해.
교사: 맞지. 그러면 동물도 알려줘야 하고 또 뭘 알려줘야 할까?
유아1: 어… 쓰레기 치우는 방법.
교사: 어 쓰레기 치우는 방법, 그리고 쓰레기가 뭔지도 알려 줘야겠죠.
(Class D: 바다 쓰레기를 치우는 로봇)
또한 유아는 인공지능 로봇은 ‘옆으로’라는 모호한 표현을 이해하지 못한다는 점을 깨닫고, 의미를 더욱 정확하게 전달하기 위해 ‘오른쪽으로’와 같이 어휘를 수정하였다. 이는 인공지능 로봇에게 입력되는 정보가 의도한대로 출력되기 위해서 어휘를 전략적으로 조정해야 함을 인식하는 과정을 보여준다. 이는 단순한 말 바꾸기가 아닌 인공지능의 절차적 정보 처리 방식을 고려한 조정으로 해석할 수 있다.
유아1: 여기 앞으로 20칸 가고, 그리고 옆으로 13칸 가줘. 로봇: 잘 이해하지 못했어요.
교사: ‘옆으로’라고 하면 헤이클로버는 어디로 가야 하는지 알 수 있을까? 없을까?
유아(다같이): 없어요.
교사: 우리가 눈 감고 가는데 ‘옆으로 가자’ 하면 어딘지 알 수 있어?
유아2: 알 수 없어요. 왼쪽인지 오른쪽인지 정확히 얘기해줘야 해요.
유아1: 헤이 클로바, 앞으로 20칸 가고 오른쪽으로 13칸 가줘.
(Class A; 우리 동네를 소개합니다)

행위 주체로서의 윤리적 책임 인식

정보 전달의 정확성과 결과에 대한 윤리적 민감성을 형성함

앞서 살펴보았듯이 유아들은 인공지능 로봇이 스스로 판단하는 자율적인 존재가 아니라, 인간이 먼저 정보를 알려주고 학습시키거나 구체적인 명령을 내려야 반응할 수 있는 존재로 인식하고 있다. 그리고 유아들은 인공지능 로봇의 작동 권한이 인간에게 있음을 이해하고, 그들에게 정확한 정보를 전달하기 위해 말하기 방식이나 정보 전달 방식을 조율하려는 전략을 보였다. 이는 유아들이 인공지능 로봇과의 관계에서 인간이 정보를 제공하는 능동적 주체임을 인지하고, 원활한 상호작용을 위해 자신의 역할을 조정하려는 관계적 책임감을 보이고 있음을 의미한다.
교사: 얘들아, 인공지능이라는 게 뭔지 들어봤어?
유아1: 컴퓨터로 로봇이 할 거 정하고 누르면 로봇이 스스로 하는 거.
교사: 아, 컴퓨터로? 컴퓨터로 누가 정해줘?
유아1: 사람이 로봇한테.
유아2: 주인이.
교사: 주인이 컴퓨터로 로봇한테 할 일을 정해주면 로봇이 대신해주는구나. 또? 또 인공지능에 대해 들어본 친구?
유아3: 사람이 막 뭐 할 거를 말해주면 움직이는 것.
(Class A; 우리 가족이 사용하는 인공지능)
유아가 인공지능 로봇의 활용에 있어 인간의 주체적인 역할을 인지하고 있다는 것은 인공지능 로봇의 오반응에 대한 해석에서도 잘 드러난다. 유아들은 인공지능 로봇이 오작동하는 원인을 기계의 기술적 문제로 받아들이기보다는, 사용자가 입력한 정보에 오류가 있거나 논리적인 설명 방식에 문제가 있는지 확인하려는 모습을 보여주었다. 이는 유아가 인간들이 인공지능에 올바른 정보를 전달해야 함을 인지하고 있으며, 여러 활동을 통해 정보에 관한 윤리적 민감성을 증진했다고 분석할 수 있다.
(사진을 보여주고 사진 속 인물에 관한 질문을 했는데, 알파미니가 대답을 안 함)
교사: 어? 왜 안 되지요? 유아1: 누구인지 몰라가지고. 교사: 누구인지 몰라서 아무 말도 못 하는 거야 지금?
유아1: 네. 인식 못 한 거예요. 누구인지 몰라서. 여자인 줄 모르는 거예요. 그냥 인간이라고 생각한 거예요.
유아2: 알파미니는 아무것도 모르는 거야.
유아3: 우리가 알려줘야 해요.
(Class D; 착한 인공지능, 나쁜 인공지능)
교사: 우리가 잘못된 정보를 알려줬는데, 헤이클로바는 지금 잘 이해하고 있을까?
유아(다같이): 아니요.
교사: 그럼 우리는 헤이클로버한테 어떻게 알려줘야 할까?
유아1: 똑바로.
유아2: 자세하게.
(Class A; 착한 인공지능, 나쁜 인공지능)

기술 사용에 있어 선한 의도와 책임감의 중요성을 인식함

앞서 보았듯이, 유아는 인공지능 로봇과의 상호작용 과정에서 자신이 정보를 잘못 제공할 시에 발생할 수 있는 부정적 결과를 예측하며, 정확한 정보를 입력해야 한다는 책임감을 드러내었다. 또한 더 나아가 기술 사용에 있어 선한 의도를 가져야 함을 이해하며, 불순한 의도로 인공지능 로봇에게 잘못된 정보를 입력하는 것에 대해 강한 경계심을 보였다.
교사: 만약에 선생님이 헤이클로버한테 잘못된 거 가르쳐 주면 어떨까?
유아1: 안 돼요. 절대로 안 돼요.
교사: 왜?
유아1: 세상에 있는 게 아니니까 잘못된 걸로 하면 안 되죠.
(Class D; 착한 인공지능, 나쁜 인공지능)
그리고 유아들은 인간이 의도를 가지고 인공지능 로봇에게 왜곡된 정보를 입력하면, 이는 다시 잘못된 정보를 출력함으로써 결국 인간이 잘못된 정보를 전달받고 피해를 볼 수 있다고 인과적으로 사고하였다.
교사: 인공지능에게 왜 바른 답을 알려줘야 할까?
유아1: 아니면 우리한테 잘못된 정보를 말해주니까요.
교사: 맞아 잘못된 걸 알려줘요. 맞지? 그리고 잘못된 답을 알려주면 어떻게 돼?
유아2: 그럼 완전 사람이 바보가 되고, 헤이클로버도 바보가 돼요.
(Class E; 착한 인공지능, 나쁜 인공지능)
교사: 우리가 만약에 잘못된 정보를 알려주면 어떻게 될까?
유아1: 잘못 알아요.
교사: 그럼 (로봇이 정보를) 잘못 알고 있으면 어떻게 돼요?
유아2: 우리가 큰 위험에 빠질 수 있어요.
(Class B; 착한 인공지능, 나쁜 인공지능)
유아들은 인간이 어떤 의도를 가지고 인공지능 로봇과 상호작용 하는지에 따라 그 결과가 다시 인간에게 영향을 미칠 수 있음을 인지하였고, 유아는 이에 대한 경계심과 윤리적 책임감을 느낀다는 것을 확인할 수 있었다. 교사 역시 유아들이 인공지능을 사용하는 능동적 주체로서 윤리적 주체성을 획득할 수 있다는 가능성에 대해 언급하였다.
저는 이제 이런 미디어 사용이나 이런 거는 별로 이제 좋아하지 않았던 교사인데 이 활동을 하면서, 프로젝트 형식으로 이렇게 인공지능이랑 뭔가를 해보는 과정은 중요하다는 생각이 들었어요. ‘착한 인공지능 나쁜 인공지능’ 이런 것도 저는 아이들이 몰라도 되는 영역이라고 생각했는 데, 아이들이랑 같이 유튜브를 통해서 기사나 뉴스도 찾아보고 하면서 아이들도 어느 정도 이해하고 받아들일 수 있구나 확인할 수 있었어요. 그래서 이런 경험이 필요하다는 거를 좀 많이 느꼈어요. (1-C)

로봇과의 상호작용 속에서 배려와 책임의 관계적 윤리를 실천함

마지막으로 유아들은 인공지능 로봇과의 원활한 상호작용을 위해서는 지켜야 할 질서와 규칙이 필요함을 자연스럽게 깨달았다. 자신들만의 규칙을 스스로 만들고 이를 또래와 공유하며 협력적으로 상호작용 하는 모습이 나타났다.
정말 자기네들이 잘 활용을 하더라고요. 나름의 자기들의 규칙을 만들어가면서. 저희가 수업을 하고 난 다음에는(아이들이) 알아서 규칙을 만들어서 활용하는 모습이 조금 많이 보였던 것 같아서 그런 것들이 조금 좋았던 것 같아요. 또 일상생활에서 놀이에 활용하면서 다 같이 노는 모습도 보였어요. (2-E)
교사가 원활한 상호작용을 위해 어떻게 하는 것이 좋을지 질문하자 유아들은 자신들이 생각하는 규칙을 자유롭게 이야기하였다. 다음의 대화에서 볼 수 있듯, 유아들은 인공지능 로봇이 잘 인식할 수 있도록 자신의 행동을 조정할 수 있다는 사실을 이해하고 자신들의 말하기 방식을 조율하거나 순서를 정하는 등의 사회적 규칙을 만들 수 있었다.
교사: 어떻게 해야 우리 알파미니가 우리 말을 더 잘 들어 줄 수 있을까?
유아1: 한 사람씩 이야기.
유아2: 공부 시켜요.
유아3: 다른 사람들한테 조용히 하라 그러고 한 사람이 말하기.
유아4: 같이 공부도 하고 차례도 지키고.
(Class E; 알파미니 대화 규칙 정하기)
또한 유아들은 인공지능 로봇을 다루는 방식에 대해서도 서로 의견을 나누며 규칙을 만들었다. 다음의 대화처럼 유아들은 로봇을 ‘살살 다루기’, ‘머리를 잡지 않기’ 등으로 표현함으로써 기계적 존재를 존중하고 돌보는 태도를 보였다. 이러한 모습은 유아가 인공지능과의 상호작용 속에서 배려와 책임의 관계적 윤리를 실천하는 행위 주체로 성장하고 있음을 보여준다.
교사: 알파미니를 잡을 때는 우리 어떻게 잡기로 약속했었지?
유아1: 살살.
유아2: 때리지 않기.
유아3: 머리를 잡지 않고 애기처럼 안아요.
(Class E; 알파미니 대화 규칙 정하기)

Discussion

본 연구는 유아가 인공지능 로봇과의 상호작용 경험을 통해 인공지능의 개념과 원리, 기술적 한계, 그리고 사용자로서의 윤리적 책임에 대한 인식을 어떻게 형성해 가는지를 질적으로 탐색하였다. 연구대상은 D광역시 소재 2개의 사립유치원에 재원 중인 만 4-5세 유아 103명과 교사 4명을 대상으로, 인공지능 리터러시의 네 가지 핵심 요소를 반영한 10회기의 놀이・탐구 활동을 각 학급에서 실시하였다. 분석에는 교사가 촬영한 활동 영상, 활동 전사 자료, 연구자가 영상을 보며 작성한 관찰자료, 교사의 관찰일지, 그리고 교사 초점집단인터뷰(FGI) 자료 등 다양한 질적 자료가 활용되었다.
연구 결과를 통해 도출한 결론은 다음과 같다. 첫째, 유아는 인공지능 로봇과의 상호작용 경험을 통해 인공지능의 작동 원리와 기술적 한계를 경험적으로 탐색하는 양상을 보였다. 유아는 인공지능 로봇과의 상호작용을 통해 ‘정보 입력-학습-출력’의 구조를 직관적으로 이해하고, 로봇의 감정 표현이 실제 감정이 아니라 입력된 정보에 기반함을 구분하였다. 로봇의 사고를 생각 주머니로 비유한 표현은 인공지능의 정보처리 과정을 유아 수준에서 개념화하려는 시도로 해석할 수 있다. 이는 유아가 놀이 기반 상호작용을 통해 인공지능의 기술적 작동 원리를 구체적으로 이해할 가능성을 보여주며, 기존 연구(B. Lee & Kim, 2023; Su & Yang, 2023; Williams et al., 2019)와 일치한다.
또한 유아는 인공지능의 기술적 한계와 불완전성을 인식하면서도 이를 자연스럽게 수용하고, 로봇과의 관계 속에서 정서적 친밀감과 돌봄 태도를 나타내었다. 이는 선행연구(Myat Kyaw et al., 2025; Serholt et al., 2020; Straten et al., 2020)에서 아동이 로봇의 오류를 이해하고 기술적 한계를 수용한다는 결과를 유아 수준에서 재확인한 것이다. 이러한 현상은 유아의 물활론적 사고와 사회정서적 특성이 결합된 결과로, 인공지능 로봇을 돌봄의 대상으로 인식하는 초기적 관계 윤리의 발현으로 볼 수 있다(Heeg & Avraamidou, 2024; Samuelsson, 2023; Yalçın, 2021). 즉, 인공지능 리터러시의 초기 발달단계에서는 이해와 정서적 수용이 결합된 형태의 통합적 학습 양상이 나타난다고 할 수 있다.
둘째, 유아는 인공지능 로봇과의 기술적 한계를 극복하고 효과적으로 상호작용하기 위한 자기 조정 전략을 형성하는 양상을 보였다. 유아는 인공지능 로봇이 자신의 발화를 정확히 인식하지 못할 때, 어휘를 수정하거나 발음 속도를 조절하는 등, 상대의 처리 특성에 맞게 의사소통 방식을 조정하였다. 이는 인공지능의 작동 규칙을 부분적으로 이해하고 절차적 사고를 적용하는 컴퓨팅 사고력의 초기 형태(Wing, 2008)로 해석할 수 있다.
특히 유아들은 스스로 차례 지키기, 한 사람씩 이야기 하기, 로봇을 살살 다루기 등의 규칙을 생성하고 이를 또래와 공유하였는데, 이는 인공지능 로봇과의 상호작용이라는 구체적인 놀이 맥락 속에서 유아가 관계 유지와 놀이의 지속을 위해 필요한 사회적 규칙을 자발적으로 구성해가는 과정을 보여준다. 이러한 행동은 규범적 도덕 판단에 근거한 윤리적 책임이라기보다는, 상호작용 상대에 대한 정서적 민감성과 관계적 돌봄에 기반한 발달 수준의 윤리적 반응으로 이해될 수 있다. La Fors (2024)가 아동이 인공지능과의 협상 및 공동 조정 과정을 통해 사회적 규칙과 가치의 의미를 학습한다고 논의한 바와 같이, 본 연구는 이러한 논의를 유아교육 현장의 질적 탐색을 통해 유아 발달 맥락에서 구체적으로 조명하였다는 점에서 의의를 지닌다. 즉, 본 연구에 참여한 유아들은 인공지능과의 상호작용을 단순한 놀이 경험으로 수용하는 데 그치지 않고, 놀이 상황에서 자신의 발화와 행동을 조정하며 관계를 유지하려는 주체적 참여자로서 행동하였다. 이는 유아가 기술적 이해의 수준을 넘어서기보다는, 기술적 한계를 감안한 놀이 상황 속에서 또래 및 인공지능과의 상호작용을 조율하고 협력적으로 이어가려는 능동적 존재임을 시사한다. 셋째, 유아는 인공지능 로봇과의 관계 속에서 행위 주체로서의 초기적 수준의 관계적 윤리적 반응을 드러냈다. 여기서의 윤리적 책임은 사회적으로 합의된 규범이나 도덕적 판단을 적용하는 수준이라기보다는, 상호작용 상대에 대한 정서적 민감성과 관계 유지를 위한 배려에 기반한 발달적 반응으로 이해될 필요가 있다(Adams et al., 2023; Gilligan, 1982). 유아는 인공지능과의 상호작용을 통해 정보의 정확성, 선한 의도, 배려와 같은 요소를 분리된 개념이 아니라 놀이의 결과와 관계 맥락 속에서 통합적으로 인식하였다. 특히 잘못된 정보를 입력할 경우에 그 결과가 인간에게 미치는 영향을 사고하면서, 자신의 행동과 결과 간의 인과적 연결을 탐색하는 모습을 보였다. 이는 추상적인 규범 준수라기보다 상호작용 상황에서의 결과를 고려하려는 초기적 책임 인식으로 해석할 수 있다. 즉, 자신의 행위가 관계와 놀이의 흐름에 미치는 영향을 감안하며 행동을 조정하는 관계 중심적 책임감이 형성되고 있음을 시사한다.
또한 로봇을 살살 다루기, 머리를 잡지 않기 등으로 돌보는 행동은 윤리 인식이 인지적 판단을 넘어 정서적 공감과 돌봄의 감각에 기반한 관계적 윤리로 확장되고 있음을 보여준다. 이처럼 유아는 인공지능 로봇을 단순한 기계적 존재로 인식하지 않고, 놀이 맥락 속에서 배려와 존중이 요구되는 상호작용의 대상으로 인식하며 관계를 조정하는 행위 주체로 참여하고 있었다. 이러한 결과는 돌봄과 책임이 결합된 관계적 윤리가 유아 발달 수준에서 놀이 기반 상호작용을 통해 초기적으로 발현될 수 있음을 질적으로 보여주며(Adams et al., 2023; Yalçın, 2021), 유아교육 현장에서의 인공지능 놀이 경험이 유아의 관계 조정 능력과 책임 인식 형성을 탐색하는 하나의 교육적 장이 될 수 있음을 시사한다.
나아가 이러한 결과는 유아교육 맥락에서 이루어진 질적 탐색을 통해, 인공지능과의 놀이기반 상호작용이 기술 이해뿐 아니라 정보 사용의 결과와 타인에 대한 배려를 함께 성찰하는 경험으로 구성될 수 있음을 보여준다. 이는 유아 대상 인공지능 리터러시 교육이 기술적 개념 전달에 한정되기보다, 놀이 속 상호작용과 관계 경험을 중심으로 윤리적 감수성을 다룰 필요가 있음을 시사한다(Ng et al., 2021; Zhang et al., 2023). 특히 Yang, Ng와 Gao (2022)가 제안한 인공지능 리터러시의 통합적 모델이 실제 놀이기반 상호작용 속에서 부분적으로 구현될 가능성을 보여주었다는 점에서 의의가 있다. 본 연구에서 적용한 10회기의 놀이기반 활동은 Ministry of Education (2020)의 방항성과 같이 유아의 발달 수준에 맞춘 언어적・개념적 탐구를 통해, 인공지능의 기술적 이해와 윤리적 사고를 병행할 수 있는 교육적 틀을 탐색하였다.
또한 활동 과정에서 교사는 단순한 활동 진행자가 아니라 유아가 인공지능의 반응을 해석하고 의미화하는 과정을 언어적으로 지원하는 맥락적 촉진자로 기능함을 발견하였다. 교사는 유아의 발화를 재진술하거나 단계적 질문을 제시함으로써 사고의 방향을 제시했으며, 이러한 언어적 지원은 유아의 자발적 사고를 강화하고 윤리적 판단의 초기 발현을 돕는 환경적 조건으로 작용하였다. 선행연구에서도 유아는 인공지능 로봇을 ‘놀이 동반자(playmate)’로 인식하는 현상이 나타났는데, 이때 교사는 유아와 로봇 간 상호작용의 구조를 조직하고 말과 행동을 조정해주는 중재자(mediator) 역할을 하는 것으로 나타났다(S. Kim et al., 2026). 실제로 일부 유아는 교사의 중재가 최소화된 상황에서도 로봇의 기술적 한계를 고려하여 발화 속도를 조절하거나, 또래와 협력하여 규칙을 재정의하는 모습을 보였다. 이는 교사의 개입이 인공지능 자체의 특성보다는, 유아가 기술을 사회적 존재로 해석하도록 돕는 조정적 요인으로 작용했음을 시사한다.
한편, 유아의 정서적 반응은 단순한 흥미를 넘어 애착, 의인화적 감정까지 포괄하는 다층적 양상으로 나타났다. 흥미는 인지적 탐구를 지속하게 하는 동기적 정서, 애착은 상호작용을 유지하는 관계적 정서, 의인화는 타 존재의 감정과 의도를 상상하며 윤리적 공감을 형성하는 윤리적 정서로 작용하였다(Kahn, Gary, & Shen, 2013; Waytz, Cacioppo, & Epley, 2010). 이러한 정서적 반응들은 각각 독립적인 정서 유형이라기보다, 유아가 놀이・탐구 활동 속에서 인공지능을 단순한 도구에서 관계적 존재로 인식해 가는 발달적 과정을 반영한다. 즉, 인지적 흥미를 기반으로 관계적 애착이 형성되고, 이를 통해 타 존재의 감정을 상상하는 윤리적 공감으로 확장되는 정서적 전이 과정을 보여주는 것이다. 이러한 경험은 유아교육 현장에서 인간-기술 관계를 이해하는 데 필요한 정서적 인공지능 리터러시의 형성과정으로 해석할 수 있다(Ng et al., 2023).
이상의 결과를 토대로, 유아의 발달 수준과 상호작용 특성을 고려한 인공지능 리터러시 교육의 실천적 방향은 다음 세 가지 측면에서 제시할 수 있다. 첫째, 유아가 인공지능 기술의 작동 원리와 한계를 이해하기 위해서는 오류나 오작동 상황을 학습의 기회로 전환하는 접근이 필요하다. 최근 연구에서는 이러한 관점을 반영한 ‘디버깅(debugging) 교수법’이 유아의 문제 해결력과 인과적 사고를 촉진하는 교육적 전략으로 제시되고 있다(C. Kim, Vasconcelos, Belland, Umutlu, & Gleasman, 2022). 연구 결과, 유아는 로봇의 기술적 한계를 마주하였을 때 이를 해결하기 위해 컴퓨팅 사고력을 발휘한다(B. Lee et al., 2025; Wing, 2008). 인공지능 로봇과의 상호작용 속에서 오류를 탐지하고 수정하는 과정은 유아가 기술적 한계를 인식하며 주체적 학습자로 성장하는 경험을 가능하게 한다(Yang et al., 2022). 그러므로 교사는 유아가 인공지능의 기술적 한계나 오류를 발견했을 때, 즉각적인 정답을 제시하기보다는 유아가 스스로 원인을 추론하고 해결 방안을 탐색해보도록 격려하는 방식으로 지원하는 것이 중요하다.
둘째, 인공지능 로봇과 소통할 때 유아가 자신의 의사 소통 방식을 다양하게 조정해볼 기회를 적극적으로 격려해야 한다. 인공지능 로봇과의 상호작용은 유아가 자신의 언어적 표현과 의사소통 방식을 상황에 맞게 조정하도록 자극한다. 선행연구에 따르면, 유아는 로봇의 반응을 관찰하며 발화를 수정・명료화하거나 새로운 표현을 시도함으로써 상호적 소통 역량을 확장한다(Kamelabad & Skantze, 2023). 교사는 로봇이 명령을 인식하지 못했을 때, “다른 말로 말해볼까?”, “로봇이 잘 들을 수 있도록 어떻게 바꿔 볼까?”와 같은 발문을 통해 유아의 메타언어적 사고와 협력적 소통 능력을 강화할 수 있다(S. Kim et al., 2026). 이러한 경험은 인간-로봇 간 협력적 상호작용의 기초를 형성하는 중요한 교육적 맥락이 될 수 있다.
셋째, 관계적 돌봄 경험을 윤리적 책임 인식으로 확장하는 접근이 필요하다. 로봇과의 관계 경험은 유아가 사회적 대상으로서 로봇에 애착과 정서적 유대를 형성하는 과정에서 도덕적 상상력과 책임감의 발달을 촉진할 수 있다. 사회적 로봇과의 상호작용은 유아에게 애정, 윤리적 사고 및 상호 존중과 같은 미덕을 체험할 기회를 제공하며, 이는 관계적 상호작용 속에서 윤리적 책임을 내면화하는 데 기여할 수 있다(Adams et al., 2023; Constantinescu, 2022). 또한 만 4-5세 유아는 관계 맺기 속에서 ‘선의’와 ‘책임’에 대한 도덕적 개념을 타인뿐 아니라 대상과의 상호작용에서도 적용하는 경향이 관찰되며, 이는 물활론적 사고가 정서적 유대와 윤리적 성찰로 확장되는 발달적 기반이 될 수 있다(Yalçın, 2021). 교사는 유아의 돌봄 언어 사용이나 로봇에 대한 배려 행동을 반성적으로 탐색하게 함으로써, 관계적 돌봄이 윤리적 책임으로 확장될 수 있는 경험을 지원해야 한다.
본 연구는 유아의 인공지능 리터러시 발현 양상을 심층적으로 탐색하였으나 다음과 같은 제한점이 있으며, 이를 바탕으로 향후 연구 방향을 제안하고자 한다. 첫째, 본 연구는 D광역시 소재 2개 사립유치원의 만 4-5세 유아를 대상으로 수행된 사례 연구로, 지역적・기관적 편중이 존재한다. 따라서 연구 결과를 일반화하기에는 한계가 있으며, 향후 연구에서는 공・사립기관, 농어촌 및 도시 등 다양한 교육 환경을 포괄하는 표집을 통해 인공지능 리터러시의 발현 양상을 보다 폭넓게 검증할 필요가 있다. 또한 본 연구에 사용된 인공지능 로봇(ALPHA Mini)과 플랫폼(NAVER CLOVA)의 기술적 수준이 상대적으로 제한적이었다는 점 역시 결과 해석에 영향을 미칠 수 있다. 연구에 활용한 해당 로봇은 음성인식과 응답 생성 기능을 중심으로 작동하는 대화형 보조 인공지능으로, 자율학습이나 딥러닝 기반 추론 기능은 포함되어 있지 않았다. 따라서 유아가 인공지능을 ‘사람이 알려준 대로 행동하는 존재’로 이해한 것은 오개념이라기보다 기술적 맥락에 기반한 경험적 인식으로 해석할 수 있다. 이러한 한계를 보완하기 위해, 향후 연구에서는 보다 다양한 수준의 인공지능 인터페이스(예: 생성형 AI, 기계학습형 로봇 등)를 포함한 비교 연구를 통해 도구적 특수성의 영향을 통제하고, 유아의 인식 변화 과정을 종합적으로 분석할 필요가 있다.
둘째, 연구의 충실도를 확보하기 위해 실시한 연구자의 모니터링과 기술적 피드백이 교사의 교수 방법이나 유아의 반응에 간접적 영향을 미쳤을 가능성을 완전히 배제하기 어렵다. 또한 인공지능 로봇을 교실 내에 상시 배치하여 자유로운 상호작용을 허용한 점은 유아의 친밀감을 높이는 긍정적 요인으로 작용했으나, 동시에 중재 효과를 강화하거나 연구자들이 파악하기 어려운 영향을 미쳤을 가능성도 존재한다. 향후 연구에서는 실험집단과 통제집단을 구분한 비교 설계를 통해 활동 중심 중재의 순수 효과를 검증하고, 로봇 상시 배치에 따른 자연적 상호작용 효과를 별도로 분석할 필요가 있다.
셋째, 본 연구는 교사 촬영 영상의 전사 자료 및 교사 인터뷰를 중심으로 분석이 이루어졌기 때문에, 유아의 경험이 가정이나 일상적 맥락으로 전이되는 양상에 대한 충분한 검증은 이루어지지 않았다. 따라서 향후에는 장기 추적 연구를 통해 인공지능 리터러시와 윤리적 인식의 지속적 변화 과정을 살펴볼 필요가 있다. 또한 가정 연계 연구를 통해 부모-유아 간 인공지능 대화나 매체 활용 맥락을 포함함으로써, 교육 현장과 가정이 상호보완적으로 작용하는 생태적 모델을 구축할 수 있을 것이다.
그럼에도 불구하고, 본 연구는 유아교육 현장에서 유아의 놀이・탐구 활동 경험을 질적으로 탐색함으로써, 유아들이 인공지능 로봇과의 놀이기반 상호작용을 통해 작동 원리, 기술적 한계, 의사소통 전략, 윤리적 책임을 통합적으로 사고할 수 있음을 실증적으로 확인하였다는 점에서 의미 있는 시사점을 제공한다. 이는 유아기부터 인공지능 리터러시와 윤리의식의 기초를 형성할 수 있음을 보여주는 탐색적 출발점으로서, 향후 인공지능 교육의 방향 설정과 교육과정 개발에 기초 자료를 제공한다는 점에서 학문적・교육적 의의를 지닌다.

Notes

Acknowledgements

This work was supported by the Ministry of Education of the Republic of Korea and the National Research Foundation of Korea (NRF-2022S1A5A8052607).

This article was presented at the 2025 Spring Conference of the Korean Association of Human Development.

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

Ethics Statement

All procedures of this research were reviewed by IRB (1040621-202407-HR-059).

Figure 1
Figure 1
Children understanding that AI needs to be taught to become smarter. Written informed consent was obtained from the child’s parent/legal guardian for publi- cation of this image.
kjcs-47-1-139f1.jpg
Figure 2
Figure 2
Children discussing why ‘right’ is more precise than ‘side’. Written informed consent was obtained from the child’s parent/legal guardian for publication of this image.
kjcs-47-1-139f2.jpg
Figure 3
Figure 3
Children recognizing AI as a passive follower of human instructions. Written informed consent was obtained from the child’s parent/legal guardian for publi- cation of this image.
kjcs-47-1-139f3.jpg
Table 1
Characteristics of Participants
Institution Class Age Number of children (boy, girl) The facilitating teacher Years of teaching experience
1 Class A 5 17 (7, 10) Robot activity teacher 1 year
Class B 5 17 (6, 11) Robot activity teacher 1 year
Class C 4 26 (19, 7) Homeroom teacher 9 years
2 Class D 4-5 23 (14, 9) Homeroom teacher 6 years
Class E 4-5 20 (13, 7) Homeroom teacher 10 years

Note. In the results section, teacher interview excerpts are labeled by institution and class, whereas episodes are labeled by class.

Table 2
Ten Sessions of Play-Based Activities Using AI Robot
AI literacy domain Activity title Core AI concept Content element
Knowing and understanding 01. Can Alpha Mini recognize who I am? Visual sensing / Facial recognition Children explore how AI detects and identifies faces through image data captured by sensors, learning that recognition depends on visual input accuracy.
02. AI in our family AI application in everyday environments Identifying AI-enabled devices (e.g., smart speakers, cleaning robots) in homes and communities, recognizing AI as embedded in daily life contexts.
Using and applying 03. Find matching patterns in autumn colors Multimodal recognition (voice-image mapping) Using voice commands and color recognition, children train the robot to match autumn leaves with corresponding hues, linking verbal input to visual data.
04. Who jumped the farthest? Motion recognition / Data measurement Engaging with AI’s motion recognition to measure distances, children relate sensor data (input) to numerical outcomes (output).
05. Let’s listen carefully to Alpha Mini’s story Speech recognition / Sequential learning Listening to AI’s multi-step instructions, children respond through storytelling and gesture, practicing auditory attention and verbal reasoning.
06. Expressing different emotions Natural language processing / Affective computing Children use emotional vocabulary and tone in dialogue with AI to explore how language conveys affect, observing AI’s limited emotional understanding.
Evaluating and creating 07. Let me introduce my neighbor to Alpha Mini Coding & Route mapping (uCode) Using uCode, children program AI to navigate routes on a map, learning that coding involves sequencing and spatial reasoning.
08. A robot that cleans up ocean trash Supervised learning for image classification / Object classification (uCode) Using uCode, children simulate supervised learning by labeling images of marine waste, training the robot to distinguish materials such as plastic, glass, and paper.
Ethical awareness 09. Let’s make conversation rules for Alpha Mini AI ethics / Responsible communication Creating rules for respectful and safe communication with AI, children reflect on politeness, privacy, and responsible voice data use.
10. Good AI, Bad AI Algorithmic decision-making Discussing how "good" and "bad" AI decisions can arise from biased data, children evaluate examples of fairness and error in AI behavior.

Note. The session order was determined by classroom teachers following pre-training on AI literacy concepts, robot operations, and instructional guidance.

Table 3
Semi-Structured Interview Questions for Teachers
Subject Content
Experience using AI robots with young children - Classroom methods and strategies for using robots
- Positive and challenging aspects experienced after introducing robots
- Changes observed in children following robot introduction
- Changes observed in teachers following robot introduction
Feedback on the 10-session program - Evaluation of the AI robot program content
- Evaluation of the AI robot program level
- Evaluation of the AI robot program delivery method
- Suggestions for improving the AI robot program
Table 4
Themes and Sub-themes on Young Children’s AI Literacy and Ethical Understanding
Theme Sub-theme
1. Understanding of AI’s operating principles and technical limitations 1) Expanded understanding of the robot’s operating mechanisms and response structure
2) Recognized the imperfection of AI by experiencing robot errors
3) Developed an emotional bond as the robot’s inherent limitations
2. Strategic interactions to overcome technical limitations 1) Coordinated interactions with the robot by adjusting their speech
2) Expressed their thinking process procedurally to deliver clear instructions
3. Recognition of ethical responsibility as an active agent 1) Developed ethical sensitivity regarding the accuracy of information delivery and its consequences
2) Recognized the importance of good intentions and responsibility in using technology
3) Practiced relational ethics of care and responsibility during interactions with the robot

References

Adams, C., Pente, P., Lemermeyer, G., & Rockwell, G. (2023). Ethical principles for artificial intelligence in K-12 education. Computers and Education: Artificial Intelligence, 4:100131 doi:10.1016/j.caeai.2023.100131.
crossref
Berson, I. R., Berson, M. J., & Luo, W. (2025). Innovating responsibly: Ethical considerations for AI in early childhood education. AI, Brain and Child, 1(2), 1-15 doi:10.1007/s44436-025-00003-5.
crossref pdf
Biagini, G. (2024). Assessing the assessments: Toward a multidimensional approach to AI literacy. Media Education, 15(1), 91-101 doi:10.36253/me-15831.
crossref pdf
Biesta, G. J. (2010). Good education in an age of measurement: Ethics, politics, democracy. Boulder, CO: Paradigm Publishers.

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101 doi:10.1191/1478088706qp063oa.
crossref
Chen, J. (2024). A scoping study on AI affordances in early childhood education: Mapping the global landscape, identifying research gaps, and charting future research directions. Journal of Artificial Intelligence Research, 81:701-740 doi:10.1613/jair.1.16882.
crossref pdf
Constantinescu, M. (2022). Children-robot friendship, moral agency, and Aristotelian virtue ethics. Frontiers in Robotics and AI, 9:818489 doi:10.3389/frobt.2022.818489.
pmid pmc
Druga, S., Williams, R., Breazeal, C., & Resnick, M. (2017). “Hey google is it ok if i eat you?”: Initial explorations in child-agent interaction. Proceedings of the 2017 Conference on Interaction Design and Children (pp. 595-600). Stanford, CA. doi:10.1145/3078072. 3084330.

Gartner, S., & Krašna, M. (2023). Artificial intelligence in education-ethical framework. 2023 12th Mediterranean Conference on Embedded Computing (MECO) (pp. 1-7). Budva, Montenegro. doi:10.1109/MECO58584.2023. 10155012.

Gilligan, C. (1982). In a different voice: Psychological theory and women’s development. Cambridge, MA: Harvard University Press.

Gopnik, A., & Wellman, H. M. (2012). Reconstructing constructivism: Causal models, Bayesian learning mechanisms, and the theory theory. Psychological Bulletin, 138(6), 1085-1108 doi:10.1037/a0028044.
crossref pmid pmc
Haynes, J. (2002). Children as philosophers: Learning through enquiry and dialogue in the primary classroom. London: Routledge.

Heeg, D., & Avraamidou, L. (2024). Young children’s understanding of AI. Education and Information Technologies, 30:10207-10230 doi:10.1007/s10639-024-13169-x.
crossref pdf
Kahn, P. H., Gary, H. E., & Shen, S. (2013). Children’s social relationships with current and near-future robots. Child Development Perspectives, 7(1), 32-37 doi:10.1111/cdep.12011.
crossref pdf
Kamelabad, A. M., & Skantze, G. (2023). I learn better alone! Collaborative and individual word learning with a child and adult robot. Proceedings of the 2023 ACM/IEEE International Conference on Human-Robot Interaction (pp. 368-377). Stockholm, Sweden. doi:10.1145/3568162.3577004.

Kewalramani, S., Palaiologou, I., Dardanou, M., Allen, K. A., & Phillipson, S. (2021). Using robotic toys in early childhood education to support children’s social and emotional competencies. Australasian Journal of Early Childhood, 46(4), 355-369 doi:10.1177/18369391211056668.
crossref pdf
Kim, C., Vasconcelos, L., Belland, B., Umutlu, D., & Gleasman, C. (2022). Debugging behaviors of early childhood teacher candidates with or without scaffolding. International Journal of Educational Technology in Higher Education, 19(1), 1-26 doi:10.1186/s41239-022-00319-9.
crossref pmid pmc pdf
Kim, S., Park, H., & Lee, B. (2026). Will you be my playmate? Children’s robot acceptance and teachers’ roles in preschool classrooms with social robots. 27th International Conference on Human-Computer Interaction (pp. 15-35). Gothenburg, Sweden. doi:10.1007/978-3-032-12385-5_2.

Kohlberg, L. (1981). Essays on moral development: Vol. 1. The philosophy of moral development. San Francisco, CA: Harper & Row.

La Fors, K. (2024). Toward children-centric AI: A case for a growth model in children-AI interactions. AI & Society, 39(3), 1303-1315 doi:10.1007/s00146-022-01579-9.
crossref pdf
Lee, B., Ku, S., & Ko, K. (2025). AI robots promote South Korean preschoolers' AI literacy and computational thinking. Family Relations, 74(3), 1-22 doi:10.1111/fare.13189.

Malti, T., & Krettenauer, T. (2013). The relation of moral emotion attributions to prosocial and antisocial behavior: A meta-analysis. Child Development, 84(2), 397-412 doi:10.1111/j.1467-8624.2012.01851.x.
crossref pmid pdf
Masoumi, D., & Bourbour, M. (2024). Framing adequate digital competence in early childhood education. Education and Information Technologies, 29(15), 20613-20631 doi:10.1007/s10639-024-12646-7.
crossref pdf
Myat Kyaw, H., Zou, L., Yu, J., & Li, Y. (2025). AIempowered social robots in early childhood classrooms: Roles, challenges, and opportunities. AI, Brain and Child, 1(12), 1-25 doi:10.1007/s44436-025-00013-3.

Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2:100041 doi:10.1016/j.caeai.2021.100041.
crossref
Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology, 55(3), 1082-1104 doi:10.1111/bjet.13411.

Piaget, J. (1951). The child's conception of the world. London: Routledge & Kegan Paul.

Samuelsson, R. (2023). A shape of play to come: Exploring children's play and imaginaries with robots and AI. Computers and Education: Artificial Intelligence, 5:100173 doi:10.1016/j.caeai.2023.100173.
crossref
Serholt, S., Pareto, L., Ekström, S., & Ljungblad, S. (2020). Trouble and repair in child-robot interaction: A study of complex interactions with a robot tutee in a primary school classroom. Frontiers in Robotics and AI, 7(46), 1-13 doi:10.3389/frobt.2020.00046.
crossref pmid pmc
Straten, C. L., Peter, J., Kühne, R., & Barco, A. (2020). Transparency about a robot’s lack of human psychological capacities: Effects on child-robot perception and relationship formation. ACM Transactions on Human-Robot Interaction, 9(2), 1-22 doi:10.1145/3365668.

Su, J., & Yang, W. (2023). AI literacy curriculum and its relation to children’s perceptions of robots and attitudes towards engineering and science: An intervention study in early childhood education. Journal of Computer Assisted Learning, 40(1), 241-253 doi:10.1111/jcal.12867.

Wang, G., Zhao, J., Van Kleek, M., & Shadbolt, N. (2024). Challenges and opportunities in translating ethical AI principles into practice for children. Nature Machine Intelligence, 6(3), 265-270 doi:10.1038/s42256-024-00805-x.
crossref pdf
Waytz, A., Cacioppo, J., & Epley, N. (2010). Who sees human? The stability and importance of individual differences in anthropomorphism. Perspectives on Psychological Science, 5(3), 219-232 doi:10.1177/1745691610369336.
pmid pmc
Williams, R., Park, H. W., Oh, L., & Breazeal, C. (2019). PopBots: Designing an artificial intelligence curriculum for early childhood education. AAAI Conference on Artificial Intelligence, 33(1), 9729-9736 doi:10.1609/aaai.v33i01.33019729.
crossref pdf
Wing, J. M. (2008). Computational thinking and thinking about computing. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 366(1881), 3717-3725 doi:10.1098/rsta.2008.0118.
crossref pdf
Xu, X., Meng, F., & Gou, Y. (2025). From theoretical navigation to intelligent prevention: Constructing a full-cycle AI ethics education system in higher education. Educational Sciences, 15(9), 1199 doi:10.3390/educsci15091199.
crossref
Yalçın, V. (2021). Moral development in early childhood: Benevolence and responsibility in the context of children’s perceptions and reflections. Educational Policy Analysis and Strategic Research, 16(4), 140-163 doi: 10.29329/epasr.2021.383.8.
crossref
Yang, W., Ng, D. T. K., & Gao, H. (2022). Robot programming versus block play in early childhood education: Effects on computational thinking, sequencing ability, and self-regulation. British Journal of Educational Technology, 53(6), 1817-1841 doi:10.1111/bjet.13215.
crossref pdf
Zhang, H., Lee, I., Ali, S., DiPaola, D., Cheng, Y., & Breazeal, C. (2023). Integrating ethics and career futures with technical learning to promote AI literacy for middle school students: An exploratory study. International Journal of Artificial Intelligence in Education, 33(2), 290-324 doi:10.1007/s40593-022-00293-3.
crossref pdf
Lee, B. & Kim. (2023). Differences in preschool children’s perceptions of artificial intelligence according to their experiences with AI robots in daycare centers. Korean Journal of Childcare & Education, 19(2), 43-59 doi:10.14698/jkcce.2023.19.02.043.

Ministry of Education (2020). Ingongjineung sidae gyoyukjeongchaek banghyanggwa haeksimgwaje [인공지능 시대 교육정책 방향과 핵심과제]. Retrieved from https://www.korea.kr/archive/expDocView.do?docId=39237.

Park, E., Kim, G., Kim, Y., Lim, E., Jung, H., Heo, Y. (2021). Yuawa hamkke haneun ingongjineunggyoyuk: yua kontencheu mit maenyueol [유아와 함께 하는 인공지능교육: 유아 콘텐츠 및 매뉴얼]. Sejong: Ministry of Education; Retrieved from https://i-nuri.go.kr/teacher/board/view.do?menu_idx=26&manage_idx=74&data_type=normal&sub_gubun=002&board_idx=1599.

Yoo, G., & Yoon, Y. (2023). The effect of integrated play using alpha mini AI Robots on toddlers’ and infants’ language expression, and its educational implications. The Journal of Korea Open Association for Early Childhood Education, 28(3), 105-134 doi:10.20437/KOAECE28-3-05.
crossref
Editorial Office
The Korean Association of Child Studies
Ewha·Posco Building (Research Wing) #420, Ewha Womans University,
52 Ewhayeodae-gil, Seodaemun-gu, Seoul 03760, Republic of Korea

TEL: +82-10-7704-8342   E-mail: gochildren@hanmail.net
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Association of Child Studies.                 Developed in M2PI