The primary purpose of this study is to critically examine ethical challenges arising from integrating AI into language education. While tools such as large language models, machine translation, automated writing feedback, and speech recognition offer gains in personalization, language development, and efficiency, their rapid adoption raises several ethical concerns. Six challenges are discussed: data privacy and security, academic integrity, overreliance on AI, algorithmic bias, and widening educational divides tied to access and digital literacy. Drawing on recent empirical findings and theoretical insights, this paper also underscores risks such as the erosion of critical thinking, challenges to academic honesty, exclusion of diverse linguistic identities, and exacerbation of inequities. To address these challenges, the study proposes a multi-faceted framework comprising robust data protection, bias-aware language practice, human-AI collaboration, process-oriented instruction, and teacher training. These measures aim to foster a responsible and ethical approach to AI use, ensuring that AI supports equitable, inclusive, and effective language learning and teaching while preserving the inherently social and humanistic nature of language education.

This special issue of English Teaching commemorates the momentous 60th anniversary of the Korea Association of Teachers of English (KATE), reflecting on the evolution of English education and envisioning its future amid rapid advancements in artificial intelligence (AI) and digital technologies. English education in Korea has undergone significant theoretical, pedagogical, and technological transformations, and AI now presents new opportunities and complex challenges for instruction, assessment, equity, and ethics. The articles explore AI integration across all four language skills: reading material generation, career-integrated listening activities, AI feedback in writing, and AIbased speaking systems versus peer activities. A meta-analysis affirms AI’s positive effects on writing instruction. Other contributions examine English for Specific Purposes (ESP) and critically discuss the important ethical challenges of AI adoption, including data privacy, bias, and academic integrity. These studies collectively argue that AI is a powerful tool whose value depends on thoughtful, ethical integration that supports humanistic educational values.

This study examines the development of English for Specific Purposes (ESP) education in Korea and the emerging role of artificial intelligence (AI) within this context. Three datasets were analyzed to provide a comprehensive perspective: 890 international ESP articles and 30 Korean ESP studies to identify research trends; 1,386 AI-assisted English Language Teaching (ELT) studies—1,021 international and 365 domestic—to compare AI applications in general English and ESP education; and a subset of 340 AI-ESP studies (332 international, 8 domestic) to explore their intersection. The findings reveal that international ESP research has evolved toward genre-based writing instruction, corpus-informed pedagogy, and teacher identity, whereas Korean ESP studies remain focused on occupational English (e.g., nursing, military) with limited discourse-based approaches. AI integration in ELT is rapidly expanding for personalized learning, feedback, and automated assessment, yet remains underexplored in Korean ESP contexts. The study calls for interdisciplinary, pedagogically grounded, and ethically informed integration of AI in future ESP education.

This study presents a career-integrated English education model incorporating generative AI through two tracks: (1) content development, where English education majors in four career-oriented groups (teaching vs. non-teaching; decided vs. undecided) created TOEIC-format listening materials aligned with their interests; and (2) classroom application, where the AI-generated content was implemented in first-year general classes with 103 students. Career maturity was measured by a 30-item scale, and content effectiveness by ratings of difficulty, appropriateness, usefulness, and effectiveness. Results showed that content-related factors, not learner background, best predicted overall satisfaction. Although no statistically significant differences were found, education majors tended to rate the materials as slightly more useful and slightly less difficult. Pre–post tests showed improved decisiveness, suggesting that AI-integrated, career-oriented instruction enhanced students’ confidence in career decision-making and demonstrated the potential of generative AI in fostering professional competence and career readiness.

The purpose of this study is to develop and implement a customized AI-based speaking diagnosis, learning, and assessment system, SpeakMaster, in order to overcome the lack of systematic evaluation and practice opportunities in school English speaking class. This system integrates automated speaking scoring to provide students with feedback on their speaking abilities across pronunciation, conversation, and presentation. This study adopts a design-based research methodology, demonstrating the development and implementation process. 1,451 students and eight teachers in elementary, middle, and high schools participated in the experiment. Data were collected through learning logs, teacher journals, interviews, and post-surveys. The findings indicate that the system design is appropriate for English class, promoting students’ flow in engaging speaking practice. Students showed motivation and satisfaction while teachers found the system valuable for monitoring student progress and facilitating speaking assessments. Despite the challenges of improving chatbot performance and enhancing scoring reliability, the results suggest that SpeakMaster shows potential to enhance English speaking education.

본 연구는 국내 간호교육 현장에서 AI를 활용한 교육프로그램의 적용 양상과 성과를 파악하고, 향후 연구 및 교육현장 적용을 위한 방향을 제시하기 위해 수행되었다. Arskey와 O’Malley의 방법론적 기 틀[8]에 근거하여, 발표 시기에 제한을 두지 않고 한국어와 영어로 출판된 문헌을 대상으로 주제범위 문헌 고찰을 실시하였다. 최종 분석에는 총 6편의 연구가 포함되었으며, 이론, 실습, 시뮬레이션 등 다양한 교육 맥락에서 AI가 활용되었다. 학습 성과는 주로 인지적 영역에 집중되어 있었다. 본 연구는 국내 간호교육 맥 락에서 AI 기반 교육프로그램의 연구 범위와 동향을 체계적으로 제시함으로써 향후 연구방향 설정에 기여 한다는 점에서 의의가 있다. 아울러 표준화된 평가 프레임 개발과 프로그램의 지속가능성에 대한 체계적 검증 연구를 제언한다.

While the adoption of AI-based design tools is accelerating in design education, limited research has examined learners’ psychological acceptance of these tools. This study therefore investigates perceptions of CLO 3D, Stable diffusion, and ChatGPT through the Technology Acceptance Model (TAM). Survey data were collected from 70 design majors at a university in Seoul and analyzed using regression methods, focusing on four key variables: perceived learning difficulty, efficiency, visual satisfaction, and commercialization potential. The results revealed paradoxical patterns in learning experience, where higher learning intention and perceived intuitiveness sometimes increased learning burden, while efficiency and output similarity reduced it. Efficiency perceptions were strengthened by learning intention, CLO 3D output similarity, and ChatGPT’s visualization support, but weakened when learners relied heavily on traditional creativity or when Stable diffusion’s creativity reflection was emphasized. Visual satisfaction was positively influenced by portfolio development and practical application intentions yet decreased when judged strictly by conventional creativity standards. Commercialization potential increased with efficiency, time savings, ChatGPT utilization, and application planning, but declined with greater familiarity with hand sketching. These findings validate TAM’s dimensions of usefulness and ease of use while highlighting the moderating role of comparison with traditional workflows. The study contributes theoretically by extending TAM to creative education contexts and provides practical guidance for developing instructional strategies that balance efficiency, creativity, and professional applicability.

본 연구는 간호대학생이 임상실습 이전에 치료적 의사소통을 안전한 환경에서 반복 학습할 수 있도록 ChatGPT 기반 가상 내담자와 온라인 협업 학습도구를 결합한 교육 프로그램을 개발하고 그 타당 성을 검증하고자 하였다. 프로그램은 문헌고찰, 설계, 개발, 실행의 네 단계로 구성되었으며, 설계 단계에서 는 공감지도와 퍼소나와 같은 서비스디자인 기법을 적용하여 대상자 이해를 구조화하였다. 개발 단계에서 는 영화 뷰티풀 마인드에 기반한 조현병 사례를 ChatGPT 가상 내담자로 구현하였고, Padlet을 활용하여 공감지도를 공유하였으며 Mentimeter를 통해 성찰 활동을 지원하였다. 실행 단계에서는 총 6명의 전문가 가 11문항으로 구성된 내용타당도 지표(CVI)를 사용하여 프로그램을 평가하였다. 그 결과, 목표·내용·전략 관련 대부분의 문항은 I-CVI 1.00을 기록하였고, 전체 S-CVI/Ave는 0.98로 기준치인 0.90을 충족하였다. 다만 일부 Mentimeter 성찰 문항은 I-CVI 0.83으로 상대적으로 낮게 평가되어 개선의 필요성이 제기되었 다. 본 프로그램은 기존 모의실습의 한계를 보완하여 치료적 의사소통을 안전하게 반복 학습할 수 있는 환 경을 제공하며, AI 기반 가상 내담자와 디지털 협업 도구의 결합이 학습자의 참여와 성찰을 촉진할 수 있 음을 보여준다. 향후 연구에서는 다양한 정신건강 사례로의 확장, 학습자 효과 검증, 비언어적 의사소통 훈 련과 도구 활용성 개선이 요구된다.

생성형 AI 시대에 디자인 비전공자의 창작 참여가 확대되고 있으나, 결과물의 전문성 부족이라는 한계에 직면하고 있다. 본 연구는 이러한 한계점을 극복하기 위한 효과적인 생성형 AI 융합 디자인 교육 방안을 모색하고자, 디자인 비전공자 대상 생성형 AI 활용 포스터 공모전을 진행하였으며, 디자인 전공 학생들의 비판적이고 전문적인 시각을 분 석하여 비전공자의 생성형 AI 활용 결과물의 완성도 향상에 필요한 시사점을 도출하고자 한다. 연구 결과, 디자인 비전 공자들은 생성형 AI 활용 교육에 높은 만족도(4.32/5점)를 보이며 창작 참여 의향이 유의미하게 증가했다. 반면, 디자인 전공생들은 비전공자의 결과물 품질을 비판적으로 평가하였으며, 디자인 전공자 인식 분석 결과, 4학년(86.7%)이 1학 년(26.7%)보다 유의미하게 더 부정적이었다. 이는 비전공자 대상 생성형 AI 활용한 디자인 교육이 단순히 도구 활용을 넘어, 전문적 안목을 바탕으로 심미성, 창의적 사고, 결과물의 완성도를 높이는 방향으로 나아가야 함을 시사한다.

This study investigated the current research trends related to the integration of artificial intelligence (AI) into science education by analyzing 106 domestic and international research papers published between 2020 and 2025. The analysis categorized the studies according to research stage, topic, methodology, educational subject, and keyword frequency. The results indicate that most research is conceptual and theoretical, focusing on understanding the role of AI and developing educational materials, with limited large-scale empirical or curriculum integration studies. Research is methodologically early stage, predominantly design-based, and exploratory, with a notable lack of studies addressing expanded applications and long-term impacts. Curriculum development is active but incomplete; while AI technology advances rapidly, it often outpaces pedagogical adaptation. Teachers and students’ readiness for AI integration has been identified as a critical gap in emerging training models. Additionally, research on Earth Science Education in the context of AI remains sparse. These findings highlight the need for more comprehensive, empirical, and application-focused research to effectively incorporate AI into science education across all disciplines.

This study employs Generative AI and computational linguistics techniques to analyze the correspondence between modern Korean and Chinese HAN-character sounds. The research focuses on 5,978 characters categorized by difficulty levels, aiming to confirm systematic phonological correspondence patterns. Method: The study utilizes advanced computational methods to examine the phonological relationships between Korean and Chinese characters. It categorizes the characters based on difficulty levels and analyzes their sound patterns. Results: The research confirms high-consistency patterns in Korean onset-Chinese initial and Korean coda-Chinese final mappings. It also identifies complex relationships between Korean vowels and Chinese vowels. The study reveals that Chinese exhibits greater syllable type diversity compared to Korean. Additionally, it finds slightly higher correspondence rates for ‘basic’ characters compared to ‘advanced’ ones, though the overall difference is not substantial. Conclusions: Based on these findings, the study proposes language learning strategies that prioritize high-consistency patterns for foundational phonological correspondence. It recommends adopting gradual approaches for complex correspondences and incorporating phonological knowledge into education. This approach aims to help learners understand commonalities and differences between the two language systems. The research offers insights for Korean language education and HAN-character vocabulary learning. It suggests that consistent learning strategies can be developed regardless of character difficulty. Future research directions include developing AI-based personalized learning systems and conducting longitudinal studies on learners' acquisition of correspondence rules. This study introduces an innovative methodology integrating Generative AI with computational linguistics for phonological analysis. It potentially enhances HAN-character vocabulary education and represents a new paradigm for language education research.

본 연구에서는 생성형 AI시대 부합하는 자기주도적 평생교육의 방안을 배움학적 관점으로 탐구하였다. 빠르게 변화하는 기술 환경 속에서 평생교육의 역할과 방향성을 재정립하는 데 기여하고자 하였다. 평생 교육의 새로운 패러다임인 배움에 대해 정리하고, 미래 사회에 요구되는 배움 역량을 개발하여, 지속가능 한 학습 생태계를 구축하는데 중요한 기초자료로 활용함을 목적으로 하였다. AI 시대 평생교육의 중요성 이 부각되고 있음에도 불구하고, 평생교육은 􍾧학습􍾨 패러다임에 머물러 있다. 특히, 평생교육은 주입식 학 습방식으로 인한 자기주도성이나 문제해결력 및 비판적 사고력이 부족하다고 지적되고 있다. 본 연구에서 는 평생교육의 패러다임을 평생배움의 관점으로 전환해야 한다고 제안한다. 배움은 삶이며, 삶이 배움이 다. 배움은 자기주도적인 활동으로 내부적으로 우러나와 하게 되는 것이다. 마지막으로 AI 시대 필요한 배 움역량으로 자기개조력, 자기치유력, 의식소통력을 강조하였다. 배움학적 관점은 주체를 학습자에 두고, 학습자가 자신의 학습 과정을 주도적으로 이끌며, 실생활과 연결된 다양한 역량을 개발할 수 있도록 지원 한다. 또한, 배움역량인 개조력, 치유력, 의식소통력을 통해 창의적 문제해결, 비판적 사고, 협업 능력을 강화할 수 있어, AI 시대의 빠른 변화에 적응하고 지속가능한 학습 생태계를 구축하는데 기여할 것이다.

In order to foster AI experts needed in each industry in the era of digital transformation where AI and various industrial technologies converge, the AI Integrated Education Consortium was formed by the National Research Council of Science and Technology(NST) and AI education organizations (KISTI, KIRD, and ETRI) to establish and operate three-stage, six-course education programs. The training targets are employees of a total of 35 institutions, including research institutes, subordinate institutes, and research institutes under the Ministry of Science and ICT, and the cumulative target of 10,000 trainees is being set by 2024 after the implementation in 2022. In this study, we present the achievements and future prospects of the AI Integration Education, which is celebrating its third year of implementation as of April 1, 2024.

학교교육에서 인공지능 교육을 위한 국가 정책이 강화되고 있는 상황에 서 인공지능교육의 실천 주제인 교사, 그리고 예비교사들의 역할 변화와 중요성이 그 어느 때 보다 강조되고 있다. 이에 본 연구에서는 2020 년~2023년까지 수행된 예비교사 및 교사 대상 인공지능 교육 연구 현황을 분석함으로써 인공지능교육의 활성화를 위해 요구되는 연구의 방향과 과 제를 제안하는데 목적을 두었다. 이를 위하여 총 71편의 논문을 대상으로 하여 출판연도, 학술지, 교사 분류, 연구방법, 연구주제를 기준으로 분석을 진행하였다. 주요 연구결과는 다음과 같다. 첫째, 연도별 논문 편수는 2020년에 10편, 2021년에 16편, 2022년에 17편, 2023년에 28편으로 2023년 들어 큰 폭의 증가세를 나타냈다. 둘째, 게재된 학술지는 학습자 중심교과교육학회가 14개로 가장 많았고 한국정보교육학회, 한국컴퓨터교 육학회 순이었다. 셋째, 교사 구분에 있어서는 예비교사를 대상으로 한 연구 가 26편, 현직 교사를 대상으로 한 연구가 43편이었고 초등 교사 대상 연구 가 중등 교사에 비해 많았다. 넷째, 연구방법은 설문 등을 활용한 조사연구 가 절반이 넘는 비중을 차지하였다. 다섯째, 연구주제는 인공지능 및 인공지 능과 관련된 경험과 인식 연구가 가장 많았고 다음으로 교사의 역량도출과 진단, 교사교육에 대한 연구가 뒤를 이었다. 이러한 연구결과를 바탕으로 교 사 대상 인공지능 교육연구의 확대, 특히 중등교사 대상 인공지능 교육 연구 활성화, 예비교사의 교육과정 체계 개선 연구, 질적 연구 및 인공지능교육의 실제적 맥락을 반영한 연구의 필요성 등 관련 시사점을 제안하였다.

This study aims to investigate the effects of using AI chatbots in Korean English education from a macro perspective. For this purpose, 19 experimental studies are selected to conduct a meta-analysis, synthesizing the results of 51 individual study cases. The results of this study are as follows: First, it is found that the overall effect size of using chatbots is more than medium size meaning that a chatbot is an effective tool to learn English. Second, in the aspects of linguistic competence and affective categories, each shows over medium sizes like the overall effect size. In details of the dependent variables, vocabulary and speaking in linguistic competence and motivation in affective categories, large effect sizes are shown. Third, the effect sizes are getting larger, as the younger the students are, the longer the experiment period lasts, and the more purpose-built the chatbot is. But the differences in the effect sizes in terms of these moderators (e.g., school level, experiment period, and chatbot type) are not significant. Lastly, it is suggested that follow-up studies are needed to collect a sufficient number of experimental study cases and subdivide the variables for performing a more detailed meta-anlysis.

4차 산업혁명 시대를 맞이하면서 국가 경쟁력 강화를 위해서는 SW·AI 인재 확보가 매우 중요하다고 할 수 있다. SW·AI 인재 확보를 위해 전 세계는 SW·AI 교육에 많은 예산과 시간을 들여 인재를 양성하는데 심혈을 기울이고 있다. 대한민국도 2015년부터 교육과정을 개편하면서 초·중·고등학교 교육과정에 SW 교육 내용을 반영하였다. SW중심대학과 AI대학원 교육지원 사업을 통하여 고등 교육기관에도 대규모 예산을 투자하여 SW·AI 인재양성에 집중하고 있다. 그러나 현실은 SW·AI 교육의 양과 질이 모두 부족하다는 우려의 목소리가 높다. 이러한 배경으로 본 연구는 고등학생 대상의 체험 활동 프로그램에서 AI 교육 격차가 발생하는 원인이 SW·AI 사전 경험 차이라는 관점에서 연구를 시작하였다. 체험 활동 프로그램에 참여한 고등학생 대상으로 SW·AI 경험별 재미, 어려움, 만족도, 기대 정도로 나누어 분석하였고, 분석한 결과, SW·AI 경험이 AI교육에 영향을 미치고 있다는 유의미한 결과를 확인할 수 있었다. 본 연구결과를 토대로 SW·AI 교육을 균등하게 받지 못하여 발생할 수 있는 교육격차를 최소화하기 위해서는 초등학교부터 고등학교까지 체계적이고 연속적인 SW·AI 교육이 될 수 있도록 SW·AI 교육을 필수 교과로 전환하여 수업 시수 확대 등이 제도적으로 마련되어야 할 것이다.

SW, AI 등으로 인한 사회적 변화는 교육에도 영향을 미치고 있다. 변화하는 기술이나 산업에 대응하기 위한 교육과정의 변화는 교사들의 역량 강화에 대한 요구로 이어지고 있다. 이에 본 연구는 개정될 교육과 정에 적응할 수 있도록 교사의 AI 관련 융합 역량 강화를 위한 교육과정을 개발하기 위한 목적으로 진행되 었다. 목적 달성을 위해 18개의 국내외 대학의 AI 관련 교육과정을 분석하였다. 분석 결과를 토대로 초중등 교사를 위한 AI융합 교육과정을 개발하였다. 초중등 교사들을 위한 교육대학원의 AI융합 교육 교육과정은 6개 영역에서 총 28개의 과목으로 개발하였다. 필수 영역을 비롯하여 AI교육 방법론, 소프트웨어 입문, 인공지능을 위한 프로그래밍, 데이터과학과 기계학습, AI와 교육의 6개의 영역이다. 각 영역은 3개에서 8개의 과목으로 구성되었다.

본 연구는 AI시대의 미래교육에 대해 배움학 기반으로 논의하고 있다. AI(인공지능) 기반은 기업이나 사회전반에 걸쳐 광범위하게 영향을 미칠 것으로 예상되고 있으며 그중 교육 분야는 가장 큰 변화가 요구 되어지는 분야 중 하나라고 평가되고 있다. AI시대를 살아가야 할 인간들은 그 어느 때보다도 수동적인 학습이 아닌 능동적인 평생배움의 실천이 강조되고 있는 것이다. 이런 변화하는 시대에 맞춰 교육 또한 새로운 패러다임의 정립이 시급한 때이다. 이에 본 연구에서는 배움 기반의 새로운 패러다임으로 미래교육에 대해 논하고자 하였다. 변화하는 시대를 맞이하는 인간은 각자력을 키워야 한다. 각자력은 자신을 바로 아는 능력, 창의성, 문제해결력, 비판적 사고를 아우르는 능력이다. 각자력이 자신과의 소통에의 변화라고 한다면, 더불어 함께 사는 미래사회에는 외부와의 소통도 중요한 시대라 할 수 있다. 나와 더불어 함께 살아갈 사람들과의 공감능력, 협업과 소통능력이 앞으로는 더욱 더 중요시 될 것이다. 즉 의식소통능력을 향상시켜야 한다. 또한 개인과 공동체 차원을 아우르는 개조력이 중요시 되어야 할 것이다.