최근 많은 대학원생이 생성형 인공지능(AI)을 활용하고 있습니다. 하지만, 지도교수는 학술적 진실성의 훼손을 우려하기 때문에 상호 간에 의견 충돌이 발생할 수 있습니다. 대학원생과 지도교수 사이의 인식 차이를 조정하지 못한다면, 학위논문 심사 과정에서 결함이 드러날 수밖에 없습니다. 연구자는 지도교수와의 논의를 거쳐 인공지능의 역할을 문법 교정과 번역 수준으로 한정하고, 투명한 사용 기준에 합의해야 합니다.
이 글의 순서 7개 항목
최근에는 학위논문을 준비하는 많은 연구자들이 생성형 AI를 적극적으로 활용합니다. 하지만 논문을 지도하고 학위취득을 승인해야 하는 지도교수의 시각은 전혀 다릅니다. 학생이 제출한 논문에서 기계적인 어휘나 과장된 문맥을 발견한 지도교수는 AI 사용을 금지할 수 밖에 없습니다. 이 과정에서 논문 지도교수와 학생 간에는 충돌이 발생하게 됩니다.
Chan & Hu(2023)는 대학원생들이 생성형 AI를 학술적인 의사소통을 위한 강력한 보조 도구로 인식하는 반면, 교수들은 이를 부정행위로 인식한다고 보고하였습니다. 또한 Sullivan et al.(2023)은 교수와 학생 사이에 명확한 가이드라인이 없다면 결국 학생은 AI에 의존한다고 분석하였습니다. 학생은 억울함을 느끼고 교수자는 불신을 키우는 상황이 벌어지는 것입니다.
이 글에서는 총 6편의 관련 연구를 근거로 생성형 AI 사용을 둘러싼 대학원생-지도교수와의 인식 차이를 분석하고, 충돌을 극복하기 위한 방법을 제안합니다.
지도교수와 학생은 왜 생성형 AI 사용을 두고 충돌하는가?
학생은 생성형 AI를 생산성 향상을 위한 도구로 인식하지만, 지도교수는 이를 ‘학술적 진실성(academic integrity)’을 훼손하는 요인으로 판단하기 때문입니다.
첫째, ‘인지적 오프로딩(cognitive offloading)’에 대한 우려입니다. Bittle & El-Gayar(2025)의 자료 분석에 따르면, 생성형 AI는 논문을 빠르게 작성해서 작업의 효율성을 증가시키지만, 동시에 비판적인 사고 능력을 약화시킵니다. 지도교수는 학위논문을 작성하는 과정을 통해 학생이 독립적인 연구자로 성장하기를 기대합니다. 하지만, 학생이 생성형 AI에 문헌 요약이나 논리 구성을 위임하면 지식을 쌓아가는 과정 자체를 거치지 못하게 됩니다(Tang, 2025).
둘째, ‘AI-기아리즘(AI-giarism)’과 표절의 경계에 대한 기준의 차이입니다. 학생은 어색한 영문법을 교정했다고 주장하지만, 지도교수는 학술 데이터베이스에서 검증되지 않은 문헌이나 AI가 생성한 ‘환각(hallucination)’ 현상을 확인하게 됩니다. Hoomanfard & Shamsi(2025)는 사용자가 언어 장벽을 극복하려는 과정에서 무의식적으로 연구윤리를 위반하는 양상을 보고하였습니다.
주요 선행연구는 교수-학생의 인식 차이를 어떻게 분석하였는가?
주요 선행연구들은 학계 전반에 아직 합의된 규정이 마련되어 있지 않기 때문에 교수와 학생 사이에 혼란과 갈등이 증폭된다는 점을 일관되게 주장하고 있습니다.
예를 들어서, Chan & Hu(2023)는 399명의 대학원생을 대상으로 수행한 설문조사에서, 학생들이 생성형 AI를 글쓰기 장벽을 낮추고 아이디어 탐색을 지원하는 도구로서 긍정적으로 평가하였다고 보고하였습니다. 그리고 학생들은 연구 과정에서 생성형 AI를 적극적으로 활용하려는 강한 의지를 가진 것으로 나타났습니다. 반면, Cotton et al.(2024)은 교수진이 생성형 AI 도구의 편향성과 부정확성을 크게 우려하고 있으며, AI가 생성한 텍스트가 학위논문에 옮겨질 때 소속 대학의 평판이 하락할 수 있다는 위험을 심각하게 인식한다고 분석하였습니다.
학생과 교수 사이의 인식 차이는 명시적인 가이드라인이나 정책이 마련되지 않았을 때 논문 지도 과정에서 충돌로 이어집니다. Sullivan et al.(2023)은 교수자가 학생이 작성한 논문을 신뢰하지 않기 때문에 과도한 검열을 시도하거나, 반대로 지나치게 방임해서 학술적인 오류를 그대로 방치하는 2가지 형태의 극단적인 양상이 나타난다고 경고하였습니다.
지도교수와의 충돌이 학위논문 심사에 가져오는 위험
지도교수와 사전에 합의하지 않고 생성형 AI를 사용하는 것은 학위논문 심사 과정에서 논문의 신뢰도를 떨어뜨리고, 연구자의 학위 취득이 무산되는 매우 심각한 결과가 나타날 수 있습니다.
Lodge et al.(2023)은 생성형 AI를 활용해서 기존의 평가 체계를 우회하려는 시도가 결국 학술적 평가의 타당성을 심각하게 훼손한다고 분석하였습니다. 생성형 AI로 작성한 논문에서는 본문에서의 서술적인 어조가 갑작스럽게 달라지거나 이미 서술한 연구 방향과 서로 부합하지 않는 기계적인 문맥이 드러나게 됩니다. 이는 논문 심사위원들에게 연구 내용의 진실성에 관한 의구심을 유발하게 합니다.
지도교수는 논문의 최종적인 품질을 사전에 검증하고 완성도를 지도하는 역할을 수행합니다. 만약 학생이 지도교수와 갈등을 겪는 상황에서 AI가 생성한 가짜 참고문헌이나 편향된 데이터를 검증하지 못한 채 논문을 제출한다면, 외부 심사위원의 비판과 부정적인 평가를 피할 수 없습니다(Tang, 2025). 따라서 지도교수와의 갈등을 해소하지 않은 채 독단적으로 생성형 AI를 사용해서 작성한 논문은 결국 학위논문 심사에서 불합격 판정으로 이어질 수 밖에 없습니다.
지도교수와의 합의를 통해 인공지능을 활용하는 절차는 무엇인가?
이 절차는 논문 지도교수와 충돌을 예방하고, 논문을 작성하는 과정에서 AI의 사용 기준을 투명하게 갖추기 위함입니다.
- 1단계 (인식의 차이를 선제적으로 확인): 논문을 집필하기 전에 연구자는 지도교수가 생성형 AI에 대해 어떠한 기준을 가지고 있는지를 질문해야 합니다. 예를 들어서, 교수가 AI 사용을 전면 금지하는지, 또는 문법 교정에 한해서만 허용하는지를 확인합니다.
- 2단계 (인간 연구자가 주도한 논문 초안을 제출): AI를 구동하기 전에 연구자 본인의 생각과 언어로 직접 작성한 논문의 초안과 연구 노트를 지도교수에게 먼저 제출해서 아이디어의 독창성을 입증해야 합니다.
- 3단계 (AI의 활용 범위를 제안 & 합의): “영문과 어색한 표현을 교정하는 데에만 제한적으로 AI를 사용하겠다”와 같이 AI의 활용 범위를 정확하게 한정해서 지도교수로부터 승인을 구해야 합니다. AI에게 텍스트 생성을 위임하겠다는 요구는 물론 금지입니다.
- 4단계 (수정 전후의 과정을 나타내는 히스토리를 보존): AI가 교정한 결과를 그대로 덮어쓰지 말고, 원본 텍스트와 AI 출력물을 비교할 수 있도록 수정 과정을 추적할 수 있는 히스토리를 보관해야 합니다.
- 5단계 (AI 사용 내역을 논문에서 투명하게 공개): 논문의 최종 버전에 AI 도구의 이름과 활용 목적을 기술해야 합니다.
다음의 표 1.은 지도교수와의 충돌 상황과 대응 방식을 나타내고 있습니다.
| 구분 | 무엇이 문제인가 | 올바른 대응 및 합의 예시 |
|---|---|---|
| 지도교수의 반대에도 불구하고 AI로 대폭 윤문한 원고를 몰래 제출 | 학술적인 신뢰를 완전히 파괴하며, 문맥의 갑작스러운 변화로 인해 표절 및 AI-기아리즘 검증 대상이 됨(Lodge et al., 2023). | 직접 작성한 초안을 먼저 검토받고, 문법 오류에 한정해서 AI를 활용하겠다는 구체적인 계획을 제안하여 승인을 획득함. |
| “AI가 저보다 영어를 잘해서 사용했습니다”라고 변명 | 지식 구성의 주도권을 포기하는 태도이며, 연구자의 비판적인 사고 역량 저하를 방증함(Lee et al., 2025). | 원문과 AI의 수정 내역을 대조표로 정리하여, 연구자 본인이 최종 텍스트의 사실 여부와 책임을 검증하였음을 입증함. |
자주 묻는 질문 (FAQ)
Q. 지도교수가 AI를 활용해서 문법 교정조차도 금지하고 있습니다. 어떻게 설득해야 하나요?
A. 원칙적으로는 지도교수의 우려가 타당합니다. 학생이 직접 쓴 논문과 AI가 수정한 결과물을 대조해서 학생이 집필한 논문에서의 서술과 논리, 문헌적 근거 등을 포함하는 모든 내용이 AI에 의해서 변형되지 않았음을 입증하는 것 이외에는 방법이 없습니다.
Q. 타겟 학술지는 AI 사용을 허용하는데, 만약 지도교수가 반대한다면 어느 규정을 따라야 하나요?
A. 학위논문의 최종적인 심사 권한은 지도교수에게 귀속됩니다. 학술지의 허용 기준과는 무관하게, 논문 지도의 책임자인 지도교수의 가이드라인을 최우선으로 준수해야 합니다.
Q. AI 프롬프트를 어떻게 만들어야 지도교수와의 충돌을 피할 수 있나요?
A. 텍스트를 생성하라는 명령어를 철저하게 배제해야 합니다. 오직 문법에 맞지 않는 비문(非文) 교정을 위한 프롬프트만을 사용해야 합니다.
Q. 논문 심사 과정에서 다른 심사위원들이 AI 사용을 지적하면 누가 방어해야 하나요?
A. 전적으로 학생이 방어해야 합니다. 만약 AI를 사용하였다면, AI의 사용목적과 사용 범위, 그리고 이에 따른 책임이 전적으로 연구자 본인에게 있음을 논문에서 기술하기 때문입니다.
Q. AI가 생성한 참고문헌을 본문에서 인용해도 괜찮나요?
A. 절대로 인용해서는 안 됩니다. AI가 생성한 서지 정보(예., 저자 이름, 학술지 이름, 출판연도, 페이지 번호 등) 중에서 50% 이상이 조작된 가짜 문헌이기 때문입니다(Hoomanfard & Shamsi, 2025). 반드시 공식 학술 데이터베이스에서 연구자가 교차 검증을 통해 실재하는 것으로 확인한 문헌만을 인용해야 합니다.
결론
Chan & Hu(2023)와 Cotton et al.(2024)의 연구 결과가 나타내듯이, AI 활용에 대한 학생과 교수의 인식은 서로 다릅니다. 학생은 언어적 편의성과 효율성을 추구하지만, 반면에 지도교수는 학술적 진실성의 훼손과 비판적인 사고의 상실을 우려합니다.
연구 결과물에 대한 최종적인 책임은 AI가 아닌 연구자 본인에게 있으며, 지도교수는 그 책임을 검증하는 관문일 뿐입니다.
학위논문을 준비하는 연구자가 AI를 사용하려는 계획을 가진다면, 반드시 지도교수와의 충분한 협의를 거친 후에 AI의 활용 범위를 문법 교정에만 제한해야 합니다. 그리고 AI의 사용 목적과 내역을 투명하게 공개하는 것 만이 지도교수로부터 신뢰를 얻고 진실성을 방어할 수 있는 유일한 해법입니다.
참고문헌
- Bittle, K., & El-Gayar, O. (2025). Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda. Information, 16(4), 296. https://doi.org/10.3390/info16040296
- Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239-023-00411-8
- Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228-239. https://doi.org/10.1080/14703297.2023.2190148
- Hoomanfard, M. H., & Shamsi, Y. (2025). Generative AI in dissertation writing: L2 doctoral students’ self-reported use, AI-giarism, and perceived training needs. Journal of English for Academic Purposes, 78, 101570. https://doi.org/10.1016/j.jeap.2025.101570
- Lee, H.-P., et al. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. CHI, 1-23. https://doi.org/10.1145/3706598.3713778
- Lodge, J. M., Howard, S., & Bearman, M. (2023). Understanding bypassed and subverted assessment in the era of generative AI. Assessment & Evaluation in Higher Education, 48(8), 1258-1270. https://doi.org/10.1080/02602938.2023.2241273
- Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning and Teaching, 6(1), 1-10. https://doi.org/10.37074/jalt.2023.6.1.17
- Tang, B. L. (2025). The epistemic downside of using LLM-based generative AI in academic writing. Publications, 13(4), 63. https://doi.org/10.3390/publications13040063
