The debate over whether AI belongs in K-12 education is already moot. Students are using AI tools—ChatGPT for essays, Photomath for homework, Grammarly for writing, AI art generators for projects—regardless of whether their schools have policies about it. The question has shifted from "Should students use AI?" to "What should students understand about AI, and how should schools integrate AI literacy into the curriculum?"

This is a harder question than it appears. Teaching about AI requires decisions about depth (should students learn how neural networks work, or only what AI can and cannot do?), breadth (should AI be a standalone subject or integrated across disciplines?), and values (should AI education be primarily technical, ethical, or both?). And teaching with AI—using AI tools to enhance learning—requires teachers who understand both the tools' capabilities and their limitations well enough to guide student use productively.

Teacher Readiness: The Reference Study

Filiz, Kaya, and Adiguzel (2025) provide what has become the field's reference study on K-12 teacher AI readiness. Using an exploratory qualitative approach involving 66 teachers from 11 disciplines at a private school in Turkey, the study investigates the psychological and pedagogical factors influencing teachers' readiness to integrate AI into educational settings.

The study identifies several factors that shape readiness:

• Perceived competence: Teachers who feel they understand AI concepts are more willing to integrate them. But perceived competence does not correlate well with actual competence—some confident teachers hold misconceptions about what AI can do, while some cautious teachers have more accurate understandings.
• Pedagogical beliefs: Teachers who hold constructivist pedagogical beliefs (learning as active knowledge construction) are more receptive to AI tools that support inquiry and exploration. Teachers with transmissive beliefs (learning as information transfer) are more likely to view AI as a threat to their instructional role.
• Institutional support: The availability of training, technical support, and collegial encouragement significantly predicts willingness to integrate AI—more than individual attitudes or beliefs.

The wide uptake of this paper reflects its practical relevance: schools worldwide are using it as a framework for planning AI integration strategies.

What Teachers Need from AI

Seo, Yoo, and Dodson (2024) approach the question from teachers' perspective: what do K-12 teachers need AI to do for them? Empowering teachers for personalized learning using AI is an open challenge. AI systems often fall short of meeting teacher needs, hindering the educational process or even causing conflicts.

The study explores K-12 teachers' needs for AI's complementary role—not as a replacement for teaching but as an augmentation. Teachers identified several areas where AI could provide value:

• Differentiation support: Identifying students who need additional challenge or support, and suggesting appropriate resources—tasks that teachers value but find time-consuming.
• Administrative relief: Automating routine tasks (grading simple assignments, tracking attendance, generating progress reports) to free time for instruction and mentoring.
• Real-time insight: Providing information about student understanding during class (through analysis of responses, engagement patterns, or questioning behavior) that teachers cannot observe for every student simultaneously.

Critically, teachers also identified boundaries: they want AI to inform their professional judgment, not replace it. The study reveals a strong preference for "AI as advisor" over "AI as decision-maker"—teachers want to be augmented, not automated.

Elementary Teachers' Perspectives

Aliyyah and Amalia (2025) focus specifically on elementary school teachers' perceptions of AI integration in curriculum management. With the emergence of digital transformation in education, AI offers new opportunities to enhance curriculum planning, implementation, and evaluation.

Elementary education presents distinct challenges for AI integration: younger children require more concrete, hands-on learning experiences that AI tools typically do not provide; teachers must manage emotional and social development alongside academic learning; and the ethical dimensions of exposing young children to AI systems (data collection, algorithmic profiling, screen time) are more acute than for older students.

A Model K-12 AI Curriculum

Mahmoud, Kishawy, and Davis (2025) describe Ontario Tech University's Engineering Outreach program "Thriving in the Age of AI," designed to provide high school students with a foundational understanding of AI. The course addresses the increasing relevance of AI technologies in everyday life, education, and the workforce.

The curriculum model balances several dimensions: technical literacy (understanding how AI systems work at a conceptual level), critical literacy (evaluating AI claims, identifying bias, understanding limitations), ethical literacy (considering the social implications of AI deployment), and practical literacy (using AI tools effectively and responsibly).

How Students Actually Use AI

Bieńkowska, Przybysz-Zaremba, and Konieczny (2025) examine the usage patterns, motivations, and educational implications of how elementary and secondary students actually use AI tools for school assignments. The increasing integration of AI into daily life has sparked growing interest in its role in education.

The study reveals a gap between how schools assume students use AI and how they actually use it. Schools tend to assume that AI use is primarily for cheating—generating essays or solving problems. The actual patterns are more nuanced: students use AI for brainstorming, translation, concept clarification, and formatting—alongside, yes, generating content. The distinction between productive AI use (that supports learning) and counterproductive AI use (that substitutes for learning) is not binary but contextual, depending on the task, the student's intention, and the pedagogical design.

Claims and Evidence

<

Claim	Evidence	Verdict
Teacher readiness is the primary barrier to K-12 AI integration	Filiz et al. (2025): institutional support and perceived competence are key factors	✅ Supported
Teachers want AI to replace their instructional role	Seo et al. (2024): teachers prefer AI as advisor, not decision-maker	❌ Refuted
Students use AI primarily for cheating	Bieńkowska et al. (2025): usage patterns are diverse; cheating is one use among many	❌ Refuted (as primary use)
K-12 AI curricula should be primarily technical	Mahmoud et al. (2025): balance of technical, critical, ethical, and practical literacy needed	❌ Refuted (as exclusive focus)

Open Questions

At what age should AI education begin? Computational thinking can start in preschool, but when should AI-specific concepts (machine learning, data, algorithms) be introduced?

Should AI education be a separate subject or cross-curricular? A separate subject ensures dedicated time; cross-curricular integration ensures relevance to every discipline.

How do we assess AI literacy? Traditional tests measure knowledge. AI literacy requires demonstrated judgment—knowing when to use AI, when to override it, and when to question it.

How do we prevent AI education from widening equity gaps? Schools with resources will integrate AI effectively; under-resourced schools may not. Without deliberate equity strategies, AI education may replicate the digital divide.

Implications

The evidence converges on a practical conclusion: K-12 AI integration succeeds or fails based on teacher preparation, not on curriculum documents or technology procurement. Investing in teacher AI literacy—both technical understanding and pedagogical judgment—will yield greater returns than investing in AI tools that teachers are not prepared to use effectively.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 검증해야 한다.

K-12 교육에서의 AI: 아이들은 자신의 삶을 형성할 기술에 대해 무엇을 배워야 하는가?

AI가 K-12 교육에 속하는지에 대한 논쟁은 이미 무의미해졌다. 학생들은 학교에 관련 정책이 있든 없든 관계없이 AI 도구를 사용하고 있다—에세이 작성에는 ChatGPT를, 숙제에는 Photomath를, 글쓰기에는 Grammarly를, 프로젝트에는 AI 이미지 생성기를 활용한다. 문제는 "학생들이 AI를 사용해야 하는가?"에서 "학생들은 AI에 대해 무엇을 이해해야 하며, 학교는 AI 리터러시를 교육과정에 어떻게 통합해야 하는가?"로 전환되었다.

이것은 겉보기보다 훨씬 어려운 질문이다. AI 에 대해 가르치려면 깊이(학생들이 신경망의 작동 원리를 배워야 하는가, 아니면 AI가 할 수 있는 것과 할 수 없는 것만 배워야 하는가?), 범위(AI는 독립 교과목이 되어야 하는가, 아니면 여러 교과에 걸쳐 통합되어야 하는가?), 그리고 가치(AI 교육은 주로 기술적이어야 하는가, 윤리적이어야 하는가, 아니면 둘 다여야 하는가?)에 관한 결정이 필요하다. 또한 AI 를 활용하여 가르치는 것—AI 도구로 학습을 향상시키는 것—은 학생들의 활용을 생산적으로 이끌기 위해 도구의 역량과 한계를 충분히 이해하는 교사를 필요로 한다.

교사 준비도: 기준 연구

Filiz, Kaya, Adiguzel(2025)은 K-12 교사의 AI 준비도에 관한 분야의 기준 연구를 제시한다. 터키의 한 사립학교에서 11개 교과 소속 66명의 교사를 대상으로 탐색적 질적 접근법을 활용한 이 연구는 AI를 교육 환경에 통합하려는 교사의 준비도에 영향을 미치는 심리적·교육학적 요인을 탐구한다.

연구는 준비도를 형성하는 여러 요인을 확인한다:

• 인식된 역량: AI 개념을 이해한다고 느끼는 교사는 이를 통합하려는 의지가 더 강하다. 그러나 인식된 역량은 실제 역량과 잘 일치하지 않는다—자신감 있는 일부 교사는 AI가 할 수 있는 것에 대해 오해를 갖고 있는 반면, 신중한 일부 교사는 더 정확한 이해를 보유하고 있다.
• 교육학적 신념: 구성주의적 교육학적 신념(능동적 지식 구성으로서의 학습)을 지닌 교사는 탐구와 탐색을 지원하는 AI 도구에 더 수용적이다. 전달주의적 신념(정보 전달로서의 학습)을 지닌 교사는 AI를 자신의 교수 역할에 대한 위협으로 볼 가능성이 더 높다.
• 기관의 지원: 훈련, 기술 지원, 동료의 격려 가용성은 개인적 태도나 신념보다 AI 통합 의지를 더 유의미하게 예측한다.

이 논문의 광범위한 수용은 실용적 관련성을 반영한다: 전 세계 학교들이 이를 AI 통합 전략 계획의 프레임워크로 활용하고 있다.

교사가 AI에게 필요로 하는 것

Seo, Yoo, Dodson(2024)은 교사의 관점에서 문제에 접근한다: K-12 교사들은 AI가 자신들을 위해 무엇을 해주기를 필요로 하는가? AI를 활용한 개인화 학습을 위해 교사를 역량 강화하는 것은 여전히 미해결 과제이다. AI 시스템은 교사의 필요를 충족하는 데 종종 부족하여 교육 과정을 저해하거나 심지어 갈등을 유발하기도 한다.

이 연구는 K-12 교사들이 AI의 보완적 역할—교수를 대체하는 것이 아닌 보강하는 것—에 대해 갖는 필요를 탐구한다. 교사들은 AI가 가치를 제공할 수 있는 여러 영역을 확인하였다:

• 차별화 지원: 추가적인 도전이나 지원이 필요한 학생을 파악하고 적절한 자료를 제안하는 것—교사들이 가치 있게 여기지만 시간이 많이 소요되는 과제.
• 행정 업무 경감: 교수 및 멘토링을 위한 시간을 확보하기 위해 일상적인 과제를 자동화하는 것(간단한 과제 채점, 출석 관리, 성취도 보고서 생성).
• 실시간 인사이트: 교사가 모든 학생을 동시에 관찰할 수 없는 상황에서 수업 중 학생 이해도에 관한 정보(응답, 참여 패턴 또는 질문 행동 분석을 통해)를 제공하는 것.

중요한 것은, 교사들은 또한 경계를 설정하였다는 점이다: 그들은 AI가 자신의 전문적 판단을 보조하기를 원하지, 그것을 대체하기를 원하지 않는다. 이 연구는 "의사결정자로서의 AI"보다 "조언자로서의 AI"에 대한 강한 선호를 드러낸다—교사들은 증강되기를 원하지, 자동화되기를 원하지 않는다.

초등 교사의 관점

Aliyyah와 Amalia(2025)는 교육과정 관리에서 AI 통합에 대한 초등학교 교사들의 인식에 특별히 초점을 맞춘다. 교육 분야의 디지털 전환이 부상함에 따라, AI는 교육과정 계획, 실행, 평가를 향상시킬 새로운 기회를 제공한다.

초등교육은 AI 통합에 있어 고유한 과제를 안고 있다: 어린 아이들은 AI 도구가 일반적으로 제공하지 못하는 보다 구체적이고 실습 중심의 학습 경험을 필요로 한다는 점, 교사들은 학업 학습과 더불어 정서적·사회적 발달을 함께 관리해야 한다는 점, 그리고 어린 아이들을 AI 시스템(데이터 수집, 알고리즘 프로파일링, 화면 노출 시간)에 노출시키는 윤리적 차원의 문제가 연령이 높은 학생들의 경우보다 더욱 민감하다는 점이 그것이다.

K-12 AI 교육과정 모델

Mahmoud, Kishawy, Davis(2025)는 고등학생들에게 AI에 대한 기초적 이해를 제공하기 위해 설계된 Ontario Tech University의 Engineering Outreach 프로그램인 "Thriving in the Age of AI"를 소개한다. 이 과정은 일상생활, 교육, 노동시장에서 AI 기술의 관련성이 점점 높아지는 현실을 다룬다.

이 교육과정 모델은 여러 차원 간의 균형을 추구한다: 기술적 리터러시(AI 시스템이 개념적 수준에서 어떻게 작동하는지 이해), 비판적 리터러시(AI 주장 평가, 편향 식별, 한계 이해), 윤리적 리터러시(AI 배치의 사회적 함의 고찰), 그리고 실용적 리터러시(AI 도구를 효과적이고 책임감 있게 활용)가 그것이다.

학생들이 실제로 AI를 활용하는 방식

Bieńkowska, Przybysz-Zaremba, Konieczny(2025)는 초·중등 학생들이 학교 과제에 AI 도구를 실제로 활용하는 방식에 대한 사용 패턴, 동기, 그리고 교육적 함의를 검토한다. AI가 일상생활에 점점 더 통합됨에 따라 교육에서 AI의 역할에 대한 관심이 높아지고 있다.

이 연구는 학교가 학생들의 AI 사용을 상정하는 방식과 학생들이 실제로 AI를 활용하는 방식 사이의 간극을 드러낸다. 학교는 AI 사용이 주로 에세이 생성이나 문제 풀이와 같은 부정행위를 위한 것이라고 가정하는 경향이 있다. 실제 패턴은 더욱 복잡하다: 학생들은 브레인스토밍, 번역, 개념 명료화, 형식 정리 등을 위해 AI를 활용하며—물론 콘텐츠 생성도 포함된다. 생산적인 AI 활용(학습을 지원하는)과 역효과를 낳는 AI 활용(학습을 대체하는) 사이의 구분은 이분법적인 것이 아니라 맥락적인 것으로, 과제의 성격, 학생의 의도, 그리고 교수설계에 따라 달라진다.

주장과 근거

<

주장	근거	판정
교사 준비도가 K-12 AI 통합의 주요 장벽이다	Filiz et al.(2025): 기관의 지원과 인지된 역량이 핵심 요인이다	✅ 지지됨
교사들은 AI가 자신의 교수 역할을 대체하기를 원한다	Seo et al.(2024): 교사들은 의사결정자가 아닌 조언자로서의 AI를 선호한다	❌ 반박됨
학생들은 주로 부정행위를 위해 AI를 사용한다	Bieńkowska et al.(2025): 사용 패턴은 다양하며, 부정행위는 여러 용도 중 하나에 불과하다	❌ 반박됨(주된 용도로서)
K-12 AI 교육과정은 주로 기술적이어야 한다	Mahmoud et al.(2025): 기술적·비판적·윤리적·실용적 리터러시의 균형이 필요하다	❌ 반박됨(독점적 초점으로서)

미해결 질문

AI 교육은 몇 세부터 시작해야 하는가? 컴퓨팅 사고는 유아기부터 시작할 수 있지만, AI 특정 개념(머신러닝, 데이터, 알고리즘)은 언제 도입해야 하는가?

AI 교육은 별도의 과목으로 편성되어야 하는가, 아니면 교과 통합형으로 운영되어야 하는가? 별도의 과목은 전담 시간을 확보하고, 교과 통합형은 모든 교과와의 관련성을 보장한다.

AI 리터러시를 어떻게 평가할 것인가? 전통적인 시험은 지식을 측정한다. AI 리터러시는 입증된 판단력을 요구한다—AI를 언제 활용할지, 언제 무시할지, 그리고 언제 의문을 제기할지를 아는 것이다.

AI 교육이 형평성 격차를 확대하는 것을 어떻게 방지할 것인가? 자원이 풍부한 학교는 AI를 효과적으로 통합할 것이지만, 자원이 부족한 학교는 그렇지 못할 수 있다. 의도적인 형평성 전략 없이는 AI 교육이 디지털 격차를 재현할 수 있다.

시사점

증거들은 하나의 실천적 결론으로 수렴된다: K-12 AI 통합의 성패는 교육과정 문서나 기술 조달이 아닌, 교사 준비도에 달려 있다. 교사의 AI 리터러시—기술적 이해와 교수법적 판단 모두—에 대한 투자는 교사가 효과적으로 활용할 준비가 되지 않은 AI 도구에 투자하는 것보다 더 큰 성과를 가져올 것이다.