If the gender gap in STEM fields begins in childhood—and decades of research suggest it does—then the logical place to intervene is before the gap opens. The emerging field of early childhood AI literacy takes this logic to its limit: introducing computational thinking and AI concepts to children as young as four or five, before gender stereotypes about "who does science" have fully crystallized.

The idea is both promising and fraught. Promising because early intervention has the potential to establish cognitive foundations and positive associations with technology before social pressures intervene. Fraught because the preschool classroom is a complex environment where well-intentioned technology integration can go wrong in subtle ways—reinforcing the very patterns it aims to disrupt.

Gender in the Preschool Classroom

Cotino-Arbelo, Molina-Gil, and González-González (2025) examine what they describe as "an overlooked frontier": preschool classrooms. Despite decades of global initiatives aimed at increasing female participation in technology fields, gender-interest stereotypes continue to discourage girls from pursuing STEM. Their study analyzes computational thinking and AI literacy through a gender-based lens among early learners.

The significance of preschool-age intervention lies in developmental timing. Research in social cognition suggests that children begin to internalize gender stereotypes about academic domains between ages four and seven. By the time gender-differentiated STEM attitudes are typically measured (ages 10-12), the patterns are already entrenched. Intervening at the preschool level targets the formation period rather than the reinforcement period.

The study's gender-based analysis among early learners provides evidence on whether preschool AI literacy activities produce differential engagement and learning outcomes by gender—a question that is critical for designing interventions that do not inadvertently advantage boys (who may receive more technology exposure at home) while claiming to serve all children equally.

Robot-Assisted AI Literacy in South Korea

Lee, Ku, and Ko (2025) explore the role of AI humanoid robots in developing preschoolers' AI literacy and computational thinking in South Korea. Using a mixed-methods approach, the study examines both learning outcomes and the experiences and perceptions of teachers and parents.

The study's context is significant: South Korea has invested heavily in AI education as a national priority, and the Korean Ministry of Education has introduced AI-related content into the national curriculum. The deployment of AI robots in preschool classrooms represents an early implementation of this national strategy.

The mixed-methods design allows the study to capture not just whether children learn from robots but how teachers and parents experience the integration. This stakeholder perspective is important because preschool AI education depends on adult mediators—teachers who facilitate activities and parents who support or resist technology exposure at home. A technically effective AI education tool that teachers find burdensome or parents find concerning will not be adopted sustainably.

Teacher Perspectives: Between Enthusiasm and Anxiety

Kölemen and Yıldırım (2025) evaluate the role of AI in preschool from the perspective of preschool teachers. Their study, involving 101 preschool teachers selected through purposeful sampling, provides a rare window into how educators—the people who must actually implement AI literacy curricula—view the technology.

The teacher perspective reveals tensions that policy documents and curriculum guidelines tend to smooth over. Teachers recognize AI's potential to improve children's skills such as AI literacy and computational thinking, but express concerns about privacy and security (including personal data protection), infrastructure limitations, and their own insufficient AI literacy and competencies. Many teachers report feeling expected to integrate AI into their practice without adequate professional development—a pattern that mirrors the broader challenge of technology integration in education.

The study's finding that teachers did not feel sufficient regarding AI literacy and competencies, and that concerns centered on content knowledge gaps, infrastructure, and classroom readiness, has practical implications. Investment in teacher professional development may yield greater returns than investment in technology hardware.

The Evidence from Meta-Analysis

Park, Min, and Chae (2025) contribute a meta-analysis on the effects of AI and digital play activities in early childhood. Their analysis synthesizes research on how AI technologies are being incorporated into educational content to foster key competencies such as computational thinking.

Meta-analytic findings provide a useful corrective to the enthusiasm of individual case studies. By aggregating across multiple studies with different designs, populations, and outcome measures, the analysis can identify whether effects are consistent, conditional, or artifactual. For a field as young as early childhood AI education—where publication bias toward positive results is likely—meta-analytic evidence is particularly valuable.

Computational Thinking Models for Early Science Literacy

Salleh and Omar (2025) provide a structured review of computational thinking models specifically designed for early childhood science literacy. The integration of CT models in early childhood science literacy has gained increasing attention due to their potential to enhance cognitive skills and problem-solving abilities in preschool learners.

The review identifies several CT components that can be meaningfully introduced at the preschool level: pattern recognition (identifying regularities in the environment), decomposition (breaking complex problems into simpler parts), algorithmic thinking (sequencing steps to accomplish a task), and abstraction (identifying essential features while ignoring irrelevant details). These components can be embedded in age-appropriate activities—sorting games, building challenges, storytelling sequences—without requiring screens or digital devices.

This finding is important because it decouples computational thinking from technology use. CT can be developed through unplugged activities that require no hardware investment and no screen time—addressing two of the primary concerns that teachers and parents raise about early childhood technology education.

Claims and Evidence

Open Questions

Implications

The research suggests that early childhood is a viable and potentially valuable context for AI literacy education—but only if implementation respects developmental constraints, invests in teacher preparation, and maintains equity as a design principle rather than an afterthought.

The gender dimension deserves particular attention. If early AI education is introduced without deliberate attention to gender equity, it risks becoming another context in which boys receive more encouragement, more complex tasks, and more sustained engagement with technology than girls—replicating at age five the patterns that decades of intervention have failed to change at age fifteen.

The path forward requires collaboration between early childhood educators (who understand development), computer scientists (who understand AI), and equity researchers (who understand how well-intentioned interventions can reproduce inequality). No single discipline has the expertise to get this right alone.

면책 조항: 이 게시물은 정보 제공을 위한 연구 동향 개요이다. 학술 연구에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문과 대조하여 확인해야 한다.

AI 리터러시는 다섯 살부터 시작된다: 컴퓨팅 사고력, 젠더, 그리고 유아교육의 최전선

STEM 분야의 젠더 격차가 아동기에 시작된다면—수십 년간의 연구가 그렇다고 시사하듯—논리적으로 개입해야 할 시점은 그 격차가 벌어지기 이전이다. 초기 아동 AI 리터러시라는 신흥 분야는 이 논리를 극한까지 밀어붙인다. 즉, "과학을 하는 사람은 누구인가"에 대한 젠더 고정관념이 완전히 굳어지기 전인 네다섯 살 아이들에게 컴퓨팅 사고력과 AI 개념을 소개하는 것이다.

이 아이디어는 가능성과 위험성을 동시에 내포한다. 사회적 압력이 개입하기 전에 기술에 대한 인지적 기반과 긍정적 연관성을 형성할 수 있다는 점에서 가능성이 있다. 그러나 유아 교실은 복잡한 환경으로, 선의로 이루어진 기술 통합이 미묘한 방식으로 실패할 수 있다는 점에서 위험성이 존재한다. 그러한 시도가 바로잡으려 했던 패턴을 오히려 강화할 수도 있기 때문이다.

유아 교실에서의 젠더

Cotino-Arbelo, Molina-Gil, González-González(2025)는 자신들이 "간과된 최전선"이라고 묘사하는 유아 교실을 연구한다. 기술 분야에서 여성 참여를 높이기 위한 전 세계적인 이니셔티브가 수십 년간 이어졌음에도 불구하고, 젠더 관심 고정관념은 여전히 여학생들이 STEM을 추구하는 것을 막고 있다. 이 연구는 초기 학습자들 사이에서 젠더 기반 관점으로 컴퓨팅 사고력과 AI 리터러시를 분석한다.

유아기 개입의 중요성은 발달 시기에 있다. 사회 인지 연구에 따르면 아이들은 네 살에서 일곱 살 사이에 학문 영역에 대한 젠더 고정관념을 내면화하기 시작한다. STEM에 대한 젠더 차별적 태도가 일반적으로 측정되는 시기(10~12세)가 되면 그 패턴은 이미 고착된 상태이다. 유아 수준에서의 개입은 고정관념이 강화되는 시기가 아니라 형성되는 시기를 목표로 한다.

이 연구의 초기 학습자들을 대상으로 한 젠더 기반 분석은 유아 AI 리터러시 활동이 젠더에 따라 참여도 및 학습 결과에서 차이를 보이는지에 대한 근거를 제공한다. 이는 모든 아이들에게 동등하게 기여한다고 주장하면서도 의도치 않게 (가정에서 더 많은 기술 노출을 받을 수 있는) 남학생에게 유리하게 작용하지 않는 개입 프로그램을 설계하는 데 있어 핵심적인 질문이다.

한국의 로봇 보조 AI 리터러시

Lee, Ku, Ko(2025)는 한국에서 AI 휴머노이드 로봇이 유아의 AI 리터러시와 컴퓨팅 사고력 개발에 미치는 역할을 탐구한다. 혼합 방법론을 활용하여 학습 결과와 교사 및 학부모의 경험·인식을 모두 검토한다.

연구의 맥락은 중요한 의미를 지닌다. 한국은 국가적 우선순위로서 AI 교육에 대규모 투자를 해왔으며, 한국 교육부는 국가 교육과정에 AI 관련 내용을 도입하였다. 유아 교실에 AI 로봇을 배치하는 것은 이러한 국가 전략의 초기 시행을 대표한다.

혼합 방법론 설계는 아이들이 로봇으로부터 무엇을 배우는가뿐만 아니라 교사와 학부모가 이 통합을 어떻게 경험하는가를 파악할 수 있게 해준다. 유아 AI 교육이 성인 매개자—활동을 촉진하는 교사와 가정에서 기술 노출을 지지하거나 거부하는 학부모—에 의존하기 때문에 이러한 이해관계자 관점은 중요하다. 교사가 부담스럽게 여기거나 학부모가 우려하는 기술적으로 효과적인 AI 교육 도구는 지속적으로 채택되지 못할 것이다.

교사 관점: 열정과 불안 사이

Kölemen과 Yıldırım(2025)은 유아 교사들의 관점에서 유아교육에서 AI의 역할을 평가한다. 목적적 표집을 통해 선발된 101명의 유아 교사들을 대상으로 한 이 연구는 AI 리터러시 교육과정을 실제로 실행해야 하는 교육자들이 해당 기술을 어떻게 바라보는지에 대한 드문 창(window)을 제공한다.

교사의 관점

교사의 관점은 정책 문서와 교육과정 지침이 매끄럽게 처리하는 경향이 있는 긴장을 드러낸다. 교사들은 AI가 AI 리터러시와 컴퓨팅 사고력 등 아동의 역량을 향상시킬 가능성을 인정하면서도, 개인정보 보호를 포함한 프라이버시 및 보안 문제, 인프라의 한계, 그리고 자신의 불충분한 AI 리터러시와 역량에 대한 우려를 표명한다. 많은 교사들은 충분한 전문성 개발 없이 AI를 실천에 통합하도록 기대받고 있다고 느끼는데, 이는 교육에서 기술 통합이라는 더 넓은 과제를 반영하는 패턴이다.

교사들이 AI 리터러시와 역량 면에서 충분하지 않다고 느끼며, 우려의 중심이 내용 지식의 격차, 인프라, 그리고 교실 준비도에 있다는 연구 결과는 실천적 함의를 지닌다. 교사 전문성 개발에 대한 투자가 기술 하드웨어에 대한 투자보다 더 큰 성과를 낼 수 있다.

메타분석의 증거

Park, Min, Chae(2025)는 유아기 AI 및 디지털 놀이 활동의 효과에 관한 메타분석을 제공한다. 이 분석은 컴퓨팅 사고력과 같은 핵심 역량을 함양하기 위해 AI 기술이 교육 내용에 어떻게 통합되고 있는지에 관한 연구들을 종합한다.

메타분석 결과는 개별 사례 연구의 열정에 유용한 교정을 제공한다. 서로 다른 설계, 대상 집단, 결과 측정을 가진 다수의 연구를 집계함으로써, 효과가 일관적인지, 조건적인지, 혹은 인위적인지를 파악할 수 있다. 긍정적 결과를 향한 출판 편향이 나타날 가능성이 높은 유아 AI 교육처럼 역사가 짧은 분야에서 메타분석 증거는 특히 가치 있다.

초기 과학 리터러시를 위한 컴퓨팅 사고력 모델

Salleh와 Omar(2025)는 유아기 과학 리터러시를 위해 특별히 설계된 컴퓨팅 사고력(CT) 모델에 대한 체계적 검토를 제공한다. 유아기 과학 리터러시에서 CT 모델의 통합은 유아 학습자의 인지 능력과 문제 해결 능력을 향상시킬 잠재력으로 인해 점점 더 주목받고 있다.

이 검토는 유아원 수준에서 의미 있게 도입할 수 있는 몇 가지 CT 구성 요소를 확인한다: 패턴 인식(환경에서 규칙성 파악), 분해(복잡한 문제를 더 단순한 부분으로 나누기), 알고리즘적 사고(과제를 수행하기 위한 단계 순서 정하기), 그리고 추상화(관련 없는 세부 사항을 무시하면서 본질적인 특성 파악하기)이다. 이러한 구성 요소들은 화면이나 디지털 기기 없이도 연령에 적합한 활동—분류 게임, 구성 도전, 이야기 순서 배열—에 내재화될 수 있다.

이 결과는 컴퓨팅 사고력을 기술 사용과 분리한다는 점에서 중요하다. CT는 하드웨어 투자와 화면 시청 시간이 전혀 필요 없는 언플러그드(unplugged) 활동을 통해 개발될 수 있으며, 이는 교사와 학부모가 유아기 기술 교육에 대해 제기하는 주요 우려 사항 두 가지를 해소한다.

주장과 증거

미해결 과제

시사점

이 연구는 유아기가 AI 리터러시 교육을 위한 실행 가능하고 잠재적으로 가치 있는 맥락임을 시사한다—그러나 이는 구현이 발달적 제약을 존중하고, 교사 준비에 투자하며, 형평성을 사후적 고려가 아닌 설계 원칙으로 유지할 때에만 해당된다.

성별 차원은 특별한 주의를 요한다. 성별 형평성에 대한 의도적 관심 없이 초기 AI 교육이 도입된다면, 남아가 여아보다 더 많은 격려, 더 복잡한 과제, 더 지속적인 기술 참여를 받게 되는 또 하나의 맥락이 될 위험이 있다—이는 수십 년간의 개입이 15세에서 바꾸지 못한 패턴을 5세에서 반복하는 것이다.

앞으로 나아가는 길은 유아 교육자(발달을 이해하는), 컴퓨터 과학자(AI를 이해하는), 형평성 연구자(선의의 개입이 어떻게 불평등을 재생산할 수 있는지를 이해하는) 간의 협력을 필요로 한다. 어떤 단일 학문도 이를 올바르게 수행할 전문성을 혼자서 갖추고 있지 않다.