AI 편향(bias) 연구 분야가 구조적으로 집중되어 있음을 계량서지학적 분석과 의미론적 클러스터링으로 분석한 연구로, 692편의 논문을 분석한 결과 미국이 모든 영역에서 출판 및 협력 네트워크를 압도적으로 주도하며 저소득·중소득 국가는 거의 부재함을 밝혔다. 특히 공정성 정의와 벤치마크를 공급하는 핵심 영역인 일반 공정성 및 편향 완화 도메인에서 연구 집중도가 가장 높아, 좁은 맥락에서 개발된 완화 방법이 보편적인 것으로 잘못 적용될 위험성을 제기한다.
STEM 교육은 개인화 및 학제 간 통합 측면에서 여러 과제에 직면해 있다. AI 기술은 새로운 가능성을 가져왔지만, AI가 STEM 교육 생태계를 재편하는 메커니즘에 대해서는 체계적인 연구가 필요하다. 본 연구는 계량서지학적 방법론을 활용하여 2015년부터 2025년까지의 논문 242편을 분석하고, 지식 지도를 구축하여 발전 궤적을 규명한다. 연구 결과, 해당 분야는 지능형 튜터링 시스템에서 대규모 언어 모델(LLM) 기반의 탐구 학습 및 컴퓨팅 사고력 함양으로 변화하였음이 나타났다. AI의 핵심적인 기여는 지식 이해의 진입 장벽을 낮추는 지능형 스캐폴딩(scaffolding)을 제공하는 데 있다. 이러한 맥락에서 AI는 STEM 교육을 지식 전달에서 역량 개발로 전환시키는 핵심 동력이라 할 수 있다.