Earticle

초록

영어

This study explored first-year university students’ experiences of major exploration and how generative AI can support this process. In-depth interviews with eight students were analyzed using Braun and Clarke’s thematic analysis. Four themes were identified: unstable major choice shaped by external criteria and insufficient self-understanding; difficulty interpreting major-related information; a gap between trustworthy and accessible support; and the potential of generative AI for structured, trust-based exploration. The findings show that major exploration is a reflective process shaped by self-understanding, information access, advising experiences, realistic conditions, and exploration opportunities. Participants differed in their levels of AI use: experienced users viewed AI as useful for clarifying questions and organizing information, whereas limited or non-users noted generic responses and uncertainty about its use. Based on these findings, this study proposes a cyclical, self-reflective model connecting self-understanding, information exploration, criterion adjustment, advising preparation, and post-advising reflection. Generative AI should support question formulation, information interpretation, advising preparation, and reflection rather than replace student decisions or human advising. AI-supported major exploration should be grounded in verified institutional data, source transparency, privacy protection, bias monitoring, advisor linkage, and students’ final decision-making authority.

한국어

본 연구는 대학 신입생의 전공탐색 경험을 분석하고, 이 과정에서 생성형 인공지능이 어떠한 방식으로 활용될 수 있는지 탐색하는 데 목적이 있다. 이를 위해대학 신입생 8명을 대상으로 심층 면담을 실시하였으며, Braun과 Clarke의 주제분석 방법에 따라 자료를 분석하였다. 분석 결과, ‘외부 기준에 흔들리는 전공 선택과자기 판단 기준의 미형성’, ‘정보의 부족이 아니라 개인적 의미로 해석하지 못하는어려움’, ‘신뢰할 수 있는 지원과 접근 가능한 지원 사이의 간극’, ‘생성형 인공지능을 통한 전공탐색의 구조화 가능성과 신뢰 기반 지원 요구’의 네 가지 주제가 도출되었다. 연구 결과, 대학 신입생의 전공탐색은 단순한 정보 수집이 아니라 자기이해, 정보 접근성, 상담 경험, 현실 조건, 탐색 기회가 복합적으로 작용하는 성찰적과정으로 나타났다. 또한 참여자들은 생성형 인공지능 활용 수준에 따라 서로 다른 인식을 보였는데, 활용 경험자는 생성형 인공지능을 질문 구체화와 정보 정리에 유용한 도구로 인식한 반면, 제한적 활용자와 미사용자는 답변의 일반성, 활용방법의 불확실성, 신뢰성에 대한 우려를 보였다. 이러한 결과를 바탕으로 본 연구는 자기이해, 정보탐색, 기준조정, 상담준비, 사후성찰을 연결하는 순환형·자기성찰형 전공탐색 지원 모형을 제안하였다. 생성형 인공지능은 학생의 전공 선택이나인간 상담을 대체하기보다 질문 형성, 정보 해석, 상담 준비, 성찰을 지원하는 보조자원으로 활용될 필요가 있다. 또한 생성형 인공지능 기반 전공탐색 지원은 공식자료 기반 응답, 정보 출처 표시, 개인정보 보호, 편향 가능성 점검, 교수·상담자연계, 학생의 최종 선택권 보장을 전제로 설계되어야 한다.

목차

국문초록
Ⅰ. 서론
Ⅱ. 이론적 배경
1. 대학 신입생 전공탐색의 개념과 특성
2. 대학의 전공탐색 지원과 한계
3. 생성형 AI의 교육적 활용과 전공탐색 지원 가능성
Ⅲ. 연구 방법
1. 연구설계
2. 연구 참여자
3. 자료 수집 절차
4. 자료 분석 방법
5. 연구윤리 및 신뢰성 확보
Ⅳ. 연구결과
1. 외부 기준에 흔들리는 전공 선택과 자기 판단 기준의 미형성
2. 정보의 부족이 아니라 개인적 의미로 해석하지 못하는 어려움
3. 신뢰할 수 있는 지원과 접근 가능한 지원 사이의 간극
4. 생성형 AI를 통한 전공탐색의 구조화 가능성과 신뢰 기반 지원요구
Ⅴ. 논의 및 결론
References
Abstract

키워드

저자

• 임수연 [ Lim, Suyeon | 부산대학교 교육학과, 수료후연구생(박사과정) ] 제1저자
• 이상수 [ Lee, Sangsoo | 부산대학교 교육학과, 교수 ] 부산대학교 교육학과, 교수
• 김은영 [ Kim, Eunyoung | 부산대학교 BK계약교수 ] 공동저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  다문화와 교육 [Journal of Multiculture and Education]

• 간기

  계간

• pISSN

  2508-271X

• 수록기간

  2016~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 331 DDC 301