Earticle

초록

영어

As the use of generative AI expands rapidly in university education, understanding why users may hesitate or resist using such technologies has become increasingly important. This study explores the factors influencing university students’ resistance to generative AI use and empirically examines their effects from technological, psychological, and social-ethical perspectives. An exploratory survey was first conducted with 283 university students who had experience using generative AI. Through content analysis of their open-ended responses, seven key factors were identified: lack of information reliability and limitation in response relevance as technological risk factors; anthropomorphism, technology dependence risk, and AI anxiety as psychological resistance factors; and security risk and ethical risk as social-ethical risk factors. Based on these findings, a second survey was conducted with 339 university students, and the proposed relationships were tested using partial least squares structural equation modeling (PLS-SEM). The results showed that five of the seven hypothesized factors significantly influenced resistance to generative AI use. Lack of information reliability had the strongest positive effect, followed by limitation in response relevance, ethical risk, AI anxiety, and anthropomorphism. In contrast, technology dependence risk and security risk did not have statistically significant effects on resistance. These findings indicate that students’ resistance to generative AI is shaped not by a single factor but by a combination of concerns regarding the reliability and quality of AI-generated information, psychological perceptions, and broader social and ethical issues. The findings suggest that promoting the sustained use of generative AI in higher education requires more than improving technological convenience and functionality. Greater attention should be given to the reliability and quality of AI-generated outputs, while AI literacy education should be strengthened to help students critically evaluate and responsibly use AI-generated information. In addition, clear institutional guidelines and educational frameworks addressing copyright infringement, misinformation, deepfakes, and other ethical issues are needed. This study contributes to generative AI research by extending the focus beyond technology acceptance and use intention to the perspective of user resistance.

한국어

본 연구는 대학생의 생성형 AI 사용 저항에 영향을 미치는 요인을 탐색하고, 요인 간 영향 관계를 실증적으로 검증하는 것을 목적으로 한다. 이를 위해 생성형 AI 이용 경험이 있는 대학생을 대상으로 1차 탐색적 조사를 실시하여 사용 과정에서 경험하는 부정적 인식과 우려를 분석하고, 이를 바탕으로 기술적 위험, 심리적 저항, 사회·윤리적 위험의 3개 차원과 7개 요인을 도출하였다. 이후 2차 조사를 통해 대학생 339명의 자료를 수집하고, SmartPLS 4.0을 활용하여 연구모형의 신뢰성과 타당성을 검증한 후 PLS 경로분석을 실시하였다. 분석 결과, 정보 신뢰성 결여, 응답 적합성 한계, 인간유사성, AI 불안 및 윤리적 위험은 사용 저항에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 반면 기술 의존 위험과 보안 위험은 사용 저항에 유의한 영향을 미치지 않는 것으로 확인되었다. 특히 정보 신뢰성 결여가 가장 높은 영향력을 보여, 대학생의 생성형 AI 사용 저항은 기술의 편의성보다 생성된 정보의 정확성과 신뢰성에 대한 판단과 밀접하게 관련되는 것으로 나타났다. 또한 생성형 AI의 사용 저항은 기술적 특성뿐만 아니라 인간유사성 및 AI 불안과 같은 심리적 요인, 저작권 침해와 허위 정보 등 사회·윤리적 위험이 복합적으로 작용하여 형성되는 것으로 확인되었다. 이러한 결과는 생성형 AI의 활용을 확대하기 위해 기능적 성능과 편의성 향상뿐만 아니라 정보의 신뢰성 확보, AI 리터러시 교육 강화, 책임 있는 활용을 위한 윤리적 기준 마련이 필요함을 시사한다.

목차

ABSTRACT
Ⅰ. 서론
Ⅱ. 이론적 배경
2.1 생성형 AI의 개념 및 주요 특성
2.2 정보기술 저항
Ⅲ. 연구 설계
3.1 연구 절차
3.2 1차 연구 조사 (질적 탐색)
3.3 연구 모형 설정
Ⅳ. 연구 방법 및 결과
4.1 2차 연구 조사 (양적 검증)
4.2 인구통계학적 분석
4.3 신뢰성 및 타당성
4.4 연구 가설 검증
Ⅴ. 논의 및 결론
5.1 논의
5.2 결론 및 시사점
참고문헌
국문 초록

키워드

저자

• 신호영 [ Hoyoung Shin | 영남대학교 경영학과 겸임교수 ]
• 김대수 [ Daesu Kim | 영남대학교 경영학과 객원교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업혁신연구 [The Journal of Industrial Innovation]

• 간기

  계간

• pISSN

  2005-2936

• eISSN

  2800-0080

• 수록기간

  1985~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 658