Earticle

본 연구의 목적은 생성형 AI에 대한 대학생들의 이해도 및 활용 경험을 파악하는 데 있다. 이를 위해 충청북도 에 소재한 S대학교 재학생 99명을 대상으로 설문 조사를 실시하였으며, 설문 문항은 생성형 AI에 대한 이해 수준, 활용 분야 및 방법, 일상생활 및 학습 성과에 미치는 영향, 그리고 활용 시 우려 사항 등으로 구성되었다. 수집된 자료는 SPSS 22를 활용하여 기술통계, t-검정, 일원분산분석(ANOVA)을 실시하였고, ChatGPT-4o를 통해 키워드 분석을 병행하였다. 연구 결과, 학생들은 생성형 AI를 주로 연구 데이터 분석, 맞춤형 서비스, 창의적 작업, 과제 자동화, 개인화된 학습에 활용하고 있는 것으로 나타났다. 반면, 일자리 감소와 사생활 침해와 같은 부정적 영향에 대한 우려도 나타났다. 성별, 학년, 전공에 따른 생성형 AI에 대한 이해도와 영향력 차이를 분석한 결과, 통계적으 로 유의미한 차이는 나타나지 않았다. 본 연구는 생성형 AI가 다양한 배경을 가진 대학생들에게 보편적이고 유용 한 학습 도구로 활용될 수 있음을 시사한다.

The purpose of this study was to examine university students’ understanding and usage experiences of generative AI. A survey was conducted with 99 students from S University in Chungcheongbuk-do, covering topics such as their level of understanding, areas and methods of use, impacts on daily life and academic performance, and concerns regarding its use. The collected data were analyzed using descriptive statistics, t-tests, and ANOVA with SPSS 22, and additional keyword analysis was conducted using ChatGPT-4o. The results revealed that students primarily utilized generative AI for research data analysis, personalized services, creative tasks, task automation, and individualized learning. However, concerns about job displacement and privacy infringement were also identified. No statistically significant differences were found based on gender, major, or academic year.

ChatGPT와 같은 생성형 AI의 출현은 사회 전반에 걸쳐 많은 영향을 미치고 있으며, 교육 분야에서도 생성형 AI를 학교 현장에서 활용하기 위한 노력이 지속적으로 이루어지고 있다. 이에 따라 본 연구에서는 국내 교육기관 에서 생성형 AI를 교육적으로 활용하고 있는 실태를 분석하고, 제주특별자치도 교사, 학생, 학부모를 대상으로 한 인식 조사, 생성형 AI 교육 활동 활용 사례 제작위원을 대상으로 한 요구분석을 통해 미래교육을 위한 생성형 AI 를 교육 현장에 적용할 수 있는 방안을 마련하고자 연구하였다. 제주특별자치도 교육가족 중 2,114명(교원 355명, 학생 1,103명, 학부모 656명)을 대상으로 실시한 인식 조사 결과를 분석하고, 제작위원 64명을 대상으로 한 요구 분석 결과를 통해 시사점을 도출하였다. 분석 결과 생성형 AI를 활용 교육을 통해 학생들의 지식정보처리 역량 신 장을 기대하고 있고, 생성형 AI의 교육 활용 방안을 구체적으로 제시하고 있다.

Emergence of generative AI such as ChatGPT is making great influence to various fields in society. In the field of education, too, there are continued efforts in school education for the utilization of generative AI. As such, this study tried to analyze the situations of educative use of generative AI by Korean education organizations. The study made a survey on the recognition of teachers, students, parents in Jeju Special Self-Governing Province and analyzed the requirements from case production committee members of generative AI utilization for educational activities. Through these works, the study tried to prepare ways to apply generative AI for the future education in educational practices. The study analyzed the recognition survey for a total of 2,114 educational family members in Jeju, including 355 teachers, 1,103 students and 656 parents. Also, the study induced implications via the results of requirements analysis from 64 case production committee members. As a result, it was found that they are expecting to see enhancement of knowledge information handling capability of students via educations utilizing generative AI. The study presents how to utilize the generative AI for educations in detail.

이 연구의 목적은 생성형 AI 활용이 다양한 영역으로 확장되며 일상화되어가는 환경에서, 사용자의 의존 양상을 단일 차원이 아닌 다차원적 구조로 개념화하고 이를 측정할 수 있는 다차원적 생성형 AI 의존성 척 도(M-GAIDS)를 개발 및 타당화하는 데 있다. 이를 위해 LLM 의존성 관련 선행 연구와 기존 AI 과의존 척 도를 토대로 초기 문항을 구성하였으며, 대학생을 대상으로 수집한 자료를 활용해 타당화 절차를 수행하였 다. 분석 결과, M-GAIDS는 인지적 판단 의존, 작업 효율 의존, 습관화 의존, 정서적 관계 의존의 네 가지 요인이 도출되었으며, 각 요인은 적절한 요인부하량과 높은 내적 일관성을 보였다. 또한 확인적 요인분석 결 과, 모형 적합도 지수는 수용 가능한 기준을 충족하여 척도의 구조적 타당성이 확인되었다. 이 연구는 생성 형 AI 의존을 단순한 과사용이나 중독 개념이 아닌, 인지적·행동적·정서적 차원이 결합된 다차원적 의존 현 상으로 제시함으로써, 인간-AI 상호작용 연구 및 교육 현장에서 생성형 AI 활용의 질적 양상을 정밀하게 진 단할 수 있는 기반을 제공한다.

This study aimed to develop and validate the Multidimensional Generative AI Dependence Scale (M-GAIDS), conceptualizing users’ reliance on generative AI as a multidimensional construct rather than a single dimension. Based on prior research on LLM dependence and existing measures of problematic or overdependent AI use, an initial item pool was developed and validated using survey data from university students. The results yielded a four-factor scale comprising cognitive decision reliance, work-efficiency reliance, habitual reliance, and emotional-relational reliance, with satisfactory factor loadings and internal consistency; confirmatory factor analysis further supported its structural validity. By framing generative AI dependence as a phenomenon encompassing cognitive, behavioral, and emotional dimensions, this study provides an assessment tool and a refined framework for examining qualitative patterns of generative AI use in human-AI interaction research and educational contexts.

본 연구는 초등학생의 사회정서학습(SEL) 역량 강화를 위해 생성형 AI 기반 챗봇 ‘셀리(Selly)’를 설계하고 구 현하였다. 셀리는 학생이 자신의 감정을 자유롭게 표현하고 AI로부터 즉각적이며 개인화된 정서적 피드백을 받 을 수 있도록 설계되었다. 또한 종이 기반 SEL 활동지와 병행하여 전통적 수업 환경과 디지털 기반 학습 환경 의 장점을 모두 살릴 수 있도록 하였다. 연구는 초등학교 5학년을 대상으로 4주간 수업을 진행하였고, 사전과 사 후 검사에는 한국형 사회정서학습 역량 진단도구(K-SEL)를 활용하였으며, 챗봇 대화 로그와 성찰지, 교사 관찰 기록을 분석 자료로 삼았다. 연구 결과, 챗봇 활용 집단은 자기관리, 사회적 인식, 관계기술 영역에서 통계적으로 유의미한 향상을 보였고, 정서표현과 자기성찰의 질적 발전도 확인되었다. 이러한 결과는 AI 기반 SEL 프로그 램이 초등교육 현장에 효과적으로 적용될 수 있음을 시사한다.

This study designed and implemented ‘Selly’, a generative AI-based chatbot aimed at enhancing social-emotional learning (SEL) competencies among elementary school students. Selly was developed to allow students to freely express their emotions and receive immediate, personalized emotional feedback from AI. The chatbot was also integrated with paper-based SEL activity sheets, thereby combining the advantages of traditional classroom settings with those of digital learning environments. The intervention was conducted over four weeks with fifth-grade students. The Korean Social-Emotional Learning Competency Diagnostic Tool (K-SEL) was used for pre- and post-tests, while chatbot conversation logs, student reflection journals, and teacher observation records were analyzed as supplementary data. The results indicated that the group utilizing the chatbot demonstrated statistically significant improvements in self-management, social awareness, and relationship skills. Moreover, qualitative analysis revealed advancements in emotional expression and self-reflection. These findings suggest that AI-driven SEL programs can be effectively applied in elementary education settings.

본 논문은 정신분석학과 인지심리학의 무의식 개념과 딥러닝의 내부 작동 방식 사이에 존재하는 구조적, 개념적 유사성을 탐색하고, 이를 통해 인공지능의 작동 원리를 인문학적 관점에서 새롭게 재해석하고자 하는 것이다. 심 리학 이론에서 인간의 정보처리는 의식적 영역보다도 자동적이고 암묵적인 무의식에 더 큰 영향을 받으며 작동한 다고 본다. 본 논문은 AI 의 대표적 실현 방법인 딥러닝 모델의 신경망 내부 작동 방식이 감추어진 잠재 공간을 생성한다는 점에서 일종의 “기계적 무의식” 이라 보고 논의를 진행하였다. 구체적으로 신경망의 비선형적 처리, 층간 억압 구조로 만들어 지는 잠재 공간 개념을 인지심리학과 정신분석학의 무의식, 집단무의식, 동시성 이론으 로 비교함으로써, AI 작동 메커니즘이 인간 심리 구조의 은유로서 이해될 수 있는 가능성을 제시하였다.

This paper explores the structural and conceptual parallels between the notion of the unconscious in psychoanalysis and cognitive psychology, and the internal operational mechanisms of deep learning models. Through this comparison, the study aims to reinterpret the functioning of artificial intelligence from a humanities- oriented perspective. Psychological theories posit that human information processing is influenced more strongly by automatic, implicit, and unconscious mechanisms than by conscious deliberation. Building on this view, the present work conceptualizes the hidden internal processes of deep learning&# 8212;particularly the formation of latent spaces generated through nonlinear computations and inter- layer suppression—as a form of “mechanical unconscious.” By comparing these latent computational structures with the psychological constructs of the unconscious, the collective unconscious, and synchronicity proposed in psychoanalysis and cognitive psychology, this paper suggests that the operational mechanisms of AI can be meaningfully understood as metaphors for human psychological processes.

사회적 패러다임을 바꿔가는 인공지능에 대한 다양한 연구는 미래를 살아가야 하는 학생이 갖추어야 할 소 양이나 역량에 대해 논의하고 있다. 본 연구는 AI4K12에서 제시한 인공지능 교육의 다섯 가지 빅 아이디어 를 기반으로 유아의 인식에 대한 변화를 확인하기 위한 목적으로 진행되었다. 목적 달성을 위해 AI4K12의 ‘인식’, ‘표현과 추론’, ‘학습’, ‘자연스러운 상호작용’, ‘사회적 영향’ 등 다섯 가지 빅 아이디어를 기반으로 놀이 중심교육과정을 실행하기 위해 만 5세 유아를 대상으로 9주간 인공지능과 관련된 놀이활동을 구성하여 진행 하였다. 연구 결과, 인공지능 놀이 활동을 통해 유아의 표현 방법이 다양해졌으며, 인공지능과 관련된 다양한 요소의 내용을 습득하면서 인공지능에 대한 관심이 높아지는 것을 확인할 수 있었다. 인공지능에 대한 단편 적인 생각이 확장되어 가는 것으로 나타났다. 이상의 연구 결과를 제시한 본 연구는 유아를 대상으로 한 인 공지능 교육이나 활동의 방향성을 제시하는 기초자료를 제시했다는 데 의의가 있다.

Various studies on artificial intelligence, which is changing the social paradigm, are discussing the skills and competencies that students need to have in the future. The purpose of this study was to identify changes in the perceptions of young children based on the five big ideas of AI education presented by AI4K12. To achieve the purpose, a play-centered curriculum based on the five big ideas of AI4K12, including 'recognition', 'expression and reasoning', 'learning', 'natural interaction', and 'social impact', was implemented for 5-year-old early children for 9 weeks. The results of the study showed that the early children's expression methods were diversified through the A.I. play activities, and their interest in A.I. increased as they acquired the contents of various elements related to A.I.. It was found that their fragmented ideas about AI were expanded. The significance of this study is that it provides basic data to suggest the direction of AI education and activities for early children.

AI 기술의 발달은 우리 삶의 큰 변화를 가져왔다. 생활에서부터 사회, 경제에 이르기까지 AI의 영향력이 커짐 에 따라 AI와 데이터 교육에 대한 중요성이 함께 커지고 있다. 이에 OECD 교육 연구 보고서 및 다양한 국내 정보과 교육과정 연구에서 데이터와 데이터 리터러시를 다루고 필수 역량으로 제시하고 있다. 하지만 국내외 관 련 연구를 살펴보면 데이터 리터러시에 대한 정의와 구성 요소의 내용과 범위가 연구자에 따라 다른 것을 알 수 있다. 이에 데이터 리터러시 관련 주요 연구의 정의와 구성 요소에 활용된 단어 빈도 분석과 함께 Word2Vec 딥 러닝 자연어 처리 방법을 통해 단어의 관계와 의미 유사도를 분석하여 객관적이고 포괄적인 정의와 구성 요소를 제시하였다. 그리고 전문가 검토를 통해 수정 보완하여 데이터 리터러시를 ‘문제를 해결하기 위해 데이터를 수집 하고 분석 및 활용하여 정보로 처리하는 지식 구성과 의사소통의 기초 능력’으로 정의하였으며, ‘지식, 기능, 가 치와 태도’로 각각의 구성 요소를 범주화하였다. 본 연구를 통해 도출된 데이터 리터러시의 정의와 구성 요소가 AI 교육 체계화와 학생들의 미래 역량 관련 교육 연구에 좋은 기초 자료가 될 수 있기를 기대한다.

The development of AI technology has brought about a big change in our lives. The importance of AI and data education is also growing as AI's influence from life to society to the economy grows. In response, the OECD Education Research Report and various domestic information and curriculum studies deal with data literacy and present it as an essential competency. However, the definition of data literacy and the content and scope of the components vary among researchers. Thus, we analyze the semantic similarity of words through Word2Vec deep learning natural language processing methods along with the definitions of key data literacy studies and analysis of word frequency utilized in components, to present objective and comprehensive definition and components. It was revised and supplemented by expert review, and we defined data literacy as the 'basic ability of knowledge construction and communication to collect, analyze, and use data and process it as information for problem solving'. Furthermore we propose the components of each category of knowledge, skills, values and attitudes. We hope that the definition and components of data literacy derived from this study will serve as a good foundation for the systematization and education research of AI education related to students' future competency.

본 연구는 AI융합교육 전공 현직 초등교원의 생성형 AI 활용 수업에 대한 인식과 교육 요구를 분석하여 교사 교육 및 정책 개선을 위한 시사점을 도출하는 것을 목적으로 한다. 이를 위해 61명의 AI융합교육 전공 현직 초등 교원을 대상으로 생성형 AI 활용 수업에 대한 인식과 요구를 조사하였고, 수집된 자료를 기술통계, t-검정, Borich 요구도 분석 및 Locus for Focus 모델을 활용하여 분석하였다. 분석 결과, 참여 교원들은 생성형 AI 활용 수업의 중요성을 전반적으로 높게 인식하였으며(평균 4.11-4.61, 긍정 응답 비율 78.7-97.8%), 특히 ‘수업 지침 제공’과 ‘구 독·구매 비용 지원’ 항목에서 가장 높은 인식을 보였다. 그러나 실제 적용 능력과의 차이가 존재하였으며, 수업 실 행 단계에서 교육 요구가 가장 높았다. ‘자료 제시 및 학습 안내’와 ‘학습자 수행 유도’는 Borich 분석과 Locus for Focus 분석 모두에서 우선 지원 요소로 확인되었다. 연구 결과를 기반으로 AI융합교육 전공 교원을 대상으로 한 생성형 AI 활용 수업 지원 방안과 정책 개선 방향을 논의하였다.

This study investigated the perceptions and educational needs of in-service elementary school teachers majoring in AI convergence education regarding generative AI-integrated instruction. Data from 61 teachers were analyzed using descriptive statistics, t-tests, Borich needs analysis, and the Locus for Focus model. Teachers rated generative AI-integrated instruction as highly important (M = 4.11–4.61, 78.7–97.8% positive responses), particularly ‘instructional guidelines’ and ‘financial support’, but reported limited implementation ability. The greatest needs appeared in the instructional implementation stage, with ‘presentation of materials and instructional guidance’ and ‘facilitation of learner performance’ prioritized in both Borich and Locus for Focus analyses. The findings suggest strategies and policy directions to support teacher training and enhance generative AI-integrated instruction.

최근 교육 현장에서 AI 활용 수업에 관한 관심이 높아지고 있으며, 인지적 성취뿐 아니라 창의력, 문제해결력, 정의적 역량 등 다양한 교육 효과가 기대되고 있으므로, 본 연구는 국내 초·중·고등학생을 대상으로 한 AI 기반 수업의 연구 동향과 교육적 효과를 체계적으로 분석하여 시사점을 도출하고자 하였다. 이를 위해 PRISMA 가이드 라인에 따라 국내 학술지에 게재된 논문 104편을 선정하고, 문헌분석을 실시하였다. 그 결과, AI 수업은 주로 초등 고학년 중심으로 영어, 수학, 과학 교과에서 정규 수업 형태로 적용되었고, 정의적·사회정서적 역량과 학업 및 인 지적 성취 등에서 긍정적 효과가 있는 것으로 나타났다. 생성형 AI, 챗봇, 기계학습 도구가 주로 활용되었으며, 중 재 기간은 4~6차시의 단기 프로그램이 많았다. 효과 측정은 주로 설문지 중심의 평가 도구가 활용되었다. 본 연구 는 향후 AI 교수·학습 설계의 실제에 기초 자료로 활용될 수 있다.

Recently, interest in AI-integrated instruction has been growing in educational settings, with expectations for outcomes such as cognitive achievement, creativity, problem-solving skills, and affective competencies. Accordingly, this study aimed to systematically analyze research trends and educational effects of AI-based instruction targeting K–12 students in South Korea, based on 104 studies selected using PRISMA guidelines. Results indicated that AI instruction was mainly applied in upper elementary regular classes, especially in English, math, and science, showing positive effects on socio-emotional and cognitive outcomes. Tools like generative AI, chatbots, and machine learning were frequently used, typically in short-term interventions of 4–6 sessions, and effects were mainly measured through surveys. This study offers foundational insights for the practical design of future AI-based instruction.

본 연구는 예비교사의 디지털·인공지능(AI) 관련 교과의 수강여부가 예비교사의 교수효능감에 미치는 영향에 대해 알아보고자 하였으며, AI 관련 교과 수강 여부가 어떠한 메커니즘을 통하여 예비교사의 AI 교수효능감이 향상으로 이어지는지 알아보고자 하였다. AI 수용의도와 AI 리터러시가 교수효능감 향상에 영향을 미칠 것이라 고 예상을 하여 매개 변인으로 설정하였으며, 이를 위해 전국에 있는 예비교사 273명을 대상으로 직렬다중매개 효과 분석을 실시하였다. 분석 결과는 다음과 같다. 첫째, 관련 교과의 수강여부와 교수효능감 간의 직접 효과는 유의하지 않은 것으로 확인되었다. 둘째, 관련 교과 수강여부가 수용의도, 리터러시를 매개하여 교수효능감으로 가는 경로가 유의한 것으로 확인되었다. 셋째, 관련 교과 수강여부가 수용의도, 리터러시를 차례로 매개하여 교 수효능감으로 가는 경로가 유의한 것으로 확인되었다. 본 연구에서는 이러한 분석 결과를 바탕으로 연구의 시사 점과 제한점을 논의하였다.

This study aimed to examine the impact of pre-service teachers' enrollment in courses related to digital and artificial intelligence on their teaching efficacy. Specifically, it sought to understand the mechanisms through which taking courses related to AI leads to an improvement in pre-service teachers' AI Teaching Efficacy. The intention to AI Acceptance Intention and AI Literacy were hypothesized to influence the improvement of AI Teaching Efficacy, and were set as mediating variables. To this end, a serial multiple mediation analysis was conducted with 273 pre-service teachers nationwide. The results of the analysis are as follows. First, the direct effect between enrollment in relevant courses and AI Teaching Efficacy was found to be non-significant. Second, the pathway from course enrollment to AI Teaching Efficacy, mediated by AI Acceptance Intention and AI Literacy, was found to be significant. Third, the pathway from course enrollment to AI Teaching Efficacy, mediated sequentially by AI Acceptance Intention and AI Literacy, was also found to be significant. Based on these analysis results, the study discussed the implications and limitations of the research.