Earticle

본 연구의 목적은 생성형 AI 활용 환경교육이 중학 생들의 생성형 AI 인식에 어떠한 영향을 미치는지 알 아보는 것이다. 이를 위해 총 8차시 분량의 생성형 AI 활용 환경교육 프로그램을 개발하고 부산시 남자중학 교 3학년 학생을 대상으로 수업을 적용하였으며, 생성 형 AI 인식에 대한 사전·사후 검사를 진행하여 최종 72명의 자료를 수집하였다. 이후 사전·사후검사 결과 에 대해 대응표본 t-검정을 실시하여 생성형 AI 활용 환경교육이 중학생들의 생성형 AI 인식에 미치는 영 향을 확인하였다. 또한, 생성형 AI 활용 학습 경험에 대해 귀납적 내용 분석 방법을 통한 정성적 분석을 수 행하였다. 본 연구의 결과는 다음과 같다. 첫째, 생성 형 AI 활용 환경교육은 중학생들의 생성형 AI 인식 및 모든 하위 영역의 향상에 유의미한 영향을 미치는 것 으로 확인되었다. 둘째, 생성형 AI 활용 학습 경험에 대한 정성적 분석 결과, 대다수의 학생들은 생성형 AI 가 정보 탐색과 학습 조력에 도움이 되었으며, 자신의 학습 능력 및 자신감, 모둠원과의 소통과 협력에 긍정 적인 영향을 미쳤다고 평가했다. 그러나 답변의 부정 확성 및 신뢰성 문제와 과도한 의존을 우려하는 목소 리도 컸으며, 개인정보보호 기능에 대해서는 대다수가 낮은 신뢰를 보였다. 본 연구는 생성형 AI 활용 환경 교육의 교육적 효과를 실증적으로 검증하고 분석하였 다는 점에서 의의가 있으며, 향후 미래 인재 양성을 위 한 효과적인 생성형 AI 활용 환경교육 프로그램을 개 발하기 위한 기초 자료를 제공할 것으로 기대된다.

The purpose of this study is to examine the impact of environmental education utilizing generative AI on middle school students’ perception of generative AI. To this end, an eight-session educational program integrating generative AI was developed and implemented with third-grade male students at a middle school in Busan. Pre- and post-tests on students' perception of generative AI were conducted, and data from 72 students were collected. A paired samples t-test was performed to analyze the differences in perceptions before and after the program. In addition, qualitative data on students' learning experiences with generative AI were analyzed using inductive content analysis. The findings are as follows. First, the generative AI-based environmental education program had a statistically significant positive effect on students’ overall perception of generative AI and all of its subdomains. Second, the qualitative analysis revealed that most students found generative AI helpful for information retrieval and learning support, as well as in enhancing their learning ability, confidence, and communication and collaboration with peers. However, concerns were also raised about the inaccuracy and unreliability of AI-generated responses and the potential for overdependence. Additionally, most students expressed low trust in the AI’s personal data protection capabilities. This study is meaningful in that it empirically verified the effects of generative AI-based environmental education on students' perceptions of generative AI. It is expected to serve as foundational data for the development of more effective educational programs utilizing generative AI.

본 연구는 생성형 AI의 지각된 특성이 구독 의도에 미치는 영향을 분석하고, 특히 생성형 AI의 이용경험의 조절효과를 분석하였다. 최근 구독경제 확산과 함께 생성형 AI의 정기구독 모델 도입이 증가하고 있으며, 이에 대한 소비자 행동 연구가 필요하다. 본 연구는 확장된 통합기술수용모델(UTAUT2)을 적용하고, 설문조사와 구조방정식 모델(SEM)을 활용하여 실증 분석을 수행하였다. 분석 결과 사회적 영향, 성과기대, 촉진 조건은 신뢰와 습관에 정의 영향을 미쳤으며, 신뢰와 습관은 구독 의도에 중요한 변수로 나타났다. 반면, 노력기대와 쾌락적 동기는 각각 신뢰와 습관에 유의미한 영향을 미치지 않았다. 또한, 이용 의도는 구독 의도에 정의 영향을 주었으며, AI 경험이 이 관계를 조절하는 것으로 확인되었다. 본 연구는 AI 기반 구독경 제의 확산과 소비자 행동 연구에 기여하며, 기업이 신뢰와 습관적 이용을 강화하는 전략이 필요함을 제시한다. 향후 연구에서 는 구독 지속성, 해지 의도, 데이터 보안 및 정책적 대응 방안 등을 추가적으로 검토할 필요가 있다.

This study investigates the effects of perceived characteristics of generative AI on users’ subscription intention, with a particular focus on the moderating role of prior experience with generative AI. As subscription-based models for generative AI services are rapidly expanding alongside the growth of the subscription economy, it is necessary to explore consumer behavior in this context. Based on the Extended Unified Theory of Acceptance and Use of Technology (UTAUT2), this study conducted an empirical analysis using survey data and structural equation modeling (SEM). The results show that social influence, performance expectancy, and facilitating conditions positively influence trust and habit, which in turn significantly affect subscription intention. In contrast, effort expectancy and hedonic motivation do not significantly impact trust and habit, respectively. Furthermore, usage intention positively influences subscription intention, and this relationship is moderated by users’ prior experience with generative AI. This study contributes to understanding consumer behavior in AI-based subscription services and suggests the need for strategic approaches to strengthen user trust and habitual usage. Future research should consider examining subscription retention, cancellation behavior, data privacy, and regulatory implications.

본 연구는 세계적으로 급성장하고 있는 생성형 AI 기술의 정보품질이 클라우드와 온디바이스 방식의 AI 구매의도에 미치는 영향을 브랜드 이미지와 이원적 신뢰(정서적, 인지적)의 매개효과를 중심으로 알아보았다. 생성형 AI 기술의 전문성과 사용연령을 고려하여 10대 부터 50대 사용자 중 클라우드 AI와 온디바이스 AI 방식을 모두 경험한 남녀 273명을 대상으로 설문하였고, SmartPLS 4.0의 탐색적 구조방정식을 분석에 활용하여 실증하였다. 연구 결과, 생성형 AI의 정보품질이 정서적 신뢰와 인지적 신뢰에 미치는 긍정적 영향이 확인되었다. 또한, 정보품질과 브랜드 이미지가 인지적 신뢰를 통해 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향이 확인되었다. 하지만, 정서적 신뢰가 클라우드 AI와 온디바이스 AI 구매의도에 미치는 긍정적 영향은 통계적으로 유의하지 않았다. 본 연구는 생성형 AI 기술의 정보품질이 이원적 신뢰에 매개되어 클라우드와 온디바이스 방식의 AI 구매의도에 영향을 미치는 메커니즘을 실증 연구함으로써, 생성형 AI 영역에서 정서적 신뢰와 인지적 신뢰의 차별적 특성을 이해하고, 해당 비즈니스에서 고객의 신뢰를 형성하는 경영 전략과 방향성을 제시했다는데 학술적, 실무적 의의가 있다.

This study was empirically verified how Information Quality in generative AI technology, which is experiencing rapid global growth, affects Purchase Intentions for Cloud and On-device AI methods, focusing on the mediating effects of Brand Image and Dual Trust (affective and cognitive). Considering the expertise and age range of generative AI technology users, we surveyed 273 men and women ranging from 10s to those in their 50s who had experienced both Cloud AI and On-device AI methods. The data was empirically analyzed using exploratory structural equation modeling with SmartPLS 4.0. Research results confirmed the positive impact of generative AI's Information Quality on both affective and cognitive trust. Additionally, the positive effects of Information Quality and Brand Image on Purchase Intentions for both Cloud AI and On-device AI through cognitive trust were verified. However, the positive influence of affective trust on Purchase Intentions for Cloud AI and On-device AI was not statistically significant.

이 연구는 최근 생성형 AI 기술의 급격한 발전 속에서 전통적인 영화 제작 파이프라인의 물리적, 시간적 한계를 극복하며 나타난 AI 영상 제작이라는 새로운 분야의 가능성을 제시하고 있다. 본 연구는 AI 드라마 <교수없는>의 실제 제작 과정을 실증적으로 분석함으로써, 파편화된 다양한 생성형 AI 도구들을 하나의 유기적인 파이프라인으로 통합하는 효율적인 제작 방법론을 고찰하는 것에 그 목적이 있다. 이 논문에서는 제작 공정의 단계별 핵심 도구로서 시나리오 집필 및 구조화를 위한 ChatGPT, 시각적 에셋 및 톤앤매너 구성을 위한 Midjourney, 시네마틱 영상 생성을 위한 RunwayML, 그리고 정교한 음성 합성 및 배경음악 제작을 위한 ElevenLabs와 Suno를 유기적으로 활용한 구체적인 공정을 기술한다. 특히 단순히 개별 도구를 사용하는 수준을 넘어, 각 제작 도구 간의 데이터 연계성과 작업 효율성을 극대화할 수 있는 영상제작방식의 최적화된 방법론을 도출하고자 한다.

This study highlights the potential of AI video production as a new field that overcomes the physical and temporal constraints of traditional filmmaking pipelines amidst the rapid advancement of generative AI. The objective is to investigate efficient production methodologies by integrating fragmented generative AI tools into a single organic pipeline through an empirical analysis of the AI drama. This research details a specific process using key tools: ChatGPT for scenario writing and structuring, Midjourney for creating visual assets and establishing the tone and manner, RunwayML for cinematic video generation, and ElevenLabs and Suno for sophisticated voice synthesis and background music production. Beyond the mere application of individual tools, this study aims to derive an optimized filmmaking methodology that maximizes data connectivity and operational efficiency across various production stages.

본 연구는 생성형 AI 기술이 교육 현장에 도입됨에 따라, 이를 체육 교과와 융합하였을 때 초등학생의 신체적 건강과 사 회적 건강에 미치는 교육적 효과를 규명하는 데 목적이 있다. 이를 위해 전북특별자치도 소재 P초등학교 5, 6학년 학생 18 명을 연구 대상으로 선정하여 실험집단 9명과 통제집단 9명으로 무선 배치하였다. 실험집단에게는 6차시의 AI 융합 체육 프 로그램을 진행하였고, 통제집단에게는 전통적인 방식의 일반 체육 수업을 진행하였다. 연구 결과, 신체적 건강(학생건강체력 평가시스템) 측면에서 실험집단은 심폐지구력, 유연성, 순발력 모든 영역에서 사후 점수가 사전 대비 통계적으로 유의미하게 향상되었다. 반면 통제집단은 유의미한 변화를 보이지 않았다. 사회적 건강(초등학생용 사회·정서 역량 진단도구)측면에서도 실험집단은 사전 대비 사후 점수가 유의미하게 향상된 반면, 통제집단은 유의미한 차이가 없었다. 본 연구는 디지털 대전환 시대에 발맞추어 체육 교육의 새로운 교수·학습 모델로서 생성형 AI의 가능성을 실증적으로 확인했다는 데 의의가 있다.

This study examined the educational effects of Generative AI-converged physical education on elementary students’ physical and social health. Eighteen fifth- and sixth-grade students from P Elementary School in Jeonbuk State were randomly assigned to an experimental group (n=9) or a control group (n=9). The experimental group completed a six-session AI-converged physical education program, whereas the control group received traditional physical education. The experimental group showed significant pre–post improvements in physical health (PAPS: cardiorespiratory endurance, flexibility, and power) and social health (Social-Emotional Competence Scale), while the control group showed no significant changes. These findings empirically support the potential of Generative AI as a novel teaching and learning model for physical education in the era of digital transformation.

급변하는 시장 환경 속에서, 기업이 경쟁력을 확보하기 위해 디지털 기술을 전략적으로 활용하는 것은 선택이 아닌 필수가 되었다. 특히 생성형 AI는 마케팅 영역에서 콘텐츠의 제작이나 고객 맞춤형 커뮤니케이션, 데이터 기반 의사결정 등 실무 전반에 걸쳐 업무를 자동화하고 고도화하는 혁신 수단으로 떠오르고 있다. 본 연구는 생성형 AI의 특성이 마케 팅 담당자의 직무만족 및 성과에 미치는 영향을 이해하기 위해 생성형 AI의 인지된 유용 성과 사용 빈도가 마케팅 역량을 매개하여 직무만족 및 성과에 미치는 관계를 구조적으로 규명하고자 한다. 또한 생성형 AI의 특성 및 마케팅 역량 간 관계에서 개인의 AI 리터러 시가 조절 변수로 작용함을 탐구하고자 설계되었다. 실증적 분석을 위해 마케팅 실무자를 대상으로 설문조사를 진행할 예정이며, 수집된 데이터는 가설 검증을 위해 SPSS PROCESS macro 및 AMOS를 활용할 예정이다. 본 연구는 생성형 AI가 마케팅 실무자의 직무만족을 강화하고 성과에 기여할 수 있는 가능성에 집중한다. 특히 개인의 AI 리터러시 수준이 이러한 관계에 유의미한 차이를 야기할 수 있는지를 확인함으로써 조직 내 AI 기 술 도입 및 마케팅 전략 개발에 실증적인 시사점을 제공하고자 한다.

본 연구는 생성형 AI 서비스 환경에서 사용자의 선택 행동에 영향을 미치는 요인을 이론적 및 실증적으로 탐색한다. 커뮤니케이션 프라이버시 관리 이론(CPM)에 기반하여, 생성형 AI와의 상호작용과정에서 사용자가 지각하는 프라이버시 우려의 중요성을 조명한다. 연구는 두 단계로 구성된다. 첫째, 글로벌 소셜 미디어 플랫폼인 Reddit에서 수집한 15만여 건의 사용자 생성 텍스트에 대해 제로샷 분류와 감성 분석을 수행하여 정보 품질, 시스템 품질, 서비스 품질, 사회적 영향, 프라이버시 우려에 대한 사용자 인식을 정량화하였다. 둘째, 분석 결과를 바탕으로 주요 서비스 3가지를 선정하여 설문조사를 설계하고, 파일럿 테스트를 통해 연구 모형의 요인 구조 및 측정 문항의 타당성과 신뢰도를 검토하였다. 본 연구는 생성형 AI 환경에서 프라이버시에 대한 사용자의 인식이 서비스 선택에 개입하는 방식에 주목하며, AI 역량 수준에 따라 이러한 영향이 달라질 수 있음을 제시한다.

최근 제2 언어 쓰기 교육에서 생성형 인공지능(generative AI)활용에 대한 관심이 높아지고 있다. 이에 따라 본 연구는 한국어 학습자들이 쓰기를 할 때 생성형 AI 사용에 대해 어떠한 인식을 갖고 있는지 살펴 보는 것을 목적으로 하였다. 이를 위해 학습자 면담을 통해 생성형 AI 활용에 대한 인식을 자세히 조사하고, 통합기술수용이론을 바탕으로 학습자들이 AI를 쓰기 과정에 사용하는 데 있어서 영향을 미치는 요인 을 규명하고자 하였다. 연구 결과, 학습자들이 AI를 쓰기 과정에서 활 발히 활용하지 않는 주요 이유로는 생성형 AI의 정확성에 대한 불신, AI 사용이 쓰기 능력에 부정적인 영향을 미칠 것이라는 믿음, AI 사용 을 부정행위로 인식하는 시각, 그리고 AI 사용 방법에 대한 지식 부족 이 있었다. 이 연구는 한국어 쓰기 교육 현장에서 생성형 AI에 대한 학 습자의 인식을 명확히 이해할 수 있도록 함으로써 향후 학습자 차원에 서 효과적인 교수ㆍ학습 전략을 수립하는 데 시사점을 제공할 수 있을 것으로 기대된다.

This study investigated learners' perceptions of the use of AI in writing and the reasons behind their decision-making regarding this use. Through semi-structured interviews, the study identified four key reasons why students did not actively integrate AI into their writing: distrust of the accuracy of generative AI, the belief that using AI would negatively affect their writing skills, the perception of AI as a form of cheating, and a lack of knowledge about how to use AI. These findings offer a detailed understanding of how to integrate generative AI tools into future Korean writing education.

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 부각되는 생성형 AI 기술은 예술적 감각이 뛰어나지 못한 일반인들 도 얼마든지 창작 활동을 영위할 수 있는 무한한 가능성을 열어주고 있다. 그 중에서도 음악의 영역에서 활용되는 AI 음성합성 서비스는 특정 사람의 음성을 추출하여 감성 정보를 학습하는 과정을 통해 한 가수가 다른 가수의 노래를 실제 부르는 것 같은 커버곡을 만들거나, 이용자 개인의 목소리로 특정 가수의 창법과 음색을 모방하여 가창하는 등 다양한 형태의 합성음원 을 생성해준다. 그런데 문제가 되는 것은 타인의 음성과 음원에 대한 이용허락 없이 제작 한 AI 커버곡은 여러 권리 침해를 둘러싼 법률 쟁점이 제기될 수 있다는 점이다. 특히 우리나라 저작권법은 가수의 목소리를 저작권의 보호 대상으 로 하고 있지 않아 목소리에 대한 무단 사용이 어떤 권리의 침해를 구성하는 지부터가 명확하지 않다. 이와 관련하여 부정경쟁방지법 제2조제1호 타목 에서는 일정한 요건 하에 재산적 가치가 있는 인격적 표지에 대한 이익 침해행위를 금지하고 있으나, 음성의 주인이 망인(亡人)이라면 권리의 상속 에 관한 또 다른 쟁점이 해결되어야 한다. 또 인간의 커버곡과 달리 확률 분포에 따른 계산적 연산을 통해 출력되는 AI 커버곡을 어떻게 취급할 것인 지의 문제는 아직까지 명확한 법이론적 원칙이 확립되어 있지 않다. 이러한 상황에서 본 연구는 AI 커버곡을 제작하고 이용하는 단계에서 문제되는 권리 침해 쟁점에 관하여 가상의 사례를 구성하여 쟁점별로 면밀 한 검토를 시도하였다. 또 민법 개정안에 포함된 인격표지영리권과 저작권 법 전면개정안의 초상등재산권 등 이미 입법론적으로 논의된 바 있는 규정 들이 실사례의 적용에 있어서 어떠한 한계요인이 있는지, 나아가 AI 커버곡 을 제작하는 단계와 산출된 생성물을 공개․이용하는 단계에서의 저작권 침 해 쟁점과 책임의 범주, 그리고 면책 가능성 등에 대하여 종합적으로 검토하 였다. 다만 이 글의 이해에 있어서 구체적으로 어떠한 형태로 서비스를 제공하고, 그로 인해 누가 침해행위의 주체가 되는지 등의 문제에 대한 해결은 언제든 사안에 따라 달라질 여지가 있다는 점은 한계이다. 향후 지속적인 논의를 통해 혁신적 기술에 해당하는 생성형 AI 기술을 토대로 하는 다양한 신규 서비스 제공에 있어서 침해적 상황을 가늠해 볼 수 있는 최소한의 해석 기준이 마련될 필요가 있다.

The Generative AI technology that has recently emerged opens up infinite possibilities for ordinary people who do not have an excellent artistic sense to carry out creative activities. Among them, the AI voice synthesis service, which is used in the field of music, creates various types of synthetic sound sources, such as making a cover song that one singer seems to be actually singing another singer's song through the process of learning emotional information by extracting a specific person's voice, or imitating a specific singer's singing method and tone with the user's individual voice. The problem is that AI cover songs produced without permission to use other people's voices and sound sources may raise legal issues surrounding infringement of various rights. In particular, Korea's copyright law does not protect the voice of singers, so it is not clear what rights the unauthorized use of the voice constitutes. In this regard, Article 2, Subparagraph 1 (a) of the Unfair Competition Prevention Act prohibits infringement of interests on personal signs of property value under certain conditions, but if the owner of the voice is a deceased person, another issue regarding the inheritance of rights must be resolved. In addition, unlike human cover songs, a clear legal and theoretical principle has not yet been established on how to handle AI cover songs output through computational operations according to probability distribution. In this situation, this study attempted a close review of each issue by constructing a hypothetical case on the issue of infringement of rights at the stage of producing and using AI cover songs. In addition, what limitations are there in the application of the regulations that have already been legislatively discussed, such as personality mark profit rights included in the Civil Act amendment and portrait property rights in the full amendment to the Copyright Act, and furthermore, the scope of copyright infringement issues and responsibilities at the stage of producing and using the produced product, and the possibility of immunity were comprehensively reviewed. However, in the understanding of this article, there is a limitation that there is room for solving problems such as specifically providing services in what form and who is the subject of infringement at any time depending on the case. Through continuous discussion in the future, it is necessary to prepare a minimum interpretation standard to assess the infringing situation in providing various new services based on Generative AI technologies corresponding to innovative technologies.

본 연구는 기업의 생성형 AI 도입 과정에서 발생하는 복잡한 리스크를 효과적으로 관리하기 위한 종합적인 평가 프레임워크인 STAGE-AI Metrics를 제안한다. 해당 프레임워크는 사회적 영향(Social impact), 기술적 성능(Technical performance), 조직 내 도입(Adaptation to organization), 지속가능성(Growth in sustainability), 윤리적 고려 사항(Ethical consideration)의 다섯 가지 주요 영역을 포괄하며, 영역별로 세부적인 평가 지표와 관련 벤치마크를 제시한다. 특히 기술적 성능(Technology)을 기반으로 사회적 영향(Social) 및 윤리적 측면(Ethics)을 순차적으로 고려하여 설계되었다. AI 시스템의 기본적인 성능 평가에서 출발, 해당 기술의 도입이 조직과 사회에 미치는 광범위한 파급 효과까지 포괄적으로 평가가 가능하게 하며 추가로 지속가능성(Sustainability)까지 검토할 수 있도록 지원한다. STAGE-AI Metrics는 기존의 단편적인 성능 평가 방식을 넘어, AI 시스템의 기술적 성능뿐만 아니라 사회적 영향과 윤리적 측면까지 고려하는 다면적 접근을 통해 기업이 자사의 특성과 요구사항에 최적화된 AI 모델을 선택하고 도입할 수 있도록 지원한다. 본 연구는 AI 도입의 초기 단계에서 발생할 수 있는 잠재적 문제점들을 사전에 식별하고 대비할 수 있는 실용적인 도구를 제공함으로써, 기업의 AI 도입 성공률을 높이고 장기적인 경쟁력 확보에 기여할 것으로 기대된다.

This study proposes STAGE-AI Metrics, a comprehensive evaluation framework designed to effectively manage the complex risks associated with the adoption of generative AI in enterprises. The framework encompasses five key dimensions: Social Impact, Technical Performance, Adaptation to Organization, Growth in Sustainability, and Ethical Consideration. For each dimension, it provides detailed evaluation metrics and relevant benchmarks. Notably, the framework is structured in a sequential manner, first assessing Technical Performance (Technology) as the foundation, followed by Social Impact (Social) and Ethical Considerations (Ethics) to ensure a holistic evaluation. STAGE-AI Metrics enables a comprehensive assessment that extends beyond the fundamental evaluation of AI system performance to include its broader impact on organizations and society, while also considering sustainability (Sustainability) as a critical factor. Unlike conventional performance assessment methods that focus solely on technical aspects, this framework adopts a multi-dimensional approach, integrating social and ethical perspectives. This allows enterprises to select and implement AI models that are optimized for their unique characteristics and requirements. By providing a practical tool to identify and mitigate potential issues in the early stages of AI adoption, this study aims to enhance the success rate of AI implementation in enterprises and contribute to their long-term competitiveness.

본 연구는 기업의 생성형 AI 도입 과정에서 발생하는 복잡한 리스크를 효과적으로 관리하기 위한 종합적인 평가 프레임워크인 STAGE-AI Metrics를 제안한다. 해당 프레임워크는 Social impact(사회적 영향), Technical performance(기술적 성능), Adaption to organization(조직 내 도입), Growth in sustainability(지속가능성), Ethical consideration(윤리적 고려사항)의 다섯 가지 주요 영역을 포괄하며, 각 영역별로 세부적인 평가 지표와 관련 벤치마크를 제시한다. 특히 기술적 성능(Tech)을 기반으로 사회적 영향(Social) 및 윤리적 측면(Ethics)을 순차적으로 고려하여 설계되었다. AI 시스템의 기본적인 성능 평가에서 출발, 해당 기술의 도입이 조직과 사회에 미치는 광범위한 파급 효과까지 포괄적으로 평가가 가능하도록 하며 추가적으로 지속가능성(Sustainability)까지 검토할 수 있도록 지원한다. STAGE-AI Metrics는 기존의 단편적인 성능 평가 방식을 넘어, AI 시스템의 기술적 성능 뿐만 아니라 사회적 영향과 윤리적 측면까지 고려하는 다면적 접근을 통해 기업이 자사의 특성과 요구사항에 최적화된 AI 모델을 선택하고 도입할 수 있도록 지원한다. 본 연구는 AI 도입의 초기 단계에서 발생할 수 있는 잠재적 문제점들을 사전에 식별하고 대비할 수 있는 실용적인 도구를 제공함으로써, 기업의 AI 도입 성공률을 높이고 장기적인 경쟁력 확보에 기여할 것으로 기대된다.

본 연구는 생성형 AI 기반 사전 시각화가 패션 입체디자인 교육의 제작 과정 및 완성도에 미치는 영향을 분석하는 데 목적이 있다. 연구 대상은 패션디자인 전공의 ‘입체디자인 스튜디오’ 수업에 참여한 학생 17명이며, 도식화 디자인을 기반으로 생성형 AI를 활용한 사전 시각화 후 머슬린 드레이핑, 패턴 제작 및 실물 의복 제작을 진행하였다. 연구 결과 생성형 AI 기반 사전 시각화는 디자인 결과 예측, 실루엣 이해도 향상, 제작 방향 설정 및 시행착오 감소에 긍정적인 영향을 미치는 것으로 나타났다. 또한 완성 작품의 분위기와 컬렉션 구성을 사전에 시각적으로 확인할 수 있어 제작 완성도 향상에 도움이 된 것으로 분석되었다. 반면 AI 이미지와 실제 작품 간 소재 표현 및 디테일 구현에서 일부 차이가 나타났으며, 무료 버전 사용에 따른 생성 횟수 제한 등의 한계도 확인되었다. 본 연구는 생성형 AI가 패션 입체디자인 교육에서 실제 제작 결과를 예측하고 지원하는 교육 도구로 활용될 수 있음을 제시하였다는 점에서 의의가 있다.

This study aims to analyze the effects of generative AI-based pre-visualization on the production outcomes in fashion 3D design education. The participants consisted of 17 students enrolled in the “3D Design Studio” course in a fashion design program. Based on fashion sketches, students utilized generative AI tools for pre-visualization before conducting muslin draping, pattern development, and final garment production. The results showed that generative AI-based pre-visualization positively influenced design prediction, silhouette understanding, production direction, and reduction of trial-and-error during the production process. Students were also able to preview the overall mood and collection composition before actual production, which contributed to improved production outcomes. However, limitations such as discrepancies in material representation and restricted image generation attempts in free AI versions were identified. This study suggests that generative AI can be effectively utilized as an educational support tool in fashion 3D design education.

본 연구는 2022 개정 교육과정의 취지에 발맞추어 생성형 AI를 초등 체육 표현활동에 접목하고, 이것이 학생들의 창의적 신체표현과 수업 참여도에 미치는 영향을 분석하는 데 목적이 있다. 이러한 연구 목적을 근거로 인공지능을 활용한 표현활동 수업을 통해 창의력을 확장을 확인하고, 신체표현능력 역량 향상 가능성에 대해 제시하고자 한다. 이를 위해 실행연구의 방법을 통해 수업 개발 단계에서 예비과정 단계 및 반성, 재설계 단계, 본 과정 단계 분석 및 평가의 4단계의 프로그램을 구성하였다. 3학년 학생들을 대상으로 AI 생성 이미지와 음악을 자극물로 제공하는 수업을 설계·실행하였으며, 그 과정에서 나타난 학생들의 신체적 반응과 창의적 사고의 변화를질적으로 분석하였다. 그 결과, 생성형 AI를 활용한 표현활동 수업을 통해 시각적 자극에 대한 창의적 신체 반응을 확인하였고, 청각적 자극에 대한 표현의 일치성, 창의적 사고에 대한 뚜렷한 변화가 나타났다. 이처럼 생성형AI를 표현활동 수업에 적절히 활용하였을 때 인간과 AI 사이의 균형과 조화를 통해 새로운 학습과 성장을 도모할 수 있을 것이다.

The purpose of this study is to apply Generative AI to elementary physical education expression activities in line with the purpose of the 2022 revised curriculum, and to analyze the effect of this on students' creative body expression and class participation. Based on the purpose of this study, we would like to confirm the expansion of creativity through expression activity classes using artificial intelligence, and to present the possibility of improving body expression capabilities. To this end, a program of four stages was organized: the preliminary process stage, reflection, redesign stage, and main course stage analysis and evaluation in the class development stage through the method of implementation research. Classes that provide AI-generated images and music as stimuli were designed and executed for 3rd grade students, and students' physical reactions and changes in creative thinking were qualitatively analyzed in the process. As a result, the creative body response to visual stimuli was confirmed through the expression activity class using Generative AI, and the consistency of expression to auditory stimuli and clear changes to creative thinking appeared. In this way, when Generative AI is properly used in expression activity classes, new learning and growth can be promoted through balance and harmony between humans and AI.

생성형 AI 시대 중장년의 디지털 시민역량을 탐색하고, 이를 바탕으로 생애 전환기 중장년의 능동적인 발달을 지원하기 위한 교육적 방향을 모색하는데 본 연구의 목적이 있다. 이를 위해 순차적 설명 혼합연구설계를 적용하여 중장년의 디지털 시민역량 구성요소의 상대적 중요도와 현장의 맥락을 분석하였다. 1단계에서는 수도권 현장전문가 34명을 대상으로 온라인 설문 조사를 실시하여, 디지털 시민역량의 8개 구성요소에 대한 인식을 조사하고 상대적 중요도를 분석하였다. 2단계에서는 현장전문가 6명을 대상으로 포커스 그룹 인터뷰(FGI)를 실시하여, 중장년의 디지털 경험과 학습의 특성을 탐색하고 교육 지원 방향을 논의하였다. 현장전문가 조사와 FGI를 통해 확인한 본 연구의 결과는 다음과 같다. 첫째, 디지털 시민역량 구성요소 가운데‘정보 판별력’과 ‘개인정보 보호 및 보안’이 상대적으로 중요하게 인식되었다. 둘째, 중장년의 디지털 시민역량은 대체로 ① 안전과 탐색, ② 관계와 윤리, ③ 주도성과 능동적 활용의 세 가지 양상으로 구조화되었다. 이를 통해 중장년의 디지털 시민역량은 안전에 대한 대응, 관계와 윤리의 조정, 그리고 주도적 활용과 성장의 가능성이 상호작용하는 과정으로 나타났다. 또한, 연구의 결과를 바탕으로 디지털 시민교육 설계에서 심리적 위축을 완화하는 학습 환경의 조성, 1:1 맞춤형 컨설팅과 멘토링, 개별화된 피드백 제공, 그리고 중장년의 삶의 맥락과 생애 경험을 교육의 자원으로 전환하는 설계의 필요성을 도출하였다. 아울러 생성형 AI 시대에 요구되는 비판적 성찰과 윤리적 판단이 결합된 통합형 교육과정의 요구도 확인하였다. 이에, 본 연구는 현장전문가의 관점을 통해 중장년 디지털 시민역량 구성요소의 상대적 중요도와 인식을 분석하고, 이를 중장년의 실천과 참여, 자기 주도적 성장의 상호작용으로 해석하였다는 점에서 의의가 있다. 이를 바탕으로 본 연구가 중장년의 디지털 시민역량 강화를 위한 평생교육 체계 구축과 맞춤형 지원 설계를 포함하는 교육 컨설팅의 실천적 근거로 활용되기를 기대한다.

This study explored the digital citizenship competencies of middle-aged adults in the era of generative AI and identified educational directions to support their active development during a life-transition period. A sequential explanatory mixed methods design was employed. In the first stage, an online survey was conducted with 34 field experts in the Seoul metropolitan area to examine perceptions of eight components of digital citizenship competency and to analyze their relative importance. In the second stage, focus group interviews (FGIs) were conducted with six field experts to explore the digital experiences and learning characteristics of middle-aged adults and to derive directions for educational support. The findings are as follows. First, among the components of digital citizenship competency, information discernment and privacy protection and security were recognized as relatively important. Second, the digital citizenship competency of middle-aged adults could generally be understood through three patterns: ① safety and exploration, ② relationships and ethics, and ③ initiative and active use. These findings suggest that digital citizenship competency in middle age is not a simple set of technical skills, but a process in which responses to safety, the coordination of relationships and ethics, and the possibility of active use and growth interact. The study also identified the need for educational support that reduces psychological barriers, provides one-on-one customized consulting and mentoring, offers individualized feedback, and transforms the life context and accumulated experiences of middle-aged adults into educational resources. In addition, the need for an integrated curriculum combining critical reflection and ethical judgment in the era of generative AI was confirmed. This study is significant in that it analyzes the relative importance and perceived meaning of digital citizenship competencies among middle-aged adults from the perspective of field experts and interprets them in terms of practice, participation, and self-directed growth. The findings may serve as a practical foundation for lifelong education systems and educational consulting aimed at strengthening the digital citizenship competencies of middle-aged adults.

광고 실험연구에서 자극물(stimuli)의 내적 타당성 확보는 연구 결과의 신뢰성을 결정짓는 핵심 과제다. 그러나 기존의 인간 제작 자극물 방식은 조건 간 형식적 통제의 어려움, 고비용, 시간 소모, 조작 정밀성 저하 등의 구조적 한계를 내포한다. 본 연구는 이러한 문제에 대한 방법론적 대안을 탐색하는 메소드 논문(method paper)으로 생성형 인공지능(Generative AI)을 광고 실험 자극물 제작에 활용하는 새로운 방법론을 제안하고 검증한다. 이를 위해 3(결점마케팅 결점 제시 방식: 직접/간접/무제시)×(소구 유형: 사실/유머) 요인 설계 실험(N=474)을 설명적 사례(illustrative case)로 활용하여, GPT-4(gpt-4-0613) 기반 텍스트 생성 및 Midjourney(v6) 기반 이미지 생성으로 제작한 애니메이션 GIF 형식의 인터넷 배너 광고 자극물을 통해 생성형 AI 활용의 절차, 방법론적 의의 그리고 한계를 체계적으로 분석한다. 분석 결과 생성형 AI 기반 자극물 제작은 첫째, 조건 간 언어적·시각적 일관성을 통한 외생 변수 통제 향상(조작 정밀성), 둘째, 특정 변인의 정밀한 조작과 반복 생성을 통한 조작 타당성 확보(통제 가능성), 셋째, 자극물 제작 시간·비용 절감을 통한 연구 효율성 제고라는 3가지 방법론적 장점을 제공하는 것으로 나타났다. 설명적 사례 실험 결과, 직접 제시 조건이 가장 높은 진정성 인식(M=5.43), 간접 제시 조건이 가장 높은 참신성 인식(M=5.37)을 유도하였으며, 결점 제시 방식과 소구 유형의 상호작용이 진정성(p= .02) 및 참신성(p= .01) 인식에 유의미한 영향을 미쳐 생성형 AI 자극물이 의도한 조작을 성공적으로 구현하였음을 확인하였다. 본 연구는 광고 커뮤니케이션 분야에서 생성형 AI를 연구 도구로 체계화하는 방법론적 프레임워크를 제공하며, 조작 정밀성–통제 가능성–연구 효율성의 3축 평가 기준은 향후 AI 기반 광고 실험연구 설계에 재사용 가능한 가이드라인으로 기능할 것이다.

Securing the internal validity of stimuli is a critical challenge in advertising experimental research. However, the conventional human-produced stimuli approach suffers from structural limitations including difficulty in controlling form across conditions, high costs, time constraints, and reduced manipulation precision. This study is a method paper that proposes and validates a new methodological framework for producing advertising experimental stimuli using Generative Artificial Intelligence (Generative AI). A 3×2 factorial experiment in the context of flaw-based marketing (flaw disclosure style: direct/indirect/none×Appeal type: factual/humorous, N=474) serves as an illustrative case, employing GPT-4 (version: gpt-4-0613, temperature=0.7) and Midjourney (v6) to produce animated GIF internet banner advertisements. To ensure research reproducibility, model specifications and key prompts are disclosed in the appendix. The findings validate three core methodological criteria. First, manipulation precision-high linguistic and visual consistency across conditions minimizes confounds, second, ontrollability-precise manipulation of target variables while maintaining formal equivalence and third, research efficiency-stimulus production completed within 3 days versus the conventional 2~4 weeks. The illustrative experiment demonstrated that the AI-produced stimuli successfully implemented intended manipulations, with significant interaction effects on authenticity (p= .02) and novelty (p= .01). The three-criterion framework proposed here offers a reusable evaluation standard for future AI-based advertising experiment design.

This study examines critical thinking in Korea’s 2022 Revised National Curriculum for high school Korean Language Arts and English and proposes restructuring directions for the generative AI era. Using a qualitative document analysis of 125 achievement standards, it applies an Ennis-Freire matrix that classifies critical thinking into three levels (functional literacy, logical critique, social critique) across six functions. Results show strong concentration at Level 1 (73.6%), with Level 2 at 24.8% and Level 3 at 1.6%. Korean is distributed across Levels 1 and 2 (52.5%, 44.1%), whereas English is concentrated at Level 1 (92.4%) with no Level 3 standards, revealing a substantial gap between the two subjects. These patterns suggest current standards emphasize skills increasingly replicable by AI while underrepresenting socially grounded critical literacy for interrogating assumptions, bias, and power. The study proposes four restructuring directions: resistant reading, personal knowledge and reflective meaning-making, social-emotional learning integration, and process-oriented assessment including AI-critical evaluation practices. It also discusses implications for teacher capacity building and classroom implementation, while noting the limits of standards-based document analysis.

본 연구는 생성형 인공지능이 통합된 브랜딩􄞻UI 재 교육 과정에서 경력단절 여성 디자이너의 작업 산출물 과 워크플로우 변화가 어떠한 메커니즘을 통해 나타나 는지를 질적으로 분석하는 데 목적이 있다. 이를 위해 2024년 4–7월 서울 지역 G기관에서 운영된 3개월간 의 모듈형 프로젝트 기반 학습(PBL) 재교육 과정을 단 일 사례로 설정하고, 총 19명의 참여자 중 네 명의 대 표 학습자 사례 중심으로 심층 분석을 수행하였다. 자료는 수업 계획안, 평가 루브릭, 강사–학습자 피드 백, 수업 기록, 최종 포트폴리오, 외부 전문가 평가, 재 취업 학습자 서술 자료로 구성되었으며, 주제 분석을 통해 코드화–범주화–주제 도출의 절차로 분석하였다. 본 연구는 기술수용모형(TAM)과 통합기술수용이론 (UTAUT)의 개념을 기반으로 생성형 AI 수용 과정을 해석하고, 이를 Kirkpatrick 교육 효과 모형의 행동 및 결과 수준 변화와 연결하여 분석하였다. 연구 결과, 첫째, 참여자들의 산출물은 초기의 단편적 구성에서 벗어나 서사적 일관성과 시각적 통일성을 갖춘 통합 포트폴리오로 변화하였다. 둘째, 워크플로우 는 비구조적 도구 탐색에서 단계화된 선택적 활용 구조 로 재편되었으며, 이는 프롬프트 구조화 역량의 발달과 관련이 있었다. 셋째, 이러한 변화는 프롬프트 템플릿, 평가 루브릭, 팀티칭 기반 피드백 구조 등 촉진 조건에 의해 매개되었으며, 이는 기술수용 이론의 관점에서 설 명될 수 있다. 본 연구는 생성형 AI 재교육이 단순 도구 습득을 넘 어 기존 디자인 전문성의 재구성을 유도하는 학습 메커 니즘으로 작동함을 제시하며, 재교육 프로그램 설계 및 AI 기반 디자인 교육 연구에 이론적􄞻실천적 시사점을 제공한다.

This study aims to qualitatively investigate the mechanisms underlying changes in the work output and workflow of career-interrupted female designers participating in a branding and UI retraining program that integrates Generative Artificial Intelligence (GAI). In response to the growing demand for AI-driven design competencies, this study focuses on how learners reconstruct their design practices through structured retraining processes. To achieve this objective, a three-month modular Project-Based Learning (PBL) retraining program conducted in Seoul was selected as a single-case study. Among the 19 participants, four representative cases were purposefully sampled for in-depth analysis. The dataset included lesson plans, evaluation rubrics, instructor–learner interaction data, class recordings, final portfolio outcomes, external expert assessments, and narrative accounts from participants who successfully re-entered employment. Data were analyzed using thematic analysis, following a systematic procedure of coding, categorization, and theme generation to identify recurring patterns and underlying mechanisms. The study adopts a theoretical framework that integrates the Technology Acceptance Model (TAM) with the Unified Theory of Acceptance and Use of Technology (UTAUT) to interpret the process of Generative Artificial Intelligence (GAI) acceptance. Furthermore, these processes are analytically linked to behavioral and outcome-level changes based on the Kirkpatrick model of training evaluation, enabling a multi-layered interpretation of learning effects. The findings are threefold. First, participants’ work output evolved from initially fragmented and tool-centered artifacts into integrated portfolios demonstrating narrative coherence and visual consistency, reflecting a higher level of design articulation. Second, participants’ workflows shifted from unstructured and exploratory tool usage toward a staged and strategically selective process, closely associated with the development of prompt structuring competencies in GAI utilization. Third, these transformations were mediated by facilitating conditions, including structured prompt templates, explicit evaluation rubrics, and iterative feedback mechanisms supported by a team teaching approach. These factors functioned as critical enablers of technology acceptance and effective learning transfer. This study concludes that Generative AI-based retraining programs function not merely as opportunities for acquiring new tools, but as transformative learning mechanisms that reconstruct existing design expertise. The findings offer significant theoretical contributions by extending technology acceptance frameworks into design education contexts, as well as practical implications for the systematic design of retraining programs and the advancement of AI-integrated design education.