Earticle

인공지능 기반 맞춤 및 적응형 학습을 대학원 이상의 수업에 적용에 따른 실증 연구는 매우 부족한 상황이다. 본 연구는, 인공지능 기반 맞춤 및 적응형 학습을 대학원 수업에 적용한 경우, 만족도 및 충성도를 연구 했으며, 테크놀로지관련 인식, 컨텐츠 및 시스템 특성에 대한 인식, 및 인공지능 기반 맞춤형 학습과 강의를 병행한 교육 에 대한 전반적인 인식이 만족도, 효과성, 유용성, 동기부여, 및 다른 수업에 적용에 따른 의사에 어떻게 영향을 주는 지 조사하였다. 인공지능 기반 맞춤 및 적응형 시스템인 알렉스를 적용한 강의 직후 온라인 설문조사를 통 한 데이터를 사용하였으며, 요인분석, 회귀분석, 분산분석 등을 활용하여 가설검증을 하였다. 본 연구의 결과로, 어떤 요인들이 유의하게 영향을 주는 지와 효과의 크기를 비교 검증하였고, 더불어 만족도가 충성도에 영향을 미치는 이론이 교육효과에도 적용됨을 입증하였다. 또한, 인공지능 기반 맞춤 및 적응형 시스템의 고등교육 특히 대학원 수업에도 효과가 있고, 고객관계관리에 도움이 된다는 시사점을 제시한다.

The purpose of this study is to investigate the effects of assessment by adopting adaptive learning in higher education that are rarely examined in previous studies. In particular, this study applied research questions: 1) How does technical perception, perceived contents and features, and perceived integration of the AI-based adaptive system with lecture affect overall satisfaction, overall effectiveness, overall usefulness, overall motivation for the study, and intention to use it with other classes? 2) How do overall satisfaction, overall effectiveness, overall usefulness, motivation for the class, and intention to use affect loyalty on the AI-based adaptive system? This study conducted online surveys after the completion of the classes adopted AI-based adaptive learning system, ALEKS. This study applied ANOVA, regression, and factor analyses. The results of this study found that perceived integration of the AI-based adaptive learning system with the lectures on overall satisfaction, effectiveness, motivation, and intention to use for other classes showed significant with higher effect size. The results of this study provides implication that the AI-based learning system help improve learning outcomes in graduate level studies. The results provide policy and managerial implications that the AI-based adaptive learning system should improve better customer relationships in higher education.

본 연구의 목적은 2015년부터 2025년까지 국내 대학교육을 대상으로 수행된 인공지능 기반 적응형 학습 관 련 학술논문을 주제별로 고찰하여 연구 동향과 교육적 효과를 분석하는 것이다. Arksey와 O’Malley가 제시하고 Levac 등이 보완한 5단계 주제범위 문헌고찰 방법론을 적용하였으며, PRISMA-ScR 지침에 따라 연구를 수행하였 다. 국내 데이터베이스인 RISS, DBpia, KISS, KCI에서 ‘인공지능’, ‘적응형 학습’, ‘맞춤형 학습’, ‘대학’, ‘고등교육’ 등의 주요어를 조합하여 2015–2025년 사이 게재된 논문을 검색한 결과, 총 220편 중 선정 기준을 충족한 12편이 최종 분석 대상이 되었다. 선정된 연구의 주요 학습성과로는 학업성취, 학습동기, 학습몰입, 자기주도학습능력, 디 지털 리터러시, 학업 자기효능감 등이 보고되었고, 대부분의 연구에서 AI 기반 적응형 학습이 학업성취를 유의하 게 향상시키는 것으로 나타났다. 결론적으로 AI 기반 적응형 학습은 국내 대학교육에서 학업성취와 정의적·메타인 지적 학습성과를 동시에 향상시킬 수 있는 유망한 교수학습 전략이며, 저성취 학습자 지원에 효과적이다.

This study analyzed research trends and educational effects by conducting a scoping review of academic papers on artificial intelligence (AI)-based adaptive learning implemented in Korean higher education between 2015 and 2025. The five-stage thematic scoping review methodology proposed by Arksey and O’Malley and refined by Levac et al. was applied, in accordance with the PRISMA-ScR guidelines. Academic articles published between 2015 to 2025 were identified in searches of four Korean databases (RISS, DBpia, KISS, and KCI) using combinations of the keywords ‘artificial intelligence’, ‘adaptive learning’, ‘personalized learning’, ’university’, and ‘higher education’. Of the 220 records initially retrieved, 12 studies met the predefined inclusion criteria and were included in the final analysis. The principal learning outcomes most frequently reported in these studies were academic achievement, learning motivation, learning flow, self-directed learning ability, digital literacy, and academic self-efficacy. Across most studies, AI-based adaptive learning was associated with statistically significant improvements in academic performance. Overall, the findings indicate that AI-based adaptive learning is a promising pedagogical strategy in Korean university education, with the potential to enhance both academic achievement and metacognitive learning outcomes, particularly for students with lower prior academic achievement.

인공지능을 활용한 적응형 학습은 최근 국내 대학들이 직면하고 있는 학생들의 기초학력 저하와 학습격차 증가 등의 문제해결을 위한 방편이 될 수 있다. 인공지능 기반 적응형 학습이 성공적으로 대학 수업에 도입되고 실천되기 위해서는 교수자의 적극적인 관심과 참여가 요구된다. 이에 본 연구에서는 대학 교수들을 대상으로 적응형 학습에 대한 인식을 분석하여 대학 수업에서의 적응형 학습 구현을 위한 방안을 제안하고자 하였다. 이를 위하여 수도권 소재 A대학 교수들을 대상으로 온라인 설문을 통해 자료를 수집하였으며, 162명의 교수들이 응답에 참여하였다. 설문 분석 결과 교수들은 학생 맞춤형 피드백 제공의 어려움, 학생들의 사전학습 부족 및 기초학력 저하를 수업 운영에서의 문제로 높게 인식하고 있었다. 또 적응형 학습에 대한 교수들의 지식 수준은 낮았지만, 적응형 학습 적용 의향은 높은 것으로 나타났 다. 적응형 학습 적용을 위한 지원방안으로는 활용이 쉽고 유용한 적응형 학습 시스템 제공에 대한 요구가 가장 높았다. 이러한 결과를 바탕으로 대학에서의 적응형 학습 적용의 가능성을 논의하고, 적응형 학습의 성공적 도입과 적용을 위한 구체적인 방안을 제언하였다.

This study aimed to analyze the level of professors’ understanding and perception of adaptive learning and proposed how college can implement successful adaptive learning in college classes. For research purposes, online survey was conducted by 162 professors of A university in capital region. As a result, professors seemed to feel pressure to provide students personalized feedback and gave concerned that students don’t study enough in advance before participating in class. It was also found that professors realized that they have low level of understanding about adaptive learning, while they revealed intention to make use of adaptive learning in their class. They also answered that adaptive learning system is the most helpful support for encouraging professors to apply adaptive learning in real class. We proposed what is required to encourage professor to implement adaptive learning in their class.

본 연구는 AI 기반 적응형 학습이 간호대학생의 학습몰입과 학업적 자기효능감에 미치는 영향을 파악하고, 디지털 리터러시와 자기주도학습능력의 이중매개효과를 검증하기 위해 시도되었다. 연구대상은 C도에 위치한 1개 대학교 간호학과 3학년 재학생 182명을 대상으로 단일집단 사전-사후 설계 연구를 수행하였다. AI 기반 적응형 학습은 간호연구 교과목에서 13주간 적용되었으며, 학습자의 수준과 진도에 맞춘 개별화된 피드백을 실시간으로 제공하였다. 연구결과, 프로그램 적용 후 학습몰입(t = -7.85, p < .001), 디지털 리터러시(t = -11.29, p < .001), 자기주도학습능력(t = -6.11, p < .001), 학업적 자기효능감(t = -3.20, p = .002)이 모두 유의하게 향상되었다. 또한 학습몰입과 학업적 자기효능감의 관계에서 디지털 리터러시와 자기주도학습능력의 이중매개효과가 프로그램 적용 후에 유의하게 나타났다. 본 연구결과는 AI 기반 적응형 학습이 간호대학생의 학습성과 향상에 효과적임을 실증적으로 검증하였으며, 향후 간호교육에서 AI 기술을 활용한 교수학습 전략 개발의 기초자료로 활용될 수 있을 것이다.

This study was conducted to investigate the impact of AI-based adaptive learning on learning flow and academic self-efficacy among nursing students, and to verify the dual mediating effects of digital literacy and self-directed learning ability in this relationship. This single-group pre-post study included 182 third-year nursing students at one university in C province. The AI-based adaptive learning was implemented in a nursing research course for 13 weeks, providing real-time individualized feedback based on learners' levels and progress. After the program implementation, significant improvements were observed in learning flow(t = -7.85, p<.001), digital literacy(t = -11.29, p<.001), self-directed learning ability(t = -6.11, p<.001), and academic self-efficacy(t = -3.20, p=.002). Furthermore, the dual mediating effects of digital literacy and self-directed learning ability in the relationship between learning flow and academic self-efficacy became significant post-intervention. These findings empirically validate the effectiveness of AI-based adaptive learning in enhancing nursing students' learning outcomes and can serve as foundational data for developing AI-integrated teaching-learning strategies in nursing education.

최근 AI 기술이 계속해서 발전함에 따라 AI 기반 적응형 학습 시스템을 활용한 개별화 학습 지원에 관한 관심이 커지고 있다. 본 연구는 AI 기반 적응형 학습교육을 간호대학생에게 적용하여 전공 수업에서의 AI 기반 적응형 학습교육의 학습동기와 학업성취와의 관계에서 학습몰입과 자기주도적 학습능력의 매개효과를 알아보고자 하였다. 이를 위하여 C지역 소재 B대학교 간호대학생 중 성인간호학 수업에 참여한 187명 학습자를 대상으로 AI 기반 맞춤형 학습교육 후에 효과를 검증하였다. 연구 결과, AI 기반 적응형 학습교육은 학습동기와 학업성취와의 관계에서 학습몰입은 부분매개 효과를, 자기주도적 학습능력은 부분매개 효과를 미치는 것으로 확인되었다. 이는 AI 기반의 적응형 학습교육이 대학생들의 학습동기와 자기주도적 학습능력을 촉진하여 학업성취를 향상시키는 효과적인 방안임을 시사하였다. 본 연구는 간호전공 수업에서 인공지능 기반 적응형 학습 운영을 위한 유용성을 경험적으로 확인하고, 교육 현장에 효과적으로 적용하기 위한 적용 방안을 제공하였다는 데 의의가 있다. 또한 인공지능 기반 적응형 학습 운영을 위한 기초자료로 활용될 수 있을 것이다. 향후 간호분야에서AI 기반 적응형 학습을 통한 교육모델을 개발하고 효과 검증에 관한 연구를 제언하고자 한다.

Recently, as AI technology develops, interest in supporting individualized learning using AI-based adaptive learning systems is growing. This study applied Artificial Intelligence (AI)-based adaptive learning to nursing students in university classes. The purpose was to investigate the mediating effect of learning flow and self-directed learning ability on the relationship between learning motivation and academic achievement. For this purpose, the effectiveness of AI-based customized learning training was verified for 187 learners participating in the Medical-Surgical nursing classes among nursing students at University B in Region C. As a result of the study, the mediating effect of learning flow was partial, and self-directed learning ability partially mediated the relationship between learning motivation and academic achievement. This was an effective way for nursing students to learn because AI-based adaptive learning education improves their academic achievement by increasing learning motivation, learning flow, and self-directed learning ability. This study confirmed the usefulness of artificial intelligence-based adaptive learning operations in nursing major classes and provided an application plan for effective application in educational settings. It can also be used as basic data for artificial intelligence-based adaptive learning operations. In the future, research is needed to develop an educational model through AI-based adaptive learning and verify its effectiveness in the nursing field.

최근 교육 분야에서 AI기반 맞춤형 교육이 이슈가 되고 있으며, 교육 현장에서 활발하게 활용계획 되고 있음에 따라, 본 연구는 AI 기반 적응형 학습교육을 간호대학생을 대상으로 전공수업에 적용한 후 학습행동유형과 학습성격유형에 따라 차이가 있는지를 확인하고자 하였다. 이를 위하여 C지역 소재 B대학교 간호대학생 중 성인간호학 수업에 참여한 142명 학습자를 대상으로 AI 기반 적응형 학습교육 후에 효과를 검증하였다. 연구 결과, 일반적 특성 중에는 나이가 많을 수록, 전공만족도가 높을 수록에서 학습몰입, 자기주도적 학습능력이 유의하게 높은 것으로 나타났다. 학습성격유형에 있어서는 학습몰입과 자기주도적 학습능력은 행동형이 높고, 이상형이 낮게 나타났고, 학업성취는 이상형이 높고, 행동형이 낮게 나타났으나 유의하지 않았다. 이에 AI 기반의 적응형 학습교육이 학습성격유형과 유의한 관련이 없으나 행동형에서 높게 나타남에 따라 이를 고려하여 다양한 학습전략이 필요함을 시사하고 있다. 본 연구는 간호전공 수업에서 AI 기반 적응형 학습교육 운영을 위한 기초자료로 활용될 수 있을 것이다.

Recently, AI-based customized education has become an issue in education, and as it is actively planned to be utilized in education, This study applied AI-based adaptive learning education in major nursing classes and investigated whether there were differences depending on Learning Personality Types. For this purpose, the effectiveness of AI-based adaptive learning training was evaluated among 142 nursing students at University B in Region C. The study results showed that, Among general characteristics, older age and higher major satisfaction were found to increase learning immersion and self-directed learning ability significantly. Regarding Learning Personality Types, learning immersion and self-directed learning ability were high in the behavioural type and low in the ideal type. Academic achievement was high in the perfect kind and low in the behavioural type, but this difference was not statistically significant. The findings indicated that AI-based adaptive learning education was related to the behavioural type of Learning Personality. Therefore, diverse learning strategies are needed, considering that while AI-based adaptive learning education did not show a significant relationship with all Learning Personality Types, it was highly correlated with the behavioural type. This study provides foundational data for implementing AI-based adaptive learning education in nursing major classes.

연구목적: 본 연구의 목적은 AI기반 적응형 학습 플랫폼 활용에 대한 만족도 및 학습성과에 대한 인식을 분석하는 것이다. 연구방법: 이를 위해 AI기반 적응형 학습 플랫폼(ALEKS)를 활용한 경영통계 교과목을 수강한 대학생을 대상으로 설문조사를 진행하였고 최종 분석에 128명의 자료가 활용되었다. 분석방법으로는 IBM SPSS 22.0을 활용하여 빈도분석, t 검정과 F 검정을 실시하였으며, 주관식 문항은 word cloud 및 유형별 빈도로 제시하였다. 연구결과: 첫째, AI 기반 적응형 학습 플랫폼에 대해 내용, 개인화, 사용자 편의 순으로 만족했다. 둘째, AI 기반 적응형 학습 플랫폼 활용 수업만족도와 관련해서 학습자는 교수자의 지원(학습활동 점검, 피드백 제공 등), 조교지원(플랫폼 안내, 문제해결 등)에 대해 평균보다 낮게 평가했다. 셋째, 학습성과에 대한 인식과 관련해서 자신의 수준을 파악하는데 가장 도움이 되었지만 흥미를 유발하고 학습동기를 높이거나 학습진도를 포기하지 않고 따라가도록 하는 것에 대해서는 상대적으로 낮게 평가했다. 넷째, AI 기반 적응형 학습 플랫폼에 대한 만족도가 높은 집단이 낮은 집단에 비해 수업만족도와 학습성과에 대한 인식이 통계적으로 유의하게 높았다. 다섯째, AI기반 적응형 학습 플랫폼활용 수업에 만족하는 이유는 ‘다양하고 충분한 문제 제공’, ‘수업 후 자기주도적으로 학습 가능’, ‘맞춤형 학습 가능’, ‘개인의 학습내용 및 성과 확인 가능’으로, 불만족하는 이유는 ‘새로운 플랫폼 사용의 어려움’, ‘많은 과제량으로 인한 공부 시간 증가’, ‘플랫폼의 활용 전략의 문제’로 요약할 수 있었다. 다섯째, 학습자는 ‘시스템’과 ‘수업설계 및 운영’ 측면에서 개선을 요구했다. 결론: 이상의 결과를 바탕으로 대학에서의 AI기반 적응형 학습을 위한 시사점을 도출하면 다음과 같다. 첫째, AI 기반 적응형 학습 플랫폼을 일률적으로 동일하게 적용하기보다는 개별 대학에 맞게 유연하게 적용하는 방안을 검토할 필요가 있다. 둘째, AI 기반 적응형 학습 플랫폼 활용 수업을 고려하여 수업 설계 및 운영을 조정할 필요가 있다. 셋째, 학습성과에 대한 심도 있는 논의를 위해 다양한 변인을 포함한 추가 연구가 필요하다.

Purpose: The purpose of this research is to analyze satisfaction and perception of learning outcomes regarding the use of AI-based adaptive learning platforms. Method: To achieve this, a survey was conducted among university students who took the business statistics course utilizing the AI-based adaptive learning platform(ALEKS), and data from 128 respondents were used in the final analysis. The frequency analysis, t-test, and F-test were conducted using IBM SPSS 22.0, and the subjective items were presented as word clouds and frequencies by type. Results: Firstly, the respondents were satisfied with the AI-based adaptive learning platform in the order of content, personalization, and user convenience. Secondly, in relation to class satisfaction associated with the use of the AI-based adaptive learning platform, learners rated the support from instructors (monitoring learning activities, providing feedback, etc.) and assistant support (platform guidance, problem-solving, etc.) lower than the average. Thirdly, concerning the perception of learning outcomes, the platform was most helpful in understanding their own level, but it was relatively lowly rated in terms of sparking interest, increasing learning motivation, and encouraging them to keep up with the learning progress without giving up. Fourthly, those who were more satisfied with the AI-based adaptive learning platform had statistically significantly higher class satisfaction and perceptions of learning outcomes than those who were less satisfied. Fifthly, the reasons for satisfaction with the classes utilizing the AI-based adaptive learning platform included ‘provision of diverse and sufficient problems’, ‘ability to learn independently after class’, ‘ability to personalize learning’, and ‘ability to confirm individual learning content and outcomes’. The reason for dissatisfaction were summarized as ‘difficulty in using a new platform’, ‘increase in study time due to a large amount of assignments’, and ‘issues with the utilization strategy of the platform’. Lastly, learners demanded improvements in the aspects of both the ‘system’ and ‘course design and operation’. Conclusion: Based on the above results, the implications for the implementation of AI-based adaptive learning in universities are as follows. Firstly, it is necessary to consider flexible application options that are tailored to individual universities rather than applying the AI-based adaptive learning platform uniformly. Secondly, adjustments in course design and operation are required considering the implementation of classes utilizing the AI-based adaptive learning platform. Thirdly, further research including various variables is necessary for an in-depth discussion on learning outcomes.

목적 연구의 목적은 기본간호학 투약계산 수업에서 AI 기반 적응형 학습을 적용한 효과를 검증하고 학습자의 약물용량계산 역량및 학습만족도를 파악하는 것이다. 방법 본 연구는 일 대학교 간호학과 2학년 학생 160명을 대상으로 진행되었다. AI 기반 적응형 학습은 기본간호학 투약단원을 학습하는 2주간, 사전진단평가 분석에 따른 LMS를 활용한 맞춤형 컨텐츠 제공 및 교수자 피드백 그리고 사후평가를 실시하였다. 약물용량계산 성취도 변화는 사전-사후 점수 차이를 대응표본 t-검정으로, 학습자의 학습경험에 대해서는 워드클라우드로 분석하였다. 결과 대상자의 평균 연령은 22.3세로, 여학생은 125명(78.1%), 남학생은 35명(21.9%)이었다. 약물용량계산 성취도는 사전 평균 10.25점에서 사후 평균 13.34점으로 유의미한 향상을 보였다(t=-17.189, p=.000). 만족도는 총평균 4.75점으로 높게 나타났으며, 전반적 만족도 4.74점, 집중참여 4.81), 흥미와 재미 4.70점, 적응형 학습 요구도4.72점, 실력향상 4.80점으로 항목 모두긍정적인 결과를 보였다. 개방형 질문을 워드클라우드로 분석한 결과, ‘가장 좋았던 점’으로는 반복, 동영상, 도움이, ‘어려웠던 점’ 으로는 단위 변환, 계산법, 문제 풀이, ‘느낀 점’으로는 반복과 학습의 중요성이 키워드였다.이는 AI 기반 적응형 학습이 간호대학생의 약물용량계산 성취도에 긍정적인 영향을 미쳤음을 보여준다. 결론 AI 기반 적응형 학습은 간호대학생의 약물용량계산 성취도 향상을 위한 효과적인 교수학습 전략으로 활용될 수 있다. 향후, 간호분야에서 AI 기반 적응형 학습을 통한 교육모델 개발과 효과 검증에 관한 후속 연구를 제언한다.

Objectives This study aimed to evaluate the effects of AI-based adaptive learning on medication calculation per formance and competency in a fundamental nursing course, and to analyze the structural relationships among these variables. Methods The study was conducted with 160 second-year nursing students at a university. The AI-based adaptive learning program was implemented over two weeks and included a pre-diagnostic test, personalized content pro vided through an LMS, instructor feedback, and a post-test. Differences in medication calculation performance were analyzed using paired t-tests to compare pre- and post-test scores. Learning experiences were analyzed through a word cloud visualization. Results The participants' mean age was 22.3 years, with 125 female students(78.1%) and 35 male stu dents(21.9%). The mean medication calculation performance was significantly improved from a pre-test score of 10.25 to a post-test score of 13.34(t=-17.189, p=.000). The overall satisfaction score was 4.75 with high scores in general satisfaction (4.74), engagement (4.81), interest and enjoyment (4.70), adaptive learning requirements (4.72), and skill improvement (4.80). Open-ended responses highlighted “repetition,” “videos,” and “support” as positive aspects, while “unit conversion,” “calculation methods,” and “problems” were cited as challenges. The importance of “repetition” and “learning” was emphasized in reflections. These results demonstrate that AI-based adaptive learning positively influenced the students' drug dosage calculation performance. Conclusions AI-based adaptive learning is an effective instructional strategy to enhance nursing students' medi cation dosage calculation performance. This study provides foundational data for the development and validation of AI-based adaptive learning models in nursing education. Further research is recommended to explore its broader applications and effectiveness in the field.

본 연구는 AI 기반 적응형 학습 시스템에 대한 학습자 반응을 분석하여 주제를 도출하고 이를 통해시스템의 적응성 구현 정도를 진단하며 향후 개선 방향을 탐색하는 것을 목적으로 한다. 이를 위해2016년부터 2025년 2월까지 발표된 국내 학술․학위 논문 중 초․중․고등학생 및 대학생을 대상으로AI 기반 적응형 학습 시스템을 적용한 논문 28편을 수집하였고, 논문에 수록된 총 583건의 학습자 반응 문장을 추출․정제하였다. 문맥 이해 기반의 토픽 모델링 방법인, BERTopic을 통해 ‘오답 기반 피드백을 통한 학습 촉진’, ‘수학 실력 향상 및 자기주도적 학습’, ‘게임․보상 요소를 통한 학습 몰입과동기 강화’, ‘시스템 오류 및 기기 사용에 따른 불편함’, ‘AI 추천 기반 맞춤형 학습과 교사 피드백 연계’, ‘스피킹 중심의 영어 학습과 다양한 표현 습득’, ‘디지털 학습 환경의 편의성과 흥미 유발’의 7개주제를 도출하였다. 또한 Aleven과 동료들(2016)이 제안한 5가지 적응 대상에 매핑하여 적응성 구현 수준을 진단한 결과, ‘사전 지식 및 지식 성장’과 ‘전략과 오류’에서는 다양한 기능이 활용되었지만 정교한 수준의 적응은 미흡한 것이 확인되었다. ‘정서․동기’, ‘자기조절’은 일부 기능에서 제한적으로적응성 구현이 발견되었으나 ‘학습 스타일’에서는 적응 사례를 확인할 수 없었다. 이에 따라 본 연구는 AI 기반 적응형 학습 시스템이 보다 정밀한 수준의 적응과 설명 가능성을 갖추고, 학교급별 학습자의 특성과 요구를 고려하며, 학습의 몰입과 지속성 확보를 위해 학습 스타일에 대한 적응 기능을개발할 것을 제안한다. 아울러 학습자 중심 설계의 패러다임에서 AI 기반 적응형 학습 시스템의 개선에 실사용자인 학습자의 관점을 적극 반영할 것을 강조한다.

This study analyzed learner responses to AI-based adaptive learning systems to derive themes, assess adaptivity, and explore directions for future improvement. A total of 28 studies published between 2016 and 2025 that applied AI-based adaptive learning systems to elementary, middle, high school and college students were reviewed, from which 583 learner response sentences were extracted and refined. Using BERTopic, a context-aware topic modeling method, seven themes were identified: “Error-driven feedback enhancing learning,” “Math proficiency and self-directed learning,” “Engagement and motivation through game and reward elements,” among others. Furthermore, by mapping the findings onto the five adaptation targets proposed by Aleven et al. (2016), the study diagnosed the level of adaptivity of the AI-based systems. Diverse functions were utilized in the categories of “prior knowledge and knowledge growth” and “strategies and errors,” but more sophisticated or fine-grained adaptivity was lacking. In contrast, for “affect and motivation” and “self-regulation,” limited adaptivity was observed, while no evidence of adaptivity was found for “learning styles.” Accordingly, this study proposes that AI-based adaptive learning systems should enhance fine-grained adaptivity and explainability, reflect learners’ characteristics and needs across educational levels, and incorporate adaptive functions for learning styles by actively integrating users’ perspectives within a learner-centered design framework to support learning immersion and sustainability.

인공지능(AI) 기술이 발달함에 따라 교육분야에서도 AI 기반 적응형 학습 시스템에 대한 관심이 증가하고 있다. 실제로 미국에서는 AI 기반 적응형 학습 시스템을 수업에 적용하여 운영하는 대학이 점차 증가하고 있으며, 국내에서도 몇몇 대학에서 적응형 학습 시스템을 시범적으로 도입하여 운영하고 있다. 그러나 관련 기술의 발전에도 불구하고 AI 기반 적응형 학습 시스템을 어떻게 실제 수업에 적용할지에 대한 실제적인 방안이 확립되지 않았고 AI 기반 적응형 학습 시스템의 효과성에 대한 검증도 충분하지 않은 실정이다. 본 연구는 AI 기반 적응형 학습 시스템을 시범적으로 운영하고 있는 국내 A대학의 사례를 중심으로 대학 수업에서의 AI 기반 적응형 학습 시스템의 적용 가능성과 효용성을 탐색하여 확산을 위한 시사점을 제공하고자 하였다. 이를 위해 AI 기반 적응형 학습 시스템을 적용하여 수업을 운영한 3개 교과목의 운영결과를 분석하였으며, 학생과 교수를 대상으로 설문 조사와 심층 인터뷰를 진행하였다. 조사 결과 AI 기반 적응형 학습 시스템의 활용은 학생들의 학습 활동과 학업 성취도에 정적인 상관관계가 있는 것으로 나타났다. 또, 교수자와 학습자 모두 수업에서의 AI 기반 적응형 학습 시스템 활용에 대하여 긍정적으로 인식하였다. 다만, AI 기반 적응형 학습 시스템의 학습방식에 따른 학습과정에서의 문제점과 제한점도 확인할 수 있었다. 이러한 연구결과를 바탕으로 AI 기반 적응형 학습 시스템의 도입과 운영을 위한 시사점을 교수자, 학습자, 학교운영 측면에서 제안하였다.

With the advancement of AI(artificial intelligence) technology, there has been a growing interest in AI-based adaptive learning system in education. Actually the number of Univerisity in US that has introduced AI-based adaptive learning system is increasing and several universities in Korea has implemented adaptive learning system on a trial basis recenlty. However, despite technical advancements, a practical plan for applying AI-based adaptive learning system to actual class has not been established, the effectiveness of AI-based adaptive learning system has not been verified sufficiently. The purpose of this study is to look into the applicability and usability of the AI-based adaptive learning system, focusing on the case of the “A” university that is piloting it, and to draw some implications. To this end, the operation results of three subjects in which classes were operated by applying an AI-based adaptive learning system were analyzed, and surveys and in-depth interviews were conducted with students and professors. As a result, it was found that the use of AI-based adaptive learning system had a positive correlation with students' learning activities and academic achievement. In addition, both instructors and learners positively perceived the use of AI-based adaptive learning systems in classes. However, problems and limitations in the learning process according to the learning method of the AI-based adaptive learning system were also confirmed. Based on results, implications for the introduction and implementation of an AI-based adaptive learning system were proposed in terms of instructors, learners, and school operation.

본 연구는 국내에서 수행된 AI기반 적응형 학습 플랫폼 활용 교육의 효과성을 체계적이고 종합적으로 검토하고, 이를 바탕으로 AI 기술을 활용한 교육 혁신의 방향을 제시하고자 메타분석을 실시하였다. PRISMA의 기준에 따라 검토하여 최종적으로 12편의 연구물을 분석 대상으로 선정하였으며, 사전/사후, 처치/통제, 상관분석, 회귀분석, 구조모형방정식을 사용한 연구로 구분하여 코딩을 수행하였다. 연구 결과 전체 효과크기는 사전/사후 연구 0.4271, 통제/처치집단 연구 0.4909로 중간 정도의 효과크기를 보였으며, 상관 분석 연구에서는 0.3225로 작은 효과크기가 도출되었다. 모든 연구에서 통계적으로 유의한 차이가 나타났고, 연구 간 이질성은 높은 것으로 나타났다. AI기반 적응형 학습 플랫폼 활용 교육 효과성의 세부 분석 결과는 조절변인에 따라 학습 효과크기에 차이가 있는 것으로 나타났다. 연구대상의 수에 따른 분석에서는 중간 규모의 연구에서 효과크기가 가장 높았으며(사전/사후: 0.6982, 통제/처치: 0.4938), 소규모 또는 대규모 연구에서는 통계적으로 유의한 차이를 보이지 않았다. K-12 학생을 대상으로 한 연구에서는 효과크기가 높게 나타났으나(사전/사후: 0.6516, 통제/처치: 0.8270), 대학생 대상 연구에서는 상대적으로 낮은 효과크기가 관찰되었다(사전/사후: 0.1348, 통제/처치: 0.2306). 출판 형식에 따른 차이도 분석하였으며, 학위논문에서 발표된 연구(사전/사후: 0.8647, 통제/처치: 0.8289)들이 학술지(사전/사후: 0.0963, 통제/처치: 0.1876)에 비해 더 높은 효과크기를 보였다. 결론적으로 본 연구는 AI기반 적응형 학습 플랫폼 활용 교육의 교육효과성을 체계적으로 검증하고 이를 바탕으로 향후 교육 현장에서의 효과적인 활용 가능성을 제시하고자 한다.

This study systematically examined the effectiveness of education using AI-based adaptive learning platforms in South Korea through a meta-analysis. Following PRISMA guidelines, 12 studies were analyzed and categorized by research design, including pre-post design, treatment-control group, correlational analysis, regression analysis, and structural equation modeling. The overall effect sizes were 0.4271 for pre-post studies and 0.4909 for treatment-control group studies, indicating medium effects, while correlational analysis studies showed a smaller effect size of 0.3225. All studies demonstrated statistically significant differences, with considerable heterogeneity observed. A detailed analysis of moderating variables revealed notable differences. Studies with medium sample sizes had the largest effect sizes (pre-post: 0.6982, treatment-control: 0.4938), while small or large sample sizes showed no statistically significant differences. Studies involving K-12 students showed higher effect sizes (pre-post: 0.6516, treatment-control: 0.8270) than those involving university students (pre-post: 0.1348, treatment-control: 0.2306). Publication format also influenced results, with dissertations showing higher effect sizes (pre-post: 0.8647, treatment-control: 0.8289) compared to journal articles (pre-post: 0.0963, treatment-control: 0.1876). In conclusion, the study validated the educational effectiveness of AI-based adaptive learning platforms and emphasized their potential for fostering innovation in future educational environments.

본 연구는 개별화 학습을 지원하는 교수방법인 적응형 학습에 대한 교수와 학생의 인식 및 수요를 파악하고, 적응형 학습 도입을 위한 시사점을 제공하는 데 목적이 있다. 분석 결과 첫째, 교수 및 학생은 개별화 학습에 대해 필요도는 높은 반면 활용도는 낮다고 인식하고 있었으며, 학생이 이러한 격차를 더 크게 느끼고 있었다. 둘째, AI 기반 적응형 학습 적용 강의(수강) 의향은 교수보다 학생이 상대적으로 더 높았으며, 특히 인문사회계열 소속 교수와 이공계열 소속 학생이 더 높은 참여의사를 보였다. AI 기반 적응형 학습 적용 교과목으로 교수는 교양의 학문기초, 학생은 전공기초 교과목이 적합하다고 응답하였다. 셋째, AI 기반 적응형 학습 지원으로 교수는 ‘수업설계 및 교수방법 교육’, ‘플랫폼 활용 교육’이, 학생은 ‘온라인 플랫폼 계정 구입’, ‘절대평가 적용’이 필요하다고 응답하였다. 대학은 이러한 수요에 대응하여 AI 기반 적응형 학습을 보다 적극적으로 도입할 필요가 있다. 학교 차원에서 교육과정을 고려하여 체계적으로 접근하는 한편, 효과적인 수업 운영을 위한 전문적이고 기술적인 지원을 함께 해야 할 것이다.

The purpose of this study is to understand the perceptions of professors and students on and needs for AI-based adaptive learning, a teaching method for supporting personalized learning, and to provide suggestions for introducing it. The results of the analysis show the following. First, professors and university students perceived that there was a high demand for applying personalized learning while the actual use of it was low; in particular, students deeply felt such a gap. Second, the rate of the students’ responses to the intention to take the AI-based adaptive learning was relatively higher than that of the professors’ responses to it. Particularly, the professors in humanities and social sciences and students in science and engineering showed a stronger intention to participate in it. Professors responded that it is proper to apply the AI-based adaptive learning to basic liberal courses, while students responded that it is proper to apply it to basic major courses. Third, the rate of the professors’ responses to ‘class design and teaching method education’ and ‘the education for using platforms’ as support necessary for managing innovative teaching methods was higher, while the rate of students’ responses to ‘the purchase of students’ accounts for online platforms’ and ‘application of absolute evaluation’ was higher. Each university should actively introduce the AI-based adaptive learning in response to the needs. Moreover, it needs to systematically approach it, given its own curriculum, and to consider both professional and technical support for effective class management.

본 연구는 대학교육에서 활용되는 AI 기반 적응형 학습에 참여한 학습자의 만족도를 측정하는 척도를 개발하고 검증하는 방법론적 연구이다. 문헌 고찰을 통해 6개 하위요인(교육적 효과성, 교수자의 지원, 학습자 성향, 시스템 기능성, 시스템 적응성, 학습 참여도)을 도출하였다. 교육공학 전문가 2인, 대학교수 4인을 통해 내용타당도를 검증하였으며, AI 기반 적응형 학습 경험이 있는 대학생 290명을 대상으로 타당도와 신뢰도를 검증하였다. 탐색적 요인분석 결과 KMO값은 .727, Bartlett의 구형성 검정 결과는 통계적으로 유의하였으며(p < .001), 확인적 요인분석에서는 모형 적합도 지수가 양호하게 나타났다(CMIN/DF = 2.55, GFI = .90, NFI = .90, TLI = .90, CFI = .90, SRMR = .11, RMSEA = .06). 전체척도의Cronbach's α는 .93이었고, 하위척도별로는 .72 ~ .92 범위로 나타났다. 본 연구에서 타당화한 도구는 AI 기반 적응형 학습의 성과를 측정하고 필요한 근거를 제공하였으며, 이는 교육의 질 향상과 학습자 중심의 교육환경 구현에 기여할 수 있을 것으로 기대된다.

This study aimed to develop and validate a scale measuring learner satisfaction with AI-based adaptive learning in higher education. Through literature review, six sub-factors were identified(Educational Effectiveness, Instructor Support, Learner Disposition, System Functionality, System Adaptivity, and Learning Engagement). Content validity was established through evaluation by six educational technology experts, and construct validity and reliability were tested with 290 university students who had experienced AI-based adaptive learning. Exploratory factor analysis yielded a KMO value of .727 with statistically significant Bartlett's test (p < .001), while confirmatory factor analysis demonstrated satisfactory model fit indices (CMIN/D F= 2.55, GFI= .90, NFI = .90, TLI = .90, CFI = .90, SRMR = .11, RMSEA = .06). The overall Cronbach's α was .93, with subscale reliability ranging from .72 to .92. The validated measurement instrument provides essential evidence for assessing the effectiveness of AI-based adaptive learning systems. This study supports to the enhancement of educational quality and the implementation of learner-centered educational environments.

본 연구는 간호대학생의 AI(Artificial Intelligence, AI)기반 적응형 학습에 대한 인식과 교육 요구도를 체계적으로 분석하여 효과적인 AI 기반 적응형 학습 시스템 도입을 위한 기초 자료를 제공하고자 시도되었다. C시 소재 대학 2곳의 1-2학년 간호대학생 376명을 대상으로 서술적 조사연구를 실시하였으며 교육공학 전문가 2명과 간호교육 전문가 2명의 내용타당도 검증을 거쳐 I-CVI ≥ 0.75 기준으로 27개 문항을 개발하여 온라인 설문을 통해 수집하였다. 수집된 자료는 Borich 요구분석과 Locus for Focus 분석을 적용하여 분석하였다. 대상자의 생성형 AI 사용 경험은 95.7%로 매우 높았으나 적응형 학습 시스템 사용 경험은 36.7%로 상대적으로 낮았다. Borich 요구도 분석 결과 '상세한 오답 분석 및 해설 기능'(2.52), '복잡한 간호지식 습득을 위한 개별화된 학습 지원'(2.46), '약점 영역 집중 학습 기능'(2.45) 순으로 우선순위가 도출되었다. 간호대학생들은 AI 기반 적응형 학습에 대해 긍정적 인식과 높은 요구도를 보였다. 본 연구는 간호교육 특성을 반영한 AI 적응형 학습 시스템 개발과 도입을 위한 실증적 근거를 제공한다.

This study aimed to generate foundational evidence for implementing effective AI-based adaptive learning systems by systematically examining nursing students' awareness of, and educational needs for, AI-driven adaptive learning. The study was conducted with 376 nursing university students from two universities located in C city, and 27 items were developed based on verification by two educational engineering experts and two nursing education experts, with I-CVI ≥ 0.75. The collected data were analyzed using Borich needs analysis and Locus for Focus analysis. While overall AI use was high (95.7%), actual use of adaptive learning systems was comparatively low (36.7%). Borich needs analysis identified the following top priorities: "Detailed error analysis and commentary functionality" (2.52), "Individualized learning support for complex nursing knowledge acquisition" (2.46), and "Targeted learning function for weakness areas" (2.45). Nursing students reported positive perceptions of, and strong demand. These findings provide empirical grounds for the development and adoption of AI-enabled adaptive learning systems tailored to the distinctive demands of nursing education.

목적 본 연구의 목적은 개별화 교수전략을 적용한 AI 기반 적응형 학습 시스템 활용 기초학력 미달 수학 수업에 실행연구를 실시하고이 과정에서 학습자와 교사의 교육적 변화를 탐색하는 것이다. 방법 이를 위하여 교사와 연구진이 약 4개월간 중학교 기초학력 미달 학생을 대상으로 도출된 개별화 교수전략을 적용한 AI 기반적응형 학습 시스템 활용 수학 수업을 실시하였다. 주요 자료 수집은 관찰일지, 성찰일지, 면담, 학습데이터와 수학학습 정의적 영역검사로 해당 자료들은 혼합적 연구 방법으로 분석되었다. 결과 실행연구를 진행하며 기초학력 미달 수업은 AI 기반 적응형 학습 시스템을 활용한 개별화 수업으로 변하였고, 이 과정에서AI 기반 적응형 학습 시스템을 활용한 개별화 수업의 계획, 실행, 성찰을 분석하였다. 이 연구에 참여한 학습자들은 선수학습 결손부분을 진단 및 회복하여 인지적 영역은 대체로 상승하였고, 정의적 영역에서는 유의한 차이를 보이지 않았으나 질적 분석을 통해수학적 흥미, 수학적 자기효능감이 향상되고 학습 만족도가 높아졌다는 사실을 확인하였다. 그리고 교사는 개별화 수업을 실현하였고 새로운 교수자의 역할을 경험하며 학교 안에서 개별화 맞춤형 수업의 가능성을 발견하였다. 결론 본 연구의 결과를 바탕으로 개별화 교수전략을 적용한 AI 기반 적응형 학습 시스템 활용 수업의 실행과정, 장점과 한계점을살펴보고 이를 통해 학교에서 개별화 수업이 실현되기 위한 방안을 논의하였다.

Objectives The purpose of this study is to conduct action research on a mathematics class for students with below basic academic ability using an AI-based adaptive learning system to which a personalized instruction strategy is applied and to explore educational changes between learners and teachers in this process. Methods For this reason, teachers and researchers conducted math classes using an AI-based adaptive learning system that applied personalized instruction strategies derived for middle school students with the achievement of below basic proficiency level for about four months. Collecting main data was from observation logs, reflection logs, interview, learning data, and mathematical learning affective domain test, and the data were analyzed as the mixed research method. Results During research, a class for students with below basic academic ability was changed to a personalized class using the AI-based adaptive learning system, and in this process, planning, execution, and reflection of personalized class using AI-based adaptive learning were analyzed. The learners who participated in this study were diagnosed and recovered the prerequisite learning deficits and the cognitive domains generally increased, while no significant differences were found in the affective domains. Through qualitative analysis, we confirmed that mathematical interest and mathematical self-efficacy improved and learning satisfaction increased. Teachers realized personalized classes, experienced roles of new instructors, and discovered the possibility of personalized and customized instruction within the school. Conclusions Based on the results of this study, the implementation process, advantages, and limitations of classes using the AI-based adaptive learning system applied with personalized instruction strategies were reviewed, and measures were discussed to realize personalized instruction at schools.