Earticle

통상 인간은 여타 동물과 인지적 · 기능적 차이에 의해 구별된다고 주장되어 왔다. 그런데 인공지능시대에는 인간에 의해 만들어질 로봇이 인간 이상의 지적 작용과 기능을 수행할 가능성이 있다는 점에서, 우리는 “무엇이 진정 인간다운 것(본성)인가?”하는 물음을 다시 제기할 필요가 있다. 공자 이래 유교는 항상 禽獸와 구별되는 인간이 갖추어야할 필수적인 것(儒=人+需)을 탐색하면서, 인간의 이상 혹은 이상적인 인간을 정립ㆍ양성하려고 지난한 실천적 노력을 기울여 왔다. 유교는 동기와 욕망의 有無, 혹은 지적 작용과 기능에 의해 인간과 금수가 구별되는 것이 아니라, 마음과 그 본성의 차이에 의해 다양한 존재자들이 층위별로 구별된다고 말해 왔던 바, 여기서 우리는 이러한 유교 심성론의 현재적 의미를 탐구하고자 했다. AI시대 유교 심성론의 의미를 추구하고자 하는 이 글은 먼저 공자가 性개념을 제기한 배경에서 출발하였다. 공자가 性개념을 최초로 제기함에 따라, 인간은 비로소 단순한 신체를 넘어, 신체적 욕망을 주재하면서 인간본성을 실현하여 인문세계를 주창할 철학적ㆍ윤리학적 기반을 확보하게 되었다. 다음으로 맹자가 어떻게 공자의 학설을 계승하면서 性개념을 학적ㆍ체계적으로 정립하여, 유교 심성론의 전형을 형성하였는지에 대해 살펴보았다. 마지막으로 우리는 공맹이 정립한 유교 심성론을 한국의 퇴계 이황이 사단칠정론을 통해 어떻게 성리학적 관점에서 계승 · 발전시켜 인간본성을 수호하고자 했는지를 살펴보면서, AI시대 유교 심성론의 현대적 의미를 탐색하고자 했다.

Confucianism regarded mind-heart's nature with importance more than any other schools at all the time. Confucius was the first one to bring up the concept of mind-heart's nature in the history of chinese philosophy. Mencius was the first person to demonstrate reality of human nature's nature systematically and scientifically. Mencius was a protector to block heterodoxy after succeeding Confucius's the doctrine of mind-heart's nature. The mind-heart's nature provided by Mencius are 1) what distinguishes human beings from animals. 2) a moral motivation of human beings. 3) comprised of benevolence(仁), righteousness(義), propriety(禮) and wisdom(智). T'oegye presented a The four & seven debate based Li-K with Gobong metaphysically. The four & seven debate was to present a moral motivation of human beings in their relation to metaphysical composition(Li-Ki). Li and Ki. human nature and particular with respect to metaphysical composition(Li-Ki). T'oegye introduced these of 'The four beginnings are the issuance of LI, and protected the human mind-heart's nature differed with other beings after succeeding Confucius-Mencius's the doctrine of mind-heart's nature. Such viewpoints about theory of mind-heart's nature plays an important role in the Age of AI.

최근에 다양한 분야에서 눈부신 과학기술의 발전을 보여주면서, 세계 각국에서는 경찰활동에 과학기술을 접목한 과학치안 기술개발을 하고 있다. 과학치안은 과학기술을 활용하여 국가 사회의 안녕과 질서를 유지·보전하고자 하는 경찰활동으로, 현재 국내외에서는 스마트워치, 치안드론, 로봇경찰, 프레드폴 등 과 같은 과학치안 기술을 사용하여 경찰업무에 효율성을 높이고 있다. 과학기술의 발전은 삶의 질이 높아지는 결과를 보여줄 수도 있지만, 신기술을 이용한 신종범죄 발생, 범죄 고도화 등과 같은 문제점이 나타날 수 있다. 그러므로 미래사회에서 국민들의 안전을 보장하기 위하여 경찰들은 SMART Policing, 과학치안 R&D에 지속적인 관심과 지원, 지역사회 경찰활동을 해야 한다. 새로운 과학기술을 치안분야에 도입 하고 활용하는 것은 경찰조직에 새로운 도전과 기회가 될 수 있고 많은 영향을 미칠 것이다. 이 연구는 현재 사용되거나 개발진행중인 과학치안 기술의 사례를 살펴보고 분석해봄으로써 향후 치안환경에서 경찰조직이 나아가야 할 방향성에 필요한 제언을 제시하였다.

Recently, all countries of the world are developing the technology of scientific public security which turned scientific technology into the activity of the police, showing the development of remarkable science and technology in many different fields. Scientific public security is the activity of the police for maintaining and preserving peace and order of the state and society using science and technology. And it is, currently in at home and abroad, raising the efficiency of police work using the technology of scientific public security such as Smartwatch, public security drone, robocop, etc. The development of science and technology can show life-enhancing results; however, it can cause problems such as crime enhancement as a new type of crime using new technology occurs. Therefore, in order to ensure the safety of the people in the future society, the police should have continued interest in and support SMART Policing and science public security R&D and do community policing. Introducing and utilizing new scientific technology in the public security field can be a new challenge and opportunity for police and will have a large impact on it. This study, by examining and analyzing the examples of scientific public security technology which are being used or developed, presented a proposal essential to the direction of police in the future security environment.

정부가 '전산업 AI 활용, 전국민 AI 교육'을 국가적 과제로 추진하고 있는 가운데, 본 연구는 설문 자료 분석을 통해 국민의 AI 정책에 대한 지지에 영향을 끼치는 요인들을 파악하고자 하였다. 구체적으로 위험-혜택 이론과 이중처리 이론에 기반해 사람들이 지각하는 AI의 상반된 특성들이 어떻게 혜택 및 위험성 인식으로 연결되며 AI에 대한 전반적 태도와 AI 산업 육성 및 교육 정책의 지지로 이어지는지 구조방정식 모형을 통해 탐색하고, 그 과정에서 혜택/위험성 인식 및 태도가 매개 변인으로서 기능하는지 살펴보았다. 분석 결과, AI의 알려진 특성들 가운데 인지된 유용성이 AI의 혜택 인식을 구성하는 주요소였으며 이 혜택 인식이 AI에 대한 태도를 거쳐 AI 정책 지지로 유의하게 이어진다는 점이 드러났다. 또한 혜택 인식과 AI에 대한 태도가 지각된 유용성을 AI 정책 지지로 잇는 매개 역할을 유의하게 수행하는 것을 알 수 있었다. 인지된 오락성은 AI에 대한 긍정적 태도로 유의하게 이어졌지만 AI의 혜택으로 인식되지는 않았다. 인지된 사생활 침해는 AI의 위험성 인식을 예측하는 주된 요인이었지만 위험성 인식은 AI에 대한 태도나 AI 정책 지지와 유의한 관계를 보이지 않았다. 결론적으로 AI 개발 지지 여부를 결정짓는 가장 강력한 요인은 혜택에 대한 인식이며, 혜택 인식을 유의하게 예측한다는 점에서 유용성 지각의 중요성을 알 수 있었다.

Based on risk-benefit theory, this study examined a structural equation model accounting for the mechanisms through which affective perceptions of AI predicting individuals' support for the government's Ai policies. Four perceived characteristics of AI (i.e., usefulness, entertainment value, privacy concern, threat of human replacement) were investigated in relation to perceived benefits/risks, attitudes toward AI, and AI policy support, based on a nationwide sample of South Korea (N=352). The hypothesized model was well supported by the data: Perceived usefulness was a strong predictor of perceived benefit, which in turn predicted attitude and support. Perceived benefit and attitude played significant roles as mediators. Perceived entertainment value along with perceived usefulness and privacy concern predicted attitude, not perceived benefit. Neither attitude nor support was significantly associated with perceived risk which was predicted by privacy concern. Theoretical and practical implications of the results are discussed.

본 논문은 인공지능 보안 플랫폼의 신뢰성 및 보안 평가를 지원하기 위해 NIST 인공지능 위험 관리 프레임워크(AI RMF 1.0)를 적용하는 개념적 프레임워크를 제시합니다. 이 프레임워크는 MITRE ATT&CK 지식 기반에서 도출된 공격자 위협 시나리오를 활용하여 거버넌스 기반 위험 관리를 구체화하고, 고수준의 거버넌스 원칙과 기술적 공격자 위협 모델링 간의 지속적인 격차를 해소합니다. RMF의 네 가지 구성 요소(거버넌스, 매핑, 측정, 관리)는 운영 구성 요소와 연계되며, 엑셀 기반 프로토타입으로 구현된 구조화된 증거 템플릿으로 보완됩니다. 운영 가능성을 입증하기 위해 ATLAS에 매핑된 세 가지 공격자 위협 시나리오에 대한 파일럿 실증 평가를 수행했으며, 각각75%, 100%, 25%의 완화 효과를 달성했습니다.

This paper presents a conceptual framework for applying the NIST Artificial Intelligence Risk Management Framework(AI RMF 1.0) to support reliability and security evaluation in an AI security platform. The framework operationalizes governance-driven risk management using adversarial threat scenarios derived from the MITRE ATT&CK knowledge base, bridging the persistent gap between high-level governance principles and technical adversarial threat modeling. The four RMF components (Govern, Map, Measure, and Manage) are aligned with operational components and supplemented by structured evidence templates implemented as an Excel-based prototype. To demonstrate operational feasibility, a pilot empirical evaluation was conducted across three ATLAS-mapped adversarial scenarios, achieving mitigation effectiveness rates of 75%, 100%, and 25% respectively.

AI 스피커의 판매량이 빠른 속도로 증가하는 가운데, AI 기술은 우리 일상에 더욱 깊숙이 스며들어 보편화되고 있다. 본 연구에서는 AI 스피커 이용의 이면에 존재하는 이용동기가 무엇인지를 탐색하고, 이러한 동기를 비롯하여, AI 스피커에 대한 관계 유형에 대한 인식이 AI 스피커 이용에 따른 즐거움에 어떠한 영향을 미치는지를 알아보고자 하였다. 연구 결과, 대화동기, 유행선도동기, 효율성동기, 오락동기의 네 가지 동기가 존재하는 것으로 나타났고, 네 가지 동기 중에서 유행선도동기, 효율성동기, 오락동기의 세 가지 유형이 모두 즐거움에 영향을 미치는 것으로 나타났다. 한편, AI 스피커에 대한 관계 유형중에서는 비서·보조자 유형에 대한 인식만이 즐거움에 영향을 미치는 것으로 확인되었다. 본 연구 결과들은 향후 AI 스피커의 인터랙션 디자인이 추구해야 할 방향에 관한 실무적 시사점을 제공한다.

Artificial intelligent (AI) smart speaker sales have increased rapidly, and AI technology has become more pervasive in our daily lives. This study explored motivations for smart speaker use and examined how motivation and relationship type with AI speakers affect enjoyment. Smart speaker use is primarily motivated by conversational, trend-leading, efficient, and entertaining factors. Among these four, trend-leading, efficient, and entertaining factors positively influenced users' enjoyment. However, among the three types of relationship with AI speakers, only the assistant/helper type affected enjoyment. The results of the current study provide practical implications for future directions in AI speaker interaction design.

생성형 인공지능(Generative artificial intelligence)의 발전으로 실제와 구분하기 어려운 딥페이크 자극이 증가하면서, 컴퓨터로 생성된 얼굴에 대한 사람들의 인식이 중요한 연구 주제로 부상하고 있다. 본 연구는 동일한 얼굴에 대한 정서적 반응이 출처표지(인간 vs AI), 얼굴의 인종(내집단 vs 외집단), 그리고 개인의 AI 태도에 따라 어떻게 달라지는지를 검증하였다. 한국인 대학생 50명이 실험에 참여하였으며, 참가자들은 ‘인간’ 또는 ‘AI’라는 출처표지를 확인한 후 한국인(내집단) 또는 백인(외집단)의 긍정(웃음), 부정(분노), 중립 표정 사진을 보고 정서를 평정하였다. 또한 참가자의 특성을 측정하기 위해 AI에 대한 일반적 태도와 AI 의인화 정도를 묻는 설문에 응답하였다. 실제 자극은 모두 실제 배우가 촬영한 사진이었으나, 출처표지만 조작하여 제시하였다. 분석 결과, 정서 유형에 따른 주효과가 관찰되어 긍정 표정이 중립 표정에 비해 더 긍정적으로, 부정 표정은 중립 표정에 비해 더 부정적으로 평가되었으며, 내집단 얼굴은 외집단에 비해, 인간 표지 조건은 AI 표지 조건에 비해 더 긍정적으로 평가되었다. 흥미롭게도, 출처표지와 정서의 상호작용 효과는 내집단 얼굴에서만 나타났다. 구체적으로 내집단의 긍정 표정에서 인간으로 표지된 사진이 AI로 표지된 사진보다 더 긍정적으로 평가되었다. 이러한 출처표지 효과는 AI 의인화 경향이 높은 참가자에게서는 더 적게 나타났다. 본 연구는 제시된 사진의 출처표지의 효과가 집단 정체성이나 AI에 대한 태도에 따라 다를 수 있음을 보여줌으로써, AI에 대한 인식이 정서 처리에 미치는 영향을 통합적으로 이해하고자 했다는 점에서 의의가 있다.

With the advancement of Generative AI, the proliferation of deepfake stimuli that are difficult to distinguish from reality has made understanding how people perceive computer-generated faces an important research topic. This study examined how emotional responses to identical faces differ depending on labels (human vs. AI), facial race (in-group vs. out-group), and individual attitudes toward AI. Fifty Korean university students participated in the experiment. Participants were presented with either a “human” or “AI” source label, followed by photos of Korean (in-group) or Caucasian (out-group) faces displaying positive (happy), negative (angry), or neutral expressions, which they then rated for emotional valence. General attitudes toward AI and AI anthropomorphism tendency were also measured. All stimuli were photographs of actual actors, with only the source labels manipulated. Results showed main effects of emotion type, with positive expressions rated more positively and negative expressions rated more negatively compared to neutral expressions. In-group faces were rated more positively than out-group faces, and human-labeled photos were rated more positively than AI-labeled photos. Interestingly, the interaction effect between the label and the emotion variables was observed only for in-group faces. Specifically, for in-group positive expressions, human-labeled photos were rated more positively than AI-labeled photos. This label effect was attenuated among participants with high AI anthropomorphism tendency. This study contributes to an integrated understanding of how perceptions of AI influence emotional processing by demonstrating that the effects of labels can vary depending on group identity and attitudes toward AI.

AI 에이전트는 단일 에이전트가 LLM을 기반으로 학습, 추론과 같은 과정을 거쳐 의사결정을수행하고, 특정 목표를 달성하기 위한 작업을 수행하는 시스템이자 주체를 의미한다. 이는 단일 목표 달성이나 개별 작업 수행은 효율적이지만, 복잡한 작업 수행이나 협력적 추론을 통한 결과 도출에는 한계가 있다. 이를 보완하기 위해 다수의 에이전트가 상호작용하는 Agentic AI가 제안되었으나, 기존 AI 에이전트에 존재하는 보안 위협뿐만 아니라 새로운 유형의 보안 위협도 초래되었다. 안전한 AI 기반 시스템 설계를 위해서는 이러한 환경에서 초래되는 보안 위협들을 식별하고 체계적으로 분류 및 분석하는 것이 필요하다. 따라서, 본 논문에서는 AI 에이전트와 Agentic AI에서 발생할 수 있는 보안 위협을 분류하고, 이를 완화시킬 수 있는 대응 방안도 제시한다.

An AI agent refers to a system or entity in which a single agent performs decision-making through processes such as learning and inference based on a large language model (LLM), and carries out tasks to achieve specific goals. While this is efficient for achieving single goals or performing individual tasks, it has limitations when it comes to handling complex tasks or deriving results through collaborative reasoning. To address these limitations, Agentic AI in which multiple agents interact has been proposed; however, this introduces not only the security threats inherent in traditional AI agents but also new types of security threats. To design secure AI-based systems, it is necessary to identify, systematically classify, and analyze the security threats arising in such environments. Therefore, this paper classifies the security threats that can arise in AI agents and Agentic AI and proposes countermeasures to mitigate them.

The application of Artificial intelligence (AI) in the aviation field holds the potential to revolutionize various facets of aircraft development, manufacturing, operations, and safety. This study aims to explore the institutional framework required for the successful integration of AI technologies into the aviation industry. By examining current trends, regulatory challenges, and technological advancements, the research identifies the key institutional policies and strategies necessary to support the deployment of AI in aviation. The paper focuses on the development of AI-driven systems for autonomous flight, predictive maintenance, air traffic management, and operational efficiency. Furthermore, the study analyzes the role of government agencies, aviation regulators, and industry stakeholders in creating a regulatory environment that fosters innovation while ensuring safety and reliability. Through comparative analysis of international AI policies in the aviation field, the research outlines the best practices and guidelines for the effective application of AI in future aviation technologies. The findings underscore the need for a collaborative approach between governments, research institutions, and private enterprises to develop a robust AI infrastructure that will shape the future of the aviation industry.

본 연구는 생성형 인공지능(Generative AI)의 기술적 특성과 도서관 사서의 개인적 특성이 생성형 AI 사용의도에 미치는 영향을 분석하였다. 이를 위해 본 연구는 생성형 AI 사용의도에 영향을 미치는 요인으로 개인화, 상호작용, 맥락 인지를 생성형 AI의 기술적 특성으로 투입하고, 혁신성과 사용빈도를 사서의 개인적 특성으로 투입하였다. 연구대상은 도서관에서 재직 중인 사서 187명이 대상이며, 이 중 165부의 설문지를 수집하여 분석에 사용하였다. 연구결과, 생성형 AI의 기술적 특성은 생성형 AI의 사용의도에 통계적으로 유의미한 영향을 미치는 것으로 나타났고, 사서의 개인적 특성인 혁신성과 생성형 AI 사용빈도 역시 모두 생성형 AI의 사용의도에 유의미한 영향을 미친 것으로 나타났다. 본 연구의 결과는 도서관 사서들이 생성형 AI 사용의도를 높여 도서관 서비스의 질과 만족도를 제고하는 중요한 기초자료로 활용될 것이다.

This study investigated the impact of the technical characteristics of Generative AI (GAI) and librarians' personal traits on their intention to use GAI. Personalization, interaction, and context awareness were considered as technical characteristics of GAI that influence the intention to use GAI, while innovativeness and frequency of GAI use were considered as librarians' personal traits. The study targeted 187 librarians working in libraries, and 165 questionnaires were collected and analyzed. The results showed that the technical characteristics of GAI had a statistically significant impact on the intention to use GAI. Additionally, librarians' personal traits, namely innovativeness and frequency of GAI use, were also found to have a significant impact on the intention to use GAI. The findings of this study can be used as valuable information to help librarians increase their intention to use GAI and improve the quality and satisfaction of library services.

본 연구는 기술 기반의 노인복지공간인 ‘AI 사랑방’이 노인의 일상적 실천과 결합하여 어떻게 ‘의미 있는 장소’로 전환되는지를 탐색하고, 이것이 고령사회의 사회적 고립을 완화하는 대안적 공간이 될 수 있는지 규명하는 데 목적이 있다. 이를 위해 우리나라 1호 AI 사랑방인 C시 모델을 이용하는 지역사회 거주 노인 4명과 실무자 및 연구자 3명을 대상으로 반구조화 된 심층면접을 실시하였으며, 르페브르(H. Lefebvre)의 공간 삼중성 이론(공간재현, 공간적 실천, 재현공간)을 분석 틀로 삼아 지시적 내용분석을 수행하였다. 분석 결과, AI 사랑방은 도입 초기에 효율성과 데이터를 강조하는 공급자 중심의 ‘구상된 공간(공간재현)’으로서 노인의 신체적 현실과 괴리되는 취약성을 보였다. 그럼에도 노인들은 ‘걷는 몸’을 통해 일상의 리듬을 복원하는 ‘공간적 실천’을 보여주었으며, 나아가 기획된 기술적 규율에 대한 일상적 저항과 주체적 전유(專有)를 통해 이 낯선 인프라를 상호 환대와 연대가 흐르는 ‘체험된 공간(재현공간)’으로 재창조해 내고 있었다. 본 연구는 공간의 긍정적 역동성을 복지 현장 전반으로 확산시키기 위한 정책적⋅실천적 방향으로 ① 기술 중심에서 ‘관계 중심적 돌봄 패러다임’으로의 전환, ② 공간 정의(Spatial Justice)에 입각한 물리적 접근성 확보, ③ 지역적 맥락(Locality)을 반영한 맞춤형 탄력 운영 모델 구축, ④ 지역사회 자원과 연계된 ‘통합 돌봄 허브’로의 확장, ⑤ 노인을 단순 수혜자가 아닌 능동적 기여자이자 공동 설계자로 재호명할 것을 제언하였다. AI 기반 노인복지공간은 차가운 기술적 인프라를 넘어 노인의 존엄을 북돋는 ‘따뜻한 삶의 장’이 되어야 하며, 첨단 기술이 인간 중심의 정책 및 이용자의 실존적 감수성과 조화를 이룰 때 비로소 고립을 끊어내고 인간애를 매개하는 본질적인 도구로 거듭날 수 있을 것이다.

This study aims to explore how the technological space of ‘AI Sarangbang’ (AI Community Room) integrates with the daily lives of the elderly to transform into a ‘meaningful place,’ and to identify whether this can serve as a cultural alternative for substantially addressing social isolation among seniors. For this purpose, in-depth interviews were conducted with four community-dwelling elderly users of the nation’s first AI Sarangbang in C-city, as well as three practitioners and researchers. The study employed directed content analysis based on the three elements of Henri Lefebvre’s Triad of Space: Representations of Space, Spatial Practice, and Spaces of Representation. The qualitative analysis revealed that the AI Sarangbang is a dynamic social space produced through the interaction of institutional conception, daily practice, and symbolic meaning. In the initial stage, it appeared as a provider-centered ‘conceived space’ focused on efficiency, showing limitations in its disconnect from the physical realities of the elderly. However, through the rhythm of their ‘walking bodies’ and active adoption of technology, users reconstructed the facility into a ‘perceived’ and ‘lived’ space, successfully acquiring a sense of placeness where technology and humanity coexist. However, despite this meaningful formation of placeness, physical and structural barriers driven by provider-centered designs remain a critical challenge. To expand the positive dynamics identified in this study, the following policy directions are suggested: transitioning toward a relation-centered care paradigm, ensuring spatial justice for physical accessibility, establishing customized operational models that reflect regional locality, expanding the facility into an integrated community care hub, and re-identifying older adults as active co-designers rather than passive beneficiaries. Ultimately, AI-based welfare spaces must transcend cold technological infrastructure to become inclusive ‘warm living fields.’ When harmonized with human-centered policies, technology can fulfill its true potential as a humane medium for restoring dignity and mitigating social isolation among the elderly.

최근 생성형 인공지능(Generative Artificial Intelligence, 이하 생성형 AI)의 확산은 정보 탐색 방식과 교육 환경 전반에 변화를 가져오며, 인공지능 리터러시(Artificial Intelligence Literacy, 이하 AI 리터러시) 교육의 필요성을 더욱 부각시키고 있다. 이러한 변화는 생성형 AI가 결과를 생성하는 구조적 특성과 밀접하게 연관되어 있으며, 이를 이해하는 것은 효과적인 AI 리터러시 교육을 설계하는 데 중요한 기반이 된다. 이에 본 연구는 생성형 AI, 특히 트랜스포머 기반 대규모 언어 모델의 출력 생성 구조를 체계적으로 분석하고, 이를 토대로 생성형 AI 환경에서 요구되는 핵심 AI 리터러시 교육 요소를 도출하며, 나아가 이를 반영한 교육 모형을 제안하는 것을 목적으로 한다. 본 연구는 AI 리터러시 교육 요소로, 질문을 구조화하는 ‘문제 구성 리터러시’, 생성형 AI의 계산 과정을 이해하는 ‘계산 리터러시’, 확률적 생성 원리를 이해하는 ‘확률 생성 리터러시’, 생성형 AI가 제시한 결과를 비판적으로 분석하고 의미를 재구성하는 ‘응답 해석 리터러시’, 생성형 AI 응답이 플랫폼 설계와 정책에 의해 매개된다는 점을 인식하는 ‘플랫폼 리터러시’, 그리고 생성된 정보를 검토하고 신뢰성을 판단하는 ‘비판적 평가 리터러시’를 포함할 것을 제안한다. 본 연구는 생성형 AI의 출력 구조를 기반으로 생성형 AI 환경에서 요구되는 리터러시 교육의 방향을 제시하였다는 점에서 의의를 갖는다.

The rapid spread of generative artificial intelligence(Generative AI) is reshaping how people seek and process information, increasing the need for AI literacy education. This study aims to identify the key elements of AI literacy education by examining the output generation structure of generative AI systems. To achieve this goal, the study theoretically analyzes how generative AI operates and produces responses, and explores how the structural characteristics of the generation process influence users’ information judgment. The analysis suggests that outputs produced by generative AI should not be understood merely as information delivery; rather, they represent discursive reconstructions influenced by probabilistic computations and platform-level design considerations. Drawing upon these structural insights, the study proposes several critical elements for AI literacy education within generative AI contexts: (1) input structure literacy, which involves recognizing the structure of prompts and problem framing; (2) computational process literacy, involving comprehension of computational procedures such as tokenization and embedding; (3) generation principle literacy, focused on grasping the probabilistic foundations underpinning text generation; (4) response structure literacy, which refers to understanding how responses are organized and presented; (5) platform structure literacy, emphasizing awareness of the mediating influence of platform-level design; and (6) critical evaluation literacy, highlighting the capacity to critically assess generated outputs. By systematically organizing these elements in relation to the output structure of generative AI, this study contributes to the conceptual framework of AI literacy education and suggests directions for AI literacy education in generative AI environments.

본 연구는 생성형 AI 이용자의 이용 동기와 이용 시간이 AI 역량 인식에 미치는 영향과 이들 간의 상호작용 효과 규명을 목적으로 한다. 이를 위해 방송통신위원회의 2024년 지능정보사회 이용자 패널조사 자료를 활용하여 탐색적 요인분석과 위계적 회귀분석을 실시하였다. 분석 결과, 생성형 AI의 이용 동기는 쾌락적 동기와 실용적 동기로 구분되었으며, 두 동기 모두 AI 역량 인식에 통계적으로 유의한 정(+)적 영향을 미치는 것으로 나타났다. 이용 시간은 AI 역량 인식에 직접적인 영향을 미치지 않았으나 쾌락적 동기와의 상호작용에서 유의미한 부(-)적 조절효과가 확인되었다. 즉, 쾌락적 동기로 생성형 AI를 이용하는 경우 이용 시간이 증가할수록 AI 역량 인식이 오히려 감소하는 반면, 실용적 동기는 이용 시간과 관계없이 일관되게 긍정적 역량 인식을 유지하였다. 본 연구는 생성형 AI 수용 연구에서 AI 역량 인식이라는 새로운 개념을 도입하여 이용 동기 유형에 따른 차별적 메커니즘을 규명함으로써 이론적 외연을 확장하였으며, 이용자 맞춤형 서비스 설계 및 정책 수립에 있어 유의미한 시사점을 제공한다.

This study empirically examined how usage motivations and usage time influence perceived AI capability among generative AI users, with particular attention to their interaction effects. Utilizing data from the ‘2024 Intelligent Information Society User Panel Survey’, exploratory factor analysis and hierarchical regression analysis were conducted. The results revealed that usage motivations for generative AI were categorized into hedonic and utilitarian motivations, both of which demonstrated statistically significant positive effects on perceived AI capability. While usage time itself did not directly affect perceived AI capability, a significant negative moderating effect emerged in its interaction with hedonic motivation. Specifically, for users driven by hedonic motivation, increased usage time was associated with decreased perception of AI capability. In contrast, utilitarian motivation maintained consistently positive perceptions of AI capability regardless of usage time. This study contributes to the theoretical advancement of generative AI adoption research by introducing the concept of perceived AI capability and identifying differential mechanisms based on motivation types. The findings offer practical implications for user-centered service design and policy development in the generative AI domain.

생성형 AI에 로봇이 결합된 휴머노이드 AI는 인간의 과업을 도와주는 기술 도구를 넘어 심리적․사회적 교감을 유도하는 새로운 상호작용 주체로 주목받기 시작했다. 동시에 인간처럼대화가 가능해지면서 휴머노이드 AI가 제공하는 서비스의 범위도 더욱 넓어지기 시작했다. 이러한 추세에 맞춰 소비자들은 휴머노이드 AI의 유형에 따라 대화 수준도 달라질 수 있을 것으로 기대하기 시작했다. 동시에 휴머노이드 AI와 대화하는 과정에서 개인정보 유출에 대한 우려도 높아지기 시작했다. 본 연구는 휴머노이드 AI가 소비자와 소통하는 과정에서 발생하는 언어 형상화가 소비자 평가에 미치는 영향을 검증하고자 한다. 또한 이러한 영향은 소비자가 인식하는 개인정보 민감도에 따라 달라질 것으로 예측하고 있다. 이를 검증하기 위해2(휴머노이드 AI 유형: 보조자형 vs. 동반자형) X 2(언어 형상화: 턴테이킹 vs. 그라운딩) X 2 (개인정보 민감도: 높음 vs. 낮음) 실험설계로 실증 검증을 진행했다. 검증결과 그라운딩 수준에서 소비자들은 긍정적인 평가를 하지만 보조자형 AI의 경우 이 효과가 감소하는 것으로 나타났다. 또한 개인정보 민감도가 높은 소비자는 정서적 교류가 목적인 AI와의 그라운딩 단계를 호의적으로 인식하지 않음을 발견했다. 이상의 결과에 근거해 학술적, 실무적 시사점을 제안했다.

Humanoid AI, which combines generative AI with a physical robotic form, is emerging not only as a technological tool that assists human tasks but also as a new agent of interaction that facilitates psychological and social engagement. As these AI systems increasingly emulate human-like conversation, the scope of services they provide is also expanding. In line with this trend, consumers have begun to expect the nature and depth of conversation to vary depending on the type of humanoid AI. At the same time, concerns about personal information leakage during interactions with humanoid AI have also intensified. This study investigates how the degree of verbal embodiment exhibited by humanoid AI during communication influences consumer evaluations. Furthermore, it explores whether this effect varies depending on consumers’ perceived sensitivity to personal information. To test these relationships, a 2 (Type of Humanoid AI: Assistant-type vs. Companion-type) × 2 (Verbal Embodiment: Turn-taking vs. Grounding) × 2 (Privacy Concern: High vs. Low) experimental design was employed. The results show that consumers generally respond more positively under the grounding condition, but this effect diminishes when interacting with assistant-type AI. Additionally, consumers with high personal information sensitivity evaluated grounding with companion-type AI?intended for emotional exchange?less favorably. Based on these findings, the study offers both theoretical and practical implications.

생성형 AI가 웹툰 제작 전반에 혁신적인 변화를 불러올 것으로 전망되는 가운데, 생성형 AI를 활용해 제작된이른바 ‘생성형 AI 웹툰’에 대한 관심이 높아지고 있다. 이에 본 연구는 컨조인트 분석 기법을 활용하여 생성형 AI 웹툰에 대한 웹툰 이용자들의 선호도 구조를 살펴보았다. 아울러, 웹툰 이용량과 AI에 대한 태도 유형별 선호도 차이도 함께 살펴보았다. 연구결과, 웹툰 이용자들은 생성형 AI 웹툰의 4가지 속성변인 중 AI 활용정도를 가장 중요하게 고려하는 것으로 나타났으며, 웹툰 제작 과정에 AI가 보조적(30% 이하)으로 활용되는것을 더 선호하는 것으로 나타났다. 또한 AI 적용 분야에 있어서는 그림 작업이 선호되었으며, 작가와 장르속성에 있어서는 각각 선호 작가와 판타지 장르에 대한 일관된 선호 패턴이 발견되었다. 웹툰 이용량에 따라서는 생성형 AI 웹툰의 작가와 장르 속성에서 선호 차이가 발견되었으며, 웹툰 고이용 집단과 저이용 집단은각각 작가 중심적 소비와 장르 중심적 소비를 하는 것으로 확인되었다. 마지막으로, AI에 대한 태도에 따라웹툰 이용자를 긍정적 태도 집단과 부정적 태도 집단으로 구분하였고, AI 활용 정도와 AI 적용 분야 속성에서두 집단 간의 차이가 확인되었다. 본 연구의 결과는 생성형 AI 웹툰에 관한 초기 연구로서 후속 연구의 기초자료로 활용될 수 있으며, 생성형 AI 웹툰의 전략 수립에 실무적 함의를 제공할 수 있을 것이라 기대한다.

As generative AI is anticipated to bring revolutionary changes to the overall production of webtoons, there is growing interest in so-called ‘generative AI webtoons’ created using this technology. This study aims to explore the preference structure of webtoon users regarding generative AI webtoons through conjoint analysis. Additionally, the study examines the differences in preferences based on webtoon usage frequency and attitudes toward AI. The results indicate that webtoon users consider the degree of AI utilization as the most important attribute among the four. They prefer AI to be used supplementally (less than 30%) in the webtoon production process. In addition, drawing was the most preferred field of AI application. Furthermore, consistent preference patterns were found for the preferred author and the fantasy genre in terms of author and genre attributes, respectively. Differences in preferences for author and genre attributes were found based on webtoon usage frequency, with high-usage groups favoring author-centric consumption and low-usage groups favoring genre-centric consumption. Finally, webtoon users were divided into a positive and negative attitude group according to their attitude toward AI, and the difference between the two groups was confirmed in the degree of AI utilization and the field of AI application. The findings of this study, as an initial research on generative AI webtoons, can serve as foundational data for subsequent research and provide practical implications for the strategic planning of generative AI webtoons.

2016년부터 예비교원의 SW 교육역량 강화를 위한 SW 에듀톤 대회가 시작되었고, 2021년부터 SW·AI 에듀톤으로 확대되어, 교육현장에 적합한 SW·AI 수업설계안 경진대회를 진행하고 있다. 본 연구에서는 최근 4년 SW·AI 에듀톤 대회 수상작 40편을 대상으로, 초·중등 SW·AI 교육과정, 교육대상 시간, 융합 대상 교과, 교육도구 및 에듀테크 서비스 분석을 통해서 초·중등 예비교원의 SW·AI 교육설계안의 현황 및 예비교원의 역량을 분석하였다. 역량 분석 결과 초등 예비교원의 경우, 디지털 윤리, AI 윤리, AI 활용교육 역량의 보완이 필요하며, 중등 예비교원의 경우, 기술과 미래 직업의 연계, 기술 활용 및 융합에 대한 교육역량의 보완이 필요한 것으로 판단되었다.

The SW Eduthon competition began in 2016 to strengthen the SW education capabilities of pre-service teachers, and from 2021, it has been expanded to SW and AI Eduthon. In this study, the 40 winners of the recent 4-year SW/AI Eduthon competition were analyzed to analyze elementary and middle school SW/AI curriculum, training time, convergence target subjects, educational tools, and edutech services to help pre-service elementary school and middle school teachers. As a result of the competency analysis, for pre-service elementary school teachers, there is a need to supplement digital ethics, AI ethics, and AI utilization education capabilities, and for pre-service middle school teachers, there is a need to supplement educational capabilities for connection between technology and future jobs, and technology utilization and convergence.

본 연구는 사서교사의 AI 도구 활용 실태를 파악하고, AI-TPACK(AI-Technological Pedagogical Content Knowledge)역량에 대한 교육요구를 분석함으로써 사서교사의 역량 개발을 지원할 수 있는 교육프로그램 개발 및 개선을 위한 기초자료를 제공하고자 한다. 이를 위해 초·중·고등학교 사서교사를 대상으로 AI-TPACK 역량의 중요도와 보유도를 측정하는 설문조사를 실시하였으며, 수집된 142명의 응답 자료를 바탕으로 기술통계, t-검정, Borich 요구도 분석, The Locus for Focus 모델을 활용하여 우선적인 교육요구 영역을 도출하였다. 연구 결과, 사서교사는 일상생활, 교육활동, 학교업무 전반에 걸쳐 높은 AI 활용률을 보였으나, 교육활동 중 학생평가 영역에서의 활용 수준은 상대적으로 낮게 나타났다. AI-TPACK 역량 구성요소 중 교수법, 교육내용, AI 기술을 통합하여 효과적인 수업 설계 및 실행을 가능하게 하는 통합적 지식인 AI-TPACK이 최우선 교육요구 영역으로 도출되었다. 세부항목에서는 AI 기술에 대한 이해, 교육 내용 기반의 AI 도구 선택 및 활용, 교수·학습 활동에서의 AI 적용, 통합적 수업 설계 및 자기주도 학습 역량이 우선적인 교육요구 항목으로 나타났다. 이러한 결과는 사서교사의 AI 활용 역량 강화를 위한 교육프로그램이 교육요구의 우선순위를 반영하여 현장 적용 중심의 실천적 교육 내용으로 구성될 필요가 있음을 시사한다.

This study aims to examine teacher librarians' AI tool utilization and analyze their educational needs regarding AI-TPACK (AI-Technological Pedagogical Content Knowledge) competencies, providing foundational data for developing and improving educational programs for enhancing teacher librarians' professional capacity. A survey was conducted with teacher librarians in elementary, middle, and high schools on the importance and performance of AI-TPACK competencies, and 142 responses were analyzed using descriptive statistics, t-tests, Borich needs analysis, and the Locus for Focus model to identify priority areas of educational needs. Results indicate high levels of AI utilization in daily life, instructional activities, and school-related tasks, while utilization in student assessment within instructional activities was relatively low. Within the AI-TPACK framework, AI-TPACK, which integrated knowledge of AI technology, pedagogy, and content knowledge to enable effective teaching, was identified as the highest-priority educational need. At the item level, the priority needs included understanding AI technologies, selecting and applying AI tools based on instructional content, implementing AI in teaching and learning processes, integrated instructional design, and self-directed learning competencies. These findings suggest that educational programs for teacher librarians should be designed based on prioritized educational needs and structured with practice-oriented content applicable in education.

본 연구는 고등교육 학습자의 AI 리터러시 수준을 다차원적으로 측정하여 이용자의 특성을 규명 및 유형화하고, 이에 따른 생성형 AI 활용 행태의 차이를 분석하는 데 목적이 있다. 이를 위해 대학생 및 대학원생 106명의 데이터를 수집·분석하였으며, 주요 결과는 다음과 같다. 첫째, 생성형 AI 환경에서는 정보 탐색의 여러 세부 단계가 동시다발적으로 융합되어 나타나는 비선형적 정보 추구 행태가 나타남을 확인하였다. 둘째, 번역 및 요약 등 도구적 수준의 정보 재구성 행태와 산출물 생성 빈도는 AI 리터러시 역량과 관계없이 모든 군집에서 상향 평준화된 것으로 나타났다. 이는 생성형 AI가 고등교육 학습자의 일상과 학습 과정에 이미 보편적인 도구로 내재화되었음을 시사한다. 셋째, 군집 분석을 통해 응답자를 '신중한 이용자', '숙련된 이용자', '무비판적 이용자'의 세 집단으로 유형화하였다. 특히 무비판적 이용자는 AI 콘텐츠 소비에는 적극적이나 정보 신뢰도 평가와 윤리 준수 수준이 낮아, 기술적 부작용에 노출될 위험이 큰 고위험군으로 식별되었다. 결론적으로 향후 대학의 AI 교육은 단순한 도구적 기능 안내를 넘어, 산출물을 비판적으로 검증하는 고차원적 리터러시 함양으로 패러다임의 전환이 필요하며, 연구에서 도출된 각 군집의 특성을 고려한 맞춤형 교육 프로그램 개발이 요구된다.

This study aims to multidimensionally measure the AI literacy levels of higher education learners to identify and characterize user profiles, and to analyze differences in generative AI usage behavior across those profiles. Data were collected and analyzed from 106 undergraduate and graduate students, yielding the following key findings. First, a non-linear information-seeking behavior was observed in the generative AI environment, wherein multiple sub-stages of information retrieval occurred simultaneously. Second, tool-oriented information processing behaviors-such as translation and summarization-as well as output generation frequency were found to be consistently high across all clusters, regardless of AI literacy competency. This suggests that generative AI has already been internalized as a universal tool in the daily lives and learning processes of higher education learners. Third, cluster analysis classified respondents into three groups: "Cautious Users," "Proficient Users," and "Uncritical Users." Notably, Uncritical Users were identified as a high-risk group, characterized by active consumption of AI-generated content but low levels of information credibility evaluation and ethical compliance, leaving them particularly vulnerable to the adverse effects of the technology. In conclusion, AI education in higher education institutions must undergo a paradigm shift-beyond mere instruction in instrumental functionalities-toward the cultivation of higher-order literacy that enables critical verification of AI-generated outputs. To this end, tailored educational programs that account for the distinctive characteristics of each identified cluster should be developed.

본 연구의 목적은 AI 기반 도서관 환경에서 사서에게 요구되는 AI 리터러시의 개념적 구조를 정립하고, 이를 반영한 교육 프로그램의 구성 방향을 제시하는 데 있다. 이를 위해 문헌 분석을 바탕으로 ACRL의 AI 리터러시 프레임워크와 Tang과 Ma의 사서 AI 리터러시 프레임워크를 비교․분석하고, Choice/ALA와 국립중앙도서관의 사서 대상 AI 교육 프로그램을 검토하였다. 분석 결과, 사서 AI 리터러시는 사고방식과 윤리적 고려를 기반으로 지식․이해, 분석․평가, 활용․적용의 공통 역량 구조를 중심으로 정립될 수 있으며, 여기에 장서 개발, 정보서비스, 이용자 서비스, 기술지원, 전략적 관리 등 직무와 연계된 실무 적용 역량을 통합할 필요가 있는 것으로 나타났다. 또한 사서 대상 AI 교육은 공통 이러닝과 실습형 집합교육을 결합한 플립러닝 방식, 윤리․정책의 독립적 교육 내용화, 분석․평가 및 업무별 활용․적용 교육 내용의 도입, 학습 수준과 직무 특성을 반영한 점진적 학습 구조, 교육 접근성 제고, 실천 공동체 기반의 지속적 전문성 개발을 중심으로 설계될 필요가 있다.

This study aims to establish the conceptual structure of AI literacy required of librarians in AI-based library environments and to propose directions for designing educational programs that reflect this structure. To this end, the study conducts a literature-based comparative analysis of the ACRL AI Literacy Framework and the AI literacy framework for librarians proposed by Tang and Ma, and reviews AI education programs for librarians offered by Choice/ALA and the National Library of Korea. The analysis indicates that librarians’ AI literacy can be conceptualized around a common competency structure consisting of knowledge and understanding, analysis and evaluation, and use and application, grounded in ways of thinking and ethical considerations. In addition, it is necessary to integrate practical application competencies linked to librarians’ professional duties, including collection development, information services, user services, technical support, and strategic management. Furthermore, AI education for librarians should be designed around several key directions: adopting a flipped learning model that combines common e-learning with practice-based in-person training; treating ethics and policy as independent educational components; introducing educational content focused on analysis, evaluation, and task-specific use and application; establishing a progressive learning structure that reflects learners’ levels and job characteristics; improving access to education; and supporting continuous professional development through communities of practice.

보존관리 업무는 대량의 기록물에 대해 아키비스트의 전문적 판단이 반복적으로 요구되는 지식집약적 영역이나, 기존 기술의 한계로 핵심 판단은 여전히 수작업에 의존하고 있다. 본 연구는 보존관리 업무에 최신 AI 요소기술을 적용하기 위한 체계적 분석을 목적으로 한다. 선행연구를 분석하여 맥락 이해, 법령 해석, 학습데이터 확보, 다단계 처리, 비정형 데이터 처리, 축적 사례 참조의 6가지 구조적 한계를 도출하고, 각 한계에 대응하는 기술요건을 정의한 뒤 LLM, RAG, AI 에이전트, 멀티모달 AI, 파인튜닝, 프롬프트 엔지니어링의 6개 요소기술을 매핑하였다. 이를 기반으로 재분류, 공개재분류, 접근권한재설정, 보존기간 평가의 4개 업무별 적용 방안을 종합 매트릭스로 제시하였다. 기존 연구가 개별 업무의 자동화 가능성 탐색에 머물렀던 것과 달리, 본 연구는 '한계 도출-기술요건 전환-요소기술 매핑-협업 구조 설계'라는 통합적 분석 틀을 제시하였다. 결과에서는 AI의 역할은 최종 판단의 대체가 아닌 판단 근거의 체계적 제시로 수렴하였으며, 이는 AI가 아키비스트의 지능형 업무 협업자로 기능할 수 있음을 시사한다.

Preservation management in archives is a knowledge-intensive domain that requires archivists to make professional judgments repeatedly across large volumes of records. Despite previous attempts to apply AI technologies to these tasks, critical decision-making has remained largely manual due to the limitations of existing approaches. This study aims to systematically analyze the application of state-of-the-art AI component technologies to preservation management. Through a review of prior research, six structural limitations were identified: contextual understanding, legal interpretation, training data acquisition, multi-step processing, unstructured data handling, and accumulated case referencing. Corresponding technical requirements were defined for each limitation, and six AI component technologies?LLM, RAG, AI agents, multimodal AI, fine-tuning, and prompt engineering?were mapped accordingly. Based on this mapping, application strategies for four preservation tasks-reclassification, access reclassification, access permission reconfiguration and retention period appraisal-were analyzed and presented as a comprehensive matrix. Unlike prior studies that remained at the level of exploring automation possibilities for individual tasks, this study presents an integrated analytical framework consisting of four stages: deriving structural limitations, converting them into technical requirements, mapping AI component technologies, and designing task-specific collaboration structures. The findings reveal that across all tasks, AI's role converges not on replacing final judgments but on systematically presenting the evidence for those judgments, suggesting that AI can function as an intelligent collaborative partner for archivists.

본 연구의 목적은 AI를 활용한 정보미디어 리터러시(AI-IML) 모형을 개발하는 데 있다. 이를 위해 MIL 모형과 Big6 모형, CT 모형을 분석하였으며, Big6 모형을 AI 리터러시를 반영한 AI 기반 Big6 모형으로 수정하였다. 이후 MIL 모형과 AI 기반 Big6 모형, CT 모형을 매핑하였으며, MIL 모형을 목표를 제시해 주는 목표층으로, AI 기반 Big6 모형을 행동의 기준을 제시해 주는 행동층으로, CT 모형을 인지적으로 메타인지적인 기준을 제시해 주는 판단층으로 구조화한 AI-IML 모형을 개발하였다. 개발한 AI-IML 모형의 현장 적용성과 타당성을 확인하기 위해 고등학교 2개교에서 수업을 시행하였다. 수업 결과 3개의 층으로 구성된 AI-IML은 AI 리터러시를 반영한 수업에 적용 가능하다는 사실을 확인하였다. 이 연구는 정보 생산이 중요한 역량인 AI 리터러시를 정보 리터러시 모형인 Big6와 미디어 리터러시가 포함된 모형인 MIL, 그리고 인지 모형인 CT와 통합하였다는 데 의의가 있다.

The purpose of this study is to develop an AI-based Information and Media Literacy (AI-IML) model. To this end, the MIL model, the Big6 model, and CT model were analyzed, and the Big6 model was modified into an AI-based Big6 model that incorporates AI literacy. Subsequently, the MIL model, the AI-based Big6 model, and the CT model were mapped, and an AI-IML model was developed by structuring MIL model as the goal layer that presents goals, the AI-based Big6 model as the behavior layer that presents behavioral standards, and CT model as the judgment layer that presents cognitive and metacognitive standards. To verify the practical applicability and validity of the developed AI-IML model, classes were conducted at two high schools. The results of the classes confirmed that the AI-IML, composed of three layers, is applicable to classes that reflect AI literacy. This study is meaningful in that AI literacy, an important competency for information production, was integrated with Big6, an information literacy model, MIL, a model with media literacy, and CT, a cognitive model.