Earticle

This study investigates Korean university EFL students' first-hand experiences, perceptions, and attitudes toward the use of generative AI (GenAI) in English learning. A descriptive survey was administered to 73 undergraduates enrolled in compulsory English courses. Results showed that ChatGPT (65.8%) and Google Translate (42.5%) were the most frequently used tools, primarily for coursework and convenience. Although students generally perceived GenAI as moderately effective for improving English skills, many reported limited familiarity and only moderate technological readiness. Over half of the participants indicated they had never received formal training on using AI tools for language learning. Students rated real-time feedback, translation support, and access to diverse learning resources as key opportunities. These findings suggest that Korean universities should provide structured AI literacy instruction to support pedagogically meaningful and responsible GenAI use in EFL programs, particularly within large, mixed-proficiency general English courses.

클라우드는 이미 기업의 디지털 인프라, 경쟁력 등 IT의 중심이 되었다. 클라우드 생태계는 공급자 (CSP : Cloud Service Provider), 중개자(MSP: Managed Service Provider), 수요자(고객)를 주요 축으로 이루어져 있고, MSP는 클라우드 확산과 안정화, 기술 내재화 등을 주요하게 지원하고 있다. 한편, 생태계 내 각 집단별로 MSP의 역할에 대한 평가와 인식이 상이하다고 보고되고 있다. 또한, 생성형 인공지능(Generative AI)의 확산으로 MSP의 역할도 새로운 관점에서 재정립할 필요성이 대두되고 있다. 따라서 본 연구는 MSP에 대한 인식을 집단별로 분석함으로써 MSP의 역할과 발전방향을 제시하고자 한다. 본 연구는 Stakeholder Theory 관점에서 CSPㆍMSPㆍ고객 세 집단(N=84)을 대상으로 MSP 가 제공하는 서비스들에 대한 인식의 공통점과 차이를 비교하였다. 주요 결과로, 세 집단 모두 아키텍처 설계․마이그레이션, 비용 최적화, 보안/컴플라이언스 등 위생요인에 대해 공통적으로 높은 기대치를 보였다. 반면, BigData 처리/분석 지원 등 차별화요인에 대해서는 중요도 인식이 수렴하지 않았다. 정성 응답 분석에서는 생성형 AI(GenAI)와 시스템 통합(SI) 역량 강화가 MSP의 전략적 발전 방향으로 제시됨을 확인했다. 본 연구는 위생요인과 차별화 요인을 함께 분석하여 국내 맥락에서 이해관계자별 인식 차이를 실증했고, MSP 서비스 전략과 발전 방향을 체계화했다는 점에서 의의가 있다. 실무적으로는 MSP가 표준화된 핵심 서비스 품질을 유지하는 동시에 GenAIㆍSI 연계 역량을 강화해 차별화된 경쟁우위를 확보해야 함을 시사한다.

Cloud has become the core of corporate IT, supporting digital infrastructure and competitiveness. The cloud ecosystem consists of providers (CSPs), intermediaries (MSPs), and customers, with MSPs playing a key role in cloud adoption, stabilization, and capability building. Yet, perceptions of MSPs’ roles differ across stakeholder groups, and the rise of Generative AI further necessitates a renewed understanding of MSPs’ strategic position. This study examines these perception gaps to identify the strategic role and development directions of MSPs. Using a Stakeholder Theory lens, we compare perceptions of MSP services among CSPs, MSPs, and customers (N = 84). All three groups show high expectations for hygiene factors such as architecture design/migration, cost optimization, and security/compliance, while diverging in their views on differentiating services like big data analytics support. Qualitative responses highlight the importance of strengthening Generative AI (GenAI) and system integration (SI) capabilities as future strategic directions for MSPs. This study empirically reveals stakeholder-specific perception differences within the domestic cloud ecosystem and organizes a strategic framework for MSP service development. Practically, MSPs should maintain strong performance in standardized core services while enhancing GenAI and SI capabilities to achieve differentiated competitive advantage.

페퍼트의 구성주의(Constructionism)는 학습자가 실제 경험과 실습을 통해 지식을 구성한다고 주장하며, object-to-think-with는 이러한 지식 구성 과정에서 학습자의 사고를 확장시키는 물리적·디지털 도구를 의미한다. 페퍼트의 LOGO 프로그래밍 언어는 수학·기하학적 사고를 훈련하는 교육 현장에 광범위하게 적용되며, 해당 개념 의 가치를 입증한 대표 사례이다. 최근 디지털 환경은 급속히 변화하고 있으며, 이러한 맥락에서 생성형 인공지능 은 페퍼트의 object-to-think-with 개념을 현대적으로 재해석할 가능성을 가지고 있다. 본 연구는 페퍼트의 인식론 적 배경을 바탕으로 object-to-think-with의 개념을 생성형 인공지능으로 확장하여 정보과 교육의 이론적 근거로 서의 가치를 탐구하고자 하였다. 이를 위하여 페퍼트의 핵심 아이디어를 탐구하고 그 가치가 생성형 인공지능으로 확장하여 재개념화될 가능성을 찾고자 하였다. 이를 통하여 2022 개정 교육과정의 정보과 교육의 이론적 근거로서 페퍼트의 핵심 아이디어가 적용되고 확장되기를 기대한다. 또한 GenAI를 Object-to-think-with로 재정의함으로써 디지털 시대의 학습과 사고의 본질을 새롭게 인식하고 미래 교육을 위한 방향성을 공유하고자 하였다.

Constructionism, proposed by Papert, argues that learners construct knowledge through real experiences and practice, and object-to-think-with refers to physical and digital tools that expand learners' thinking in this knowledge construction process. Papert's LOGO programming language is widely applied in educational settings to train mathematical and geometric thinking, and is a representative example that proves the value of this concept. Recently, the digital environment is rapidly changing, and in this context, generative artificial intelligence has the potential to reinterpret Papert's object-to-think-with concept in a modern way. This study aimed to explore the value of Papert's object-to-think-with concept as a theoretical basis for informatics education by extending it to generative artificial intelligence based on Papert's epistemological background. To this end, we explored Papert's core ideas and sought the possibility that their value could be extended and reconceptualized into generative artificial intelligence. Through this, we hope that Papert's core ideas will be applied and expanded as a theoretical basis for informatics education in the 2022 revised curriculum. Furthermore, by redefining GenAI as an object- to-think-with, we aimed to gain a new understanding of the essence of learning and thinking in the digital age and share directions for future education.

English as a lingua franca plays a central role in international communication, yet it poses persistent challenges for non-native users, particularly in achieving textual cohesion, which is essential for clarity and communicative effectiveness. ESL (English as a second language) student translators often struggle to manage cohesion through the appropriate use of connectives when translating into English. The emergence of generative artificial intelligence (GenAI) has created new possibilities for supporting language learners and translators in producing cohesive texts. This study examines the potential and limitations of GenAI in generating cohesive Chinese-English translations by comparing its outputs with those produced by ESL learner translators, using sense-aware connective-based cohesion indices. The results show that, although the two groups display largely similar overall patterns in the use of discourse and non-discourse connectives, they differ substantially in specific connective categories. GenAIgenerated translations show a greater reliance on comparison and expansion connectives and a relative underuse of contingency connectives, whereas ESL learner translations tend to preserve source text discourse relations more closely. These findings provide insights into the cohesion characteristics of GenAI-generated translations and point to important considerations for language learning and translation pedagogy.

대학의 광고 창의성 관련 교육에서 효과적인 생성형AI 활용방안을 모색하기 위해 생성형AI를 활용한 광고 제작 수업의 수강생 36명을 심층면접하였다. 연구 결과는 다음과 같다. 첫째, 응답자들이 가장 많이 사용하는 생성형AI는 챗GPT이 며, 이어서 뤼튼, 구글AI(제미나이, 스튜디오), 드리미, D-ID 등 무료 앱 순이었 다. 둘째, 생성형AI의 장점으로는 빠른 작업 속도와 사용자에 대한 뛰어난 이해 력을 들었으며, 단점으로는 결과의 부정확함을 들었다. 셋째, 생성형AI는 광고 창의성 분야 중 이미지 영상 제작, 카피라이팅, 스토리텔링 아이디어 작업 등에 서 학습 활용도가 높을 것으로 언급되었으며, 활용도를 높이는 방안으로는 구체 적인 프롬프트 작성과 결과의 신뢰도 검증 등 학습자의 참여가 필요함을 들었 다. 넷째, 창의적 사고과정 모델과 관련하여, 응답자들은 주로 ‘준비’ 단계에서 생성형AI를 활용하였으나, 아이디어 발상에서 중요한 ‘부화’와 ‘조명’ 단계에서의 활용은 낮은 수준으로 나타났다. 다섯째, 생성형AI를 활용하기 좋은 과목으로는 ‘기획’과 ‘제작’이 비슷한 정도로 언급되었다. 마지막으로, 생성형AI를 활용한 수 업 과제물의 평가에 대해서는 결과물의 질적 수준과 함께 활용 과정과 사용방법 에 대해서도 평가 대상으로 삼아야 한다는 의견이 많았다.

This study aimed to explore effective ways to utilize generative AI(GenAI) in advertising creativity education at universities. The results of In-depth interviews to 36 college students who took creative classes using GenAI were as follows. First, GenAI most frequently used was ChatGPT, followed by free apps such as Rutton, Google AI, Dreamy, and DID. Second, the advantages of generative AI were fast work speed and excellent understanding of users, while the disadvantage was inaccuracy. Third, GenAI was mentioned as highly useful in areas such as image and video production, copywriting, and storytelling idea work among advertising creativity learning fields. Fourth, regarding the creative thinking process model, respondents seemed to be mainly related to the preparation and hatching stages. Fifth, the subjects appropriate for utilizing GenAI in advertising PR major courses were those of ‘planning’ and ‘production’. Lastly, regarding the creative results utilizing GenAI, the actual participants mentioned the problem of completeness of the work, while the non-participants mentioned advantages such as low cost and fast work speed. Regarding the evaluation of the overall results utilizing GenAI, ‘GenAI process and usage method’ should be evaluated along with the level of the results. Based on the research results, effective methods of utilizing GenAI for education on subjects related to advertising creativity and creative thinking training was proposed.

본 연구는 생성형 AI 서비스가 구독의도 및 기업경영에 미치는 영향을 UTAUT모형을 적용하여 연구하고자 한다. UTAUT모형의 4가지 특성인 성과기대, 노력기대, 사회적 영향, 촉진 조건에 신뢰를 추가하여 이용의도 및 구독의도에 미치는 영향을 실증 분석하였다. 현재까지의 연구는 생성형 AI 관련 기술적 발전과 수용의도가 대부분이었지만, 본 연구는 생성형 AI 서비스 및 구독경제의 융합적 관점의 연구이다. 연구의 표본은 일주일간 수집된 대한민국의 성인 남녀 215부의 설문조사 결과물이며, SPSS 25.0 및 AMOS 22.0으로 통계 분석을 하였다. 분석 결과, 성과기대, 사회적 영향, 촉진 조건, 신뢰가 이용의도에 유의미한 영향을 미치는 것으로 나타났으며, 이용의도가 구독의도에 유의미한 영향을 미치는 것으로 확인되었다. 반면, 노력기 대는 이용의도에, 촉진 조건은 구독의도에 유의미한 영향을 미치지 않는 것으로 나타났다. 이는 기술 사용의 용이성이 향상됨에 따라 노력기대 및 지원 등 촉진 조건의 중요성이 감소했음 을 의미할 수 있다. 본 연구는 생성형 AI 서비스의 구독의도의 결정 요인을 규명하여, 기업의 경영자가 이를 활용해 구독 모델을 도입하고, 생성형 AI와 구독 경제를 결합한 새로운 비즈니스 모델 발전에 중요한 정보가 될 것이다.

This study uses the UTAUT model to investigate the impact of GenAI services on subscription intention and business management. The model‘s four key characteristics, performance expectancy, effort expectancy, social influence, and facilitating conditions, were supplemented with trust, and their effects on usage and subscription intention were empirically analyzed. While previous research focused on technological and adoption intentions of GenAI, this study examines the integration of GenAI services with the subscription economy. The sample consisted of 215 survey responses from adults in South Korea collected a week, analyzed using SPSS 25.0 and AMOS 22.0. Results show performance expectancy, social influence, facilitating conditions, and trust significantly affect usage intention, which in turn affects subscription intention. However, effort expectancy did not significantly impact usage or subscription intention. This may indicate a reduced importance of effort expectancy and facilitating conditions as technology usability improves. This study identifies determinants of subscription intention for GenAI services, providing business managers insights to adopt subscription models and develop new business models combining GenAI and the subscription economy.

본 연구는 GenAI 기술이 영상 제작 교육에 미치는 영향을 탐구하고, 새로운 교육적 접근을 제안하는 데 목적 이 있다. 애니메이션, 영화, 디자인 전공 학생들을 대상으로 4주간 사례 연구를 진행하며, 텍스트, 이미지, 비디오, 오 디오 도구를 활용해 단편 영화를 제작하였다. 설문조사 결과, GenAI 도구는 작업 시간 단축(73.9%)과 창의적 지원 (69.6%)에서 긍정적 효과를 보였으나, 품질 평가 만족도는 47.8%에 그쳤다. 주요 한계로는 장면(캐릭터&배경)의 일 관성 부족, 감정 표현 한계, 복잡한 장면 구현의 제약 등이 나타났으며, 결과물에서 창의성 발휘와 서사 구조 개선 등 기술적 한계를 넘어선 접근도 필요했다. 이를 해결하기 위해 기초 역량 교육, AI 리터러시 강화, 윤리적 활용 중심의 교육이 필요하며, GenAI와 전통적 기술의 융합을 통해 창의적이고 효율적인 영상제작 교육 모델을 구축할 필요가 있다.

This study analyzes the impact of GenAI technology on video production education and proposes new approaches. A four-week workshop was conducted with students majoring in animation, film, and design, using text, image, video, and audio tools to create short films. GenAI tools showed positive effects in reducing production time (73.9%) and enhancing creativity (69.6%), but quality satisfaction was low at 47.8%. Key challenges included inconsistencies in scenes, limitations in emotional expression, and difficulties in implementing complex scenes. This study emphasizes the necessity of a creative and efficient educational model that integrates GenAI with traditional techniques through foundational training, AI literacy, and ethical utilization.

기술 창업 및 스타트업 분야에서는 인공지능(AI)의 발전이 사업 모델 혁신의 핵심 주제로 부상하였다. 이를 통해 벤처기업들은 경쟁력 확보를 위해 AI를 중심으로 다양한 노력을 기울이고 있다. 본 연구는 GenAI 기술의 발전과 스타트업 생태계 간의 관계를 국내 뉴스 기사를 분석하여, 기술 창업 분야의 동향을 파악하는 것을 목적으로 하였다. 본 연구는 빅카인즈(BIG Kinds)를 활용하여 1990년부터 2023년 8월 10일까지의 국내 뉴스 기사에서 ChatGPT의 등장 전후를 중심으로 GenAI 관련 뉴스 기사, 주요 이슈 및 트렌드의 변화를 조사하였으며, 네트워크 분석 및 키워드 시각화를 통해 관련성을 시각화하였다. 연구결과, 2017년부터 2023년까지 GenAI에 대한 언급이 기사 내에서 점차 증가하였다. 특히, OpenAI의 GPT-3.5를 기반으로 한 ChatGPT 서비스가 주요 이슈로 부각 되었는데, 이 서비스는 OpenAI의 DALL-E, Google의 MusicLM, VoyagerX의 Vrew 등과 같은 언어 모델 기반 GenAI 기술의 대중화를 시사하였다. 이로써 생성형 인공지능은 다양한 분야에서의 유용성을 입증하며, ChatGPT 출시 이후 국내 기업들의 한국어 언어 모델 개발 활동이 활발히 이루어지고 있는 것으로 확인되었다. 리튼 테크놀로지스와 같은 스타트업들도 GenAI를 활용하여 기술 창업 분야에서의 영역을 확장하고 있다. 본 연구에서는 GenAI 기술과 스타트업 창업 활동 간의 연관성을 확인하였으며, 이는 혁신적인 비즈니스 전략의 구축 지원을 시사하며 GenAI 기술의 발전과 스타트업 생태계의 성장을 지속해서 형성할 것으로 전망된다. 더 나아가 국제적 동향 및 다양한 분석 방법의 활용, 실제 현장에서의 GenAI 응용 가능성을 모색하는 연구가 요구 된다. 이러한 노력은 GenAI 기술의 발전과 스타트업 생태계의 성장 발전에 이바지할 것으로 기대된다.

In the field of technology entrepreneurship and startups, the development of Artificial Intelligence(AI) has emerged as a key topic for business model innovation. As a result, venture firms are making various efforts centered on AI to secure competitiveness(Kim & Geum, 2023). The purpose of this study is to analyze the relationship between the development of GenAI technology and the startup ecosystem by analyzing domestic news articles to identify trends in the technology startup field. Using BIG Kinds, this study examined the changes in GenAI-related news articles, major issues, and trends in Korean news articles from 1990 to August 10, 2023, focusing on the emergence of ChatGPT before and after, and visualized the relevance through network analysis and keyword visualization. The results of the study showed that the mention of GenAI gradually increased in the articles from 2017 to 2023. In particular, OpenAI's ChatGPT service based on GPT-3.5 was highlighted as a major issue, indicating the popularization of language model-based GenAI technologies such as OpenAI's DALL-E, Google's MusicLM, and VoyagerX's Vrew. This proves the usefulness of GenAI in various fields, and since the launch of ChatGPT, Korean companies have been actively developing Korean language models. Startups such as Ritten Technologies are also utilizing GenAI to expand their scope in the technology startup field. This study confirms the connection between GenAI technology and startup entrepreneurship activities, which suggests that it can support the construction of innovative business strategies, and is expected to continue to shape the development of GenAI technology and the growth of the startup ecosystem. Further research is needed to explore international trends, the utilization of various analysis methods, and the possibility of applying GenAI in the real world. These efforts are expected to contribute to the development of GenAI technology and the growth of the startup ecosystem.

본 연구는 생성형 인공지능(GenAI) 기반 중한 번역 수업에서 교수자의 개입이 학습자의 GenAI 협업 역량 발달에 미치는 효과를 검증하는 것을 목적으로 한다. 생성형 인공지능 기술의 급속한 발전에 따라 번역 교육은 기존의 언어 능력 향상 중심에서 GenAI 협업 역량 배양을 중심으로 하는 방향으로 전환되고 있다. 그러나 지금까지 교수자의 교육적 개입 효과에 대한 논의는 상대적으로 부족한 실정이다. 이에 본 연구는 중국 소재 Z대학 한국어학과 3학년 학생 21명을 대상으로 16주간 진행된 번역 수업을 전반기와 후반기로 구분하여 비교분석하였다. 정량적 및 정성적 연구 방법을 병행하여 학습자의 GenAI 프롬프트 디자인 능력과 기계번역 포스트에디팅(MTPE) 능력의 변화를 평가하기 위해 사전·사후 검사, 번역 결과에 대한 피드백, 과제 후기 등 다양한 자료를 수집하였다. 연구 결과 첫째, 학습자의 GenAI 프롬프트 디자인 능력이 향상되어 텍스트 유형과 번역 목적에 따라 보다 정교하고 다양한 프롬프트를 설계할 수 있게 된 것으로 나타났다. 둘째, MTPE 역량 또한 인지적·지식적 측면에서 개선된 것으로 확인되었다. 한편 본 연구는 프롬프트 설계 평가 기준의 미비, MTPE 역량 배양 범위의 제한, 단일집단 사전·사후 설계의 한계, 연구 대상 및 연구 환경의 제약이라는 네 가지 한계를 지닌다. 그럼에도 본 연구는 생성형 인공지능 시대에 적합한 중한 번역 교수 모형 설계를 위한 실증적 토대를 제공하며, ‘교수자-GenAI-학습자’의 삼원적 상호작용 체계를 기반으로 한 번역 교육 혁신의 방향을 제시한다는 점에서 의의가 있다.

This study examines the effects of instructor intervention on learners' GenAI-collaborative translation competence in Chinese-Korean translation classes using Generative AI (GenAI). With the rapid development of GenAI technology, translation education is shifting from a traditional focus on language proficiency toward fostering “GenAI collaboration competence.” However, discussions of the effects of instructors' pedagogical interventions remain relatively limited. Accordingly, this study conducted a comparative analysis of a 16-week translation course involving 21 third-year Korean language majors at Z University in China, dividing the course into early and late periods. To evaluate changes in learners' GenAI prompt design and machine translation post-editing (MTPE) skills, data were collected using quantitative and qualitative methods, including pre- and post-tests, translation feedback, and assignment reflections. The findings reveal two key outcomes. First, learners' GenAI prompt design skills improved, enabling them to design more sophisticated and diverse prompts according to text types and translation purposes. Second, it was confirmed that MTPE skills improved in terms of cognitive and knowledge-based aspects. This research provides an empirical foundation for designing Chinese-Korean translation teaching models in the GenAI era. It contributes to the innovative evolution of translation education through the "instructor-AI-learner" triadic interaction. Meanwhile, this study also has four limitations: the lack of evaluation criteria for prompt design, the limited scope of MTPE competence cultivation, a limitation of a single-group pretest-posttest design, and constraints regarding the research subjects and environment.

본 연구는 생성형 인공지능(Generative AI)-인간 전문가 협력(HITL) 방식으로 2022 개정 국어과 ‘독서와 작문’ 성취기준에 부합하는 서술형 평가과제를 개발하고, 전문가 준거 기반 평정을 통해 교육적 타당성에 관한 예비적 타당화 근거를 제시하였다. 컨텍스트 엔지니어링과 사고연쇄(Chain of Thought)를 통합한 3단계 프로토콜을 설계하여 지문-문항-루브릭-해설이 연계된 과제를 생성하였다. 생성 결과물은 전국 13개 시도 현직 국어교사 18인이 3개 영역 12개 항목으로 평가하였다. 정량 분석 결과, 전체 평균은 4.32점으로 나타났으며 성취기준 부합도와 구조적 체계성에서 높은 평정을 받았다. 평가 도구의 내적 일관성과 평정자 간 합치도 역시 양호한 수준으로확인되었다. 반면 학습자 수준 적합성은 상대적으로 낮아, AI가 형식화 가능한 교육과정 요소는 구현하되 학습자 발달 단계 및 학급 맥락과 같은 비형식적 요소 반영에는 한계가 있음을 시사하였다. 본 연구는 AI 생성 과제가 교사가 조정 가능한 초안으로 기능할 수 있음을 확인하였으며, 형식적 타당성과 실질적 타당성의 균형이 인간-AI 협력을 통해 강화될 가능성을 제시한다.

This study developed constructed-response tasks aligned with the 2022 revised Korean Language Arts (“Reading and Writing”) achievement standards using a Generative AI-Human-in-the-Loop (HITL) approach and reported preliminary validity evidence from expert-criterion ratings. A three-stage protocol integrating context engineering and Chain-of- Thought generated a linked package of texts, prompts, rubrics, and explanations. Eighteen in-service Korean language teachers from 13 regions rated the outputs on 12 items across three domains. The overall mean was high (M = 4.32), with the strongest ratings for standard alignment and structural coherence; internal consistency and inter-rater agreement were acceptable. Learner-level appropriateness was lower, indicating limits in capturing non-formal factors (developmental stage, classroom context) despite effective operationalisation of formalised curriculum elements. The findings suggest AI outputs can serve as teacher-adjustable drafts, and that human-AI collaboration may strengthen the balance between formal and substantive validity.

The emergence of Generative Artificial Intelligence (GenAI), exemplified by ChatGPT, has marked a new phase in AI technology. GenAI utilizes advanced neural network models like Generative Pre-trained Transformers (GPT) to produce human-like text, images, and other creative outputs. This study explores the underlying principles of GenAI, focusing on large language models (LLMs) and transformer architectures that enable context-aware and probabilistic generation. Applications of GenAI span various domains, including healthcare, education, and research. Key examples include AI-driven disease prediction, personalized treatment planning, and acceleration of medical research with tools like AlphaFold and PathAI. In education, GenAI aids personalized learning and automates administrative tasks, enhancing teaching efficiency. Prompt engineering is emphasized as a crucial skill for optimizing GenAI results, requiring clarity, specificity, and context. A comparative analysis of major GenAI tools highlights their performance in benchmarks such as multitask reasoning and cost efficiency. Despite its potential, GenAI presents challenges such as data biases, ethical considerations, and risks of misuse. The study underscores the importance of AI literacy and interdisciplinary approaches to maximize its benefits while addressing limitations. Recommendations include integrating GenAI into education and fostering essential skills for leveraging this transformative technology.

항공 정비·수리·분해정비(MRO) 분야에서 생성형 AI(GenAI)를 안전하게 도입·확산하기 위해, 본 연구는 보고–학습 루프와 공정문화(Just culture)를 전면에 둔 안전문화 중심 도입 프레임워크를 제안한다. 신속 체계적 문헌고찰(rapid SLR)을 통해 기존 성숙도/전환 모델을 공통 단계와 차원으로 코딩하고, 안전규제가 강한 MRO 맥락에 맞게 이를 종합·재구성하였다. (1) RAG 기반 문서근거 디지털화, (2) 예측분석·물류계획을 통한 운영 최적화, (3) 멀티모달 AI와 Human-in-the-Loop(HITL) 권한을 포함한 현장 정비 인텔리전스, (4) 자율성 경계조건을 명시한 디지털 트윈 결합 엔지니어링 혁신으로 구성된 4단계 모델을 제시하고, 감사가능성(auditability), 효력관리(effectivity management), 사이버보안, 권한 배분을 위한 횡단 안전보증 통제(safety-assurance controls)를 정의하였다. 이러한 통제는 보고를 위축시키는 처벌적 감시로 인식되기보다 안전문화(특히 보고–학습 루프와 공정문화)를 강화하도록 운영되어야 하며, 항공 규제 준수 제약하에서 생성형 AI의 안전한 확산을 위한 실무적 기반을 제공한다.

This study proposes a safety-culture-centered adoption framework for Generative AI(GenAI) in aviation maintenance, repair, and overhaul(MRO) by foregrounding reporting?learning loops and just culture. A rapid systematic literature review(SLR) codes prior maturity/transition models into common stages and dimensions and synthesizes them for a safety-critical MRO context. We develop a 4-stage model?(1) document-grounded digitization via retrieval-augmented generation(RAG), (2) operational optimization via predictive analytics and logistics planning, (3) field maintenance intelligence with multimodal AI and human-in-the-loop(HITL) authority, and (4) engineering innovation coupled with digital twins under explicit autonomy boundaries?and define cross-cutting safety-assurance controls for auditability, effectivity management, cybersecurity, and authority allocation. The controls should be operated to reinforce safety culture(especially reporting?learning loops and just culture) rather than be perceived as punitive surveillance that suppresses reporting, providing a practical basis for safe scaling under aviation compliance constraints.

This study investigated the effects of a GenAI-assisted grammar learning strategy (GLS) intervention on grammar acquisition in EAP writing among Korean EFL university students. Thirty-four students participated in a four-week ChatGPT-assisted instructional program integrating cognitive and metacognitive GLS. Pre- and post-test results revealed significant improvement in grammatical accuracy and syntactic complexity. Qualitative findings identified four developmental phases in learners’ engagement with ChatGPT: Initial Exploration, Critical Engagement, Strategic Empowerment, and Autonomous Personalization. Learners gradually shifted from passive reliance on AI-generated feedback toward more autonomous and strategic use of ChatGPT for grammar learning and revision. Theoretically, the study extends Pawlak’s (2013) GLS framework by demonstrating how GenAI can operationalize cognitive and metacognitive strategies through a structured instructional workflow. Pedagogically, the study proposes a practical framework for integrating GenAI into grammar-focused EAP writing instruction.

생성형AI(Generative AI, GenAI) 서비스는 단순/반복적인 업무를 자동화하고, 많은 일자리의 생산성 향상에 도음을 주어 전반적으로 기존 일자리 감소에 영향을 줄 것이다. 반면에 높은 수준의 생성형AI 기술을 낮은 비용으로 활용할 수 있게 하고, 예술, 게임, 미디어 산업 등 창작 영역과 플랫폼 기반의 서비스 출시에 도움을 주어, 창조적 아이디어에 기반한 소수의 인원이 참여하는 1인 창조기업에서 새로운 일자리 창출에 긍정적인 영향을 줄 것이다. 본 연구의 목적은 1인 지식 창업자라고 할 수 있는 컨설턴트, 강사들이 생성형AI의 강점인 창의성을 활용하여 업무 효율을 높이는 데 적극적으로 활용할 수 있도록 생성형AI 서비스 특성이 지속이용의도에 미치는 영향을 분석하는데 있다. 본 연구에서는 기술수용모델(TAM)을 활용하여 생성형AI의 서비스 특성인 효율성, 창의성, 의인화, 개인화 및 자율성이 지속이용의도에 미치는 영향에 관한 연구를 인지된 유용성과 인지된 이용 용이성을 중심으로 진행하였다. 따라서 본 연구에서는 생성형AI의 서비스 특성이 인지된 유용성과 인지된 이용 용이성을 증진하고, 인지된 유용성과 인지된 이용 용이성이 지속 이용의도에 영향을 미칠 것이라는 인과적 경로를 검증하고자 한다. 1인 창업자가 외부의 도움없이 지속적으로 높은 수준의 업무효율를 유지할 수 있게 도움이 되는 지속사용의도를 종속변수로 설정하여 본 연구를 진행하였다.

The study explores the effects of GenAI-based English job interview speaking practice on Korean university students’ interview performance, speaking anxiety and job interview self-efficacy. A total of 33 university students completed a GenAI-based job interview preparation module administered as part of the Business English Practicum. For four weeks, students used Copilot to practice interviews and receive automated feedback. The data sources for this study included interview performance scores, questionnaire responses, and self-reported practice logs. To analyze the quantitative data, paired samples t-tests were performed on job interview self-efficacy scores, while Wilcoxon Signed-Rank tests were applied to interview performance and speaking anxiety data. The results of data analysis showed significant improvements in job interview performance and self-efficacy, although students’ speaking anxiety was not significantly reduced. Overall, these findings suggest that extended GenAI-based interview practice can foster interview self-efficacy and speaking performance outcomes, leading to a reduction in the negative impact of speaking anxiety. The study also supports integrating GenAI into speaking activities to promote personalized and effective language learning.

The growing role of Generative AI (GenAI) in language education highlights the need to understand how learners engage with it for writing. While GenAI can support second language (L2) writing, in-depth qualitative insights into learner interaction and perceptions are scarce. This multiple-case study investigated Chinese high school students' engagement with GenAI in English writing, using a sociocultural lens. Twelve L2 students participated in a four-week program involving seven training sessions on using GenAI for planning, drafting, revising, and metacognitive reflection. Four students were chosen for in-depth analysis due to their distinct engagement patterns. Multimodal data, including videos, screen captures, prompt logs, writing samples, and interviews, were analyzed. Three engagement trajectories emerged: (1) distant engagement (GenAI used only for phrasal translation); (2) weak hybrid intelligence (Passive adoption of AI outputs with minimal interaction); (3) robust hybrid intelligence (Reciprocal knowledge co-construction between learner and AI). Students with weak engagement viewed GenAI as a translation or ghostwriting tool, leading to one-way information transfer. In contrast, the student showing robust hybrid intelligence saw GenAI as a teacher, partner, or tool, engaging in meaning negotiation and iterative prompting. Findings suggest learners' perception of GenAI significantly impacts their engagement quality. Theoretically, this study extends sociocultural theory by showing how learner-AI interactions mediate cognitive and metacognitive processes in L2 writing. Pedagogically, it emphasizes the need for interventions to guide student perceptions and foster meaningful, reflective GenAI use as a collaborative learning partner, not just a technical tool.

This preliminary study examined how a professional development (PD) program supported Korean EFL teachers in integrating generative artificial intelligence (GenAI) into collaborative reading and writing instruction. Fifteen in-service secondary school teachers participated in an 11-session PD program that introduced GenAI-supported instructional models and guided teachers to adapt them through micro-teaching, reflection, and classroom application. Data were collected through pre- and post-intervention surveys and three rounds of reflective journals. Quantitative findings revealed no significant improvement in perceived ease of using GenAI for collaborative reading. However, teachers reported significantly greater ease of use in collaborative writing, presentation, and form-focused instruction (FFI). Qualitative results identified recurring challenges?such as role imbalance, copy-and-paste reliance, and lack of scaffolding?which prompted teachers to revise the pre-existing instructional models into more structured ones (e.g., Expert Jigsaw Reading, role-based writing cycles). The findings demonstrate how PD programs can develop teacher agency by translating abstract GenAI principles into classroom-ready, pedagogically sustainable practices.

Generative artificial intelligence (GenAI) is reshaping teaching and assessment while intensifying concerns about academic integrity, privacy, and fairness. This study examines how academic leaders enable responsible, innovative pedagogical work behavior among university faculty through a governance-specific leadership mechanism in Chinese universities. Drawing on sensegiving theory, we conceptualize AI-governance sensegiving as leaders' content-specific clarification of permissible GenAI boundaries, ethical framing, and procedural scaffolding that translate institutional governance principles into locally actionable norms. In contrast to general leadership styles and domain-neutral psychological safety models, the framework specifies a governance-oriented interpretive process and an AI-specific safety mechanism tied to integrity and legitimacy risks. We propose a conditional process in which AI-specific psychological safety mediates the association between AI-governance sensegiving and responsible innovation, with trust in GenAI strengthening the safety-innovation linkage. Survey data were collected from full-time faculty members at Chinese universities during October to November 2025, using temporally separated measurement blocks and matched responses (final valid sample, N = 500). The measurement model was evaluated via confirmatory factor analysis, and hypotheses were tested using structural equation modeling in AMOS. AI-governance sensegiving is positively associated with AI-specific psychological safety (β = 0.535, p < .001) and with responsible, GenAI-innovative work behavior (β = 0.310, p < .001). Psychological safety is positively associated with responsible innovation (β = 0.393, p < .001) and mediates the governance sensegiving association, with a bootstrapped conditional indirect effect of 0.210 at the mean level of trust (95% CI [0.163, 0.256]). The indirect effect is weaker at low trust (0.171, 95% CI [0.117, 0.223]) and stronger at high trust (0.249, 95% CI [0.195, 0.307]). While the cross-sectional, self-reported design constrains strong causal inference, the findings indicate that governance-oriented meaning clarification, domain-specific psychological safety, and calibrated trust jointly shape responsible GenAI experimentation. The results highlight the importance of translating AI governance into coherent local routines in higher education contexts characterized by regulatory salience and evolving technological capabilities.