Earticle

This article proposes a framework to elucidate the structural dynamics of the generative AI ecosystem. It also outlines the practical application of this proposed framework through illustrative policies, with a specific emphasis on the development of the Korean generative AI ecosystem and its implications of platform strategies at AI platform-squared. We propose a comprehensive classification scheme within generative AI ecosystems, including app builders, technology partners, app stores, foundational AI models operating as operating systems, cloud services, and chip manufacturers. The market competitiveness for both app builders and technology partners will be highly contingent on their ability to effectively navigate the customer decision journey (CDJ) while offering localized services that fill the gaps left by foundational models. The strategically important platform of platforms in the generative AI ecosystem (i.e., AI platform-squared) is constituted by app stores, foundational AIs as operating systems, and cloud services. A few companies, primarily in the U.S. and China, are projected to dominate this AI platform squared, and consequently, they are likely to become the primary targets of non-market strategies by diverse governments and communities. Korea still has chances in AI platform-squared, but the window of opportunities is narrowing. A cautious approach is necessary when considering potential regulations for domestic large AI models and platforms. Hastily importing foreign regulatory frameworks and non-market strategies, such as those from Europe, could overlook the essential hierarchical structure that our framework underscores. Our study suggests a clear strategic pathway for Korea to emerge as a generative AI powerhouse. As one of the few countries boasting significant companies within the foundational AI models (which need to collaborate with each other) and chip manufacturing sectors, it is vital for Korea to leverage its unique position and strategically penetrate the platform-squared segment-app stores, operating systems, and cloud services. Given the potential network effects and winner-takes-all dynamics in AI platform-squared, this endeavor is of immediate urgency. To facilitate this transition, it is recommended that the government implement promotional policies that strategically nurture these AI platform-squared, rather than restrict them through regulations and stakeholder pressures.

The game industry has continually embraced technological advancements to enhance visual realism and narrative immersion. Recently, the emergence of generative artificial intelligence has transformed the overall approach to game production, improving efficiency and expanding creative possibilities across various domains such as asset creation, character design, dialogue generation, and sound design. This study examines how artificial intelligence influences both the development process and expressive methods of game production, focusing on representative cases that employ generative AI in distinct ways. By analyzing four commercial game examples, the study identifies the roles and implementation strategies of AI in each case. The results indicate that generative artificial intelligence is utilized in multiple aspects of production, including automated asset generation, narrative variation, and pipeline optimization. Through this analysis, the study demonstrates that generative artificial intelligence functions as a key technological factor driving structural changes in the creative processes of the game industry and serves as a foundational reference for future research on AI-based game production.

최근 다양한 생성형 인공지능 프로그램 기술이 발전하며, 대중적으로 상용화되면서 생성형 인공지능을 활용 한 미디어아트의 창작사례가 늘어나고 있다. 사진의 등장이 기존의 회화 작품을 대체하지 않고 새로운 예술 형태로 존재한 것과 같이 생성형 인공지능 기술을 활용한 미디어아트 예술 표현 또한 새로운 방식과 형태로 존재할 수 있다. 논문에서 열거한 생성형 인공지능 프로그램을 활용하여 창작된 사례들과 같이 하나의 작품 으로 증명이 되고 있다. 이에 본 논문에서는 인공지능의 의미와 역사적으로 형성된 생성형 인공지능을 활용 한 작품 사례들을 살펴보고, 다양한 형태로 존재하고 있는 생성형 인공지능 프로그램을 기반으로 형성된 미 디어아트 작품을 분석해보고자 한다. 이를 통하여 방대한 빅데이터를 기반으로 존재하고 있는 생성형 인공지 능의 기술을 자유롭게 창작자가 예술작품으로 사용하며 다채로운 형태로 전시된 미디어아트의 제작과 방법 론에 보탬이 되고자 한다.

With the recent development of various generative artificial intelligence program technologies and popular commercialization, media art creative cases using generative artificial intelligence are increasing. Just as the appearance of photographs does not replace existing painting works and exists in new art forms, media art expressions using generative artificial intelligence technology can also exist in new ways and forms. As in the cases created using the generative artificial intelligence programs listed in the paper, it is proved as a single work. Therefore, this paper aims to examine the meaning of artificial intelligence and examples of works using generative artificial intelligence that have been formed historically, and to analyze media art works formed based on generative artificial intelligence programs that exist in various forms. Through this, the creator freely uses the generative artificial intelligence technology that exists based on vast amounts of big data as a work of art, and it is intended to contribute to the production and methodology of media art displayed in various forms.

생성형 인공지능이 급속한 발전하고 있다. 생성형 인공지능의 영향력은 심대하다. 생성형 인공지능의 긍정적·부정적 영향력으로 인해 각국의 신속한 규제 대응도 불러 오고 있다. 중국에서도 올해(2023년) 4월 11일 국가인터넷정보판공실이 <생성형 인공 지능 서비스 관리 방법>의 의견수렴초안을 공개했다. 이 초안은 5월 10일까지 의견을 구한 다음에 최종안이 공표될 것이다. 의견수렴초안과 관련해서 두 가지 쟁점이 존재한다. 첫 번째는 의견수렴초안이 생성 형 인공지능에 대한 규제에 어느 정도 비중을 두고 생성형 인공지능의 발전의 촉진은 얼마나 고려하고 있는지와 관련한 문제이다. 두 번째 쟁점은 제공자(기업), 사용자(소 비자) 등 각 주체에 책임을 얼마나 할당하고 있는가 하는 문제이다. 본 논문은 의견수렴 초안과 전문가의 의견에 대한 분석을 통해서 두 가지 쟁점에 대한 논의를 한다. 분석결과에 따르면 전문가의 입장은 의견수렴초안이 제공자의 책임을 과대하게 부 여한다는 것이다. 전문가의 의견은 의견수렴초안이 대체로 규제를 강조하는 경향이기 때문에 향후 의견수렴초안의 수정에서는 발전의 촉진을 더욱 고려해야한다는 시각이 많다.

Generative artificial intelligence is rapidly developing. Generative AI’s influence is enormous. Due to the positive and negative influence of generative artificial intelligence, rapid regulatory responses from each country are also being brought. In China, on April 11, 2023, the Cyberspace Administration of China released a draft opinion on “Generative Artificial Intelligence Service Management Measures.” The final draft will be published after consultation by May 10. Two issues exist in relation to the draft opinion. The first is the question of how much weight the draft opinion puts on regulation and how much promotion is considered. The second is how much responsibility will be allocated to each subject, such as a provider (company) and a user (consumer). This paper discusses two issues through draft opinions and analysis of expert opinions. The paper finds that from experts’ point of view, the draft opinion overemphasizes the responsibility of the provider. In the opinion of experts, there are many views that further consideration should be given to the promotion of development in future amendments to the draft opinion, as the draft opinion generally tends to emphasize regulation.

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

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

본 연구는 생성형 인공지능(AI) 기술의 발전으로 심화되는 거짓 정보(가짜뉴스) 확산의 위험성을 인식 하고, 거짓 정보 확산을 예방하기 위한 기반을 마련하고자 한다. 구체적으로, 거짓 정보에 대한 신뢰 및 구전 의도(WOM)에 영향을 미치는 정보원천 신뢰도, 디지털정보 문해력, 제품 친숙도 간의 구조적 관계를 실증적으로 검증하는 것을 목적으로 한다. 가상의 Antibiotic 커피제품에 대한 생성형 AI 제공 거짓 정보 시나리오를 바탕으로 설문조사를 실시하였으며, 수집된 데이터를 활용하여 구조방정식 모형 (SEM) 분석을 통해 변수 간의 인과관계를 검증하였다. 분석 결과, 네 가지 가설 중 세 가지가 지지되 었으며 핵심 결과는 다음과 같다. 정보원천 신뢰도는 생성형 AI 정보 신뢰에 가장 강력한 양(+)의 영향 을 미치는 것으로 나타났다. 이는 거짓 정보가 관련 전문기관 등 권위 있는 출처를 사칭할 경우, 정보 이용자들이 이를 맹목적으로 신뢰하는 위험성을 초래함을 시사한다. 디지털정보 문해력은 생성형 AI 정보 신뢰에 유의한 음(-)의 영향을 미쳤다. 이는 문해력이 높을수록 온라인 정보에 대한 비판적 사고 가 활성화되어 정보를 비판적으로 수용하고 신뢰를 낮추는 방어 기제로 작용함을 입증한다. 정보에 대 한 신뢰는 구전 의도에 매우 강력한 긍정적 영향을 미치는 것으로 확인되었다. 이는 소비자가 거짓 정 보임을 인지하지 못하고 신뢰할 경우, 해당 정보를 타인에게 구전할 위험성이 매우 높음을 시사한다. 제품 친숙도는 예상과 달리 정보 신뢰에 긍정적 영향을 미쳤으며(기각 가설), 이는 시나리오 제품의 특 수성(가상 제품)에 기인한 것으로 판단된다. 본 연구는 생성형 AI 환경에서 거짓 정보가 확산되는 심리 적 경로를 실증적으로 규명했으며, 특히 정보원천의 조작이 가장 위험한 요소임을 밝혔다.

This study recognizes the increasing risk of misinformation (fake news) diffusion driven by the rapid advancement of generative artificial intelligence (AI) technologies and aims to establish a foundation for preventing the spread of such misinformation. Specifically, it empirically examines the structural relationships among source credibility, digital information literacy, and product familiarity, and their effects on trust in misinformation and word-of-mouth (WOM) intention. A survey was conducted using a scenario in which generative AI provided misinformation about a fictitious “antibiotic coffee” product. The collected data were analyzed using structural equation modeling (SEM) to test the causal relationships among the variables. The results indicate that three out of four hypotheses were supported. The key findings are as follows. First, source credibility exerted the strongest positive effect on trust in generative AI–provided information. This suggests that when misinformation impersonates authoritative or professional institutions, information users are at high risk of accepting it uncritically. Second, digital information literacy had a significant negative effect on trust in generative AI information, demonstrating that higher literacy activates critical thinking and functions as a defensive mechanism by reducing blind trust in online information. Third, trust in information showed a very strong positive effect on WOM intention, indicating that when consumers fail to recognize misinformation and perceive it as credible, they are highly likely to disseminate it to others. Contrary to expectations, product familiarity had a positive effect on information trust (rejected hypothesis), which is attributed to the unique characteristics of the fictitious product used in the scenario. This study empirically elucidates the psychological pathways through which misinformation spreads in a generative AI environment and highlights the manipulation of information sources as the most critical risk factor in the diffusion of AI-generated misinformation.

4차 산업혁명에 따른 인공지능 시대의 도래로 인해 미래세대의 역량을 강화하기 위한 새로운 교육 방법의 필요 성이 커지고 있다. 특히 생성형 인공지능 기술을 활용한 교육 프로그램 개발 및 연구가 국내외적으로 활발히 진행 되고 있다. 본 연구는 생성형 인공지능 기술을 활용한 쓰기 교육 프로그램 개발을 통해 쓰기 부진 학생의 능력 및 태도 향상을 목표로 한다. 개발한 프로그램을 초등학생에게 적용한 결과 쓰기 능력-조직과 태도의 모든 하위 요소 에서 통계적으로 유의하였으며 특히, 쓰기 부진 학생에게도 교육적인 가치가 있음을 보여주었다. 이 연구는 쓰기 부진 학생에게 생성형 인공지능 활용 방안을 제시한 점에서 의의가 있다.

With the advent of the fourth industrial revolution and the era of artificial intelligence, the need for new educational methods for future generations is increasing. In particular, the development and research of educational programs utilizing generative artificial intelligence technology are actively being conducted both domestically and internationally. This study aims to enhance the abilities and attitudes of students with writing difficulties through the development of a writing education program utilizing generative artificial intelligence technology. The results of applying the developed program to elementary school students showed statistically significant improvements in all sub-elements of writing ability and attitude, and it demonstrated educational value even for students with writing difficulties. This research has significance in presenting methods for utilizing generative artificial intelligence for students with writing difficulties.

AI 기술의 발전은 교육에 바로 적용되어 학생의 학습 생활에 점차 보편화 될 것이다. 자연처 처리(NLP: Natural Language Processing) 기술의 지속적인 발전으로 상호작용은 더욱 활발해질 것이라 사료된다. 오렌지3 와 같은 데이터 분석을 통하여 챗GPT가 제시한 결과를 보다 통찰력 있게 검토할 수 있는 문제 해결 방식을 제 시한다. 일반적인 과학탐구의 문제 해결 방식 외에 첨단 기술들과 협업하여 생성형 인공지능인 챗GPT와 데이터 분석 프로그램인 오렌지3을 활용하여 문제 해결 과정을 수행하도록 지도할 수 있다. 본 연구에서는 생성형 인공 지능과 오렌지 데이터 분석을 활용한 과학 탐구 문제 해결 과정 사례를 제시하고 분석하였다. 제시한 문제 해결 과정을 학생들이 성공적으로 수행하기 위해서는, 챗GPT와 머신러닝 모델을 정확하게 활용하는 AI 리터러시와 데이터 리터러시 교육이 선행되어야 한다.

Development of AI technology will be applied directly to education and gradually become common in students' learning lives. It is believed that interaction will become more active with the continuous development of Natural Language Processing technology. Through data analysis such as Orange3, we present a problem-solving method that can more insightfully review the results presented by Chat GPT. In addition to the problem-solving method of general scientific exploration, it can be guided to perform the problem-solving process using Chat GPT, a generative artificial intelligence, and Orange3, a data analysis program, in collaboration with advanced technologies. In this study, examples of scientific inquiry problem-solving processes using generative artificial intelligence and orange data analysis were presented and analyzed. In order for students to successfully perform the proposed problem- solving process, AI literacy and data literacy education that accurately utilizes ChatGPT and machine learning models must be preceded.

This study aimed to examine the effects of a basic generative artificial intelligence (AI) education program conducted at ___ University in Busan on AI literacy and beauty design competence among adult learners majoring in beauty-related fields. Whereas prior research on generative AI education has primarily focused on elementary and secondary students, university students, or learners in engineering and computer-related majors, this study targets 25 middle-aged and older adult learners in their 40∼60s specializing in beauty studies. In doing so, it integrates the assessment of both AI literacy and major-specific beauty design competence. A single-group pretest–posttest design was employed over a 15-week basic generative AI education program. Data were collected using an AI literacy questionnaire, rubric-based evaluations of midterm and final assignments, and expert validity reviews. Paired t-test results indicated that the overall mean AI literacy score increased significantly from 2.43 to 4.18 (p < .001), with application competence showing the greatest improvement, rising from 2.10 to 4.25. Moreover, beauty design evaluation criteria—including prompt specificity, use of major-specific terminology, and formative completeness—showed overall improvement from the midterm to the final assessment, confirming enhanced major-based digital creative competence. These findings empirically demonstrate the effectiveness of generative AI education for adult learners in beauty-related majors and provide foundational evidence for the development of customized AI literacy and beauty design education models tailored to adult learners.

本研究旨在分析釜山某大学开展的生成式人工智能基础教育对美妆专业成人学习者的 AI素养及美妆设计能力的影响.已有研究多以中小学生,大学生及工程计算机相关专业学生 为主要研究对象的生成式AI教育研究,与已有关于生成式AI教育研究多以中小学生,大学生 及工科·计算机相关专业学习者为主不同,本研究的创新性在于以25名40-60岁中老年美妆专业 成人学习者为研究对象,综合验证其AI素养及专业美妆设计能力.研究对为期15周的生成式 AI基础教育采用单一群体事前-事后设计,综合分析AI素养问卷,基于量规的期中·期末作业 评价及专家效度验证结果.配对样本t检验显示,AI素养整体均值从2.43分显著提升至4.18分 (p<.001),其中应用能力维度从2.10分提升至4.25分,变化最为显著.在美妆设计评价指标 方面,提示词具体性,专业术语使用,造型完成度等均较期中整体提升,证实了专业数字化 创作能力得到显著提升.本研究实证验证了面向美妆专业成人学习者的生成式AI教育效果, 为开发成人定制化AI素养及美妆设计教育模型提供基础数据.

본 연구는 생성형 인공지능이 널리 활용되고 있는 고도 디지털 시대의 창의성교육 방안을 탐색하는 데 목적이 있다. 이를 위해 전통적으로 인간의 고유한 역량이라 여겨졌던 창의성에 대해 생성형 인공지능의 출현이 어떤 의 미를 갖는지 논의한 다음, 생성형 인공지능이 인간의 창의성 증진에 기여할 수 있는 방법을 살펴보았다. 아울러, 생성형 인공지능이 교육 부문에 활용되었을 때 기대되는 유익과 적용할 수 있는 범위, 유의해야 할 사항들을 논의 하였다. 마지막으로, 학교 교육에서 학습자와 생성형 인공지능이 상호보완적 관계 속에서 창의성 증진을 도모할 수 있는 방안을 탐색하였다. 본 연구 결과로서 창의성교육을 위한 교수-학습의 구조 안에서 생성형 인공지능과 학 습자 간의 역할 분담과 상호작용을 통해 학습자의 창의성을 증강하는 방안을 제시하였다.

The purpose of this study is to explore ways to educate creativity in the era of generative artificial intelligence. To this end, we first discuss the implications of the emergence of generative artificial intelligence for creativity, which has traditionally been viewed as a uniquely human capacity, and then examine how generative artificial intelligence can contribute to the promotion of human creativity. We also explored the scope of its application in the education sector and the caveats that need to be kept in mind. Finally, we analyzed and drew implications from previous studies on teaching strategies that can help promote learners' creativity, and explored ways to promote creativity in school education through a complementary relationship between learners and generative artificial intelligence. As a result of this study, we proposed a way to enhance learners' creativity through the division of roles and interaction between generative AI and learners within the structure of teaching and learning for creativity education.

Purpose The purpose of this study is to examine how perceived privacy risk, perceived usefulness, and perceived ease of use affect system trust in the data memory context of generative artificial intelligence (AI), and how system trust influences usage intention. Design/methodology/approach Based on the Technology Acceptance Model (TAM), this study proposes a research model integrating perceived privacy risk, system trust, and privacy protection technology self-efficacy. Survey data were collected from Chinese users with prior experience using generative AI services. Of the 340 responses obtained, 304 valid responses were analyzed using covariance-based structural equation modeling (CB-SEM). Findings Perceived usefulness and perceived ease of use had significant positive effects on system trust, whereas perceived privacy risk had a significant negative effect. System trust also had a significant positive effect on usage intention. However, the moderating effect of privacy protection technology self-efficacy was not supported. The findings highlight that user trust in generative AI is influenced not only by functional benefits and ease of use, but also by privacy concerns related to data retention and processing.

본 연구는 구미시 공무원을 대상으로 생성형 인공지능의 사용의도와 실제 사용에 영향을 미치는 요인을 분석하는 데 목적이 있다. 이를 위해 확장된 UTAUT 모형을 적용하여 성과기대, 노력기대, 조직지원, 위험지각, 혁신문화, 디지털역량, 사회적영향을 선행요인으로 설정하고, 행동의도를 매개변수, 실제 사용을 종속변수로 하는 연구모형을 구성하였다. 분석자료는 구미시 공무원 568명의 설문응답으로 구성되었으며, SPSS와 AMOS를 활용하여 기술통계, 신뢰도 분석, 확인적 요인분석, 구조방정식 모형분석을 수행하였다. 분석 결과, 성과기대, 위험지각, 디지털역량, 사회적영향은 행동의도에 유의한 영향을 미쳤고, 행동의도는 실제 사용에 매우 강한 정(+)의 영향을 미치는 것으로 나타났다. 반면 노력기대, 조직지원, 혁신문화는 통계적으로 유의하지 않았다. 이러한 결과는 지방정부 공무원의 생성형 인공지능 활용이 성과기대, 디지털역량, 사회적영향에 의해 상대적으로 크게 설명되며, 위험지각 역시 행동의도에 유의한 영향을 미쳤으나 그 영향력은 제한적이었음을 보여준다. 본 연구는 지방정부 공무원의 생성형 인공지능 수용과 실제 사용의 연결구조를 실증적으로 제시하였다는 점에서 의의가 있으며, 지방정부의 AI 확산정책, 교육훈련, 활용 가이드라인, 조직문화 조성 전략 수립에 실질적 근거를 제공한다.

This study investigates the factors influencing the intention to use and the actual use of generative artificial intelligence among public officials in Gumi City. An extended UTAUT model was used, setting performance expectancy, effort expectancy, organizational support, perceived risk, innovation culture, digital capability, and social influence as antecedent variables; behavioral intention as a mediating variable; and actual use as the dependent variable. The analysis was based on survey responses from 568 public officials in Gumi City. Data was analyzed using SPSS and AMOS through descriptive statistics, reliability analysis, confirmatory factor analysis, and structural equation modeling. The results indicate that performance expectancy, perceived risk, digital competence, and social influence significantly affected behavioral intention, which in turn had a strong positive effect on actual use. In contrast, the effects of effort expectancy, organizational support, and innovation culture were not statistically significant. These findings suggest that the use of generative AI among local government officials is primarily explained by performance expectancy, digital capability, and social influence. Although perceived risk also affected behavioral intention, its effect size was comparatively limited. This study provides empirical evidence on the relationship between generative AI acceptance and actual use among local government officials. It also offers practical implications for the development of AI diffusion policies, training programs, usage guidelines, and organizational culture strategies within local governments.

대규모 언어모델에 기반한 생성형 인공지능이 답변의 정확성, 진실성, 안전성 등을 희생하면서까지 무조건 사용자에게 동조하면서 승인을 구하는 AI 아첨 현상은 대규모 언어모델의 훈련 과정에서 필연적으로 발생하는 구조적 문제일 뿐만 아니라 보편적인 인간의 인지적 편향으로부터 비롯하는 근본적 문제에 해당한다. 이는 AI 아첨을 선호하는 사용자들의 반응에 의하여 더 많은 이익을 얻을 수 있는 AI 기업들의 상업적 유인에 의해 강화된다. 최근 우리나라와 EU에서는 인공지능에 관한 일반법을 제정하여 신중한 규제를 시작하였지만 아첨 문제를 해결하기에 충분치 않다. 우리나라에서 규제가 적용될 수 있는 예외적 경우가 있기는 하지만 그럼에도 불구하고 인공지능사업자에게 기술적 조치를 요구하는 방식만으로는 AI 아첨이 발생하는 구조적 양상을 해소하기에 부족하다. AI 아첨 현상은 인공지능사업자가 기술적 조치에 의하여 제어할 수 있는 문제가 아니기 때문이다. EU에서는 영향력이 크거나 위험성이 높은 AI 행위가 상당히 심각한 신체적 또는 기본권 침해적 피해를 야기한다면 아예 금지하는 방식으로 규제하거나, 그 정도에 이르지 않는 상태에서는 투명성 의무에 의하여 AI 모델의 설계 및 작동 방식에 관한 정보를 제공하게 한다거나 AI 리터러시 의무를 선언하는 정도여서 규제가 과중하거나 과소하다. AI 아첨 현상은 궁극적으로 현재 AI 정렬 패러다임의 근본적인 한계를 반영한다. 이러한 한계를 해결하기 위한 기술적 혁신이 미흡한 상황에서 만연히 기다릴 수는 없으므로 당장 우리 사회와 구성원들을 보호할 수 있도록 합리적 규제방식을 고안할 필요가 있다. 일단 사용자가 AI 모델이 제공하는 답변의 편향 가능성과 효용의 한계를 이해하고 AI 아첨으로부터 스스로를 보호할 수 있도록 최대한 AI 리터러시 및 비판적 사고력을 함양할 수 있어야 한다. 사용자가 자신의 위험 부담 하에 AI 모델을 사용한다는 법적 현실이 정당성을 가지려면 사용자의 정확한 판단을 도울 수 있을 정도의 충분한 정보가 제공되어야 한다. 이러한 적극적 설명의무의 구체적 이행 방안으로서 인공지능 사업자는 AI 아첨 현상에 대하여 다양한 AI 테스팅을 통하여 어떤 분야에서 어떤 식의 아첨 현상이 이루어질 수 있는지 분석한 자료를 제공하고, 그 결과 사용자가 어떠한 피해를 입을 수 있는지에 대한 위험을 고지하는 방식으로 사용자에게 세분화된 구체적 사용 지침을 정기적으로 제공해야 할 것이며, 규제당국은 인공지능사업자의 이러한 적극적 설명의무가 적절히 이루어지는지 감독하고 가이드라인을 제시해야 할 것이다.

The phenomenon of AI sycophancy—where generative AI based on large language models unconditionally seeks approval from users by agreeing with them, even at the expense of the accuracy, truthfulness, and safety of its responses—is not only a structural issue that inevitably arises during the training process of large language models but also a fundamental problem stemming from universal human cognitive biases. This is exacerbated by the commercial incentives of AI companies, which stand to gain more profit from the reactions of users who prefer AI sycophancy. Although South Korea and the EU have recently enacted general laws on AI and begun implementing cautious regulations, these measures are insufficient to resolve the sycophancy issue. While there are exceptional cases where regulations can be applied in South Korea, relying solely on requiring AI operators to implement technical measures is insufficient to address the structural nature of AI sycophancy. This is because the phenomenon of AI sycophancy is not a problem that AI operators can control through technical measures alone. In the EU, regulation ranges from outright bans on AI activities that are highly influential or pose significant risks if they cause serious physical harm or violations of fundamental rights, to transparency obligations requiring the disclosure of information regarding the design and operation of AI models—or declarations of AI literacy obligations— in cases where the risks are not as severe. This approach results in regulation that is either excessive or insufficient. Ultimately, the phenomenon of AI sycophancy reflects the fundamental limitations of the current AI alignment paradigm. Since we cannot simply wait idly while technological innovations to address these limitations remain insufficient, we need to devise a reasonable regulatory approach to protect our society and its members immediately. First, users must cultivate AI literacy including the capability of critical thinking to the greatest extent possible so that they can understand the potential biases and limitations of the answers provided by AI models and protect themselves from AI sycophancy. For the legal reality that users employ AI models at their own risk to hold legitimacy, sufficient information must be provided to assist users in making accurate judgments. As a concrete measure to fulfill this duty of active disclosure, AI service providers must regularly provide users with detailed, specific usage guidelines. This should involve providing data verified through various AI tests on the AI sycophancy phenomenon—specifying in which areas and in what ways such sycophancy may occur—and notifying users of the risks of potential harm they may face as a result. Regulatory authorities should oversee whether AI service providers are adequately fulfilling this proactive duty to explain, and provide relevant guidelines to them.

본 연구는 미디어아트 작품 좀의 여행의 고정된 공간 구조와 폐쇄적 서사 구조를 분석하고, 이를 확장하기 위한 생성형 AI 기반 콘텐츠 생성 워크플로우를 제안한다. 기존 작품은 작가의 개인적 경험을 기반으로 한 영상 구조로 구성되어 있으며, 관객은 사전에 구성된 시각 흐름을 따라 작품을 감상하는 수동적 관찰자의 위치에 놓인다. 이에 본 연구는 관객 입력을 기반으로 서사 생성 모듈과 공간 생성 모듈이 동시에 작동하는 생성형 콘텐츠 구조를 설계하였다. 제안된 시스템은 사용자 입력을 바탕으로 새로운 텍스트와 시각 장면을 생성하고 이를 실시간 미디어 경험으로 통합함으로써, 작품 환경이 지속적으로 확장되는 인터랙티브 콘텐츠 구조를 형성한다. 이러한 접근은 기존 영상 기반 미디어 작품을 데이터 기반 생성 시스템으로 확장할 수 있는 가능성을 제시하며, 생성형 AI 기술을 활용한 인터랙티브 미디어아트 제작 방식의 새로운 방향을 탐색한다.

This study analyzes the fixed spatial and narrative structure of the media art work Jom’s Trip and proposes a generative AI–based workflow to extend the work. The original piece is a video-based artwork derived from the artist’s personal travel experience, where the audience observes a predetermined visual sequence. To address this limitation, this research designs a generative content structure in which narrative and spatial generation modules operate based on audience input. The system generates new text and visual scenes from user queries and integrates them into an interactive media experience. This approach demonstrates the potential to transform fixed video-based media artworks into data-driven generative systems and suggests new production methods for interactive media art using generative AI.

본 연구는 디지털 기술 확산 속에서 무용교육과 공연예술이 겪는 구조적 변화를 탐색하고 생성형 AI[ChatGPT(오픈AI), Gemini(구글)]와 무용 분야 전문가 5인의 인식 차이에 대하여 FGI를 통하여 개방–축–선택 코딩 절차로 분석하였다. 분석 결과 인간 전문가는 창작 주체성을 예술적 가치, 신체성을 중심으로 본다면 AI는 기능성, 효율성, 확장성 중심으로 보았다. 또한 태도–가치–수용성–활용으로 이어지는 인식 구조가 도출되었으며 기술 도입의 핵심 매개 변인으로 수용성이 확인되었다. 이에 본 연구는 대학 무용교육의 교육과정 개편, 기술 역량 강화, 예술성 약화, 윤리와 책임 기준 정립의 필요성을 강조하고 무용 공연예술에서는 인간 중심과 기술 중심 모델의 균형 속에서 발전해야 함을 강조하고 기술 활용의 장점으로는 교육 효율성, 자료 분석 강화, 공연 제작 환경 확장이 제시되었다. 또한 향후에 실증적 적용과 장기적인 비교 연구의 필요성을 제안하였다.

This study examines structural changes in dance education and performing arts amid the rapid diffusion of digital technologies, analyzing perceptual differences between generative AI [ChatGPT (OpenAI) and Gemini (Google)] and five dance experts through Focus Group Interviews(FGI) using open, axial, and selective coding. The findings indicate that human experts conceptualize creative agency in terms of artistic value and corporeality, whereas AI prioritizes functionality, efficiency, and scalability. An awareness structure progressing from attitude to value, acceptance, and utilization was identified, with acceptance emerging as the key mediating factor in technology adoption. The study underscores the need for curriculum reform in university dance education, enhancement of technological competencies, and the establishment of ethical standards, while advocating a balanced integration of human-centered and technology-centered models. It also calls for empirical applications and long-term comparative research.

Artificial intelligence has generated a vast amount of digital content, rendering forms of copyright infringement increasingly complex and diversified, and exposing core copyright interests to full-process infringement risks. The constitutive elements of copyright law and criminal law differ. Moreover, the compensatory logic under the civil law principle of making up for losses is also distinct from the punishment logic of the crime of infringing copyright. Criminal law should assume responsibility in responding to social needs; limited or non-intervention does not reflect the true meaning of modesty, and the order-oriented nature of the crime of copyright infringement does not conflict with the protection of rights. Across the data, algorithmic, and output layers, infringement may evolve quantitatively into criminal conduct, and the degree of copyright harm may undergo a qualitative transformation into disruption of copyright management order. The crime of copyright infringement falls under the chapter on crimes undermining the order of the socialist market economy, it should transcend the traditional mechanical subordination of criminal law to civil law and return to an independent evaluation based on an order-oriented perspective. Grounded in the protection of copyright management order, criminal law should explicitly exclude technologically innovative conduct lacking social harm from its evaluative scope, thereby constructing an integrated mechanism of “civil confirmation and compensation, criminal maintenance of order” for copyright protection.

人工智能催生海量数字内容，著作权侵权形态愈发复杂多元，对著作权 核心权利存在全流程侵权风险。著作权法与刑法的构成要件存在差异，民 法填平原则下的赔偿逻辑亦不同于侵犯著作权罪的惩罚逻辑。刑法应当有 回应社会需求的担当，少介入、不介入并非谦抑本意，侵犯著作权罪的秩 序本位与权利保护也并不冲突。在数据层、算法层与输出层，从侵权行为 到犯罪行为发生量变，从著作权的侵害程度到有无著作权管理秩序发生质 变。侵犯著作权罪隶属破坏社会主义市场经济秩序罪一章，应超越传统刑 法对民法的机械从属论，回归刑法基于秩序本位的独立评价。立足著作权 管理秩序，明确刑法评价事先排除无社会危害性的技术创新行为，构建 “民事确权填平、刑事维护秩序” 的著作权民刑一体化保护结构。

본 연구는 디지털·지능화 환경에서 생성형 인공지능(GenAI) 수용을 설명하기 위해 ‘사회적 동기–준사회적 관계(PSR)–AI 콘텐츠 수용’의 연속 메커니즘을 제시하고, AI 리터러시의 조절효 과를 검증하였다. 중국 지역 GenAI 사용자 453명을 대상으로 구조방정식모형을 실시한 결과, 사회적 동기는 준사회적 관계를 유의하게 강화하고, 준사회적 관계는 AI 콘텐츠 수용에 정(+)의 영향을 미쳤 다. 또한 자기표현 동기와 콘텐츠 수용 간 관계에서 준사회적 관계의 매개효과가 확인되었다. AI 리 터러시 중 이해/불확실성과 상호작용/교정 및 거버넌스/리스크 차원은 사회적 동기–관계 경로를 유 의하게 조절하는 것으로 나타났다. 본 연구는 GenAI 수용을 관계적 관점에서 확장하고, 실무적으로 는 설명·교정 가능성을 중심으로 한 사용자 경험 설계의 필요성을 시사한다.

This study proposes a sequential mechanism of social motivation–parasocial relationship (PSR) –AI content adoption to explain generative artificial intelligence (GenAI) adoption in digital and intelligent environments, and further examines the moderating role of AI literacy. Structural equation modeling was conducted using survey data collected from 453 GenAI users in China to test the proposed framework. The results indicate that social motivation significantly enhances parasocial relationships, which subsequently exert a positive effect on AI content adoption. Moreover, parasocial relationships mediate the association between self-expression motivation and content adoption. Among the dimensions of AI literacy, understanding/uncertainty literacy, interaction/correction literacy, and governance/risk literacy significantly moderate the relationship between social motivation and PSR. These findings advance GenAI adoption research by incorporating a relational perspective and underscore, from a managerial standpoint, the strategic importance of user experience design that emphasizes explainability and correctability.

본 연구는 지방자치단체 경관 사전심의 단계에서 나타나는 판단 편차와 기준 해석의 모호성을 분석하고, AIHuman Hybrid 적용 가능성을 검토하는 데 목적을 둔다. 연구 대상은 수도권 중규모 지방자치단체의 신청 도서이며, 동일 조건에서 인간 전문가 13인의 FGI 결과와 생성형 인공지능(ChatGPT, Gemini)의 사전심의 의견을 비교하였다. 분석은 경관체크리스트 항목을 중심으로 개방-축-선택코딩 절차에 따라 수행되었다. 분석 결과, 사전심의 판단 구조는 가치형·기준형·혼합형으로 유형화되었으며, 인간 전문가는 경관 맥락과 공공성 등 질적 요소 중심의 가치형 구조를 보였고, ChatGPT는 기준 검토와 맥락 해석을 병행하는 혼합형 구조를 나타냈으며, Gemini는 기준 충족 여부와 자료 적합성에 집중하는 기준형 구조를 유지하였다. 이는 판단 차이가 결론 자체보다 판단 형성 방식과 논리 체계의 차이에서 비롯됨을 보여준다. 이에 본 연구는 경관 사전심의 과정을 기준 검토맥락 해석종합 판단의 세 단계로 재구조화하고, 단계별로 AI와 인간 전문가를 배치하는 Hybrid 운영 모형을 제시하였다.

This study analyzes judgment discrepancies and ambiguities in criteria interpretation within local governments’ preliminary landscape review processes and examines the applicability of an AIHuman Hybrid model. A mixed-use development proposal submitted to a mid-sized metropolitan local government served as the case. Under identical conditions, Focus Group Interview (FGI) results from 13 human experts were compared with responses generated by ChatGPT and Gemini through open, axial, and selective coding focused on evaluative reasoning and criterion interpretation. Three judgment types emerged: value-oriented, criteria-oriented, and hybrid. Human experts emphasized qualitative aspects such as landscape context and publicness; ChatGPT combined criteria verification with contextual interpretation; and Gemini focused on checklist compliance. These differences reflect variations in cognitive frameworks rather than conclusions. The study proposes a three-stage Hybrid framework—criteria verification, contextual interpretation, and comprehensive judgment—allocating AI systems and human experts accordingly.

본 연구는 산업디자인이 인간–GAI 협업 구조로 전환된 창작 환경을 전제로, 디자인보호법상 창작자성 판단기준의 재정립 필요성을 검토한 다. 비교법적 시각에서 미국 특허상표청(USPTO)의 “중대한 기여 (Significant Contribution) 및 이를 구체화한 Pannu Factors”, 미국 저작 권청(USCO)의 “인간 저작자성(The Human Authorship)”, 그리고 대한민 국 문화체육관광부와 한국저작권위원회가 제시한 “창작적 기여”에 대 한 판단기준에 대하여 각 법제의 규범 목적과 평가 기준에 비추어 비 교ㆍ분석하였다. 각 판단기준들은 GAI 활용 사실만으로 인간 창작 주 체성이 부정될 수 없으며, 창작의 주체는 인간이어야 한다는 원칙에서 공통점을 가진다. 또한 기여도(attribution) 입증을 중심으로 창작자 적 격을 판단하는 규범적 접점 역시 확인된다. 이에 시사점을 얻어, 본 연구는 디자인보호법상 디자인 창작자성의 판단기준을 도출하고자 하였다. 우선, 디자인보호법이 전제로 하는 창 작성과 창작비용이성은 저작권법상 창작성과 본질적으로 구별되며, 그 규범 목적이 다르기 때문에, 기여도 모델과 고지의무 설계에서도 GAI 활용 사실에 대한 법제 간 차이가 발생할 수밖에 없다. 다음으로, GAI 활용 과정에서의 중대한 기여(Significant Contribution) 요건과, 완성된 디자인의 요부(지배적 특징)를 착상하거나 그 착상을 구체화하는 단계에서의 실질적 기여(Substantial Contribution)는 판단 목적과 기준축이 본질적으로 구별되는 개념이다. 중대한 기여는 GAI를 도구로 활용한 인간이 디자인 창작자로 인정 되기 위한 최소 적격 문턱(entry threshold)을 설정하기 위한 과정 중심 기준이며, 실질적 기여는 완성된 디자인 결과물의 요부(지배적 특징)의 착상과 구체적 형성의 기원이 누구에게 귀속되는지를 규명하여, 등록 권리의 진정한 권리 주체를 확정하기 위한 결과물 중심 기준이다. 두 기준은 서로 다른 기여 평가의 층위에 대응하는 독립된 판단 구 조임을 확인하고, 인간과 GAI 협업 디자인에서 적법한 창작자성 인정 과 정당한 권리 귀속을 위해서는 과정 중심 심사와 결과물 중심 심사 가 단계적·보완적으로 종합 고려되는 규범적 정합성이 필요하다는 점을 제시하고자 하였다.

This study examines the necessity of re-establishing the criteria for determining authorship under design protection law, premised on an industrial design environment that has shifted toward human–GAI collaborative workflows. From a comparative legal perspective, the study analyzes the normative purposes and evaluative frameworks underlying the authorship standards articulated in: (1) the USPTO’s doctrine of “significant contribution,” including the factors specified in the Pannu guidance; (2) the U.S. Copyright Office’s principle of “human authorship” as an essential condition for copyrightability; and (3) the concept of “creative contribution” applied by the Korean Ministry of Culture, Sports and Tourism and the Korea Copyright Commission in the context of works incorporating GAI-generated components. These frameworks share the foundational principle that the mere use of GAI does not negate human authorship, and that authorship must ultimately originate from a natural person. A normative convergence is also observed in the central role assigned to evidentiary substantiation of contribution (attribution) when assessing eligibility for authorial or inventive status. Building on these insights, this study aims to derive refined criteria for assessing design authorship under design protection law. As a preliminary matter, the concept of creativity and the doctrine of non-obviousness—presumed by design law—are normatively and functionally distinct from the originality standard in copyright law, reflecting fundamentally different regulatory objectives. Consequently, attribution models and the architecture of disclosure obligations must inevitably diverge across legal regimes, as the mere fact of utilizing GAI cannot carry identical normative weight under systems governed by different statutory purposes and evaluative axes. This study further distinguishes between (i) the process-oriented requirement of Significant Contribution during human use of generative AI tools, and (ii) the outcome-oriented standard of Substantial Contribution at the stage of conceiving or concretizing the dominant features of a completed design. Significant Contribution functions as a procedural threshold for recognizing a natural person as a design author when GAI is employed as a tool. It evaluates the quality and decisional agency of human intervention in the design process itself, operating as an entry-level criterion for authorship eligibility. By contrast, Substantial Contribution functions as a conclusive, outcome-focused standard that identifies the origin of the design’s dominant, rule-defining characteristics and traces those characteristics to their true conceptual source, thereby determining the legitimate rights holder entitled to registration. Accordingly, the study proposes that these two standards operate on independent, analytically distinct axes: the former governing authorship eligibility in AI-assisted workflows, and the latter governing rights attribution for a finished design. It further argues that achieving normative coherence in human–GAI co-creative design requires a staged, complementary assessment structure in which process-based and outcome-based contribution review are considered sequentially and holistically, in order to ensure both lawful recognition of human authorship and equitable vesting of registration rights.

본 연구는 생성형 인공지능의 급속한 도입으로 인해 질적연구의 설계에서 자료 수집 및 분석, 해석 등에 이르기까지의 일련의 변화를 규명하고자 한다. 특히 연구 방법의 관점에서 인간–AI 협업 구조가 어떠한 방식으로 기술되고 있는지를 체계적 으로 분석하는 데 목적을 두었다. 이를 위해 해외에서 발표된 AI 기반 질적연구 사례 14편을 문헌 사례연구 방법으로 선정하여, 사례 내 분석과 사례 간 비교를 통해 협업 구조의 유형과 특징을 도출하였다. 사례 선정은 AI가 코딩, 요약, 패턴 식별 등 질적 분석에 실제로 개입했는지, 인간 연구자의 절차가 문헌에 명확히 기술되었는지, 협업 구조가 재현 가능한 방식으로 보고되었는지를 기준으로 진행 하였다. 분석 결과, 생성형 AI가 질적 분석 과정에 참여하는 방식은 여섯 가지 협업 유형으로 구조화되었다. 연구결과, AI는 질적연구의 효율성과 해석적 다양성을 확 장하는 잠재력을 보유하지만, 연구자는 여전히 최종 해석의 판단자이자 조정자로 서 중심적 역할을 수행하고 있었다. 또한 프롬프트 설계, 분석 절차의 투명성, AI 결과의 검증 가능성, 윤리 및 IRB 기술의 필요성 등은 향후 질적연구 방법론에서 표준화를 요구하는 것으로 지점으로 나타났다. 이런 맥락에서 본 연구는 인간-AI 협업 구조의 유형화를 통해, 생성형 AI 시대의 질적연구 방법 보고 기준을 마련하 는 데 기초적 근거를 제시한다.

This study investigates how generative artificial intelligence is being incorporated into qualitative research workflows and how human–AI collaboration is documented within methodological reporting. A literature-based case study approach was adopted, analyzing 14 international studies in which AI played an active role in coding, summarizing, or identifying patterns in qualitative data. The analysis identified six distinct collaboration types: (1) parallel coding, where human and AI independently analyze the same data; (2) triangulation, using AI to validate human interpretations; (3) prompt-controlled collaboration governed by researcher-designed analytic instructions; (4) iterative and cyclical interaction that refines interpretations across repeated human–AI feedback loops; (5) complementary role division between AI’s technical capabilities and human interpretive judgment; and (6) hybrid integration in which human and AI outputs are synthesized into a new interpretive product. Across all cases, AI expanded analytic efficiency and helped surface patterns that might be overlooked by human researchers. However, human researchers consistently retained epistemic authority as the final arbiters of interpretation, ensuring contextual depth and ethical judgment. These findings underscore that AI does not replace but rather reconfigures the interpretive labor of qualitative inquiry. By articulating six collaboration structures, this study offers a foundational framework for establishing future reporting standards for AI-supported qualitative research.