디지털 자기효능감 기반 생성형 AI 활용 프레임워크

초록

본 연구는 대학 교원의 디지털 자기효능감이 생성형 인공지능(GAI) 수용에 미치는 영향을 탐색한다. 265명을 대상으로 한 설문조사에서 ‘몰입형’, ‘반성적 보류형’, ‘비판적 저항형’ 세 가지 사용자 프로파일을 도출하고, 디지털 자기효능감 3차원 척도를 검증하였다. 자기효능감 수준과 GAI 활용 양식 사이에 유의한 연관성을 발견했으며, 이를 바탕으로 네 가지 사회기술 구성과 맞춤형 지원 방안을 포함한 차별화된 사용 프레임워크를 제안한다.

상세 분석

이 논문은 밴두라의 사회인지 이론을 토대로 디지털 자기효능감이 교원의 기술 수용 행동을 어떻게 매개하는지를 정량·정성적으로 분석한다. 먼저, 디지털 자기효능감을 ‘기술적 과업 수행에 대한 자신감’, ‘문제 해결 능력’, ‘학습 전이 능력’이라는 세 차원으로 구분한 척도를 개발하고, 탐색적 요인분석과 확인적 요인분석을 통해 타당성을 확보하였다. 설문 응답자 265명은 학문 분야, 연령, 경력에서 다양성을 보였으며, 군집분석을 통해 세 가지 사용 프로파일을 식별하였다.

‘몰입형(Engaged)’ 집단은 높은 자기효능감 점수를 보이며, GAI를 강의 자료 생성, 연구 아이디어 발굴, 논문 초안 작성 등에 적극 활용한다. 이들은 기술에 대한 내재적 동기와 학습자 중심 교육에 대한 긍정적 태도를 동시에 가지고 있어, 사회기술적 구성 중 ‘협업형’(collaborative)과 ‘보조형’(assistive) 환경에 가장 적합한 것으로 해석된다.

‘반성적 보류형(Reflective Reserved)’은 중간 수준의 자기효능감을 보이며, GAI 활용에 신중한 태도를 취한다. 이들은 윤리적·법적 리스크를 강조하고, 교육·연구 과정에서 인간의 판단을 우선시한다. 따라서 ‘감시형’(monitoring)과 ‘제어형’(governance) 구성을 필요로 하며, 체계적인 교육 프로그램과 정책적 가이드라인이 핵심 지원 요소가 된다.

‘비판적 저항형(Critical Resisters)’은 낮은 자기효능감과 높은 위험 회피 성향을 보이며, GAI 사용을 거의 거부한다. 이들은 기술에 대한 불신과 학문적 정체성 위협을 주요 우려로 제시한다. 논문은 이 집단을 대상으로 ‘보호형’(protective) 구성과 ‘재교육형’(retraining) 지원을 제안함으로써, 점진적 자기효능감 향상을 목표로 한다.

연관성 검증에서는 다변량 로지스틱 회귀분석을 사용해 자기효능감 차원이 사용 프로파일을 예측하는 데 통계적으로 유의함을 확인하였다(p < .01). 또한, 구조방정식모델(SEM)을 통해 자기효능감 → 인지적 태도 → 행동 의도 → 실제 활용이라는 연쇄적 매개 경로를 제시, 이 과정에서 조직 문화와 정책 지원이 조절 변수로 작용함을 밝혀냈다.

프레임워크 제안 부분에서는 네 가지 사회기술 구성(협업형, 보조형, 감시형, 보호형)을 정의하고, 각 구성에 맞는 ‘접근 단계(awareness)’, ‘시범 단계(pilot)’, ‘확산 단계(scale‑up)’, ‘지속 단계(sustainability)’의 4단계 적응 궤적을 설계하였다. 맞춤형 지원 메커니즘으로는 (1) 디지털 자기효능감 향상을 위한 워크숍, (2) 윤리·법적 가이드라인 제공, (3) 멘토링·피어 네트워킹, (4) 기술 인프라와 데이터 거버넌스 지원을 제시한다. 이러한 다층적 접근은 단순 기술 도입을 넘어 교원의 정체성과 조직 문화에 뿌리내린 지속 가능한 AI 활용을 목표로 한다.

전체적으로 본 연구는 디지털 자기효능감을 개별 교원의 AI 수용 행동을 설명하는 핵심 변인으로 자리매김시키고, 이를 기반으로 차별화된 정책·지원 전략을 설계함으로써 고등교육 현장의 AI 통합을 체계화하는 데 기여한다.