대학 교수 인공지능 리터러시 평가 척도 개발 및 검증

초록

**
본 연구는 대학 교수의 AI 활용 역량을 체계적으로 측정하기 위해 CTRL 프레임워크를 기반으로 3 × 4 구조(기능·평가·윤리 리터러시 × 일반·교육·연구·행정)로 설계된 FALCON‑AI 척도를 개발하고, 내용 타당화와 파일럿 조사(269명) 후 확인적 요인분석(CFA)을 통해 23문항으로 최종 축소하였다. 모델 적합도와 신뢰도 모두 우수하여, 교수 AI 리터러시를 실무에 적용 가능한 도구로 제공한다.

**

상세 분석

**
본 논문은 급변하는 고등교육 환경에서 교수들의 AI 활용 능력을 진단하고 향상시키기 위한 측정 도구의 부재를 지적하고, 이를 메우기 위해 체계적인 도구 개발 과정을 제시한다. 이론적 토대는 Critical Tech‑Resilient Literacies(CTRL) 프레임워크로, 기능(Function), 평가(Evaluative), 윤리(Ethical) 세 가지 리터러시를 정의하고, 이를 교수의 네 가지 업무 영역(일반, 교육, 연구, 행정)과 결합한 3 × 4 매트릭스를 설계한다. 초기 아이템 풀은 43문항으로, 각 리터러시와 업무 영역을 균등하게 배치해 역할‑임베디드 특성을 확보하였다. 내용 타당화 단계에서는 4명의 분야 전문가와 GPT‑4 기반 자동 리뷰어를 활용해 명료성·관련성·필요성을 평가, 4문항을 삭제하고 39문항으로 축소하였다. 파일럿 조사에서는 269명의 유효 응답을 확보하고, 확인적 요인분석(CFA)으로 이론적 구조를 검증하였다. 모델 적합도 지표(CFI = 0.96, RMSEA = 0.04 등)는 가설 구조를 충분히 뒷받침했으며, 항목 간 중복과 부담을 최소화하기 위해 단계적 삭제 과정을 거쳐 최종 23문항을 도출하였다. 신뢰도 분석에서 전체 척도와 각 차원 모두 Cronbach’s α > 0.88을 기록, 내부 일관성이 높음을 확인했다. 연구는 기존 AI 리터러시 척도가 일반인·학생·K‑12 교사 중심이었음에 반해, 교수 직무 특성을 반영한 도구를 제공함으로써 교육 정책·전문성 개발 프로그램의 전·후 평가에 활용 가능하도록 한다. 다만 표본이 미국·한국 일부 대학에 국한됐으며, 자기보고식 설문 특성상 사회적 바람직성 편향이 존재할 수 있다는 제한점도 제시한다. 향후 다문화·다기관 표본 확대와 행동 기반 측정 항목 추가가 필요하다.

**