Al Adoption for Collaboration: Factors Influencing Inclusive Learning Adoption in Higher Education

논문 정보

• 제목: Al Adoption for Collaboration: Factors Influencing Inclusive Learning Adoption in Higher Education
• 저자: IBRAHIM YOUSSEF ALYOUSSEFD 외 4명 (King Faisal University)
• 학회/저널: IEEE Access
• 발행일: 2025-05-07
• DOI: 10.1109/ACCESS.2025.3567656
• 주요 연구 내용: 기술 수용 모델(TAM)을 확장하여 '인식된 AI 출력 품질', '신뢰', '친숙도', '교육 서비스 품질', '참여 효능감' 등의 변수가 AI 기술 수용에 미치는 영향을 탐구함. 사우디아라비아의 King Faisal University 학생 443명을 대상으로 설문조사를 실시하고, 구조 방정식 모델링(SEM)을 통해 가설을 검증함.
• 주요 결과 및 결론: '인식된 사용 용이성'과 '인식된 유용성'이 '행동 의도'에, 그리고 '행동 의도'가 실제 'AI 채택'에 긍정적인 영향을 미치는 것을 확인함. 특히 '참여 효능감'이 사용 용이성과 유용성 인식에 큰 영향을 주었으나, 'AI 출력 품질'은 '유용성'에 유의미한 영향을 미치지 않음.
• 기여점: 고등 교육의 포용적, 협력적 학습 환경에서 AI 채택에 영향을 미치는 요인들을 실증적으로 분석함. 개발도상국 상황에서의 데이터를 제공하고, AI 기술의 효과적인 통합을 위한 실질적인 교육 전략을 제안하여 기존 TAM 연구를 확장함.

요약

초록

교육 분야에서 인공지능(AI) 기술 통합은 교수 및 학습 방식을 혁신할 잠재력으로 많은 주목을 받고 있다. 그럼에도 불구하고, 특히 포용적 학습 환경을 지원하기 위한 고등 교육에서의 AI 채택은 충분히 연구되지 않았다. 본 연구는 포용성 증진에 초점을 맞춰 대학생들의 협업을 위한 AI 채택에 영향을 미치는 요인들을 조사한다. King Faisal University 학생 443명으로부터 협력 학습에서의 AI 채택과 관련된 구성 요소를 측정하기 위해 설계된 설문조사를 통해 데이터를 수집했다. 기술 수용 모델(TAM)에 기반한 설문지는 교육용 AI 맥락에 맞게 조정되었으며, 구조 방정식 모델링(SEM)과 가설 검증을 통해 구성 요소 간의 관계를 평가했다. 연구 결과, '인식된 사용 용이성', '인식된 유용성', 'AI 사용 행동 의도'가 학생들의 AI 채택에 대한 중요한 예측 변수인 것으로 나타났다. 또한 AI에 대한 신뢰와 친숙도가 행동 의도의 핵심 동인으로 확인되었다. 그러나 AI 출력의 인식된 품질이 인식된 유용성에 영향을 미친다는 가설은 지지되지 않았는데, 이는 학생들이 AI 출력의 품질을 학문적 맥락에서의 유용성과 강하게 연결하지 않을 수 있음을 시사한다.

서론

다양한 분야에서 AI의 보급이 확대되면서 교육 분야도 예외는 아니다. AI 기술은 기계 학습과 데이터 분석의 발전을 통해 개인화된 학습 경험을 제공하고 다양한 학습자를 지원하며 교육 절차를 향상시킬 새로운 가능성을 제시한다. 특히 다양한 배경, 능력, 학습 스타일을 가진 학생들을 통합하는 포용적 학습은 현대 교육의 핵심 원칙이 되었으며, AI는 이를 촉진하는 중요한 도구로 주목받고 있다. 하지만 고등 교육 환경에서 협업 및 포용적 학습을 위한 AI 채택에 영향을 미치는 심리적, 맥락적 요인에 대한 실증적 연구는 부족한 실정이다. 본 연구는 이러한 연구 격차를 해소하기 위해 기술 수용 모델(TAM)을 기반으로 한 이론적 모델을 제안하고 검증하고자 한다.

배경

본 연구는 기술 수용 모델(Technology Acceptance Model, TAM)을 이론적 기반으로 삼는다. TAM은 사용자가 새로운 기술을 수용하는 과정을 설명하는 모델로, '인식된 유용성(Perceived Usefulness, PU)'과 '인식된 사용 용이성(Perceived Ease of Use, PEOU)'이 사용자의 '행동 의도(Behavioral Intention, BI)'에 영향을 미치고, 이는 다시 실제 '기술 사용(Actual Use)'으로 이어진다고 설명한다. 본 연구에서는 이 기본 모델을 교육용 AI 환경에 맞게 확장하여, AI 출력의 품질, 신뢰, 친숙도 등 AI 고유의 특성과 관련된 변수들을 추가로 탐색했다.

모델 아키텍처 / 방법론

• 핵심 구조/방법: 본 연구는 기술 수용 모델(TAM)을 기반으로 확장된 연구 모델을 제안했다. 논문의 Figure 1은 제안된 연구 모델을 시각적으로 보여준다. 이 모델은 외부 변수들(AI 출력 품질, 신뢰, 친숙도 등)이 TAM의 핵심 변수인 '인식된 사용 용이성(PEOU)'과 '인식된 유용성(PU)'에 미치는 영향을 분석하고, 이 두 변수가 다시 '사용 행동 의도(BAI)'를 거쳐 최종적으로 '협업을 위한 AI 채택(AIAC)'에 이르는 경로를 설정했다.
• 주요 구성 요소:
  • 외부 변수: 인식된 AI 출력 품질(PQAI), 인식된 AI 출력 신뢰(PTAI), AI 사용 친숙도(FAI), 교육 서비스 품질(QES), 참여 효능감(EE)
  • TAM 핵심 변수: 인식된 사용 용이성(PEOU), 인식된 유용성(PU)
  • 종속 변수: 사용 행동 의도(BAI), 협업을 위한 AI 채택(AIAC)
• 알고리즘: 수집된 데이터는 SmartPLS 소프트웨어를 사용하여 부분 최소 제곱 구조 방정식 모델링(PLS-SEM)으로 분석되었다. 2단계 접근법을 채택하여 먼저 측정 모델의 신뢰도와 타당성을 평가하고, 그 다음 구조 모델을 분석하여 연구 가설을 검증했다.

실험 결과

• 주요 데이터셋: 사우디아라비아 King Faisal University의 학부 및 대학원생 443명으로부터 수집된 설문 데이터를 사용했다.
• 핵심 성능 지표: 가설 검증을 위해 경로 계수($\beta$), t-통계량, p-값을 사용했다. 주요 결과는 다음과 같다.
  • 참여 효능감(EE)은 사용 용이성(PEOU)과 유용성(PU)에 강한 긍정적 영향을 미쳤다 (H9: $\beta=0.540$, $p<0.001$; H10: $\beta=0.400$, $p<0.001$).
  • 사용 용이성(PEOU)과 유용성(PU)은 행동 의도(BAI)에 유의미한 긍정적 영향을 주었다 (H12: $\beta=0.430$, $p<0.001$; H13: $\beta=0.440$, $p<0.001$).
  • 행동 의도(BAI)는 협업을 위한 AI 채택(AIAC)에 매우 강한 긍정적 영향을 미쳤다 (H14: $\beta=0.740$, $p<0.001$).
• 비교 결과:
  • AI 출력 품질(PQAI)은 사용 용이성(PEOU)에는 긍정적 영향을 미쳤지만(H1: $\beta=0.180$, $p<0.001$), 유용성(PU)에는 유의미한 영향을 미치지 않았다(H2: $\beta=0.070$, $p=0.240$). 이는 학생들이 AI 결과물의 기술적 품질 자체보다는 실제 학습 과제와의 관련성이나 참여도를 더 중요하게 여길 수 있음을 시사한다.
  • AI에 대한 신뢰(PTAI)와 친숙도(FAI)는 사용 용이성이나 유용성에 직접적인 영향을 주지 않는 것으로 나타나, 이들 변수가 AI 채택에 미치는 영향이 예상보다 복잡할 수 있음을 보여준다.

결론

본 연구는 고등 교육 환경에서 협력적이고 포용적인 학습을 위해 AI를 채택하는 데 있어 기술 수용 모델(TAM)의 핵심 요소들이 여전히 중요함을 재확인했다. 특히 학생들의 '참여 효능감'이 AI 기술을 쉽고 유용하게 인식하는 데 결정적인 역할을 한다는 점을 발견했다. 반면, AI 출력의 기술적 품질이 유용성 인식으로 직결되지 않는다는 결과는 교육용 AI 개발 및 도입 시 기술적 성능뿐만 아니라, 실제 학습 맥락과의 연계 및 사용자 경험을 신중하게 고려해야 함을 시사한다. 향후 연구에서는 다양한 교육 환경과 문화권의 학생들을 대상으로 샘플을 확대하고, 실제 AI 사용 데이터를 결합한 혼합 연구 방법론을 통해 보다 심층적인 분석이 필요하다.