교육·상담 챗봇의 경험 표현 방식에 따른 사용자 만족도와 불안감의 차이 분석 = Analysis of Differences in User Satisfaction and Anxiety Across Experience Expression Strategies in Educational Counseling Chatbots

국문 초록 (Abstract)

오늘날 대규모 언어 모델을 기반으로 하는 대화형 인공지능 챗봇은 교육 및 상담 분야에서 개인화된 고관여 서비스를 제공하는 핵심 도구로 빠르게 부상하고 있다. 특히, 진로 교육·상담과 같이 사용자의 민감한 정보와 심층적인 감정적 교류가 필수적인 맥락에서, 챗봇이 사용자에게 신뢰와 안정감을 주고 효과적으로 기능하기 위해서는 인간과 유사한 사회적 상호작용 능력, 즉 의인화 전략이 요구된다. 의인화의 핵심 전략 중 하나인 자기노출은 챗봇과의 친밀감과 호감도를 높이는 긍정적 효과가 있는 것으로 알려져 있으나, 동시에 그 수준이 과도할 경우 심리적 거부감을 유발하는 양면성을 가진다. 본 연구는 챗봇 의인화의 부정적 측면인 ‘불쾌한 골짜기(uncanny valley)’ 현상을 텍스트 기반 챗봇 대화 맥락으로 확장하고, 챗봇이 인간의 영역인 ‘경험’을 발화하는 방식에 따라 사용자의 반응이 어떻게 달라지는지를 실증적으로 규명하는 것을 목적으로 한다. 챗봇의 의인화 수준이 기대에 못 미쳐 대화의 품질이 저하될 때 발생하는 ‘언어적 불쾌감(linguistic uncanniness)’과, 챗봇이 너무 인간적으로 행동하여 통제 상실감과 불안을 유발하는 ‘마음의 불쾌한 골짜기(uncanny valley of mind)’ 사이에서 최적의 균형점을 탐색하고자 하였다. 이에 본 연구는 챗봇의 경험 표현 방식을 발화의 직접성 수준에 따라 경험없음형(A), 간접경험형(B), 직접경험형(C)의 세 가지 조건으로 조작하였다. 이러한 세 가지 경험 표현 방식이 사용자의 상호작용 만족도(언어적 불쾌감의 역해석) 및 챗봇에 대한 불안감(대체·통제 불안 및 학습 불안)에 미치는 영향을 비교 검증하고, 나아가 성별 및 MBTI 성격 유형과 같은 사용자 특성에 따라 이러한 효과가 다르게 나타나는 경계 조건을 탐색함으로써 맞춤형 챗봇 설계의 실무적 근거를 마련하고자 하였다. 그리고 챗봇의 경험 표현 방식에 따른 사용자 반응의 차이를 분석하기 위해 세 가지 경험 표현 방식을 실험 참여자가 모두 경험하도록 하는 반복측정 설계를 적용하였다. 실제 대규모 언어 모델 기반 챗봇의 응답 일관성을 확보하고 변인을 통제하기 위해 진로 교육·상담 맥락을 기반으로 사전에 설계된 시나리오를 사용하였다. 연구는 20대와 30대 일반인 336명을 대상으로 온라인 설문 플랫폼을 통해 진행되었으며, 모든 참여자가 무작위 순서로 세 가지 시나리오를 모두 경험하도록 하여 개인 간 오차를 통제하였다. 수집된 자료는 통계 소프트웨어 JASP(version 0.95.4)를 활용하여 분석하였다. 측정 도구는 상호작용 만족도를 측정하기 위한 Godspeed 척도를 단일 요인으로, 챗봇에 대한 불안감을 측정하기 위한 인공지능 불안감 척도를 대체·통제 불안 및 학습 불안의 2개 요인으로 재구조화하여 사용하였다. 주요 연구 분석은 반복측정 분산분석과 Bonferroni 사후 검정을 통해 검증되었으며, 성별 및 MBTI 성격 영역에 따른 반응 차이는 혼합 분산분석을 사용하여 탐색적으로 분석하였다. 연구 결과, 경험 표현 방식 따라 상호작용 만족도는 경험없음형(A) < 간접경험형(B) < 직접경험형(C) 순으로 유의하게 증가하였다(p<.001). 이는 의인화의 수준이 높아질수록 사용자의 친밀감과 호감도가 높아진다는 선행 연구를 지지한다. 특히 경험없음형(A)이 가장 낮은 만족도를 기록하며, 인간성이 배제된 기계적인 대화가 ‘언어적 불쾌감’을 유발하는 요인임을 확인하였다. 대체·통제 불안은 직접경험형(C)이 경험없음형(A)보다 유의하게 높게 나타나(p<.01), 챗봇이 인간의 경험을 직접 주장하는 과도한 의인화가 사용자에게 심리적 충돌과 정체성 불일치를 야기하는 ‘마음의 불쾌한 골짜기’ 현상을 유발했음을 실증적으로 확인하였다. 간접경험형(B)은 직접경험형(C)에 비해 만족도는 약간 낮았으나 불안감 수준을 효과적으로 통제하며, 만족도와 심리적 안정감 사이의 최적의 균형점으로 작용하는 것으로 나타났다. 이는 챗봇이 ‘데이터 기반의 유용한 도구'라는 기계적 정체성을 유지하면서도 공감을 제공하는 절충적 전략이 실무적으로 가장 효과적임을 시사한다. 추가 분석으로, 경험 표현 방식에 따른 반응 패턴은 성별 간 유의미한 상호작용 효과를 보이지 않았다. 그러나 대체·통제 불안은 여성이 남성보다 유의하게 높게 나타났으며, 학습 불안은 남성이 여성보다 유의하게 높게 나타나, 성별에 따른 챗봇에 대한 불안감의 양상이 다르게 나타남을 확인하였다. 또한, MBTI 네 가지 영역 중 외향형(E), 감각형(S) 집단에서 전반적인 불안감이 유의하게 높게 나타났다. 특히 외향형(E)은 비대면 상호작용에 대한 본질적인 거부감으로, 감각형(S)은 예측 불가능한 인공지능 시스템의 모호함에 대한 불확실성으로 인해 불안이 가중된 것으로 해석된다. 본 연구는 텍스트 기반 챗봇 환경에서 ‘경험 표현 방식’이라는 언어적 단서가 사용자의 심리적 만족도와 불안감에 미치는 상충적 영향을 정량적, 정성적으로 통합 분석하여 불쾌한 골짜기 현상이 충분히 발생할 수 있음을 입증하였다는 점에서 의의를 가진다. 연구 결과를 바탕으로, 교육·상담 챗봇 설계 및 운영에 대한 실무적 시사점은 다음과 같다. 첫째, 챗봇의 발화 전략은 인간의 영역을 직접 침범하는 직접경험 표현을 지양하고, 데이터 기반의 객관성을 유지하며 공감을 전달하는 간접경험 표현 전략을 채택하는 것이 사용자 만족도를 높이고 심리적 불안감을 최소화하는 데 효과적이다. 둘째, 사용자 특성 분석 결과를 바탕으로, 불안감 유형이 상이하게 나타나는 성별 및 성격 유형에 대한 차별화된 교육 및 서비스 전략이 필요하다. 예를 들어, 외향형 사용자에게는 대면 상담과의 연결을 보완적으로 제공하거나, 챗봇 인터페이스에 시각적·감정적 단서를 부착하여 사회적 맥락을 보강하는 등의 맞춤형 전략이 고려되어야 한다. 마지막으로, 챗봇 사용 숙련도가 중간 수준인 사용자 그룹에서 불안감이 가장 높게 나타나는 비선형적 경향이 관찰되었으므로, 이들을 대상으로 인공지능의 한계와 안전한 사용법에 대한 정보 및 리터러시 교육을 집중적으로 제공하여 불안 인지 단계를 안정적으로 관리해야 한다.
핵심어: 교육·상담 챗봇, 경험 표현 전략, 불쾌한 골짜기, 의인화, 발화의 직접성, 상호작용 만족도, 챗봇에 대한 불안감

목차 (Table of Contents)

• 제1장 서론
• 1. 연구의 배경 및 필요성
• 2. 연구의 목적
• 제2장 관련 연구
• 1. 챗봇의 자기노출
• 1.1. 자기노출의 개념과 효과
• 1.2. 챗봇의 자기노출 적용과 한계
• 2. 챗봇의 불쾌한 골짜기 현상
• 3. 텍스트 기반 챗봇에서 불쾌한 골짜기 현상의 유발 조건
• 제3장 연구 방법
• 1. 연구 설계
• 2. 연구 대상
• 3. 챗봇 시나리오 개발
• 3.1. 경험 표현의 방식
• 3.2. 시나리오 제작
• 3.3. 시나리오 검증
• 4. 측정 도구
• 5. 분석 방법
• 제4장 연구 결과
• 1. 조작 검증
• 2. 측정 도구의 타당성 및 신뢰성 검증
• 2.1. 상호작용 만족도의 타당성 및 신뢰성 검증
• 2.2. 챗봇에 대한 불안감의 타당성 및 신뢰성 검증
• 3. 챗봇 경험 표현 방식과 사용자 특성에 따른 반응 차이 분석
• 3.1. 경험 표현 방식이 상호작용 만족도와 챗봇에 대한 불안감에 미치는
• 영향
• 3.2. 성별에 따른 집단 간의 차이 분석
• 3.3. 성격에 따른 집단 간의 차이 분석
• 3.4. 챗봇 사용 숙련도에 따른 집단 간의 차이 분석
• 4. 심층 분석 및 정성 평가
• 4.1 챗봇 경험 유형별 정성적 반응 분석
• 4.2 정성 평가를 통해 도출된 주요 시사점
• 제5장 결론 및 제언
• 참고문헌
• 부록 챗봇 시나리오
• 부록 설문지
• 영문 초록