생성형 AI 사용의 성과 영향 요인 분석: 인지 부하 이론과 메타인지적 자기조절을 중심으로 = Factors Influencing the Performance of Generative AI Use: A Cognitive Load Theory and Metacognitive Self-regulation Perspective

다국어 초록 (Multilingual Abstract)

Drawing on Cognitive Load Theory and Self-regulation Theory, this study proposes a structural equation model that explains the factors and underlying mechanisms influencing performance in complex problem-solving tasks involving generative AI (GAI). Specifically, nine independent variables were classified into three cognitive load categories—Intrinsic, Extraneous, Germane. The variables contents creation, information restructuring, and information integration were hypothesized to reduce intrinsic cognitive load; the variables multimodality, context continuity, and human-likeness were expected to reduce extraneous cognitive load; and the variables knowledge conversion, critical thinking, and creative thinking were hypothesized to enhance germane cognitive load. In addition, low intrinsic cognitive load, low extraneous cognitive load, and high germane cognitive load were hypothesized to influence complex problem-solving performance, with these relationships moderated by variable metacognitive self-regulation.

A total of 331 valid responses were collected and analyzed using SmartPLS 4.0. The structural model evaluation showed that all independent variables had significant positive effects on their respective mediators. All hypothesized paths were supported, confirming the proposed cognitive pathways in the model. Furthermore, the paths from all three mediators (intrinsic cognitive load, extraneous cognitive load, and germane cognitive load) to performance were statistically significant, supporting the hypothesized cognitive mechanism that enhances user outcomes in complex problem-solving. The moderation analysis further revealed that metacognitive self-regulation significantly strengthened the effects of all three paths.

This study theoretically contributes by identifying the characteristics of GAI tools and demonstrating distinct cognitive pathways that influence performance in problem-solving situations. Practically, the findings offer valuable implications for designing task work flows utilizing GAI and developing GAI training programs managing cognitive load.

목차 (Table of Contents)

• I. 서론 1
• 1. 연구배경 1
• 2. 연구 목적 4
• II. 이론적 배경 6
• 1. 인지 부하 이론 6
• 1) 인지 부하 이론의 개념 6
• 2) 인지 부하가 성과에 미치는 영향에 대한 연구 8
• 2. 생성형 AI의 개념 및 특성 12
• 1) 생성형 AI 개념 및 특성에 대한 연구 12
• 2) 인지 부하에 영향을 미치는 생성형 AI 특성 15
• 3. 생성형 AI와 성과 24
• 1) 생성형 AI 활용 성과에 대한 심리적 기제에 따른 분류 24
• 2) 생성형 AI 활용 성과의 유형에 따른 분류 28
• 4. 메타인지적 자기조절 전략 32
• 1) 자기조절 학습 이론과 메타인지적 자기조절 전략 32
• 2) 자기조절 능력과 성과의 관계에 대한 연구 34
• III. 연구 가설 및 모형 38
• 1. 연구 모형 38
• 2. 연구 가설 도출 39
• 1) 내재적 인지 부하에 대한 가설 39
• 2) 외재적 인지 부하에 대한 가설 41
• 3) 정교화 인지 부하에 대한 가설 43
• 4) 인지 부하와 성과에 대한 가설 45
• 5) 메타인지적 자기조절 전략의 조절 효과 49
• IV. 연구 방법 52
• 1. 측정 도구 개발 및 설문 구성 52
• 1) 변수의 측정 항목과 조작적 정의 52
• 2) 통제 변수의 측정 항목 60
• 3) 설문지의 구성 62
• 2. 자료 수집 및 분석 방법 63
• 1) 자료 수집 절차 63
• 2) 분석 도구 63
• 3) 분석 절차 64
• V. 연구 결과 66
• 1. 표본의 특성 66
• 2. 측정모형 분석 69
• 1) 신뢰도(Reliability) 및 타당도(Validity) 검증 69
• 2) 공통방법편의(Common Method Bias, CMB) 검증 74
• 3. 구조모형 분석 74
• 1) 직접효과 검증 74
• 2) 조절효과 검증 76
• 3) 통제변수의 영향 78
• VI. 결론 80
• 1. 연구 결과 요약 및 논의 80
• 2. 연구의 시사점 82
• 1) 이론적 기여점 82
• 2) 실무적 시사점 84
• 3. 연구의 한계점 및 향후 연구 제언 85
• [참고문헌] 87
• [Abstract] 97
• [부록] 설문지 99