모듈형 AI 교육과정 개발을 위한 통합 프레임워크 연구 : 음악 전공 학습자의 AI 리터러시·창의·윤리 역량을 중심으로 = A Study on an Integrated Framework for Modular AI Curriculum Development: Focusing on AI Literacy, Creativity, and Ethics Competencies of Music Majors

다국어 초록 (Multilingual Abstract)

This study proposes a comprehensive modular curriculum framework for AI-based creative education designed for learners majoring in cultural and creative content fields. The research responds to the rapid proliferation of generative artificial intelligence (Generative AI) and the fundamental transformations it is producing across the cultural, artistic, and media industries. With the emergence of multimodal AI models capable of generating text, images, music, video, and animation, the traditional creative workflow in higher arts and content education has been reshaped at a structural level. As these technologies increasingly intervene in ideation, composition, drafting, editing, and production processes, students in cultural content programs face a new set of learning demands that extend far beyond tool proficiency. They are now required to cultivate AI literacy, critical judgment, creative problem-solving, aesthetic direction, and ethical responsibility in order to act not merely as users of AI systems but as autonomous creative agents in AI-mediated environments.
Traditional curricula within arts and cultural content programs are no longer adequate for preparing learners for this emerging landscape. Existing instructional models often rely on fragmented or tool-centric approaches that focus on operational skills or isolated creative tasks. Such approaches are insufficient because generative AI introduces new layers of complexity—conceptual, procedural, ethical, and philosophical. Learners must understand how generative models operate, recognize the limitations and biases inherent in AI outputs, and make informed decisions when integrating AI-generated material into their creative process. Furthermore, issues such as copyright infringement, style mimicry, cultural bias, and the opacity of training data add additional demands that are rarely addressed systematically in conventional content education. To overcome these limitations, this study proposes a design-driven framework that restructures AI education around the essential competencies needed in contemporary and future creative practice.
The objectives of this study are threefold. First, it identifies the core competencies required for creative practitioners in the age of generative AI and organizes them into an integrated learning structure that encompasses AI literacy, creativity, ethics, and responsibility. Second, it develops an eight-module curriculum (M1–M8) that addresses the full cycle of AI-based creation—ranging from understanding AI mechanisms and prompting strategies to multimodal generation, collaborative project work with AI, ethical and legal considerations, and future-oriented creative expansion. While music majors serve as the primary learner profile due to their direct exposure to AI-mediated compositional processes, the curriculum is designed to be transferable across various cultural content domains including video, design, animation, and media art. Third, the study adopts a Design-Based Research (DBR) approach to generate a curriculum model that is theoretically grounded, adaptable, and applicable to real educational contexts.
Rather than conducting statistical analyses or performance effectiveness tests, the study focuses on the structural design of the curriculum through iterative processes characteristic of DBR. The methodology consists of (1) analyzing the operational and generative characteristics of contemporary AI systems, (2) identifying the pedagogical needs of cultural content disciplines, (3) extracting design principles from literature and practice, (4) constructing the modular curriculum, and (5) evaluating its potential for cross-disciplinary implementation. By selecting music majors as a primary case—given the rising prevalence of AI-generated melodies, harmonic progressions, timbres, and synthesized voices—the study ensures that the curriculum addresses the practical challenges learners encounter in real creative workflows. Simultaneously, by validating its applicability to visual media, interactive design, and animation fields, the framework maintains both specificity and generalizability.
The eight modules (M1–M8) developed in this study form a coherent and progressive pathway.
M1 focuses on foundational AI literacy, including generative mechanisms, data structures, model behavior, and output interpretation.
M2 examines prompting strategies, parameter control, and human–AI communication design.
M3–M5 engage students in hands-on multimodal creation, covering text, music, image, and video generation.
M6 presents human–AI collaborative creative production, emphasizing decision-making, editing, curation, and integration across media types.
M7 centers on ethical, legal, and responsible use, addressing copyright, likeness rights, bias, data transparency, and risk assessment.
M8 explores future creative ecosystems, helping students map emerging creative roles, anticipate technological change, and develop personal creative identities and long-term roadmaps.
Collectively, these modules enable learners to experience the full creative lifecycle with AI—understanding, generating, analyzing, collaborating, evaluating, and envisioning—while cultivating the human-centered capacities that remain irreplaceable in AI-augmented creative practice.
One of the most significant contributions of this study is the articulation of a creator development model tailored to AI-mediated creative environments. The model highlights the central role of human judgment—particularly aesthetic sensibility, cultural interpretation, emotional nuance, and ethical awareness—in determining the artistic value of works produced with AI. While generative systems can produce vast quantities of plausible creative material, such outputs lack the intentionality, narrative coherence, and contextual understanding inherent to human creativity. Students must therefore learn not only how to generate content with AI but how to critically evaluate, refine, and transform AI outputs in ways that align with artistic goals. The curriculum’s modular structure supports these developmental processes, enabling learners to internalize core creative competencies that will remain essential regardless of advances in AI technology.
The study also offers substantial societal and industrial implications. As generative AI becomes more deeply embedded in creative industries, issues such as unauthorized style imitation, unintentional plagiarism, the reproduction of cultural stereotypes, the misuse of synthetic voices or images, and the opaque origins of training data are expected to intensify. The ethical and legal considerations addressed in Module 7 provide a foundational framework through which learners can navigate these complex challenges. Additionally, Module 8 equips students to interpret emerging changes in creative job markets—including roles such as AI collaboration director, multimodal creative producer, narrative systems designer, and synthetic media curator—thereby bridging education with the evolving needs of the content industry.
In conclusion, this study presents a structured and future-ready AI modular curriculum framework that redefines how cultural content students should be prepared for the generative AI era. By moving beyond skill-based or tool-oriented instruction, the curriculum integrates critical thinking, ethical awareness, creative direction, multimodal experimentation, and future strategic planning into a cohesive learning experience. The framework offers scalable value for interdisciplinary education, project-based learning, and institutional curriculum reform across arts, media, design, and creativity-centered programs.
Moreover, the curriculum serves as a foundation for future empirical studies, including learner performance analysis, project-based assessment, behavioral tracking during human–AI collaboration, and validation of creative outcomes. Ultimately, the proposed framework contributes not only to academic scholarship but also to the practical evolution of cultural content education—empowering future artists, designers, producers, and creators to maintain human originality and responsibility while expanding their creative possibilities through AI. The study asserts that AI does not diminish human creativity; rather, it provides fertile ground for reimagining creative identities and building new artistic paradigms. This extended abstract thus encapsulates the theoretical grounding, curricular design, and broader educational significance of the proposed modular AI curriculum, offering a robust foundation for further development and implementation within contemporary art and cultural content education.

국문 초록 (Abstract)

본 연구는 급속도로 확산되는 생성형 인공지능(Generative AI)의 기술적 발전과 이에 따른 문화콘텐츠 산업 및 예술교육 환경의 근본적 변화에 대응하여, 문화콘텐츠 전공 학습자에게 요구되는 필수 역량을 재정의하고 이를 종합적으로 교육할 수 있는 모듈형 AI 교육과정(Modular Curriculum) 설계 프레임워크를 제안하는 데 목적이 있다. 최근 텍스트·이미지·음악·영상 등 멀티모달 생성 모델의 발전은 예술·미디어·디자인·음악 창작의 전 과정을 구조적으로 재편하고 있으며, 이는 기존 창작 교육 패러다임으로는 해결하기 어려운 새로운 학습 요구를 발생시키고 있다. 문화콘텐츠 전공 학생들은 AI 기술 자체를 이해하는 수준을 넘어, 생성형 AI가 제공하는 자동화된 창작 과정의 의미를 비판적으로 해석하고, AI가 생성한 결과물을 조정·편집·보완하는 창작적 판단 능력, 그리고 기술적 사용에 수반되는 윤리·법적 책임을 숙지해야 하는 상황에 놓여 있다. 그러나 기존의 예술·콘텐츠 교육은 이러한 변화 속도를 따라가기 어렵고, 결과적으로 “도구 활용 교육” 수준에 머무르는 한계가 있었다. 본 연구는 이러한 문제의식에서 출발하여, 실제 창작 현장에서 요구되는 복합적 역량을 바탕으로 AI 교육의 핵심 범주를 재정의하고, 학습자가 단계적으로 역량을 축적할 수 있는 구조적 모듈을 설계하는 데 초점을 두었다.
본 연구의 목적은 크게 세 가지로 구체화된다. 첫째, 생성형 AI가 문화콘텐츠 제작 과정에 미치는 영향과 그로 인해 새롭게 등장하는 교육적 요구를 분석하고, 이를 기반으로 AI 리터러시(AI Literacy), 창의( Creativity), 윤리(Ethics), 책임성(Responsibility)의 통합적 학습 틀을 구성하는 것이다. 둘째, 음악 전공을 핵심 사례로 삼되, 텍스트·이미지·영상·애니메이션 등 문화콘텐츠 전반에 적용 가능한 8개 모듈의 교육과정(M1~M8)을 설계하여, 다양한 창작 패턴과 실습 구조를 포함한 체계적인 학습 경험을 제공하는 것이다. 셋째, 실증 연구가 아닌 설계 기반 연구(Design-based Research)의 관점에서, 실제 교육 현장에서 운영 가능한 재구조화 가능한 교육 모델(Reconfigurable Curriculum Framework)을 제시함으로써, 향후 대학·기관·교육현장에서 적용·확장할 수 있는 기초 틀을 마련하는 것이다.
연구 방법은 정량 실험이나 학습자 데이터를 기반으로 한 통계적 분석이 아니라, 설계 기반 연구(DBR)의 특징을 반영하여 진행되었다. DBR은 기술 변화 속에서 교육 실천의 문제를 해결하고자 할 때, 현장 분석·문제 정의·프레임워크 설계·개발·개선의 순환 과정을 반복하는 접근법이다. 본 연구에서는 크게 (1) AI 기술의 구조적 특성 분석, (2) 문화콘텐츠 전공의 창작 과정 및 교육 요구 분석, (3) 이론 기반 교육 설계 원리 도출, (4) 8개 모듈 구성 및 단계별 설계, (5) 전공별 적용 가능성 및 교육적 의의 검토의 단계를 통해 교육과정을 개발하였다. 특히 음악 전공 학생을 주요 학습자로 설정하여, AI 기반 작곡·보컬 합성·사운드 디자인과 같은 실제적인 생성 사례를 분석하였으며, 동시에 영상·디자인·애니메이션 등 타 전공 영역에서의 적용성을 평가하여 보편성과 전공 특이성을 동시에 확보하였다.
본 연구에서 설계한 8개 모듈(M1~M8)은 다음과 같다.
M1은 AI의 원리·작동 방식과 생성 패턴을 이해하는 기초 리터러시 교육, M2는 프롬프트 설계 능력과 세부 조건 조정 능력을 포함한 도구 활용 전략, M3~M5는 텍스트·음악·이미지·영상 생성이라는 멀티모달 창작 실습, M6는 인간–AI 협업 기반 프로젝트 제작, M7은 윤리·저작권·책임성 기반 위험 관리 교육, M8은 미래 창작 환경 예측과 창작자 정체성·전략 구축으로 구성된다.
모듈 구조는 난이도·학습 수준·전공 요구에 따라 조정 가능하며, 각 모듈이 독립적으로 존재하면서도 전체적으로는 “이해 → 생성 → 분석 → 협업 → 윤리 → 미래 확장”이라는 통합적 학습 경로를 형성한다. 이는 기존 AI 교육이 단편적 도구 교육에 머물렀던 한계를 보완하고, AI 기반 창작 전주기(full-cycle)을 아우르는 체계적 커리큘럼을 제공한다는 점에서 교육적 의미가 크다.
본 연구의 주요 결과는 단순한 커리큘럼 설계에 머물지 않고, AI 기반 창작 환경에서 학습자가 어떤 방식으로 성장해야 하는지에 대한 창작자 성장 모델(Creator Development Model)을 제안한다는 데 있다. 학습자는 AI의 편리함에 의존하는 것이 아니라, AI가 만들어낸 결과물의 한계—패턴 기반 생성의 반복성, 맥락적 이해 부족, 시각·음향 오류, 윤리적 위험—을 분석하고, 이를 창작자의 시각에서 비판적·창의적으로 수정하는 능력을 갖추어야 한다. 본 연구에서 제시한 모듈 구조는 이러한 능력을 단계적으로 내면화할 수 있도록 설계되어 있으며, 이는 AI 기술이 계속 발전하더라도 변하지 않는 핵심 창작 역량(Human Core Competence)을 유지하게 하는 데 초점을 둔다.
또한 본 연구는 교육적 측면 뿐 아니라 사회적·산업적 의의를 동시에 갖는다. AI 시대의 창작 생태계에서는 무분별한 생성물 생산, 스타일 모방, 문화적 편향 재생산, 저작권·초상권 침해 등이 실제로 발생하고 있으며, 이는 향후 더 복잡한 형태로 확장될 가능성이 크다. 따라서 본 연구에서 제안한 윤리·책임성 기반 교육 모듈(M7)은 미래 콘텐츠 교육에서 핵심적인 기초가 될 것이다. 또한 미래 창작 확장(M8) 모듈은 학생들이 급변하는 콘텐츠 산업에서 능동적으로 자신의 역할을 재정의하고, AI 시대에 요구되는 새로운 직군을 탐색할 수 있게 해줌으로써, 교육과 진로·산업 간의 연결성을 강화한다.
결론적으로 본 연구는 생성형 AI 시대의 문화콘텐츠 교육이 나아가야 할 종합적 방향을 제시하며, 기술 중심 교육을 넘어 비판적 사고·창작 능력·윤리 판단·전공 기반 확장 역량을 통합적으로 강화하는 새로운 교육 패러다임을 구체화하였다. 본 연구의 모듈형 프레임워크는 학제 간 융합 교육, 실습 기반 프로젝트 교육, 대학·기관·해외 현장 적용 가능성이 높으며, 향후 실증적 연구(학습자 반응 분석, 산출물 평가, 학습 효과 검증 등)를 통해 더욱 고도화될 수 있다. 본 연구가 제시한 AI 교육 프레임워크는 문화콘텐츠 창작 교육의 새로운 기초 틀을 제공함과 동시에, 미래 예술가·창작자·기획자가 AI 시대에도 고유한 창의성과 책임성을 발휘할 수 있도록 돕는 중요한 교육적 기여로 평가될 수 있다.

목차 (Table of Contents)

• Ⅰ. 서론 9
• 1. 연구의 배경 및 목적 9
• 2. 연구 목적 13
• 3. 연구 범위 및 의의 17
• Ⅱ. 이론적 배경 19
• 1. 문화콘텐츠 전공과 AI 기술 도입 변화 19
• 2. AI 리터러시의 개념과 교육적 의미 21
• 2.1 AI 리터러시의 핵심 구성 요소 22
• 2.2 AI 리터러시의 중요성 23
• 2.3 생성형 AI 시대의 창작 개념 변화 23
• 2.4 AI 윤리와 콘텐츠 교육에서의 쟁점 25
• 2.4.1 AI 저작권과 창작물의 소유권 문제 25
• 2.4.2 데이터 편향과 사회적 위험 26
• 2.4.3 목소리·이미지·스타일 도용 문제 26
• 2.4.4 책임 주체의 문제 27
• 2.4.5 교육적 시사점 27
• 2.5 모듈형 교육과정의 개념과 적용 가능성 27
• 2.6 소결 29
• 3. 연구 방법 및 절차 31
• 3.1 연구 설계 31
• 3.2 연구 대상 및 범위 32
• 3.2.1 1차 설계 대학 : 음악 전공 학습자 33
• 3.2.2 2차 확장 대상 : 문화 콘텐츠 전공 전체 33
• 3.2.3 연구 범위 34
• 3.2.4 연구 결과물의 적용 범위 35
• 3.3 모듈형 AI 교육과정 개발 절차 35
• 3.4 효과성 검증과 평가 도구 설계 39
• 3.4.1 AI 리터러시 평가 도구 설계 41
• 3.4.2 창의성 평가 도구 41
• 3.4.3 AI 윤리·저작권 판단 평가 도구 42
• 3.4.4 AI 사용 로그 분석 42
• 3.4.5 학습 경험 평가 설계 43
• 4. 교육과정 개발 46
• 4.1 통합 역량 구조 46
• 4.2 모듈 구성 체계 50
• 4.3 모듈별 상세 설계 56
• 4.3.1 M1: AI 리터러시 기초 모듈 56
• 4.3.2 M2: 생성형 AI도구 및 프롬프트 설계 모듈 64
• 4.3.3 M3: 텍스트, 가사 생성 모듈 70
• 4.3.4 M4: 음악, 사운드 생성 모듈 78
• 4.3.5 M5: 이미지, 영상 생성 모듈 85
• 4.3.6 M6: 인간-AI 협업 창작 프로젝트 모듈 92
• 4.3.7 M7: AI 윤리·저작권·책임성 모듈 98
• 4.3.8 M8: 텍스트, 가사 생성 모듈 105
• Ⅲ. 결론 113
• 참고문헌 117
• Abstract 119