애니메이션 캐릭터 디자이너의 AIGC 생성 콘텐츠 기술 수용 행동 연구 : 확장된 TAM 을 기반으로 한 실증 분석- = Research on the Acceptance Behavior of Animation Character Designers toward AIGC-Generated Content Technology —An Empirical Analysis Based on an Extended TAM-

다국어 초록 (Multilingual Abstract)

In recent years, emerging technologies represented by AIGC (Artificial
Intelligence-Generated Content) have been rapidly reshaping the landscape of
animation creation; yet, within the core domain of character design—a pivotal
stage in animation production—many designers remain notably cautious, even
hesitant, toward embracing these tools. While they acknowledge AIGC’s potential
to significantly enhance workflow efficiency, they simultaneously harbor deep
concerns regarding possible job displacement, erosion of creative autonomy, and
entanglement in complex copyright disputes. This ambivalent
stance—characterized by a desire to leverage AI’s capabilities while fearing its
unintended consequences—has emerged as a critical bottleneck impeding the
broader intelligent transformation of the animation industry. To systematically
investigate this phenomenon, this study builds upon the well-established
Technology Acceptance Model (TAM), extending it into a more nuanced,
profession-specific framework tailored to the unique context of animation
character designers. Beyond retaining the foundational constructs of Perceived
Usefulness and Perceived Ease of Use, the proposed model innovatively integrates
four external variables: two facilitators—Personal Innovativeness and Social
Influence—and two inhibitors—Learning Cost and Professional Anxiety—thereby
capturing both the motivational drivers and practical barriers influencing adoption
decisions. Moreover, the study explicitly examines how Technological Literacy
and Years of Experience moderate the transition from attitudinal acceptance to
actual behavioral intention, recognizing that professional background shapes not
only initial perceptions but also the capacity to translate those perceptions into
practice. Empirically, the research was conducted between September and
October 2025, targeting professional animation character designers across mainland
China, with a final sample of 613 valid respondents drawn from major animation
hubs—including Beijing, Shanghai, Hangzhou, and Guangzhou—ensuring broad
representation across employment types (freelancers, studio-based designers, and
corporate art personnel) and experience levels (ranging from 1 to over 15 years).
Out of 680 questionnaires distributed online, 613 met rigorous validity
criteria—such as sufficient response time, logical consistency, and successful
attention checks—yielding an effective response rate of 90.15%. Adopting a
mixed-methods strategy prioritizing quantitative rigor while enriching findings
through qualitative depth, the study first employed Partial Least Squares
Structural Equation Modeling (PLS-SEM) to analyze large-scale survey data and
test hypothesized relationships; subsequently, semi-structured in-depth interviews
were conducted with 10 representative industry experts—including senior concept
artists, art directors, independent creators, and technical artists—to probe the
underlying motivations, real-world constraints, and institutional expectations
revealed by the quantitative patterns, thereby enabling triangulation and deeper
interpretive insight. The findings collectively indicate that AIGC adoption among
animation character designers is shaped by a confluence of interdependent
factors: Personal Innovativeness emerges as the most salient positive predictor,
with designers naturally inclined toward experimentation demonstrating markedly
more favorable attitudes; conversely, the dominant obstacle is not existential fear
of replacement, but rather the tangible Learning Cost associated with mastering
prompt engineering, fine-tuning model parameters, and reconfiguring established
workflows—an everyday burden that often outweighs theoretical benefits in
practice; notably, experienced professionals (with four or more years in the field)
and those possessing higher technological literacy do not resist change per se—in
fact, once convinced of AIGC’s utility, they exhibit stronger implementation
intentions than their less seasoned counterparts, suggesting that accumulated
expertise can serve as a strategic asset in navigating technological transitions;
finally, the prevailing caution observed across the cohort stems largely from the
absence of robust institutional safeguards, particularly the unresolved legal
ambiguities surrounding copyright ownership of AI-generated outputs and the
questionable legitimacy of training datasets, which collectively discourage
designers from deploying AIGC tools in commercial contexts where accountabil ty
and intellectual property rights are paramount. By illuminating the nuanced
decision-making logic of creative professionals confronting disruptive innovation,
this study not only advances theoretical understanding of technology adoption in
artistic domains but also delivers concrete, actionable guidance for
stakeholders—including AIGC tool developers, animation studios, and
policymakers—emphasizing the urgent need to lower usabil ty thresholds, establish
clear copyright frameworks, and strategically empower mid-career practitioners as
catalysts for sustainable human–AI collaboration in animation creation.

국문 초록 (Abstract)

최근 AIGC(Artificial Intelligence Generated Content)를 필두로 한 신기술이 애 니메이션 창작 방식을 급격하게 변화시키고 있다. 그러나 애니메이션 산업의 핵심 단계인 캐릭터 디자인 분야에서 상당수의 디자이너는 AIGC 도입에 대해 신중하거 나 주저하는 태도를 보인다. 이들은 AI를 통한 효율성 향상을 기대하면서도, 한편으 로는 직업적 대체에 대한 우려, 창작 주도권 상실, 저작권 분쟁 가능성 등으로 인해 불안을 느끼고 있다. 이러한 ‘사용 의도와 심리적 거부감’ 사이의 모순은 업계의 지 능화 전환을 가로막는 핵심 병목 현상이 되고 있다. 본 연구는 이러한 현상을 심층적으로 이해하기 위해 기술수용모델(Technology Acceptance Model)을 기반으로 애니메이션 캐릭터 디자이너의 직업적 특성을 반영 한 확장 모델을 구축하였다. 본 모델은 기존의 ‘지각된 유용성’과 ‘지각된 용이성’이 라는 두 가지 전통적 요인을 유지하면서, 긍정적 영향을 미치는 ‘개인적 혁신 성’(Personal Innovativeness)과 ‘사회적 영향(Social Influence)’, 부정적 영향을 미치 는 ‘학습 비용(Learning Cost)’과 ‘직업적 불안감(PA)’이라는 네 가지 외부 변수를 혁신적으로 도입하였다. 또한, ‘기술 활용 역량(Technical Literacy)’와 ‘ 직업 경력 (Career Years)’이 디자이너의 태도에서 실제 사용 의도로 이어지는 전환 과정에 어 떠한 조절 효과를 주는지 분석하였다. 연구 방법론 측면에서 본 연구는 2025년 9월부터 10월까지 중국 본토의 애니메 이션 캐릭터 디자인 전문가를 대상으로 실증 조사를 실시하였다. 베이징, 상하이, 항저우, 광저우 등 주요 애니메이션 산업 거점 지역의 프리랜서, 중소 스튜디오 디 자이너, 대형 애니메이션 및 게임사 미술 인력 등 613명의 유효 응답자를 확보하였 으며, 이들의 경력은 1년에서 15년 이상에 이르기까지 다양성을 확보하였다. 온라인 설문을 통해 총 680부의 답변을 수거하였으며, 응답 시간이 너무 짧거나 논리적 모 순이 있는 데이터를 제외한 최종 613부(유효 회수율 90.15%)를 분석에 활용하였다. 결론의 일반성과 심층성을 동시에 확보하기 위해 ‘양적 조사 후 질적 분석’의 혼합 연구 전략을 채택하였다. 우선 부분최소제곱 구조방정식 모델(PLS-SEM)을 사용하 여 경로 분석 및 가설 검증을 수행하였으며, 이후 양적 결과에서 나타난 주요 현상 (중립적 태도 유지, 학습 비용의 유의미한 영향 등)을 규명하기 위해 시니어 원화 가, 아트 디렉터, 독립 창작자, 기술 미술(Technical Artist) 전문가 등 업계 전문가 10인을 대상으로 반구조화된 심층 인터뷰를 진행하였다. 이러한 ‘양적 연구 중심, 질적 연구 보완’의 삼각 측량법을 통해 연구 결과의 보편적 적용성을 높이는 동시 에 데이터 이면에 숨겨진 실제 동기, 실무적 곤경 및 제도적 요구를 다각도로 고찰 하였다. 연구 결과, 디자이너의 AIGC 수용 의지는 복합적인 요인에 의해 결정되는 것으 로 나타났다. 가장 유의미한 긍정적 요인은 ‘개인적 혁신성’으로, 신기술 시도에 적 극적인 디자이너일수록 긍정적인 태도를 형성하였다. 반면, 가장 큰 장애 요인은 실 업에 대한 공포보다는 현실적인 ‘학습 비용’인 것으로 밝혀졌다. 즉, 프롬프트 작성, 파라미터 튜닝, 기존 워크플로우 수정 등에 소요되는 시간과 노력이 진입 장벽으로 작용하고 있었다. 또한, 경력 4년 이상의 숙련된 디자이너와 기술 활용 역량이 높은 집단은 변화에 저항하기보다 AIGC의 가치를 인식했을 때 신입 디자이너보다 더 높 은 실행력을 보였다. 이는 전문적 경험이 신기술 적응의 우위로 전환될 수 있음을 시사한다. 마지막으로, 디자이너들이 신중한 태도를 견지하는 주요 원인은 저작권 귀속 문제, 훈련 데이터의 법적 정당성 미비 등 제도적 보장 장치의 부재에 기인한 것으로 나타났다. 본 연구는 파괴적 기술을 마주한 창의적 노동자의 의사결정 로직을 이해하는 데 기여할 뿐만 아니라, AIGC 도구 개발자, 애니메이션 기업 및 정책 입안자들에게 구 체적인 시사점을 제공한다. 사용 문턱을 낮추고 저작권 확립 메커니즘을 구축하며 업계의 중추 인력을 지원할 때 비로소 애니메이션 창작 현장에서 AIGC의 건강한 도입과 인간-AI 협업의 선순환 구조를 실현할 수 있을 것이다. 핵심어: AIGC, 애니메이션 캐릭터 디자인, 기술수용모델(TAM), 학습 비용, 직 업적 불안감

목차 (Table of Contents)

• 목 차 i
• 표 목 차 iii
• 그림목차 iv
• 국문초록 v
• Ⅰ. 서 론 1
• 1. 연구의 필요성과 목적8
• 2. 연구 문제 15
• 3. 주요 용어의 정의18
• 4. 논문 구성 27
• II. 이론적 배경 및 선행연구 30
• 1. 이론적 배경 30
• 2. 선행 연구 38
• III.연구 방법 47
• 1. 연구 모델의 구축47
• 2. 연구 대상 및 자료 수집 방법 50
• 3. 측정 도구와 변수의 조작적 정의 53
• 4. 자료 통계 분석 방법 57
• 5. 연구 가설의 도출63
• 6. 연구 척도 제안 및 삼각 상호 검증법 연구 설계 설명72
• Ⅳ.분석 결과 76
• １.인구통계학적 특성 분석76
• ２.기술통계 및 정규분포 검증78
• 3. 측정 모델의 신뢰도 및 타당도 검증 78
• 4.경로 분석 및 가설 검정 결과 87
• 5. 전문가 인터뷰 결과 분석 91
• 6. 통합 분석 요약 93
• Ⅴ. 결론 및 시사점 96
• 1. 연구 결과 요약 96
• 2. 연구 시사점 97
• 3. 연구의 한계점 및 향후 연구 방향 103
• 참고문헌 116
• ABSTRACT 111
• 중문초록 125
• 부록 125