사회과 교사의 AI 역량이 AI 교육실행의도에 미치는 영향 : 교육결과기대의 매개효과 = The Effects of Social Studies Teachers’ AI Competencies on Behavioral Intention to Implement AI Education: The Mediating Role of Performance Expectancy of AI Education

국문 초록 (Abstract)

인공지능(Artificial Intelligence, 이하 AI) 기술 발전이 사회 시스템과 개인 생활의 변화를 초래할 것이라는 전망을 토대로, 미래 사회를 선도하는 AI 인재 양성을 위하여 세계 각국은 AI 교육 정책을 적극적으로 추진하고 있다. 국내의 여러 주체들 또한 AI 교육을 위하여 여러 정책적 노력을 기울이고 있으며, 이에 초·중등 교사들도 AI 교육의 중요성과 필요성을 인식하고 있다. 그러나 학교 현장의 교사들은 AI 교육의 운영에 많은 장벽을 경험하고 있으며, 업무 부담 및 관련 역량의 부족, 적절한 도구 및 교수 자료의 부재로 인하여 실천에 어려움을 호소하고 있다.
AI 교육은 인간의 지적 능력을 구현한 과학기술로서 AI의 개념과 원리를 학습하는 것부터 교과 교육에 관련 내용을 융합하고 AI 도구를 활용한 개인적·사회적 문제 해결을 포함하는 개념이다. AI의 원리 및 사회적 영향을 올바르게 이해하고 AI·디지털 역량을 갖춘 시민 양성이라는 목표를 위하여 중학교 이상의 학생들에게 다양한 교과 수업에서 AI 도구를 활용하는 교육을 실시하는 것이 적합하다고 여겨진다. 특히 사회과는 당면한 사회 현실의 문제를 직접 다루고 이를 통해 시민적 역량을 기르는 것을 목표로 하는 교과이기 때문에 AI 교육에 핵심적인 역할을 담당할 수 있다. 그러나 사회과는 상대적으로 디지털 기술 도입에 뒤처지는 교과라는 지적이 있었으며 AI 교육에서도 유사한 경향이 나타나고 있다. 따라서 사회과에서 교사들의 AI 교육실행의도에 영향을 미치는 요인과 변인 간 관계를 규명하여 교사 교육에의 시사점을 파악할 필요가 있다.
교사의 디지털 기술 채택은 Davis 외(1989)의 ‘기술수용모형(TAM)’ 이론을 통해 주로 설명된다. 이 이론은 사용자가 인식한 기술의 유용성 및 사용의 용이성이 기술수용의도에 영향을 미친다고 설명한다. 다수의 연구자들은 모형의 설명력을 높이기 위하여 다양한 변인과 경로를 추가하였으며 이론의 확장이 이루어졌다. 대표적으로는 Venkatesh 외(2003)의 ‘통합 기술수용모형(UTAUT)’이 있으며, 인지된 유용성과 용이성을 ‘성과 기대’, ‘노력 기대’로 명명하고 인구통계학적 특성을 조절 변인으로 설정하여 행동 의도가 기술사용행동에 미치는 영향을 검증하였다. 그러나 해당 이론들은 일반 사용자를 대상으로 하고 있기 때문에, 교사들의 기술 채택을 설명하기 위해서는 교육 분야의 고유한 맥락과 요인을 고려해야한다는 지적이 있었다.
교사의 기술 활용은 교과 수업의 목적 달성에 부합해야 하고, 실제 교수학습 과정에 기술이 통합되어야 하므로 지식에 기반한 전문적인 의사결정 과정이라고 할 수 있다. 기술 관련 교사의 역량은 ‘테크놀로지 내용 교수 지식(TPACK)’을 통해 주로 설명되어 왔으며, TAM 기반 연구에서 외생 변인으로써 인지된 유용성과 용이성에 선행하여 영향을 미치는 변인이다. Scherer와 Teo(2019), McGehee(2024)는 인지된 유용성(또는 성과 기대)을 교사의 디지털·AI 기술 수용에 있어 가장 큰 영향을 미치는 변인으로 제시하였으며, 교사의 역량 및 기타 변인의 선정에 연구 맥락에서의 타당성을 강조하였다. 이러한 연구 결과를 바탕으로 본 연구에서는 ‘현직 중등 사회과 교사’라는 표본의 특성에 따라, 교사의 기술 채택은 곧 현장에서의 수업 실천이라는 점을 고려하여 AI 기술 수용 의도를 ‘AI 교육실행의도’로 명명하고 종속변인으로 삼았다. 또한, AI에 대한 사회과 교사의 지식 및 역량을 독립변인으로 설정하고, 매개변인으로 인지된 유용성(성과기대)을 ‘AI 교육결과기대’로 명명하여 변수 간의 관계 및 매개효과를 검증하고자 하였다.
이를 위하여 현직 사회과 교사를 대상으로 온라인 플랫폼 등을 활용하여 설문조사를 실시하고 198부의 유효한 응답을 수집하였다. 수집된 자료는 SPSS 22.0 및 Hayes(2022)의 Process Macro Model 4를 활용하여 분석하였다. 분석 결과 독립변수인 사회과 교사의 AI 역량과 매개변인인 교육결과기대는 유의한 정(+)의 영향을 보였다. 독립변인 AI 역량과 매개변인 교육결과기대가 종속변인 AI 교육실행의도에 미치는 영향도 유의하였다. 부트스트랩 샘플의 간접효과 분포의 신뢰구간을 통해 확인한 매개효과도 유의하여 중등 사회과 교사의 AI 역량과 AI 교육실행의도의 관계에서 AI 교육결과기대가 유의하게 매개하는 것으로 나타났다. 따라서 사회과 교사의 AI 역량이 증가하면 교육결과기대가 증가하고, AI 교육실행의도가 증가하는 간접효과를 가진 것으로 분석하였다. 교사의 AI 역량이 AI 교육실행의도에 미치는 직접효과의 크기보다 매개변인인 교육결과기대를 통해 미치는 간접효과의 크기가 더 크기 나타나, 사회과 교사의 AI 교육실행의도는 AI 기술의 교육 유용성 판단에 크게 의존하는 것으로 해석하였다. 또한, 통제변인인 성별과 전공에서도 남성 교사의 AI 교육실행의도가 더 크게 나타나며, 역사 전공 교사는 유의하게 작게 나타나 선행 연구의 보고와 부합하였다. 이를 통해 사회과 교사의 AI 교육실행의도를 높이기 위해서는 AI 기술에 대한 역량을 높이는 것도 중요하지만 성공적인 사회과 AI 교육 사례의 공유를 통해 유용성을 인식하도록 하는 것이 더 중요함을 제언하였다.

다국어 초록 (Multilingual Abstract)

Based on the expectation that advances in Artificial Intelligence (AI) technologies will bring substantial changes to social systems and everyday life, countries around the world are actively promoting AI education policies to cultivate AI-capable human resources for future societies. In Korea, multiple stakeholders have likewise pursued a range of policy initiatives for AI education, and elementary and secondary school teachers increasingly recognize its importance and necessity. However, teachers in school settings report experiencing significant barriers to the implementation of AI education, citing heavy workloads, insufficient related competencies, and a lack of appropriate tools and instructional materials.
AI education encompasses learning the concepts and principles of AI as a scientific technology that embodies human intelligence, as well as integrating AI-related content into subject instruction and utilizing AI tools to address personal and social problems. To foster citizens equipped with AI and digital competencies and with a sound understanding of AI principles and their social implications, it is considered appropriate to implement instruction that incorporates AI tools across various subjects, particularly at the secondary level. Social studies, in particular, can play a central role in AI education because it directly addresses contemporary social issues and aims to cultivate civic competencies. Nevertheless, social studies has been criticized as a subject that lags behind others in the adoption of digital technologies, and similar tendencies are evident in the context of AI education. Accordingly, it is necessary to identify the factors influencing social studies teachers’ intentions to implement AI education and to examine the relationships among these variables in order to derive implications for teacher education.
Teachers’ adoption of digital technologies has primarily been explained through the Technology Acceptance Model (TAM) proposed by Davis et al. (1989), which posits that perceived usefulness and perceived ease of use influence users’ intentions to adopt technology. To enhance the explanatory power of the model, many researchers have extended TAM by incorporating additional variables and pathways. A representative example is the Unified Theory of Acceptance and Use of Technology (UTAUT) proposed by Venkatesh et al. (2003), which reconceptualized perceived usefulness and ease of use as performance expectancy and effort expectancy, respectively, and examined the effects of behavioral intention on technology use while treating demographic characteristics as moderating variables. However, because these models were developed for general users, scholars have argued that explaining teachers’ technology adoption requires greater consideration of the unique contextual and professional characteristics of the educational field.
Teachers’ use of technology must align with instructional goals and be integrated into actual teaching and learning processes; thus, it can be understood as a form of professional, knowledge-based decision-making. Teachers’ technology-related competencies have often been explained through the Technological Pedagogical Content Knowledge (TPACK) framework and have been treated in TAM-based studies as exogenous variables that precede and influence perceived usefulness and ease of use. Scherer and Teo (2019) and McGehee (2024) identified perceived usefulness (or performance expectancy) as the most influential factor in teachers’ adoption of digital and AI technologies and emphasized the importance of selecting teacher competencies and related variables that are theoretically and contextually valid. Drawing on these findings, the present study focused on in-service secondary social studies teachers and conceptualized teachers’ AI technology acceptance as intention to implement AI education, reflecting the fact that technology adoption by teachers is closely tied to classroom practice. Teachers’ AI-related knowledge and competencies were set as independent variables, while perceived usefulness (performance expectancy) was operationalized as expectations of AI education outcomes and examined as a mediating variable.
To this end, a survey was administered to in-service social studies teachers via online platforms, yielding 198 valid responses. The data were analyzed using SPSS 22.0 and Hayes’ (2022) PROCESS Macro Model 4. The results indicated that teachers’ AI competencies (independent variable) and expectations of AI education outcomes (mediating variable) both had significant positive effects. The effects of AI competencies and expectations of AI education outcomes on intention to implement AI education were also significant. Bootstrap confidence intervals for the indirect effects confirmed a significant mediating effect, indicating that expectations of AI education outcomes significantly mediated the relationship between secondary social studies teachers’ AI competencies and their intention to implement AI education. Specifically, increases in teachers’ AI competencies were associated with higher expectations of AI education outcomes, which in turn led to stronger intentions to implement AI education. Moreover, the indirect effect via expectations of AI education outcomes was larger than the direct effect of AI competencies on implementation intention, suggesting that social studies teachers’ intentions to implement AI education depend heavily on their judgments regarding the educational usefulness of AI technologies. In addition, among the control variables, male teachers reported significantly higher intentions to implement AI education, while teachers majoring in history reported significantly lower intentions, findings that are consistent with prior research. Based on these results, this study suggests that while enhancing teachers’ AI competencies is important, increasing teachers’ recognition of the educational usefulness of AI—through the sharing of successful AI-based social studies instructional cases—is even more critical for promoting the implementation of AI education in social studies classrooms.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 1 절 연구의 필요성 및 목적 1
• 제 2 절 연구 문제 5
• 제 2 장 이론적 배경 7
• 제 1 절 사회과 AI 교육 7
• 1. AI 교육의 의미와 유형 7
• 2. 사회과에서 AI 활용교육 12
• 제 2 절 사회과 교사의 AI 역량 15
• 1. 교사의 AI 역량 15
• 2. 사회과 교사의 AI 역량과 측정 17
• 제 3 절 기술수용모형과 AI 교육실행의도 22
• 1. 기술수용모형(TAM) 22
• 2. 교사의 기술 채택과 기술수용모형(TAM) 24
• 3. 교사의 AI 역량 및 교육결과기대와 교육실행의도의 관계 26
• 제 3 장 연구 설계 28
• 제 1 절 연구 가설 및 연구 모형 28
• 제 2 절 연구 변인 및 측정 도구 29
• 1. 종속변인 : AI 교육실행의도 29
• 2. 독립변인 : 교사의 AI 교육 역량 30
• 3. 매개변인 : AI 교육결과기대 32
• 4. 통제변인 : 성별, 전공 34
• 제 3 절 연구 대상 및 표집 방법 35
• 제 4 절 자료 분석 방법 38
• 제 4 장 연구 결과 39
• 제 1 절 기초 통계 분석 결과 39
• 1. 각 변인의 기술통계 분석 39
• 2. 교사 배경요인에 따른 종속변인의 차이 분석 41
• 3. 변인 간 상관분석 45
• 제 2 절 매개효과 분석 결과 46
• 제 5 장 연구 결과 49
• 제 1 절 요약 및 논의 49
• 제 2 절 연구의 제한점 및 후속 연구 제언 56
• 참고문헌 59
• 부 록 67
• 1-1. 교사 배경변인에 따른 AI 역량의 차이 67
• 1-2. 교사 배경변인에 따른 AI 역량의 차이 68
• 2. 설문지 원본 69
• Abstract 77