중등 음악교사의 AI 융합교육 교수역량 및 AI 융합 수업 실태 = Secondary Music Teachers’ Teaching Competencies for AI-Convergence Education and the Status of AI-Integrated Music Classes

국문 초록 (Abstract)

본 연구는 중등 음악교사의 AI 융합교육 교수역량 수준을 파악하고, 실제 학교 현장에서의 AI 융합 음악 수업 실태를 조사하는 데 목적이 있다. 이를 위해 전국의 중등 음악교사 188명을 대상으로 설문조사를 실시하고 응답 결과를 분석하였다. 연구 문제에 따라 도출한 결론은 다음과 같다.
첫째, 중등 음악교사의 AI 융합교육 교수역량은 평균 3.61로 보통 이상의 수준이었으며, 교사 간 역량 수준 차이는 비교적 크게 나타났다. 교사들은 수업 성찰 및 개선 역량, 교육과정/수업 재구성 역량이 높은 반면, AI 융합교육에 대한 이해역량과 AI 기반 학습환경 조성역량은 상대적으로 낮았다. 또한 학력, 교원 자격 취득 기관, 학교 소재지에 따라 교수역량에 유의미한 차이가 나타났으며, 이러한 차이는 주로 수업 성찰 및 개선 역량에서 확인되었다.
둘째, 중등 음악교사의 AI 융합 음악 수업 실태 조사 결과, 수업 경험이 없는 교사(54.8%)가 경험이 있는 교사(45.2%)보다 많은 것으로 나타났다. 이는 AI 융합 음악 수업이 학교 현장 전반에 충분히 확산되지 못하고 있음을 의미한다.
셋째, AI 융합 수업 경험 유무와 관계없이 교사들은 AI 도구 관련 지식 부족, 준비 시간 부족, 자료 부족을 주요 어려움으로 꼽았다. 경험이 없는 교사는 AI 도구 이해의 어려움을, 경험이 있는 교사는 수업 실행 및 교수·학습 과정안 설계의 어려움을 인식하였다.
넷째, AI 융합 음악 수업은 창작 영역에서 가장 많이 이루어졌으며(76.5%), 감상과 연주 영역에서의 활용 비율은 낮게 나타났다. 교사들이 주로 사용하는 AI 도구 역시 콘텐츠 생성 중심 도구로, AI 융합 음악 수업이 창작 활동에 편중되는 경향을 보였다.
다섯째, AI 융합 음악 수업에서 교사들이 가장 많이 활용하는 교수·학습전략은 수업 도입부에서의 AI 도구 활용과 학생 주도적 실습 활동 유도였다. 또한 교사의 AI 융합 수업의 교육적 가치에 대한 인식에서는 AI를 매개로 한 음악적 경험의 확장과 창의적 사고 및 음악 표현력 증진이 가장 높게 나타난 반면, AI 기반 맞춤형 수업을 통한 학습 이해도 향상은 낮게 나타났다.
연구 결과를 종합적으로 살펴보면, AI 융합 음악 수업 경험이 있거나 향후 수업을 지속하고자 하는 교사일수록 AI 융합교육 교수역량 수준이 전반적으로 높은 경향을 보였다. 다만 교수역량과 수업 실태는 서로 다른 자료 형태로 측정되어, 두 변인 간의 관계 해석에는 한계가 있다.
이러한 결론을 바탕으로 도출한 제언은 다음과 같다.
첫째, AI 융합 음악 수업의 실행을 위해 음악 교과에 적용 가능한 AI 도구 활용 방법과 수업 사례 중심의 실천적 연수 및 자료 지원 체제가 마련되어야 한다.
둘째, AI 융합 음악 수업이 창작 영역에 편중되지 않도록 감상과 연주 영역에서도 활용할 수 있는 AI 도구와 교수·학습 자료가 지속적으로 개발되어야 한다.
셋째, 교사의 AI 융합 수업 경험 확대를 위해 동료 교사 간 수업 과정을 공유하고 함께 연구할 수 있는 협업 환경이 조성되어야 한다.
본 연구를 바탕으로 AI 융합 음악교육을 위한 정책적·현장적 지원 방안이 지속적으로 마련되어, 학교 현장에서 AI 융합 음악 수업이 안정적으로 운영되기를 기대한다.

다국어 초록 (Multilingual Abstract)

This study aimed to examine the level of teaching competencies for AI-convergence education among secondary music teachers and to investigate the status of AI-integrated music classes in actual school settings. To this end, a survey was conducted with 188 secondary music teachers nationwide, and the collected responses were analyzed.
First, the overall level of teaching competencies for AI-convergence education was above average (M = 3.61), while relatively large differences were observed among teachers. Teachers showed higher levels of competency in instructional reflection and improvement, as well as curriculum and lesson reconstruction, whereas their understanding of AI-convergence education and their ability to create AI-based learning environments were relatively low. In addition, significant differences in teaching competencies were found according to teachers’ academic background, teacher certification institutions, and school location, mainly in instructional reflection and improvement competencies.
Second, regarding the status of AI-integrated music classes, more teachers reported having no teaching experience (54.8%) than those with experience (45.2%). This indicates that AI-integrated music instruction has not yet been sufficiently disseminated across school settings.
Third, regardless of teaching experience, teachers identified a lack of knowledge about AI tools, insufficient preparation time, and a shortage of instructional materials as major difficulties. Teachers without experience mainly perceived difficulties in understanding AI tools, while those with experience reported challenges related to lesson implementation and instructional design.
Fourth, AI-integrated music classes were most frequently conducted in the area of music creation (76.5%), while applications in listening and performance were relatively limited. The AI tools most commonly used by teachers were content-generation-based tools, indicating that AI-integrated music classes tended to be concentrated on creative activities.
Fifth, the teaching and learning strategies most frequently utilized by teachers in AI-integrated music classes were the use of AI tools in the introduction of class and the encouragement of student-led practical activities. Furthermore, teachers' perceptions of the educational value of AI-integrated classes were highest in expanding musical experiences and enhancing creative thinking and musical expression through AI. However, the perceived improvement in learning comprehension through AI-based personalized instruction was lower.
Overall, teachers who had experience with AI-integrated music classes or intended to continue such classes tended to show higher levels of teaching competencies for AI-convergence education. However, the interpretation of the relationship between teaching competencies and classroom practices is limited, as these variables were measured using different types of data.
Based on these findings, the following suggestions are proposed.
First, practical professional development programs and instructional support systems should be established, focusing on the use of AI tools applicable to the music curriculum and on instructional cases grounded in actual classroom practice for implementing AI-integrated music classes.
Second, to prevent AI-integrated music classes from being overly concentrated in the area of music creation, AI tools and instructional materials that can be applied to listening and performance should be continuously developed.
Third, collaborative environments should be fostered to expand teachers’ experiences with AI-integrated instruction, enabling music teachers to share instructional practices and engage in joint inquiry with their colleagues.
Based on this study, it is expected that continuous policy-level and practical support for AI-convergence music education will contribute to the stable implementation of AI-integrated music classes in school settings.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구의 필요성 및 목적 1
• 1.2 연구 문제 3
• 1.3 선행연구 고찰 4
• 1.3.1 AI 교수효능감에 관한 연구 4
• 1.3.2 AI 융합교육 교수역량에 관한 연구 6
• 1.3.3 중등교사 AI 융합교육 및 실태에 관한 연구 8
• 제 2 장 이론적 배경 11
• 2.1 AI와 교육 11
• 2.1.1 AI의 개념 11
• 2.1.2 AI의 발전 12
• 2.1.3 AI 분야 15
• 2.1.4 AI 교육 17
• 2.2 AI 융합교육 19
• 2.2.1 AI 융합교육의 정의 19
• 2.2.2 AI 융합교육 활용 도구 21
• 2.3 음악 교과에서의 AI 융합교육 24
• 2.3.1 음악교육에서의 AI 활용 유형과 도구 24
• 2.3.2 2022 개정 음악 교과서의 AI 융합 수업 28
• 2.4 AI 융합교육 교수역량 37
• 2.4.1 AI 교수효능감의 정의 및 측정 도구 37
• 2.4.2 AI 융합교육 교수역량의 정의 및 측정 도구 38
• 제 3 장 연구 방법 40
• 3.1 연구 대상 40
• 3.2 연구 절차 42
• 3.3 연구 도구 44
• 3.3.1 설문지 구성 44
• 3.3.2 내용타당도 검증 44
• 3.3.3 최종 설문지 구성 45
• 3.3.4 신뢰도 검증 47
• 3.4 자료 수집 방법 48
• 3.5 자료 분석 방법 49
• 제 4 장 연구 결과 50
• 4.1 중등 음악교사의 AI 융합교육 교수역량 50
• 4.1.1 일반적 특성에 따른 AI 융합교육 교수역량 51
• 4.2 AI 융합 음악 수업 실태 59
• 4.2.1 AI 융합 음악 수업 경험 59
• 4.2.2 AI 도구별 인지율과 활용 경험 61
• 4.2.3 가장 많이 활용하는 AI 도구와 활용 이유 63
• 4.2.4 AI 융합 음악 수업 시 주로 활용하는 교수·학습전략 64
• 4.2.5 AI 융합 음악 수업 시 학생들의 반응 65
• 4.2.6 AI 융합 음악 수업에서 학생들이 겪는 어려움 66
• 4.2.7 AI 융합 음악 수업 계획·실행 시 겪는 어려움 67
• 4.2.8 AI 융합 음악 수업의 장점 68
• 4.2.9 AI 융합 음악 수업의 중요한 교육적 가치 69
• 4.2.10 향후 AI 융합 음악 수업 의향과 이유 70
• 4.2.11 AI 융합 음악 수업 활성화를 위한 개선사항 71
• 제 5 장 결론 및 제언 72
• 참고문헌 76
• 영문초록 및 주제어(키워드, 핵심어) 82
• 부 록 85