AI 시대 창의적 문제해결 스타일의 재구조화 = Reconceptualizing Creative Problem-Solving Styles in the Era of Artificial Intelligence

국문 초록 (Abstract)

본 연구는 VIEW 검사 기반의 세 가지 창의적 문제해결 스타일 차원(혁신·발전, 내·외적 처리, 사람·과제 중심)과 Torrance의 네 단계 사고 과정(문제 이해→아이디어 생성→아이디어 정교화 하기→아이디어 실행)을 AI 기능(데이터 마이닝·통계 요약·유사 사례 추천·데이터 기반 추천·의사결정 지원·시뮬레이션·프로젝트 관리 도구·협업 플랫폼)과 매핑한 하이브리드 인지 스타일 모델을 이론적으로 제안하였다.
첫째, 제한된 합리성 이론과 확장된 인지 이론을 통합하여 각 스타일 차원이 AI 기능과 상호보완적으로 작용하는 구조를 도출하였다.
둘째, McGilchrist의 좌·우반구의 기능적 분화 모델 및 공동 인지 개념을 근거로 ‘AI-혁신형’과 ‘AI-분석형’ 스타일의 발산·수렴 단계 효율화 가설을 제시하였다.
셋째, 도구 존재론, 문제 발견 이론, 다차원 스타일 이론을 통합해 ‘인간 중심 창의성’ 문화 형성 메커니즘을 설명하였다.
결론적으로 제안된 모델은 AI 협업 환경에서 인지적 제약 극복과 창의성 증진을 동시에 달성할 가능성을 제시하며, 후속 연구로 실증적 검증, 스타일별 AI 활용 프로토콜 개발, 문화·윤리적 영향 종단 연구를 제언한다.

다국어 초록 (Multilingual Abstract)

This conceptual paper revisits and extends Kim et al. (2011), Creative Problem-Solving Styles: Within- and Between-Group Characteristics and the Normality of Style Distributions, and is dedicated to the academic legacy of Dr. Young-Chae Kim (1939–2025).
A hybrid cognitive-style model is proposed that maps the three VIEW dimensions of creative problem-solving styles—Innovation–Improvement, Internal–External Processing, and People–Task Orientation—together with Torrance’s four-stage creative thinking process (problem framing, idea generation, idea refinement, and idea implementation) onto corresponding AI functions, including data mining, statistical summarization, case-based recommendation, data-driven suggestion, decision support, simulation, project management tools, and collaborative platforms.
First, Simon’s bounded rationality and Clark and Chalmers’ extended-mind thesis are integrated to theorize how distinct creative styles may be cognitively augmented through AI-mediated support.
Second, drawing on McGilchrist’s hemispheric balance theory and the notion of co-cognition, the paper formulates hypotheses regarding the amplification of divergent thinking in AI-Innovation styles and the enhancement of convergent precision in AI-Analytic styles.
Third, by synthesizing Heidegger’s tool ontology, Runco and Dow’s problem-finding theory, and Sternberg and Grigorenko’s multidimensional style theory, the study articulates a framework for the emergence of human-centered creativity cultures in AI-augmented environments.
The proposed model highlights the possibility of simultaneously alleviating cognitive constraints and enhancing creative performance through AI-mediated collaboration. Directions for future research include empirical validation of the model, the development of style-contingent AI support protocols, and longitudinal investigations of cultural and ethical implications.