예술 디자인 교육에 적용된 AIGC의 효과 분석: 인지적 가치, 만족도 및 지속사용의도를 중심으로

국문 초록 (Abstract)

인공지능(AI)의 급속한 발전으로 인공지능 생성 콘텐츠 기술이 일상생활의 다양한 분야에 깊이 스며들고 있다. 특히 예술 교육에서 인공지능 생성 콘텐츠(AIGC)의 도입은 예술 창작과 교육의 새로운 지평을 열었으며, 동시에 전례 없는 도전도 가져왔다. 전통적인 예술 교육은 주로 회화, 조각, 디자인 등의 기초 기술을 가르치고, 학생들의 예술적 감각과 표현 능력을 향상시키는 데 중점을 두었다. 그러나 생성형 AI 기술의 성숙과 확산으로 학생들은 이를 활용해 더 넓은 창작 영역을 탐구하고 더 풍부한 예술적 경험을 쌓을 수 있게 되었다.
본 연구는 문헌 고찰, 사례 분석 및 실증 연구를 병행하는 방법을 통해 AIGC 기술이 예술 디자인 교육에 적용되는 현황과 그로 인해 학생의 인지적 가치 및 만족도에 미치는 영향을 체계적으로 고찰하며, 나아가 이러한 요소들이 지속적인 사용 의도에 어떤 영향을 미치는지를 분석하고 기술 적용 과정에서 직면하는 윤리적·법적 문제에 대해서도 논의한다. 연구 결과, AIGC 기술은 예술 디자인 교육의 효율성과 창의성을 현저히 제고하며, 학생들에게 개별화된 학습 경험과 풍부한 창작 영감을 제공할 수 있는 반면, 저작권 귀속의 불명확성과 학생의 자율성 약화 등 잠재적인 위험도 수반함이 밝혀진다.
동시에, 본 연구는 실증적 연구를 통해 AIGC 기술이 학생의 인지적 가치, 만족도 및 지속적인 사용 의도에 미치는 구체적인 영향을 검증한다. 예술 디자인 전공 학생들을 대상으로 한 설문조사와 인터뷰를 통해, 대부분의 학생들이 AIGC 기술에 대해 긍정적인 태도를 보이며, 해당 기술이 창작 효율성과 작품 품질을 현저히 향상시킬 수 있다고 인식하고 있음을 확인한다. 그러나 일부 학생들은 기술 의존과 자율적 창작 역량의 약화에 대한 우려를 표명하기도 한다. 연구 결과, AIGC 기술의 활용은 학생의 인지적 가치와 만족도에 유의미한 정(正)의 영향을 미치는 것으로 나타난다. 그러나 잠재적 부정적 영향을 방지하기 위한 합리적 지도가 필요함도 시사된다. 이에 따라, 본 연구는 가치 기반의 AIGC 기술 활용 모형을 제안하며, 교육 실천에서 기술의 도구성과 교육의 가치성 간의 균형을 강조하고, 기술 적용이 학생의 전인적 발전을 실질적으로 촉진할 수 있도록 할 것을 주장한다.
AIGC 기술이 예술 디자인 교육에서 가지는 장점을 충분히 발휘하는 동시에 관련 도전에 효과적으로 대응하기 위해, 본 연구는 다층적 교육 생태계 구축, 산학 협력의 심화, 기술 윤리 체계의 정비 등 일련의 방안을 제안한다. 구체적으로는 ‘기초–응용–혁신’의 삼차원 교육 체계를 통해 학생의 생성형 인공지능(GAI) 기술 활용 역량을 단계적으로 제고할 것을 제안하며, 기업과의 협력을 강화하여 교육과 산업의 심층적 융합을 촉진하고, 학생들에게 실습 기회와 취업 지원을 제공해야 함을 강조한다. 또한, 창작의 전 과정을 포괄하는 윤리적 보호 체계를 구축하여 AIGC 기술의 합리적 사용을 보장할 필요가 있다. 이와 함께, 본 연구는 AIGC 기술 확산 과정에서 인지적 가치의 중요성을 강조하며, 개발자는 사용자 수요를 중심으로 도구 기능을 최적화하고 사용자 경험을 향상시킬 것을 제언한다.

목차 (Table of Contents)

• 표 차례 ⅳ
• 그림 차례 ⅴ
• 국문 요약 ⅵ
• 1. 서론1
• 1.1 연구배경 및 연구의 필요성 1
• 1.2 연구 목적 12
• 1.3 연구 방법 및 범위 13
• 1.4 연구의 구성 16
• 2. 관련 개념 정의와 이론적 기초 17
• 2.1 관련 개념의 정의 17
• 2.1.1 AIGC 17
• 2.1.2 지속적인 사용 의도 19
• 2.2 생성형 인공지능 관련 개요 19
• 2.2.1 생성형 인공지능 기본 작동 원리 19
• 2.2.2 생성형 인공지능의 특징 22
• 2.3 이론기초 26
• 2.3.1 인지된 가치 이론 26
• 2.3.2 행동 의도 이론 31
• 2.3.3 혁신 저항 이론 33
• 2.3.4 기술수용모델 35
• 2.3.5 확산 모델 이론 37
• 2.3.6 사회윤리 39
• 2.4 생성형 AI 기술 하의 예술 디자인 발전 전망 45
• 2.4.1 디자인 소프트웨어의 지능화 45
• 2.4.2 인공지능과 인간의 협력 혁신 46
• 2.4.3 예술 디자인의 미학적 변화 47
• 3. AIGC의 예술교육 적용 사례 분석 50
• 3.1 AIGC의 예술교육 활용 실천 50
• 3.1.1 스크립트 혹은 컨셉 생성 50
• 3.1.2 이미지 생성: 시각 이미지의 디지털 혁신 53
• 3.2 AIGC의 예술 교육 적용에 따른 장단점 분석 66
• 3.2.1 창의성 향상：AIGC가 이끄는 예술 교육의 새로운 패터다임 67
• 3.2.2 개성화된 발전: AIGC가 돕는 학생 맞춤형 창작 68
• 3.2.3 실용성 강화：AIGC를 통한 작품의 시장 가치 향상 69
• 3.2.4 한계와 제약：AIGC 작품의 저적권 귀속 문제 70
• 3.2.5 부정적 사고 형성：AIGC로 인한 수동적 창작 상태 71
• 4. 연구설계 73
• 4.1 변수간의 관계 설정 73
• 4.1.1 베네핏(혁신성, 개인화, 유용성)과 인지적 가치 간의 관계 73
• 4.1.2 베네핏(혁신성, 개인화, 유용성)과 만족도 간의 관계 75
• 4.1.3 베리어(부정적 인식, 저작권)과 인지적 가치 간의 관계 77
• 4.1.4 베리어(부정적 인식, 저작권)과 만족도 간의 관계 79
• 4.1.5 인지적 가치 과 지속적 사용 의도 간의 관계 80
• 4.1.6 만족도와 지속 사용 의도 간의 관계 81
• 4.2 연구모델의 설정 82
• 5. 실증분석 84
• 5.1 측정문항 및 사전검증 84
• 5.1.1 설문지 설계 84
• 5.1.2 소규모 사전조사 86
• 5.2 조사 및 설문 회수 89
• 5.2.1 조사실시 89
• 5.2.2 기술통계분석 91
• 5.3 AIGC기술의 접촉 및 사용 현황 93
• 5.3.1 AIGC에 대한 이해 수준 및 경로 93
• 5.3.2 AIGC도구의 사용 현황 95
• 5.3.3 AIGC도구의 사용 장면 98
• 5.4 데이터 분석 방법 선택 100
• 5.4.1 데이터 모형화 방안 선택 100
• 5.4.2 데이터 분석 방법 요약 101
• 5.5 신뢰도 및 타당성 검정 102
• 5.5.1 신뢰도 분석 102
• 5.5.2 타당성 분석 104
• 5.5.3 상관성 분석 115
• 5.6. 구조방정식 모델링 구축 및 결과 검증 118
• 5.6.1 적합도 검증 118
• 5.6.2 모형 가설 검증 121
• 5.6.3 매개효과 검증 125
• 5.6.4 결과 요약 및 모형 분석 129
• 6. 연구 결론 및 제언 130
• 6.1. 연구 결론 130
• 6.2 연구 의 시사점 및 발전 방향 132
• 6.2.1 생성형 AI 기술의 교육 및 확산 강화 132
• 6.2.2 전 과정 기반 AIGC 윤리 프레임 구축 134
• 6.2.3 수요 채널 확대를 통한 학생 인지적 가치 제고 137
• 6.2.4 사용자 가치 중심의 AIGC 도구 최적화 및 지속 개선 138
• 6.2.5 생성형 AI 기술의 다양한 디자인 분야 적용 가능성 탐색 138
• 참고 문헌 141
• Abstract 147
• 부록 151