📄 논문 상세 분석 — 예비교사의 ChatGPT 수용은 왜 갈리는가: STEM·비STEM 전공별 4가지 수용 프로파일(잠재프로파일분석)
자동 생성: 2026-07-18 · 추천 논문(ED-02) · 출처 신뢰도: 상(IJ STEM Education 동료심사 논문·원문 WebFetch 검증)
원문(바로 열기): https://link.springer.com/article/10.1186/s40594-026-00634-x
1. 📄 논문 요약 (Abstract)
이 연구는 예비교사(pre-service teachers)의 ChatGPT 수용이 하나의 연속선이 아니라 질적으로 다른 심리 유형들로 나뉜다는 점을 밝힌 대만 연구다. 기존 기술수용 연구가 "평균적인 사용자"를 가정한 변수 중심(variable-centered) 접근이었다면, 이 연구는 잠재프로파일분석(Latent Profile Analysis, LPA)이라는 사람 중심(person-centered) 접근으로 개인차의 구조를 드러냈다. 연구진은 TAM(기술수용모형)과 UTAUT2(통합기술수용이론2)를 결합한 틀에서 지각된 유용성(PU)·지각된 용이성(PEOU)·태도(AT)·사회적 영향(SI)·촉진 조건(FC) 5개 지표로 대만 예비교사 128명(STEM 68명·비STEM 60명)을 분석했다. 그 결과 실용적 평가자(Pragmatic Evaluators, 47.66%)·기술 선도자(Technology Pioneers, 26.56%)·저항적 회의론자(Resistant Skeptics, 14.06%)·환경 관망자(Environmental Observers, 11.72%)의 4개 프로파일이 도출됐다(엔트로피 0.985로 분류 정확도 매우 높음). 특히 저항적 회의론자는 사용법이 어렵지 않다고 느끼면서도(PEOU z=+0.02) 사용 의도는 가장 낮아, "쉬우면 쓴다"는 TAM의 전통적 가정이 성립하지 않는 가치 기반 저항(value-based resistance)을 보여줬다. 전공 배경은 프로파일 소속을 강하게 예측했는데(χ²=36.20, p<.001, Cramer's V=0.532), 기술 선도자의 94.1%가 STEM 전공인 반면 비STEM 전공자는 관망·저항 프로파일에 과대 대표됐다. 프로파일 간 행동 의도(behavioral intention) 차이는 분산의 72.6%를 설명할 만큼 컸다(F=109.00, p<.001, η²=0.726). 결론적으로 저자들은 획일적 AI 리터러시 연수 대신 프로파일별 차별화된 교사교육 설계(선도자에게는 윤리·비판적 성찰, 회의론자에게는 가치·자율성 우려를 다루는 대화형 개입)를 제안한다.
2. 📊 논문 구조별 주요 정보 정리
연구의 필요성 및 목적
- 생성형 AI(ChatGPT)의 교육 도입이 빠르지만, 예비교사 수용 연구는 대부분 평균 효과만 보는 변수 중심 접근이라 "누가, 왜 다르게 반응하는가"를 놓침.
- 목적: ① LPA로 예비교사 ChatGPT 수용의 이질적 하위 유형(프로파일) 식별, ② 전공(STEM vs 비STEM)이 프로파일 소속을 예측하는지 검증, ③ 프로파일별 사용 의도(BI) 차이 확인.
연구 문제
- RQ1. 예비교사의 ChatGPT 수용(PU·PEOU·AT·SI·FC)에는 어떤 잠재 프로파일이 존재하는가?
- RQ2. 전공 배경(STEM/비STEM)은 프로파일 소속과 연관되는가?
- RQ3. 프로파일에 따라 행동 의도(BI)는 유의하게 다른가?
- ※ 원문 RQ 문구는 위 분석 목적 기반 재구성 [확인 필요]
용어의 정의 (한글 설명 + 영어 병기)
- 잠재프로파일분석(Latent Profile Analysis, LPA): 연속형 지표들의 응답 패턴으로 눈에 보이지 않는 하위 집단(프로파일)을 통계적으로 찾아내는 사람 중심 분석법.
- 지각된 유용성(Perceived Usefulness, PU): ChatGPT가 교수·학습에 도움이 된다고 믿는 정도.
- 지각된 용이성(Perceived Ease of Use, PEOU): ChatGPT 사용이 쉽다고 느끼는 정도.
- 태도(Attitude toward Using, AT): ChatGPT 사용에 대한 전반적 호오 평가.
- 사회적 영향(Social Influence, SI): 동료·교수 등 중요한 타인이 사용을 기대한다고 느끼는 정도.
- 촉진 조건(Facilitating Conditions, FC): 사용을 뒷받침하는 기기·지원·인프라가 있다고 느끼는 정도.
- 행동 의도(Behavioral Intention, BI): 앞으로 ChatGPT를 사용하려는 의향(프로파일의 원격 결과 변수).
- 가치 기반 저항(value-based resistance): 조작이 어려워서가 아니라 교육적 가치·신념 차원의 부정적 평가 때문에 거부하는 현상.
연구 방법
- 설계: 횡단 설문 + LPA(사람 중심) → 카이제곱·ANOVA(프로파일 예측·결과 검증).
- 참여자: 대만 3개 대학 교원양성과정 예비교사 128명(152명 초청→138명 응답→10명 제외). STEM 68명(53.1%)·비STEM 60명(46.9%), 학부생 99명(77.3%)·대학원생 29명(22.7%). 편의표집, ChatGPT/생성형 AI 사용 경험자 대상.
- 측정: TAM+UTAUT2 기반 5개 구인(PU·PEOU·AT·SI·FC) + BI. 전 구인 신뢰도 Cronbach's α ≥ .82, McDonald's ω ≥ .82.
- 분석: jamovi LPA 모듈, z-표준화 지표로 2~5 프로파일 모형 비교. 적합도: AIC 1251.19·BIC 1331.05·SABIC 1242.50, 엔트로피 0.985, BLRT 116.70(p=.0099), 사후 소속확률 대부분 >.95 → 4-프로파일 모형 채택.
연구 결과
- RQ1 — 4개 프로파일 (z점수 기준):
| 프로파일 | 비율(n) | PU | PEOU | AT | SI | FC | 특징 |
|---|---|---|---|---|---|---|---|
| 기술 선도자 (Technology Pioneers) | 26.56% (34) | +1.32 | +0.75 | +1.19 | +1.07 | +0.87 | 전 지표 최고, 조기 수용자형 |
| 실용적 평가자 (Pragmatic Evaluators) | 47.66% (61) | −0.19 | +0.31 | −0.04 | +0.02 | +0.15 | 평균 수준, 실용·상황 판단형 |
| 환경 관망자 (Environmental Observers) | 11.72% (15) | −1.41 | −0.91 | −1.05 | +0.18 | +0.24 | 개인 평가 낮으나 사회·환경 신호에는 개방적("관망") |
| 저항적 회의론자 (Resistant Skeptics) | 14.06% (18) | −1.88 | +0.02 | −0.91 | −1.12 | −1.04 | 조작은 쉬움에도 가치 차원 거부 |
- RQ2 — 전공이 강력한 예측 요인: χ²(3)=36.20, p<.001, Cramer's V=0.532(중~대 효과). 기술 선도자 34명 중 32명(94.1%)이 STEM; 비STEM의 41.7%(25/60)가 관망자·회의론자에 집중; 실용적 평가자는 균형(STEM 28·비STEM 33).
- RQ3 — 프로파일이 사용 의도를 좌우: F(3,124)=109.00, p<.001, η²=0.726. BI 평균(z): 선도자 +1.361 > 평가자 −0.359 ≈ 관망자 −0.390 > 회의론자 −1.029. 선도자 vs 회의론자 격차 Cohen's d≈4.51(극단적). 평가자–관망자 간 차이는 비유의(p=.997).
- BI와의 상관: FC r=.702, AT r=.699, SI r=.673으로 강한 반면 PEOU는 r=.398로 가장 약함 — "쉬움"이 의도를 보장하지 않음을 재확인.
논의 및 결론
- 수용은 연속선이 아닌 질적으로 다른 유형들의 집합 → 사람 중심 접근의 필요성 입증.
- 용이성–의도의 탈동조화: 저항적 회의론자는 TAM의 "용이성→수용" 가정을 반박. 기술 훈련만으로는 이들을 움직일 수 없고, 교육적 정합성·윤리적 안전장치에 대한 가치 대화가 필요.
- 전공 인식론의 차이: STEM은 기능적 이점·논리적 추론을, 비STEM은 맥락 이해·비판적 사고·가치 판단을 중시 → 수용 격차의 배경.
- 프로파일별 차별화 연수 제안: 선도자→윤리·비판적 성찰 강화(무비판적 열광 견제) / 평가자→근거 기반 실전 시연 / 관망자→동료 모델링·사회적 증거·기관 지원 / 회의론자→가치 우려·전문적 자율성 문제를 다루는 표적 개입.
- 결론: "만능형(one-size-fits-all)" AI 리터러시 프로그램의 한계를 실증하고, 전공·프로파일 반응형 교사교육 설계로의 전환을 촉구.
후속 연구 제안
- 더 큰 표본에서 CFA 선행 + 3단계 추정(BCH 등) 방식의 엄밀한 LPA로 교차 검증(본 연구 한계: n=128, 최소 프로파일 n=15, z-평균 지표 사용, 경성 배정 ANOVA — 단 엔트로피 0.985가 영향 완화).
- 대만(동아시아 맥락) 표본의 문화 간 일반화 검증, ChatGPT 외 다른 생성형 AI 도구로의 확장.
- 프로파일의 종단 추적(실제 수업 실행과의 연계), 프로파일별 연수 개입의 효과 검증, 회의론자의 가치·윤리 추론에 대한 질적 탐구.
주제어 (한글 + 영문)
- 잠재프로파일분석(latent profile analysis) · 예비교사(pre-service teachers) · ChatGPT 수용(ChatGPT acceptance) · 기술수용모형(TAM) · 통합기술수용이론2(UTAUT2) · STEM/비STEM 전공(STEM vs. non-STEM disciplines) · 행동 의도(behavioral intention) · 교사교육(teacher education)
- ※ 원문 게재 키워드 목록 원문 표기 [확인 필요] — 위는 논문 핵심 개념 기준 정리
3. 📚 APA 인용 형식
Chen, P.-H., Lee, H.-Y., Huang, Y.-M., & Wu, T.-T. (2026). Unpacking the heterogeneity of pre-service teachers' ChatGPT acceptance: A latent profile analysis across STEM and non-STEM disciplines. *International Journal of STEM Education, 13*, Article 33. https://doi.org/10.1186/s40594-026-00634-x
인용맥락메모: "예비교사 대상 AI 연수는 획일적 프로그램이 아니라 전공·수용 프로파일별 차별화가 필요하다"는 주장과, "기술의 쉬움이 곧 수용을 의미하지 않는다(가치 기반 저항 존재)"는 주장의 실증 근거로 활용 가능.