📄 논문 상세 분석 — 아는 것만으로는 부족하다: 고등교육 학생의 생성형 AI '지각된 친숙도', 지원요구, 비판적·책임적 지향
자동 생성: 2026-08-16 · 추천 논문 · 출처 신뢰도: 중상 — SCIE/Scopus 등재 피어리뷰 저널(MDPI *Education Sciences*), 449명 표본의 상관·회귀 실증연구로 방법이 투명하게 보고됨(단, 단일국가·자기보고 설계는 감안).
원문(바로 열기): https://doi.org/10.3390/educsci16081259
1. 📄 논문 요약 (Abstract)
생성형 AI(ChatGPT 같은 도구)가 대학 강의실로 빠르게 밀려들면서, 학생들이 스스로 "나는 AI를 잘 안다"고 느끼는 정도(지각된 친숙도)와 실제 사용, 그리고 AI를 비판적·책임 있게 대하는 태도가 어떻게 맞물리는지에 대한 질문이 커졌다. 이 연구는 슬로베니아의 교육·예술계열 4개 학부 학생 449명을 설문해, 이 네 가지 —① 지각된 친숙도, ② 자기보고식 학습 목적 AI 사용, ③ 지원요구, ④ 비판적·책임적 지향 — 사이의 관계를 통계적으로 따져 보았다.
핵심적으로 이 연구가 '친숙도'를 잰 방식에 주의할 필요가 있다. 지각된 친숙도는 지식 시험이나 역량 평가가 아니라 단 하나의 자기평가 문항("나는 생성형 AI에 얼마나 친숙한가")으로 측정됐다. 즉 '실제 실력'이 아니라 '스스로 느끼는 익숙함'이다. 또 비판적·책임적 지향은 관찰된 행동이 아니라, AI와 관련된 아홉 가지 윤리·사회적 쟁점을 학생이 얼마나 중요하게 여기는지로 조작적으로 정의했다.
결과는 '앎(익숙함)'과 '판단(비판적 태도)'이 서로 다른 것임을 보여준다. 지각된 친숙도는 학습 목적 AI 사용의 빈도·범위·다양성과 약하지만 정적(positive but modest)으로 연관됐다. 그러나 지각된 친숙도는 비판적·책임적 지향을 유의하게 예측하지 못했고, 오직 연령만 소폭 정적 연관을 보였다. 지원요구 측면에서는, 친숙도가 낮다고 느끼는 학생일수록 다섯 개 지원 영역 전반에서 더 큰 지원요구를 보고했으며(기술통계 수준), '책임 있는 사용에 대한 안내'는 친숙도가 높든 낮든 두 집단 모두에서 폭넓게 요청됐다.
또한 AI를 학습에 실제로 써봤다고 답한 196명만 따로 분석했을 때, 학습 활용 목적의 '개수'를 유의하게 예측한 유일한 변수는 지각된 친숙도였고, 교수·기관의 지원이나 비판적·책임적 지향은 독립적으로 유의하지 않았다. 저자들은 이 네 차원이 서로 관련은 있으나 동일하지 않은, 별개의 'AI 준비도(readiness)' 차원이라고 결론짓는다. 따라서 대학은 실용적 AI 사용 기술과 비판적 평가·책임 있는 사용을 함께 엮은 교육과정 기반 지원을 제공해야 한다고 제언한다.
🔎 오늘 리포트의 앵커: 이 논문은 '익숙함이 곧 역량은 아니다 — AI를 잘 쓰는 힘은 판단·자기조절이다'라는 오늘 앵커의 교육축 직접 근거다. 데이터가 말하는 바가 분명하다. AI에 익숙하다고 느끼는 학생일수록 더 자주·더 다양하게 쓰긴 하지만, 그 익숙함이 비판적·책임적 태도를 끌어올리지는 않았다(통계적으로 유의한 예측력 없음). 다시 말해 '많이 써서 손에 익는 것'과 'AI 결과를 의심하고 윤리적으로 판단하는 힘'은 자동으로 함께 자라지 않는다. 그래서 AI 리터러시 교육의 초점은 '얼마나 능숙하게 다루느냐'가 아니라 '언제·왜·어떻게 쓸지 스스로 판단하고 조절하느냐'에 놓여야 한다. 심지어 친숙도가 높은 학생조차 '책임 있는 사용 안내'를 원했다는 점은, 판단력 교육이 초심자만의 과제가 아님을 보여준다.
2. 📊 논문 구조별 주요 정보 정리
연구의 필요성 및 목적 (Purpose)
- 생성형 AI가 고등교육에 빠르게 확산되고 있으나, 학생의 지각된 친숙도 · 자기보고 사용 · 지원요구 · 비판적·책임적 지향 사이의 관계가 충분히 규명되지 않았다.
- 이 연구의 목적은 이 네 구성개념이 서로 어떻게 연관되는지, 특히 '익숙함'이 실제 사용과 책임 있는 태도를 얼마나 설명하는지를 실증적으로 밝히는 것이다.
연구 문제 (Research Questions)
원문 초록에 번호가 매겨진 RQ 형태로 제시되지는 않았다. 아래는 초록의 분석 구조에서 도출한 것으로, 정확한 문항 번호·표현은 [확인 필요].
- (도출) 지각된 친숙도는 학습 목적 생성형 AI 사용의 빈도·범위·다양성과 어떻게 연관되는가? [확인 필요]
- (도출) 지각된 친숙도는 비판적·책임적 지향을 예측하는가? 다른 변수(예: 연령)의 역할은? [확인 필요]
- (도출) 친숙도 수준에 따라 지원요구는 어떻게 달라지는가? [확인 필요]
- (도출) 실제 사용자(196명) 안에서 학습 활용 목적의 다양성을 예측하는 요인은 무엇인가? [확인 필요]
용어의 정의 (Definitions)
- 지각된 친숙도(Perceived familiarity with GenAI): 지식 시험·역량 평가가 아니라 단일 자기평가 문항으로 측정한, 학생이 스스로 느끼는 생성형 AI에 대한 익숙함의 정도. '실제 실력'이 아니라 '주관적 익숙함'이라는 점이 핵심.
- 비판적·책임적 지향(Critical–responsible orientation): 학생이 AI 관련 아홉 가지 윤리·사회적 쟁점을 얼마나 중요하게 여기는지로 조작적으로 정의. 관찰된 책임 있는 '행동'을 측정한 것이 아니라, 쟁점에 부여한 '중요도'다.
- 지원요구(Support needs): 학생이 필요로 하는 도움의 정도로, 다섯 개 영역에 걸쳐 측정. 그중 '책임 있는 사용에 대한 안내(responsible-use guidance)'가 두드러지게 요청됨.
- AI 준비도(GenAI readiness): 위 네 차원을 아우르는 상위 개념. 저자들은 이들이 서로 관련되나 동일하지 않은 별개의 차원이라고 본다.
연구 방법 (Method)
- 표본: 슬로베니아 교육·예술계열 4개 학부 학생 449명. 이 중 학습 목적으로 생성형 AI를 사용한다고 답한 196명을 하위 분석에 별도 활용.
- 설계: 자기보고식 설문조사(cross-sectional survey). 변수 간 관계는 상관 및 회귀 분석으로 검토(구체적 통계 모형·계수값은 초록 미기재, 본문 [확인 필요]).
- 측정: 지각된 친숙도 = 단일 자기평가 문항 / 비판적·책임적 지향 = 9개 윤리·사회 쟁점의 중요도 / 지원요구 = 5개 영역 / 사용 = 빈도·범위·다양성 및 학습 활용 목적 개수.
연구 결과 (Findings)
- 지각된 친숙도는 학습 목적 AI 사용의 빈도·범위·다양성과 약하지만 정적으로 연관됨.
- 지각된 친숙도는 비판적·책임적 지향을 유의하게 예측하지 못함. 대신 연령만 소폭 정적 연관.
- (기술통계) 친숙도가 낮은 학생일수록 다섯 개 영역 모두에서 지원요구가 큼.
- '책임 있는 사용 안내'는 친숙도 고·저 두 집단 모두에서 폭넓게 요청됨.
- 사용자 196명 하위분석: 학습 활용 목적의 개수를 유의하게 예측한 유일한 변수는 지각된 친숙도. 교수·기관 지원과 비판적·책임적 지향은 독립적으로 유의하지 않았음.
논의 및 결론 (Discussion & Conclusion)
- 네 구성개념(친숙도·사용·지원요구·비판적 지향)은 서로 관련되나 별개의 AI 준비도 차원이다. 하나가 높다고 나머지가 자동으로 따라오지 않는다.
- 특히 '익숙하게 잘 쓰는 것'과 '비판적·책임적으로 대하는 것'은 분리된다 — 사용 숙련이 곧 윤리적 판단력을 보장하지 않는다.
- 대학은 실용적 AI 사용 기술 + 비판적 평가 + 책임 있는 사용을 결합한 교육과정 기반(curriculum-based) 지원을 제공해야 한다.
후속 연구 제안 (Future Work)
초록에 별도의 'Future Work' 절이 명시되지는 않았다. 아래는 설계상 한계에서 자연스럽게 도출되는 방향으로, 원문 명시 여부는 [확인 필요].
- 단일 문항 자기평가가 아닌 객관적 역량 측정으로 친숙도를 재검증.
- 태도(중요도)뿐 아니라 실제 책임 있는 사용 행동을 관찰·측정.
- 슬로베니아 교육·예술계열을 넘어선 다국가·다전공 표본과 종단(시간에 따른 변화) 설계.
주제어 (Keywords)
MDPI 원문 페이지가 접근 차단(403)되어 저자 지정 키워드 원목록은 확인하지 못함 — 아래는 초록 기반 핵심어이며 정확한 저자 키워드 세트는 [확인 필요].
생성형 AI(generative AI), 고등교육(higher education), 지각된 친숙도(perceived familiarity), 비판적·책임적 지향(critical–responsible orientation), 지원요구(support needs), AI 준비도·리터러시(GenAI readiness/literacy)
3. 🏫 교육 현장 시사점
1. 'AI 잘 다룬다 ≠ AI 잘 판단한다'를 수업 설계 전제로 삼자. 학생이 능숙하게 프롬프트를 짜고 다양하게 활용하더라도, 그것이 비판적·책임적 태도를 담보하지 않았다. 그러니 AI 활용 수업에 '결과 검증·출처 확인·윤리적 판단' 활동을 별도 학습목표로 반드시 끼워 넣어야 한다. 능숙도만 키우는 실습은 절반짜리다.
2. 판단·자기조절을 '가르칠 내용'으로 명시하자. 비판적 태도는 사용량이 늘면 저절로 생기지 않았다(유의한 예측력 없음). 따라서 "AI가 틀릴 수 있는 지점 찾기", "언제 AI를 쓰지 말아야 하는가", "생성물 인용·표절 경계" 같은 판단 훈련을 명시적 커리큘럼으로 다뤄야 한다 — 오늘 앵커 그대로, 핵심은 사용이 아니라 판단이다.
3. '못 쓰는 학생'에게 지원을 먼저 두껍게. 친숙도가 낮다고 느끼는 학생일수록 전 영역에서 지원요구가 컸다. 자기효능감이 낮은 학생이 뒤처지지 않도록 기초 안내·예시·단계별 실습 같은 저부담 진입 지원을 우선 배치하면 격차를 줄일 수 있다.
4. '책임 있는 사용 안내'는 상·하위 학생 모두에게 제공하자. 잘 안다고 느끼는 학생조차 책임 있는 사용 가이드를 원했다. 즉 윤리·책임 안내는 초심자 전용 보충이 아니라 전체 대상 공통 자료로 상시 제공해야 한다. 고교 현장에서도 'AI 사용 규칙·윤리 가이드'를 학년·수준 불문 공통 배포하는 근거로 활용할 수 있다.
4. ⚠️ 한계와 유의점
- 상관·회귀 설계 = 인과 아님. "친숙하면 이렇게 된다"가 아니라 "이렇게 연관됐다"까지만 말할 수 있다. 시간 순서·인과 방향은 이 자료로 단정할 수 없다.
- 핵심 변수의 측정 방식이 '주관적'. 친숙도는 단일 자기평가 문항이라 실제 역량과 다를 수 있고, 비판적·책임적 지향은 '행동'이 아니라 '쟁점 중요도'로 잰 것이라 실제 책임 있는 행동을 보장하지 않는다.
- 단일 국가·특정 계열 표본. 슬로베니아 교육·예술계열 4개 학부 449명으로, 한국 고교나 다른 전공·문화권에 그대로 일반화하기 어렵다.
- 지원요구·집단 비교의 일부는 기술통계 수준. 친숙도 낮은 학생의 지원요구가 크다는 결과는 서술적(descriptive) 비교로 보고됐으므로, 통계적 유의성의 강도는 원문 본문에서 별도 확인이 필요하다.
- 초록에 회귀계수·유의확률 등 구체 수치가 제시되지 않아 이 분석문의 효과크기 관련 서술은 방향성(정적/유의하지 않음) 중심이다. 개별 수치는 원문 표를 확인해야 한다.
5. 📎 인용
Radovan, M., & Makovec Radovan, D. (2026). *Knowing is not enough: Perceived familiarity with generative AI, support needs, and critical–responsible orientation among higher education students*. Education Sciences, 16(8), 1259. https://doi.org/10.3390/educsci16081259