가정의 AI 학습 지원: 부모의 역량·신뢰·학교와의 소통

Song 외(2026) · Frontiers in Psychology · 중국 학부모 567명 횡단 설문 · 일일 리포트 자료 E03

요약(Abstract)

이 연구는 부모가 자녀의 AI 학습을 지원하려는 의향을 디지털 역량, AI 신뢰, 가정과 학교의 관계로 설명하고자 했다. 중국의 유아·초등·중등 자녀를 둔 학부모 585명에게 온라인 설문을 실시하고 유효 응답 567개를 분석했다. 연구진은 관측된 척도 점수로 경로모형을 구성했으며 실제 학습성과를 측정한 실험은 수행하지 않았다. 가정의 AI 사용과 사회경제적 지위는 부모의 디지털 역량과 관련됐다. 디지털 역량은 AI 신뢰와, 신뢰는 가정·학교 협력과, 협력은 지원 의향과 양의 관련성을 보였다. 그러나 한 시점의 설문이므로 이 관계를 시간에 따른 변화나 인과 경로로 해석할 수 없다. AI 신뢰와 가정·학교 협력을 측정한 짧은 척도의 신뢰도가 낮아 계수의 안정성에도 주의가 필요하다. 학력이 높은 자발적 참여자가 많은 표본에서 나타난 결과를 경제적·디지털 자원이 부족한 모든 가정으로 일반화하기도 어렵다. 학교는 이 연구를 기기나 유료 도구의 보급만으로 가정 지원을 판단하지 않고 부모의 이해와 소통 조건을 함께 살피는 출발점으로 활용할 수 있다.

연구의 필요성과 목적

가정에서 AI를 자주 쓴다는 사실만으로 부모가 결과의 오류를 확인하거나 자녀에게 적절한 사용 범위를 설명할 수 있다고 보기는 어렵다. 접속과 사용 빈도는 무엇을 할 수 있는지 보여 주는 일부 지표다. 자녀에게 어떤 도움을 허용할지, 답을 그대로 제출하지 않도록 어떻게 안내할지, 문제가 생기면 학교에 어떻게 문의할지도 가정 학습 환경을 구성한다.

연구진은 부모를 자녀가 AI를 접하는 조건을 조정하는 문지기, 즉 게이트키퍼로 보았다. 이 관점에서 가정의 자원과 사용 경험이 부모의 역량·신뢰·관계적 지원과 어떻게 연결되는지 살폈다. 마지막에 설명하려는 값은 자녀의 AI 학습을 지원할 의향과 비용을 지불할 의향이다. 두 값 모두 의향이므로 실제 구매·지도 행동이나 학생의 학습성과와 구분해야 한다.

연구 질문

논문의 모형과 분석 목적을 다음과 같이 정리할 수 있다.

가정의 사회경제적 조건과 AI 사용 경험은 부모의 디지털 역량과 어떤 관계가 있는가?
디지털 역량, AI 신뢰와 위험 인식은 부모의 관여 및 가정·학교 협력과 어떻게 연결되는가?
이 요인들은 AI 학습 지원 의향과 지불 의향을 어느 정도 설명하는가?
표본 안에서 사회경제적 지위를 나눈 두 집단의 관계 구조는 다른가?

이 질문들은 요인 사이의 관련성을 묻는다. 부모 교육의 효과나 학교 안내 방식의 우열을 검증하는 질문으로 바꾸어 읽어서는 안 된다.

핵심 용어

부모의 디지털 리터러시(Parental digital literacy): AI의 기능과 한계를 이해하고, 사용 권한·시간을 조정하며, 학습 내용에 맞는 도구를 고를 수 있다는 자기보고 역량이다.
AI 신뢰(AI trust): AI를 어느 정도 믿는지에 관한 응답이다. 정확도를 실제로 판별한 수행 점수와 다르다.
부모의 매개·관여(Parental mediation): 자녀와 함께 사용하거나 대화하는 등 부모가 사용 과정에 관여하는 방식이다. 통계적 매개효과라는 용어와 혼동하지 않아야 한다.
가정·학교 협력(Home–school collaboration): AI 활용에 관한 가정과 학교의 관계적 지원을 가리킨다. 이 연구에서는 짧은 자기보고 척도로 측정했다.
행동 의향(Behavioral intention): 자녀의 AI 학습을 지원하려는 응답이다. 실제 행동과 학생 성취를 대신하는 지표는 아니다.
관측변수 경로모형(Observed-variable path model): 척도 점수들 사이의 관계를 추정하는 모형이다. 측정오차를 따로 추정하는 완전한 잠재변수 모형과 다르다.

연구 방법

자료는 2025년 11월 1일부터 12월 31일까지 온라인으로 수집했다. 확률 표집이 아닌 자발적 참여 방식이며, 전자 동의를 받은 성인 학부모가 응답했다. 585명 중 주의 점검을 통과하지 못한 18명을 제외했다. 분석 대상 자녀는 유아 181명, 초등 313명, 중등 73명이었다. 학부모 445명은 학사 학위를 보유해 전체의 약 78%를 차지했다.

설문은 가정의 배경, AI 사용, 디지털 역량, 문화적 자원, 신뢰, 개인정보 우려, 알고리즘 관련 인식, 부모의 관여, 학교와의 협력, 지원·지불 의향을 포함했다. 일부는 여러 문항의 합성 점수이고 일부는 단일 문항이었다. 알고리즘 관련 문항에는 의존, 창의성, 불투명성에 대한 우려가 포함되므로 알고리즘의 작동을 얼마나 잘 설명하는지 평가한 지식검사로 보기는 어렵다.

연구진은 R의 lavaan으로 표준화된 관측 점수의 경로모형을 추정했다. 정규성 위반에 대응하는 강건한 최대우도 방식과 결측값 처리를 사용했다. 이러한 통계 절차는 모형 추정에 도움을 주지만, 설문의 측정오차나 선택 편향을 제거하지는 않는다. 한 번의 자기보고 조사에는 같은 응답 성향이 여러 변수에 함께 반영될 가능성도 남는다.

모형 적합도는 CFI=.955, TLI=.836, RMSEA=.077, SRMR=.051이었다. 지표가 모두 같은 수준의 적합성을 보여 주는 것은 아니며, 특히 낮은 TLI를 함께 확인해야 한다. 모형 전체를 충분히 검증된 설명 체계로 단정하기보다 현재 자료에 맞추어 살펴본 관계 구조로 읽는 것이 타당하다.

주요 결과

첫째, 사회경제적 지위와 부모의 디지털 역량 사이의 표준화 계수는 .204, 가정의 AI 사용과 디지털 역량 사이는 .202였다. 사용 빈도와 역량이 관련됐다고 해서 자주 쓰는 모든 부모가 결과 검증이나 사용 조절에도 능숙하다는 뜻은 아니다. 논문도 사용 경험을 넓은 의미의 역량이나 준비 상태와 동일시하지 않는다.

둘째, 디지털 역량과 AI 신뢰의 계수는 .278이었고 95% 신뢰구간은 .178~.378이었다. AI 신뢰와 가정·학교 협력은 .374, 신뢰구간은 .272~.476이었다. 가정·학교 협력과 지원 의향은 .155, 신뢰구간은 .049~.260이었다. 이 값들은 모형 안의 표준화된 관련성이다. 예를 들어 .278을 “역량이 오르면 신뢰가 27.8% 증가한다”라고 쓰면 단위와 인과 해석을 모두 잘못 옮기게 된다.

셋째, 신뢰와 지원 의향의 직접 관계도 양의 방향이었다. 그러나 부모의 관여와 지원 의향 사이의 직접 경로는 .088로 작고, 논문에서 유의한 관계로 판단하지 않았다. 모든 부모 관여 활동이 지원 의향을 높인다고 단정할 근거는 아니다. 또한 신뢰 척도의 내적 일관성은 α=.46, 가정·학교 협력 척도는 α=.52였다. 두 핵심 개념을 불안정하게 측정했을 가능성이 있어 계수의 크기나 순서를 지나치게 정밀한 사실처럼 읽지 않아야 한다.

넷째, 모형은 지불 의향보다 지원 의향을 더 잘 설명했다. 지불 의향은 단일 문항으로 측정됐고 가계 예산, 가격, 도구의 가치와 학교의 요구 등 빠진 요인의 영향을 받을 수 있다. 지원할 마음이 있다는 응답을 유료 구독에 동의한다는 말로 해석해서는 안 된다.

다섯째, 사회경제적 지위의 표본 중앙값으로 나눈 두 집단 사이에서는 관계 구조의 큰 차이에 대한 강한 근거가 나오지 않았다. 집단 비교의 p값은 .198이었다. 이는 이 표본 안에서 모형의 차이를 뚜렷하게 확인하지 못했다는 뜻이다. 저소득·고소득 가정 전체의 격차가 없다는 결과도, 교육 자원이 충분히 공정하게 배분돼 있다는 결과도 아니다.

논의와 해석의 범위

이 논문의 장점은 가정의 AI 활용을 접속과 구매만으로 설명하지 않고 부모의 역량과 학교와의 관계를 함께 본다는 데 있다. 부모가 확인 방법을 모르거나 질문할 창구가 없으면 사용 빈도가 높아도 학습 지원이 적절한지 판단하기 어렵다는 문제를 제기한다. 다만 이 문제 제기의 타당성과 특정 지원 방식의 효과는 별개다.

같은 날 소개한 아칸소주 교사 설문은 기관 차원의 공통 기준에 대한 요구를, 국제 전문가 합의 해설은 데이터·접근성·감독·리터러시를 다룰 필요를 제시한다. 가정 연구와 이 두 자료는 지원의 책임을 어디에 둘 것인지 함께 생각하게 한다. 그러나 중국 학부모의 횡단 설문, 미국의 소규모 교사 설문, 국제 전문가 합의를 합쳐서 하나의 인과효과를 입증했다고 말할 수는 없다.

또한 “신뢰가 중요하다”는 결과를 무조건적인 AI 신뢰를 높이라는 지침으로 바꾸면 곤란하다. 사용 목적에 맞는 성능, 실패 가능성과 확인 방법을 이해한 신뢰가 필요하다는 해석과, 신뢰가 높을수록 무조건 좋다는 주장은 다르다. 학교의 안내는 장점을 소개하는 내용과 함께 학생이 직접 해야 할 일, 결과를 확인하는 방법을 구체화할 수 있다.

현장 적용: 대상별로 무엇을 검토할 수 있는가

다음 제안은 조사 결과를 학교 맥락으로 옮겨 검토한 방안이다. 이 논문에서 효과를 실험한 프로그램은 아니다.

교사는 과제 안내에 AI가 도울 수 있는 부분과 학생이 직접 설명할 부분을 함께 적을 수 있다. 예를 들어 아이디어 비교에는 도움을 허용하되, 최종 선택의 이유와 근거 확인은 학생이 말하도록 설계할 수 있다. 가정에는 사용 횟수를 많이 늘리라는 안내보다 오류를 발견했을 때 다시 확인하는 예시를 제공하는 편이 연구가 제기한 역량의 문제에 가깝다.

학교는 학부모가 이해하지 못한 기능이나 사용 조건을 질문할 창구를 정하고, 학생 계정·기기·가정의 시간 여건 때문에 참여하기 어려운 경우를 확인할 수 있다. 교사 개인에게 도구 구매와 데이터 처리를 모두 판단하게 하기보다 기관이 공통으로 정할 영역을 분명히 할 필요가 있다. 가정의 유료 구독을 기본 조건으로 삼는 방식은 이 연구의 지불 의향 결과로 정당화할 수 없다.

학부모와의 대화에서는 “AI를 신뢰하십니까”라는 질문 하나보다 어떤 과제에 사용했고 무엇을 확인하기 어려웠는지 묻는 편이 구체적이다. 아이가 도움 없이 설명할 수 있는 부분과 부모가 대신 처리한 부분도 구분해 볼 수 있다. 이 과정에서 부모의 부족함을 평가하기보다 학교가 제공해야 할 지원을 파악하는 방향으로 질문을 구성해야 한다.

한계와 후속 연구

핵심 한계는 횡단 설계, 자기보고, 비확률 표집, 짧고 신뢰도가 낮은 척도, 관측 점수 중심의 모형이다. 유아부터 중등까지 자녀의 단계가 섞여 있고 고학력 부모가 많다. 한국의 고등학교나 디지털 접근이 어려운 가정에 적용하려면 해당 맥락에서 다시 확인해야 한다.

후속 연구는 디지털 역량과 신뢰를 더 안정적인 다문항 척도로 측정하고, 부모의 실제 사용 조절·결과 확인 행동을 관찰할 필요가 있다. 다양한 사회경제적 조건의 가정을 포함한 종단 연구는 변화의 선후관계를 살필 수 있다. 학교 안내나 부모 지원 프로그램의 효과를 알고 싶다면 비교집단을 둔 설계와 함께 학생의 도움 없는 수행, 지연 검사, 지원 부담과 접근 격차를 확인해야 한다.

연구자가 이 논문을 인용할 때는 “부모의 역량·신뢰·학교와의 관계가 지원 의향과 관련됐다”는 범위를 유지하는 것이 적절하다. “부모의 AI 사용이 자녀 성적을 올렸다”거나 “사회경제적 격차가 사라졌다”는 문장의 근거로 사용할 수 없다.

키워드와 출처

키워드: 가정 학습 환경(Home learning environment), 부모 디지털 리터러시(Parental digital literacy), AI 신뢰(AI trust), 가정·학교 협력(Home–school collaboration), 행동 의향(Behavioral intention), 경로분석(Path analysis).

APA: Song, X., Qu, H., Sun, L., Jin, J., Yi, X., Zhu, J., & Huang, H. (2026). Structuring the AI-enabled home learning environment: A gatekeeper model of digital capital, trust, and relational support. Frontiers in Psychology, 17, Article 1838910. https://doi.org/10.3389/fpsyg.2026.1838910

근거 위치: 원문 §2의 표본·측정·분석 절차, §3의 모형 적합도·경로계수·집단 비교, §4.5의 사회경제적 집단 해석, §4.6~4.7의 실천 논의와 한계. 위 적용안 중 과제 안내 예시와 확인 질문은 이 리포트의 제안이다.

← 2026-09-26 리포트로