원제: Explaining teacher adoption of AI through the technology acceptance model: a meta-analysis and systematic review
기준 자료: 출판사 원문과 DOI 등록 메타데이터. 실행일: 2026년 10월 24일.
서지 정보
Shenoy, P., & Saarela, M. (2026). Explaining teacher adoption of AI through the technology acceptance model: A meta-analysis and systematic review. *Artificial Intelligence Review*. https://doi.org/10.1007/s10462-026-11736-x
연구 질문과 자료
AI 도구를 유용하고 쉽게 쓸 수 있다고 느끼면 교사도 실제 수업에서 이를 채택할까. Shenoy와 Saarela는 기술수용모형의 세 요소가 교사 AI 수용을 설명하는지, 그리고 일반 소프트웨어에 맞춘 모형이 AI 환경에도 충분한지 살폈다.
저자들은 19개국 교사 15,919명을 포함한 실증연구 38편을 체계적으로 검토했다. 이 가운데 상관계수를 추출할 수 있는 24편, 11,768명의 자료를 무선효과 모형으로 통합했다. 사용 편의성과 유용성의 상관은 r=.532, 사용 편의성과 행동 의도는 r=.536, 유용성과 행동 의도는 r=.619였다.
결과를 어떻게 읽을까
세 관계는 모두 양의 방향이고 중간에서 큰 상관을 보인다. 하지만 연구 사이 이질성이 I²=97.9~98.6%로 매우 컸다. 예측구간도 음수에서 큰 양수까지 넓어 나라·기관에 따라 관계의 크기가 달라질 수 있다. 이 결과는 유용하다고 느끼는 교사가 사용 의향을 더 보인다는 경향이지, 실제 수업 도입이나 학습 향상을 입증한 인과효과가 아니다.
저자들의 질적 종합은 다섯 조건을 짚는다. 교사의 AI 리터러시와 신뢰가 유용성 판단의 바탕이 된다. 교수 신념과 학교 규범은 기능 중심의 수용을 직업 정체성의 문제로 바꿀 수 있다. 기관의 여건, 도구별 목적, 윤리 위험 판단도 수용 차이를 만든다. 따라서 쉬운 인터페이스 하나만 제공해 도입을 설명하기 어렵다.
교사 연수와 학교 적용
연수 전후에 사용 의향만 조사하면 실제 판단 역량을 놓칠 수 있다. 교사가 AI 출력을 검증하는 방법, 어떤 과제에 쓰지 않는지, 학생 데이터를 어떻게 보호하는지를 함께 살펴야 한다. 학교는 교사에게 도구를 배포하기 전에 사용 목적, 허용되는 자료, 검토 책임자, 학생에게 알릴 내용을 합의할 수 있다. 이 제안은 메타분석이 직접 시험한 프로그램이 아니라 연구 결과를 학교 의사결정에 옮긴 적용안이다.
한계와 적용 범위
포함 연구는 19개국에서 수집됐지만 상관계수를 보고한 연구만 메타분석에 들어갔다. 서로 다른 AI 도구와 학교 조건을 한 평균으로 요약했기 때문에 단일 국가나 특정 과목의 도입률을 예측하지 못한다. 상관관계는 원인과 결과의 방향도 확정하지 않는다.
출처와 근거
Shenoy, P., & Saarela, M. (2026). Explaining teacher adoption of AI through the technology acceptance model: A meta-analysis and systematic review. *Artificial Intelligence Review*. https://doi.org/10.1007/s10462-026-11736-x
- 원문: https://link.springer.com/article/10.1007/s10462-026-11736-x
- DOI 등록 제목·저자 대조: Crossref API.