원제: From generative AI literacy to perceived employability: technological self-efficacy, career adaptability and internship quality in Taiwan's TVET
저자: Stanley Y.B. Huang. *Education + Training*, 1–12 (2026년 10월 30일). DOI: https://doi.org/10.1108/ET-01-2026-0134
연구 질문과 설계
직업계 학생이 생성형 AI를 이해하고 사용할 수 있다는 인식은 취업 준비와 어떤 관계가 있을까. Huang은 대만의 기술·직업교육훈련(TVET) 학생 가운데 현장 실습 경험이 있는 526명을 분석했다. 표준화한 복합 점수에 경로 분석을 적용하고, 5,000회 재표집 부트스트랩과 조절 분석으로 변수 사이의 관계를 살폈다. 일부 과제 수행 기록과 감독자 평정, 후속 고용·직무 적합성 자료도 보조 자료로 연결했다.
확인된 결과
학생이 인식한 생성형 AI 문해력은 기술 자기효능감, 진로 적응성, 지각된 고용 가능성과 정적인 관계를 보였다. 연구진이 설정한 여섯 가설은 모두 지지됐다. 실습의 질은 AI 문해력과 기술 자기효능감 사이의 첫 연결을 강화했다. 즉 학생이 AI를 안다고 느끼는 것만으로 진로 준비가 설명되지는 않았다. 실제 직무와 연결된 실습 환경이 관계의 강도를 바꿨다.
이 연구는 도구 사용 능력을 직무 수행 맥락과 묶어서 볼 필요를 보여 준다. 학생이 AI로 직무 정보를 찾는 데 그치는지, 과제에 맞는 질문을 만들고 결과를 검토하는지, 감독자 피드백을 받아 다음 시도를 바꾸는지가 진로교육에서 확인할 수 있는 관찰 지점이다.
진로교육에 적용한다면
교사는 학생에게 AI 도구 기능을 소개하는 데서 수업을 끝내지 않고 전공 과제와 현장 실습을 연결할 수 있다. 예를 들어 학생이 실제 업무 문서를 AI로 초안 작성한 뒤 사실을 검증하고, 현장 지도자의 피드백을 반영해 수정하는 과정을 평가할 수 있다. 이때 결과물만 점수화하기보다 학생이 AI 응답의 오류를 어떻게 찾아냈는지 기록하면 AI 문해력과 직무 역량을 구분해 살필 수 있다.
해석의 범위와 한계
주된 구조 모형은 관찰 자료와 학생의 자기 인식에 기반한다. 보조 수행·감독자 자료가 자기보고 의존을 줄이지만 연구 전체를 실험으로 바꾸지는 않는다. 이 결과로 AI 문해력 수업이 취업률을 높였다고 결론 내릴 수 없다. 대만의 특정 직업교육 맥락에서 나타난 관계이므로 다른 국가·전공·실습 환경에 적용할 때는 재검증해야 한다.
근거로 쓸 수 있는 주장
이 연구는 직업교육에서 생성형 AI 문해력을 실습의 질, 기술 자기효능감, 진로 적응과 연결해 분석할 필요를 뒷받침한다. AI 사용 교육이 취업을 보장한다는 주장을 뒷받침하지는 않는다.
APA 참고문헌
Huang, S. Y. B. (2026). From generative AI literacy to perceived employability: Technological self-efficacy, career adaptability and internship quality in Taiwan’s TVET. *Education + Training*, 1–12. https://doi.org/10.1108/ET-01-2026-0134