Exploring the Adoption Intention in Using AI-Enabled Educational Tools Among Preservice Teachers in the Philippines: A Partial-Least Square Modeling

"필리핀 예비 교사를 대상으로 한 AI 기반 교육 도구 사용 의도 탐색: 부분 최소 제곱 모델링"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

본 연구는 교사 교육의 중요한 공백을 다루고 있습니다: 실습 (학생 교사) 단계에서 **AI 기반 교육 도구 (ETTs)**를 채택하려는 예비 교사의 행동 의도에 영향을 미치는 구체적인 요인을 이해하는 것입니다. 교육 기술이 교실에 점점 더 통합되고 있지만, 효과적인 채택은 인프라뿐만 아니라 미래 교육자들을 이끄는 심리적 및 맥락적 요인에 달려 있습니다.

기존 문헌은 실습의 고유한 제약 내에서 예비 교사들이 (수업 계획용 생성형 AI, 자동 채점 시스템 등) AI 특정 도구를 어떻게 탐색하는지에 대한 구체적인 통찰이 부족한 경우가 많습니다. 저자들은 필리핀 맥락에서 채택 의도를 더 잘 예측하는 것이 내적 동기/인지적 요인인지, 아니면 외적 제도적 요인인지 확인하고자 합니다.

2. 방법론

연구 설계 및 참여자

• 설계: 기술적 횡단 연구.
• 참여자: 필리핀 중부 루손 지역의 교사 교육 기관에 재학 중인 예비 교사 563 명.
• 인구통계: 여성이 대부분 (71.4%), 평균 연령 21.06 세. 전공은 체육 (50%), 초등 (24.5%), 중등 (25.4%) 이 포함되었습니다.
• 맥락: 참여자들은 현재 실습 과정에 등록되어 있었습니다. 본 연구는 Canva, Slidesgo, Quillbot, ChatGPT, Gemini, Copilot, Quizizz, Kahoot!, Gradescope 와 같은 플랫폼을 포함하도록 AI 도구를 맥락화했습니다.

이론적 틀

본 연구는 **기술 수용 및 사용 통합 이론 2 (UTAUT2)**의 확장 버전을 활용합니다.

• 핵심 구성 요소: 성과 기대 (PE), 노력 기대 (EE), 쾌락적 동기 (HM), 사회적 영향 (SI), 촉진 조건 (FC), 가격 가치 (PV), 습관 (HB).
• 확장 구성 요소: 이 모델은 노력 기대 (EE) 와 쾌락적 동기 (HM) 의 선행 요인으로 컴퓨터 자기 효능감 (CSE), 컴퓨터 불안 (CA), **컴퓨터 유희성 (CP)**을 통합합니다.
• 성과 기대 (PE) 의 추가 예측 변수: 외적 동기 (EM), 직무 적합성 (JF), 상대적 우위 (RA), 결과 기대 (OE).

도구 및 분석

• 데이터 수집: 4 점 리커트 척도를 사용한 온라인 설문조사 (Google Forms).
• 분석 기법: 부분 최소 제곱 구조 방정식 모델링 (PLS-SEM).
• 타당성 검증:
  • 신뢰도: 크론바흐 알파와 복합 신뢰도 (CR) 가 0.70 을 초과했습니다.
  • 타당성: 요인 하중 (>0.70) 과 평균 추출 분산 (AVE > 0.50) 을 통해 수렴 타당성이 확인되었습니다. 판별 타당성은 포넬 - 라커 (Fornell-Larcker) 기준을 통해 확인되었습니다.
• 가설: 구성 요소와 행동 사용 의도 (BITU) 간의 직접 및 간접 관계와 관련하여 12 개의 주요 가설이 검증되었습니다.

3. 주요 결과

PLS-SEM 분석은 다음과 같은 유의미한 결과를 도출했습니다:

A. 행동 사용 의도 (BITU) 의 직접적 예측 변수

• 성과 기대 (PE): 가장 강력한 긍정적 예측 변수 ($\beta = 0.302, p < .001$). AI 가 자신의 교수 성과를 향상시킨다고 믿는 교사는 이를 채택할 가능성이 더 높습니다.
• 쾌락적 동기 (HM): 두 번째로 강력한 긍정적 예측 변수 ($\beta = 0.292, p < .001$). 도구 사용에서 얻는 즐거움이 채택을 크게 촉진합니다.
• 노력 기대 (EE): 유의하지 않음 ($\beta = -0.013, p = .830$). 이 맥락에서 사용의 용이성에 대한 인식은 AI 도구 사용 의도에 직접적인 영향을 미치지 않았습니다.

B. 노력 기대 (EE) 의 선행 요인

EE 가 BITU 를 직접 예측하지는 않았지만, 다음과 같은 요인들에 의해 유의미하게 형성되었습니다:

• 컴퓨터 자기 효능감 (CSE): 긍정적 영향 ($\beta = 0.469$).
• 컴퓨터 유희성 (CP): 긍정적 영향 ($\beta = 0.387$).
• 컴퓨터 불안 (CA): 놀랍게도 작지만 유의미한 긍정적 영향 ($\beta = 0.059$) 을 보였는데, 이는 더 높은 불안이 더 높은 지각된 노력과 관련이 있음을 시사하거나 (또는 이 특정 표본에서 관계가 복잡함) 복잡함을 나타냅니다.

C. 성과 기대 (PE) 의 선행 요인

PE 는 다음과 같은 요인들에 의해 유의미하게 예측되었습니다:

• 외적 동기 (EM): 가장 강력한 동인 ($\beta = 0.487$).
• 결과 기대 (OE): ($\beta = 0.236$).
• 직무 적합성 (JF): ($\beta = 0.162$).
• 상대적 우위 (RA): ($\beta = 0.071$).

D. 맥락적 및 습관적 요인 (유의하지 않음 또는 부정적)

• 사회적 영향 (SI): 유의미한 부정적 효과를 보였습니다 ($\beta = -0.096, p = .014$). 동료나 상사의 외부적 압력은 오히려 자율성에 대한 위협으로 인식되어 AI 도구 사용 의도를 감소시켰습니다.
• 촉진 조건 (FC): 유의미한 영향이 없었습니다 ($\beta = -0.029$). 제도적 지원만으로는 채택을 주도하지 못합니다.
• 가격 가치 (PV) 및 습관 (HB): 경미한 효과만 보였습니다 ($p > 0.05$), 이는 비용과 기존 관행이 이 인구 집단에게는 주요 동인이 아님을 나타냅니다.

4. 주요 기여

1. AI 맥락에서의 UTAUT2 정교화: 본 연구는 AI 채택을 위한 UTAUT2 틀을 검증하지만, 다음과 같은 편차를 강조합니다: 노력 기대는 이 특정 맥락에서 의도의 직접적 동인이 아니며, 사용의 용이성이 최우선이라는 표준 가정에 도전합니다.
2. "사회적 영향 역설"의 식별: 사회적 영향이 부정적 영향을 미친다는 발견은 중요한 기여입니다. 이는 예비 교사들에게 상향식 또는 동료 압력식 명령이 AI 의 자발적 채택을 방해할 수 있음을 시사하며, 자율성의 필요성을 강조합니다.
3. 심리적 대 제도적 동인: 본 연구는 미래 교사의 AI 채택에서 내적 요인(동기, 즐거움, 자기 효능감) 이 외적 요인(인프라, 제도적 명령, 비용) 보다 유의미하게 우세하다는 실증적 증거를 제공합니다.
4. 맥락적 특수성: 본 연구는 전 세계 AI 교육 연구에서 종종 간과되는 인구 집단인 실습 중인 필리핀 예비 교사들을 대상으로 한 대규모 PLS-SEM 분석을 최초로 제공합니다.

5. 중요성 및 함의

• 교사 교육 프로그램에 대한 함의:
  • 커리큘럼은 단순히 인프라 (촉진 조건) 를 제공하는 데서 벗어나 내재적 동기와 즐거움을 함양하는 데 초점을 맞춰야 합니다.
  • 훈련은 성과 기대를 높이기 위해 개인적 관련성(직무 적합성) 과 결과 기대를 강조해야 합니다.
  • 프로그램은 컴퓨터 불안을 해소하고 의무적 명령이 아닌 실습 중심의 저위험 탐색을 통해 자기 효능감을 구축해야 합니다.
• 정책 및 행정가에게의 함의:
  • 행정가는 강제적인 "사회적 영향" 전술을 피해야 합니다. 채택 전략은 자발적이고 자기 주도적이어야 합니다.
  • AI 도구 투자는 사용의 용이성뿐만 아니라 상대적 우위와 외적 동기(예: 시간 절약, 성적 향상) 를 제공하는 기능에 우선순위를 두어야 합니다.
• 이론적 영향: 본 연구는 신흥 AI 기술의 맥락에서 "재미" 요소 (쾌락적 동기) 와 유용성에 대한 신념 (성과 기대) 이 채택의 주요 관문이며, 기본 역량이 확립된 후에는 "사용의 용이성"과 같은 전통적 장벽이 2 차적임을 시사합니다.

결론적으로, 본 논문은 교사 교육에서의 성공적인 AI 통합이 더 나은 인프라 구축에 덜 의존하고, 미래 교사들이 이러한 도구를 사용할 때 자신감 있고 자율적이며 개인적으로 보상을 받는 심리적 환경을 조성하는 데 더 의존한다고 주장합니다.