A Multidimensional Analysis of User Experience and AI Personalization in Indonesian University Websites

기술 요약: 인도네시아 대학 웹사이트의 사용자 경험 및 AI 개인화에 대한 다차원적 분석

문제 제기
코로나19 팬데믹으로 가속화된 고등 교육의 급격한 디지털 전환은 대학 웹사이트를 학생 참여, 기관 브랜딩 및 국제 모집을 위한 핵심 인터페이스로 확립시켰습니다. 그러나 기존의 대학 웹사이트 평가 관련 문헌은 파편화되어 있으며, 종종 콘텐츠 전략이나 국제적 인식, 그리고 신흥 인공지능(AI) 개인화 기능의 통합을 간과한 채 기술적 사용성이나 일반적인 만족도에만 좁게 집중하는 경면이 있습니다. 이러한 격차는 특히 "메르데카 벨라자르(Merdeka Belajar, 자유 학습)" 철학 아래 국내외 관객 모두를 위해 웹 기반 커뮤니케이션을 최적화해야 하는 디지털 인프라, 품질 보증, 시스템적 과제에 직면한 원격 교육 기관들이 존재하는 인도네시아 맥락에서 더욱 두드러집니다. 이러한 별개의 영역들이 어떻게 상호작용하여 AI 기반 교육 플랫폼의 사용자 경험(UX)을 형성하는지 평가하는 경험적 근거를 갖춘 다차원적 프레임워크가 부족한 실정입니다.

연구 방법론
본 연구는 Universitas Terbuka, Universitas Negeri Surabaya (UNESA), Universitas Pradita, 그리고 Indonesia Cyber Education Institute (ICEI) 등 4개 인도네시아 고등 교육 기관의 사용자 인식을 평가하기 위해 횡단적 혼합 방법론적 수렴 설계(cross-sectional mixed-methods convergent design)를 채택하였습니다.

• 참가자: 최종 샘플은 인도네시아 시민(n=44, 58.7%)과 8개국(필리핀, 일본, 미얀마, 스리랑카, 파키스탄, 멕시코, 동티모르, 터키) 출신의 국제 사용자(n=31, 41.3%)를 포함하여 총 75명의 응답자로 구성되었습니다.
• 도구: 데이터는 5개 구성 개념과 4개의 개방형 질적 질문으로 구성된 62개 평정 항목을 특징으로 하는 구조화된 온라인 설문지(Google Forms 활용)를 통해 수집되었습니다. 평정 항목에는 7점 척도의 양극단 의미 차이 척도(1 = 부정적 속성부터 7 = 긍정적 속성까지)가 사용되었습니다.
• 구성 개념: 평가는 콘텐츠 전략, 사용성, 국제적 인식, AI 개인화의 네 가지 주요 영역과 전반적인 만족도 지표를 포함했습니다.
• 분석: 정량적 분석에는 기술 통계, 내부 일관성을 위한 Cronbach's alpha, Pearson 상관계수, 독립 표본 t-검정, 일원 분산 분석(one-way ANOVA), 그리고 Python 라이х브러리(scipy, statsmodels, pandas)를 이용한 다중 선형 회귀 분석이 포함되었습니다. 질적 데이터는 우선 개선 영역을 식별하기 위해 주제 분석(thematic analysis)을 거쳤습니다.

주요 결과
본 연구는 모든 구성 개념에 대해 높은 내부 일관성 신뢰도(Cronbach's α 범위 0.929 ~ 0.982)를 나타냈습니다.

• 기술 통계: 4가지 평가 영역 모두 중간 이상의 높은 만족도 점수를 기록했습니다(7점 척도 기준 평균 > 5.0). AI 개인화가 가장 높은 도메인 평균(M=5.26)을 기록했으며, 콘텐츠 전략(M=5.20)과 국제적 인식(M=5.20)이 그 뒤를 바짝 쫓았고, 사용성(M=5.13)이 약간 낮았습니다.
• 회귀 분석: 다중 회귀 모델 결과, 네 가지 영역이 전체 만족도 분산의 87.6%를 설명하는 것으로 나타났(R² = 0.876).
  • AI 개인화가 가장 강력한 고유 예측 변수로 나타났습니다(β = 0.512, p < .001).
  • 사용성이 두 번째로 유의미한 예측 변수였습니다(β = 0.189, p = .007).
  • 콘텐츠 전략과 국제적 인식은 다른 영역들을 통제했을 때 고유한 예측 변수로서 통계적 유의성에 도달하지 못했으나, 만족도와는 여전히 높은 상관관계를 보였습니다.
• 하위 차원 결과: 콘텐츠 전략 내에서 "숙박 및 생활비" 항목이 가장 낮은 점수(M=4.36)를 받았으며, 이는 국제 학생들에게 중요한 정보 격차가 존재함을 시사합니다.
• 비교 분석: 모든 영역에서 국내 응답자와 국제 응답자 간의 통계적으로 유의미한 차이가 발견되지 않았으며, 이는 문화적으로 일관된 인식을 보여줍니다. 그러나 AI 개인화 인식에 있어서는 성별에 따른 유의미한 차이가 관찰되었는데, 여성 응답자가 남성보다 더 높게 평가했습니다. Universitas Terbuka가 다른 기관들에 비해 가장 높은 전체 만족도 점수(M=6.07)를 달 기록했습니다.
• 질적 통찰: 주제 분석 결과, 사용자들이 사용의 용이성과 명확한 정보 제시를 가치 있게 여긴다는 점이 강조되었습니다. 주요 개선 요청 사항으로는 서버 성능 강화(개선 의견의 24.2%), 내비게이션 개선, 검색 기능 향상, 그리고 더 강력한 개인화 기능(예: 챗봇, 적응형 추천) 등이 포함되었습니다. 국제 사용자들은 특히 자동화된 도구보다는 다국어 접근성과 전문적인 번역을 요청했습니다.

핵심 기여

1. 다차원적 프레임워크: 본 연구는 전통적인 단일적 사용성 지표를 넘어 콘텐츠 전략, 사용성, 국제적 인식, AI 개인화를 동시에 평가하는 종합적인 평가 프레임워크를 도입합니다.
2. AI의 예측 타당성: 본 연구는 인도네시아 대학 웹사이트 맥ら에서 AI 개인화가 전통적인 콘텐츠 및 사용성 요인을 능가하는 예측력을 가진, 만족도의 지배적인 동인이라는 경험적 증거를 제공합니다.
3. 교차 문화적 일관성: 본 연구는 잘 설계된 플랫폼이 다양한 국가적 배경에 걸쳐 유사한 사용자 경험을 달성할 수 있음을 입증함으로써, 웹사이트 선호도에 대한 문화적 차이가 클 것이라는 가설에 도전합니다.
4. 맥락적 특수성: 본 연구는 인도네시아 원격 교육에 관한 문헌의 공백을 메우며, 개발도상국의 디지털 인프라 맥락에서 국립 및 사립 기관의 성과에 대한 구체적인 데이터를 제공합니다.

의의 및 주장
본 논문은 연구 결과가 디지털 교육 환경을 어떻게 설계하고 평가해야 하는지에 대한 패러다임의 변화를 나타낸다고 주장합니다. AI 개인화를 만족도의 가장 강력한 예측 변수로 식별함으로써, 본 연구는 기술 수용 모델(TAM)이 AI 개인화를 별도의 고영향 예측 구성 요소로 명시적으로 포함하도록 업데이트되어야 할 필요가 있음을 시사합니다.

실무적으로, 본 결과는 기관 관리자와 웹 개발자에게 실행 가능한 지침을 제공합니다. 저자들은 기관들이 사용자 참여를 높이기 위해 챗봇 개발, 개인화된 콘텐츠 추천 시스템, 적응형 검색 기능에 대한 투자를 우선시해야 한다고 주장합니다. 또한, 본 연구는 국제 학생 유치 및 유지를 지원하기 위해 숙박 및 생활비 정보와 같은 특정 콘텐츠 격차와 서버 성능과 같은 인프라 한계를 해결해야 할 긴급한 필요성을 강조합니다. 결론적으로, 본 연구는 효과적이고 신뢰할 수 있는 AI 개인화의 통합을 포함한 웹사이트 품질에 대한 체계적인 주의가 국제적 도달 범위를 넓히고 형평성 있는 디지털 학습 경험을 제공하고자 하는 기관들에게 전략적 필수 과제임을 밝힙니다.