Modeling Artificial Intelligence Tool Adoption in Mathematics Teacher Education: A TAM-Based Structural Equation Modeling

당신이 미래의 수학 교사들에게 초지능형 AI 기반 로봇 조수를 교실에서 사용하도록 설득하려고 한다고 상상해 보십시오. 당신은 이렇게 생각할지도 모릅니다. "그들이 컴퓨터를 잘 다룬다고 믿거나, 학교가 좋은 와이파이를 제공하기만 하면 그들은 그것을 사용할 거야!" 하지만 인도의 한 새로운 연구는 마법이 작동하는 방식이 그와는 전혀 다르다는 것을 시사합니다.

연구자들인 비벡 쿠마르 라왓(Vivek Kumar Rawat), M. T.V. 나가라주(M. T.V. Nagaraju), 그리고 쿠마리 딥티(Kumari Dipti)는 이 아이디어를 테스트하기 위해 '기술 수용 모델(Technology Acceptance Model, TAM)'이라는 "지도"를 사용하기로 했습니다. 그들은 인도의 파트나(Patna)에 있는 268명의 예비 교사들에게 AI 도구에 대한 감정을 묻는 설문조사를 작성하도록 요청했습니다. 이 설문조사는 AI가 얼마나 유용한지, 사용하기 얼마나 쉬운지, 기술에 대해 어떻게 느끼는지, 사용할 계획이 있는지, 기술에 대해 얼마나 자신감을 느끼는지, 그리고 학교가 어떤 지원을 제공하는지 등 여섯 가지 요소를 측정하는 거대한 디지털 기분 측정기라고 생각하면 됩니다.

대반전: 자신감이나 지원의 문제가 아니다 (적어도 직접적으로는)

여기 반전이 있습니다. 연구 결과, 단순히 자신의 기술 능력에 대해 자신감을 느끼는 것(기술적 자기효능감)이나 학교가 도움을 약속하는 것(촉진적 조건)이 이 특정 맥락에서 학생들의 AI 사용 의지를 직접적으로 만들어내지는 않았습니다.

사실, 데이터는 "나는 자신감이 있다"와 "이 도구가 유용하다고 생각한다" 사이의 연결 고리가 이 집단에게 통계적으로 유의미하지 않음을 보여주었습니다. 연구진은 이러한 요인들이 "직접적인 효과가 거의 적음"을 언급하며, 자신의 능력에 대한 믿음과 환경에서 제공되는 지원이 그 경험적 가치가 명시적으로 드러나지 않는 한 채택을 예측하는 가치를 지니지 못한다는 점을 나타냈습니다. 심지어 "내가 사용할 계획이라면, 그것을 쉽게 느낄 것이다"라는 생각조차 그들의 수치상으로는 성립하지 않았습니다.

진정한 동력: "유용한가?" 그리고 "사용하기 쉬운가?"

그렇다면 무엇이 효과가 있었을까요? 연구는 학생들이 AI를 사용하고 싶게 만드는 두 가지 핵심 열쇠가 바로 **인지된 유용성(Perceived Usefulness)**과 **인지된 사용 용이성(Perceived Ease of Use)**임을 밝혀냈습니다.

이렇게 생각해 보십시오. 당신이 새롭고 멋진 비디오 게임 컨트롤러를 들고 있다고 상상해 보세요.

1. 인지된 유용성 (PU): 이것은 "이 컨트롤러가 실제로 내가 보스 레벨을 깨는 데 도움이 될까?"라는 질문입니다. 연구에 따르면, 예비 교사들이 AI가 자신들의 미래 수학 수업을 실제로 더 좋게 만들 것이라고 믿는다면, 그들은 이 기술을 훨씬 더 좋아하고 사용하고 싶어 할 가능성이 높았습니다. 이것은 그들을 기술 쪽으로 끌어당기는 강력한 자석처럼 작 작용하는 가장 강력한 요인이었습니다.
2. 인지된 사용 용이성 (PEOU): 이것은 "이 컨트롤러를 익히는 데 악몽 같은 시간이 걸릴까?"라는 질문입니다. 도구가 다루기 쉽다고 느껴지면, 학생들은 그것을 사용하는 것에 대해 더 긍정적인 감정을 갖게 되었습니다.

연구는 학생들이 AI를 유용하다고 볼 때, 그것이 도구를 더 쉽게 사용하게 만든다는 것을 보여주었으며, 이 조합이 긍정적인 태도를 만들어낸다는 것을 보여주었습니다. 이는 마치 새로운 앱이 시간을 절약해 줄 뿐만 아니라(유용함), "대신 해주세요"라는 버튼까지 달려 있는 것(쉬움)과 같습니다. 그럴 때 비로소 당신은 실제로 "다운로드"를 클릭하게 됩니다.

숫자는 거짓말을 하지 않는다

연구진은 단순히 추측한 것이 아니라, 구조 방정식 모델링(Structural Equation Modeling)이라는 복잡한 통계 엔진을 통해 숫자를 돌렸습니다. 결과는 매우 명확했습니다.

• "유용성" 요인은 "태도"에 강한 정(+)의 효과를 미쳤습니다 (점수 0.532).
• "사용 용이성" 요인 또한 효과가 있었지만, 조금 덜 강력했습니다 (점수 0.127).
• 그들이 구축한 모델은 데이터와 완벽하게 일치하여 오차율이 사실상 제로였으며 (RMSEA = 0.000), "적합도" 점수는 완벽한 1.000을 기록했습니다. 이는 그들이 만든 감정 간의 연결 지도가 이 집단에 대해 매우 정확하다는 것을 의미합니다.

"매개"의 미스터리

연구진은 또한 특정 이론을 테스트했습니다. "자신감을 느끼는 것(자기효능감)"이 "이 도구가 유용하다"고 생각하게 만들고, 그것이 다시 "좋아하는 마음"으로 이어지는가? 그들은 이 경로를 주의 깊게 확인했습니다. 결과는 어떠했을까요? 아니었습니다. 간접적인 경로는 무시할 수 있을 정도로 작았습니다. 이 268명의 예비 교사들의 세계에서는, 단지 자신감을 느끼는 것만으로는 AI가 유용하다고 믿도록 속일 수 없었습니다. 그들은 먼저 실제적인 이점을 눈으로 확인해야 했습니다.

시사점

따라서, 만약 당신이 수학 교육에 AI를 도입하려는 학교 지도자나 교사 훈련가라면, 이 연구는 명확한 길을 제시합니다. 단순히 컴퓨터를 구입하고 교사들에게 "당신들은 할 수 있어요!"라고 말하거나 "우리는 훌륭한 지원 체계를 갖추고 있습니다!"라고 말하지 마십시오. 그런 것들도 좋지만, 그것들만으로는 스스로 작동하는 마법 스위치가 될 수 없습니다.

대신, 당신은 그 AI가 어떻게 그들의 수학 수업을 더 좋게 만들 것인지 구체적으로 보여주어야 하며(유용성), 그것을 배우는 것이 골칫거리가 되지 않을 것임을 증명해야 합니다(사용 용이성). 그들이 도구를 유용하고 사용하기 쉬운 파트너로 인식하게 되면, 그들의 태도는 변화할 것이며, 그들은 기꺼이 이를 받아들일 준비가 될 것입니다. 이 연구는 이 예비 교사들에게 있어, 기술의 가치에 대한 명시적인 경험과 결부되지 않는 한, "할 수 있다"나 "우리는 갖추고 있다"보다 "왜"와 "어떻게"가 훨씬 더 중요하다는 것을 확인시켜 줍니다.