Behavioral Pathways Behind Students’ Willingness to Pay for GenAI in Higher Education

기술 요약: 고등 교육 내 생성형 AI에 대한 학생들의 지불 의사 이면에 있는 행동 경로

문제 제기
생성형 인공지능(GenAI)이 고등 교육에 빠르게 통합되고 있음에도 불구하고, 기존 문헌은 주로 사용 의도나 자기 보고식 채택에 초점을 맞추고 있다. 이러한 지표들은 특히 재정적 투자와 관련하여 학생들의 몰입도를 포착하는 데 한계가 있다. 기관 라이선스 기술(예: 학습 관리 시스템)이나 보조 도구와 달리, GenAI는 생성적 적응성, 알고리즘의 불투명성, 그리고 이중 계층 생태계(무료 대 프리미엄)라는 특성을 지닌 모호한 영역을 점유하고 있다. 결과적으로, 학생들의 GenAI에 대한 인식을 지불 의사(WTP)로 전환하는 메커니즘을 이해하는 데 있어 중요한 공백이 존재한다. 본 연구는 학생들이 GenAI 도구의 경제적 가치를 어떻게 평가하는지, 그리고 이러한 도구를 사용하려는 행동 의도가 실제 재정적 약속으로 이어지는지에 관한 체계적인 증거의 부족 문제를 다룬다.

연구 방법론
본 연구는 경제적 결과를 포함하도록 확장된 기술 수용 모델(TAM)을 활용하여 정량적, 횡단적 설계를 채택하였다.

• 표본: 데이터는 미국 내 한 대규모 국립대학교의 학부생 121명을 대상으로 온라인 설문 조사를 통해 수집되었다. 표본은 여성 참여자(72.7%)가 다수였으며, 평균 연령은 20.78세였다. 대부분의 참여자(93.4%)는 GenAI(주로 ChatGPT)에 대한 사전 경험이 있었다.
• 도구: 설문은 TAM에 기반한 네 가지 잠재적 구성 개념인 인지된 용이성(PEU), 인지된 유용성(PU), 행동 의도(BI), 지불 의사(WTP)를 측정하였다. PEU, PU, BI는 선행 문헌을 수정하여 제작된 다항목 5점 리커트 척도로 측정되었다. WTP는 무료 접근이 제거될 경우 학생들이 지불할 최대 금액(월 단위 USD)으로 프레이밍된 단일 항목의 구체적인 화폐 가치로 측정되었다.
• 분석: 데이터는 부분 최소 제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 분석되었다. 이 접근 방식은 예측 모델링에 적합하며 주어진 표본 크기에서 복잡한 매개 경로를 처리할 수 있는 능력을 갖추고 있기 때문에 선택되었다. 분석은 구조 모델을 부트스트래핑(5,000회 재표본 추출)을 통해 테스트하기 전에 지표 신뢰도, 내부 일관성, 수렴 타당성 및 판별 타당성(Fornell-Larcker 기준 및 HTMT 비율 사용)을 평가하였다.

주요 결과
구조 모델 분석 결과, 제안된 가설을 뒷받는 유의미한 결과가 도출되었다:

1. 직접 효과:
   • PEU → PU: 인지된 용이성은 인지된 유용성을 긍정적이고 유의미하게 예측했다 ($\beta = 0.61, p < .01$).
   • PU → BI: 인지된 유용성은 GenAI 사용에 대한 행동 의도를 강력하게 예측했다 ($\beta = 0.73, p < .01$).
   • BI → WTP: 행동 의도는 지불 의사를 긍정적으로 예측했다 ($\beta = 0.45, p < .01$).
2. 매개 효과:
   • 본 연구는 PEU가 WTP에 직접적인 영향을 미치지 않음을 확인하였다. 대신, 그 효과는 PU와 BI를 통해 완전히 매개된다.
   • H4: PU는 PEU와 BI 사이의 관계를 매개한다.
   • H5: BI는 PU와 WTP 사이의 관계를 매개한다.
   • H6: PEU가 PU와 BI의 연쇄 과정을 통해 WTP에 영향을 미치는 직렬 매개 경로가 존재한다 ($\beta = 0.20, p < .01$).
3. 모델 적합도 및 설명력:
   • 모델은 양호한 적합도를 보였다 (SRMR = 0.062).
   • PEU는 PU 분산의 35.2%를 설명했다.
   • PU는 BI 분산의 53.4%를 설명했다.
   • BI는 WTP 분산의 20.4%를 설명했다.
   • 모든 내생 변수는 양의 예측 관련성($Q^2 > 0$)을 나타냈다.
4. 기술적 결과:
   • 높은 사용률에도 불구하고, 참여자의 43%만이 지불 의사를 표명했다.
   • 평균 WTP는 월 $5.71로, 이는 일반적인 도구들(예: ChatGPT Plus, Grammarly, Copilot)의 누적 프리미엄 버전 비용보다 현저히 낮았으며, 이는 무료 계층이나 기관의 보조금에 대한 의존도를 나타낸다.

주요 기여

• 이론적 확장: 본 연구는 WTP를 GenAI 맥락에서의 하류 행동 결과로 통합함으로써 기술 수용 모델(TAM)을 확장한다. 이는 결과가 채택에서 경제적 약속으로 변화할 때도 TAM의 순차적 논리(PEU $\to$ PU $\to$ BI $\to$ WTP)가 유효함을 입증한다.
• 메커니즘 명확화: 용이성만으로는 결제(payment)를 유도하기에 불충분하며, 그것이 먼저 유용성에 대한 인식을 높이고, 이것이 다시 행동 의도를 조성하여 궁극적으로 재정적 약속으로 이어져야 함을 밝혀냈다.
• 실증적 증거: 본 연구는 고등 교육 내 GenAI 사용과 지불 의사 사이의 간극을 실증적으로 조사한 최초의 연구 중 하나로, 이중 계층 AI 생태계의 구체적인 경제적 역학을 강조한다.

의의 및 주장
본 논문은 연구 결과가 가격 책정 및 거버넌스 정책과 관련하여 대학, AI 서비스 제공업체 및 개발자에게 중요한 지침을 제공한다고 주장한다.

• 기관을 위한 시사점: 결과는 학생들이 개별적인 결제 의존성을 형성하기 전에 기관 차원의 구독 협상이 이루어져야 함을 시사한다. 채택 후 학생들에게 개별 결제를 맡기는 방식은 낮은 WTP와 "앵커링 효과(anchoring effect)"로 인해 실패할 가능성이 높다. 또한, 책임 있는 사용 프레임워크가 프리미엄의 신뢰할 수 있는 버전에 대한 지불 결정에 영향을 미칠 수 있으므로, 기관은 윤리적 사용에 대한 명확한 가이드라인을 제공해야 한다.
• 개발자를 위한 시사점: 가격 모델은 학생들의 경제적 현실과 일치해야 한다. 본 연구는 학생들이 무료 대안을 넘어선 명확하고 지속적인 학술적 가치를 입증할 때만 지불할 용의가 있음을 나타낸다. 사용 의도를 결제로 전환하기 위해서는 정확성, 개인화 및 워크플로우 통합의 개선이 필요하다.
• 형평성 함의: 저자들은 가격 불일치를 해결하기 위한 의도적인 기관적 조치 없이는, 유료 GenAI 기능으로의 전환이 교육적 불평등을 심화시킬 위험이 있다고 경고한다. 즉, 무료 계층은 정체되는 반면 프리미엄 기능은 우수한 학습 지원을 제공하게 될 수 있기 때문이다.

본 연구는 TAM이 GenAI 채택을 이해하는 데 여전히 강력한 프레임워크이지만, GenAI의 독특한 특성(생성성, 불투명성, 이중 계층 접근성)은 형평성 있는 접근과 지속 가능한 채택을 보장하기 위한 구체적인 정책 개입을 요구한다고 결론짓는다.