AI Literacy and Attitudes Toward Artificial Intelligence Among Undergraduate Nursing Students: A Cross-Sectional Survey
아랍에미리트(UAE)의 간호학부생들을 대상으로 한 단면 조사 결과, 이들이 인공지능에 대해 긍정적인 태도를 보이고 있음에도 불구하고 객관적인 인공지능 리터러시는 열정이나 사전 노출 여부와 무관하게 매우 낮게 나타났으며, 이는 인공지능 교육의 명시적인 커리큘럼 통합이 필요함을 시사하는 중대한 친숙도-역량 간 격차를 드러낸다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
인공지능은 더 이상 공상 과학 소설에나 등장하는 미래적인 개념이 아닙니다. 인공지능은 현대 의료의 구조 속으로 조용히 스며들고 있습니다. 병원과 클리닉에서 이러한 스마트 시스템은 의사와 간호사가 방대한 양의 환자 데이터를 분류하고, 건강 위험을 예측하며, 과도한 서류 작업의 부담을 관리하는 것을 돕습니다. 미래의 간호사들에게 이러한 변화는 그들의 일상 업무가 사고하고, 분석하며, 행동을 제안할 수 있는 기계와 협력하는 일을 점점 더 많이 포함하게 될 것임을 의미합니다. 하지만 이 파트너십이 안전하게 작동하기 위해서는 기술을 사용하는 사람들이 그것이 어떻게 작동하는지 이해해야 합니다. 단순히 도구를 사용하는 데 익숙해지는 것만으로는 충분하지 않습니다. 기술의 한계와 그 결정 뒤에 숨겨진 논리를 파악해야 합니다. 여기서 리터러시(문해력)의 문제가 발생합니다. 즉, 간호사가 되기 위해 훈련받는 학생들이 곧 의존하게 될 인공지능을 실제로 이해하고 있는 것일까요, 아니면 단지 그 존재에 익숙할 뿐인 것일까요?
아랍에미리트 걸프 메디컬 대학교(Gulf Medical University)의 연구팀은 미래의 간호 인력을 직접 조사함으로써 이 질문에 답하고자 했습니다. 연구진은 177명의 간호학 학부생을 대상으로 두 가지 뚜xt 다른 질문을 던졌습니다. 첫째, 학생들은 인공지능에 대해 어떻게 느끼는지 알고 싶었습니다. 둘째, 더 중요한 것은 학생들이 실제로 무엇을 알고 있는지 측정하는 것이었습니다. 이를 위해 연구진은 학생들이 자신의 지식을 스스로 평가하게 하는 방식—이는 종종 사람들이 자신의 능력을 과대평가하게 만드는 방법입니다—을 사용하지 않았습니다. 대신, 연구진은 인공지능이 어떻게 작동하는지, 데이터로부터 어떻게 학습하는지, 그리고 그와 관련된 윤리적 쟁점들에 대한 학생들의 이해도를 객집적으로 측정하기 위해 설계된 31문항의 엄격한 시험을 실시했습니다. 연구진은 이 시험과 함께, 기술이 자신들의 삶과 업무를 개선할 것이라고 믿는지 묻는 별도의 설문조사를 병행하여 학생들의 태도를 측정했습니다.
결과는 열정과 이해 사이의 놀라운 괴리를 보여주었습니다. 학생들은 인공지능의 미래에 대해 압도적으로 긍정적이었습니다. 대부분은 인공지능이 자신의 업무를 개선할 것이라고 믿었으며, 직접 사용하기를 열망했습니다. 그러나 객관적인 시험에 직면했을 때, 그들의 지식 수준은 놀라울 정도로 낮았습니다. 평균적으로 학생들은 31문항 중 약 11문제만을 맞혔으며, 이는 약 36%의 점수에 해당합니다. 연구진이 성적에 따라 학생들을 분류했을 때, 90% 이상의 학생들이 저지식 그룹에 속했습니다. 오직 아주 적은 비율의 학생들만이 개념을 확실히 파악하고 있었습니다. 이 결과는 학생들이 정서적으로는 기술을 받아들일 준비가 되어 있지만, 지적으로는 아직 이를 이해할 준비가 되어 있지 않음을 시사합니다.
아마도 가장 시사하는 바가 큰 부분은 인공지능에 대한 학생들의 사전 경험이 이러한 결과에 어떤 영향을 미쳤는가 하는 점이었을 것입니다. 연구진은 임상 실습이나 강의실 수업에서 이미 인공지능 도구를 접해본 학생들이 인공지즘에 대해 더욱 긍정적인 태도를 보인다는 것을 발견했습니다. 그러나 이러한 친숙함이 더 나은 시험 성적으로 이어지지는 않았습니다. 사실, 임상 현장에서 기술을 직접 목격했던 학생들은 그렇지 않은 학생들보다 지식 테스트에서 유의미하게 낮은 점수를 받았습니다. 이는 경험이 역량(competence)을 쌓는 것이 아니라 자신감(confidence)만을 구축하는 격차가 존재함을 시사합니다. 병원 환경에서 기계가 결정을 내리는 것을 보는 것이 학생들로 하여 able 인공지능이라는 개념에 더 편안함을 느끼게 할 수는 있지만, 그것이 반드시 기계가 어떻게 그 결정에 도달했는지 또는 무엇이 잘못될 수 있는지까지 가르쳐주는 것은 아님을 보여줍니다.
연구진은 현재 간호 교육이 인공지능을 다루는 방식이 불충분할 수 있다고 결론지었습니다. 이 연구는 학생들이 훈련 과정을 진행하면서 단순히 이러한 도구들을 접하게 하는 것만으로는 그들을 충분히 이해시킬 수 없음을 나타냅니다. 긍정적인 태도는 좋은 출발점이지만, 의도적이고 구조화된 교육이 없다면 그 열정은 기술을 안전하고 비판적으로 사용하는 데 필요한 기술로 전환되지 않습니다. 저자들은 간호 프로그램이 인공지능 리터러시를 다른 핵심 의료 기술과 마찬가지로 반드시 가르치고 테스트해야 하는 특정 과목으로 다루어야 한다고 주장합니다. 만약 목표가 지능형 시스템과 함께 자신 있게 일할 수 있는 간호사를 양성하는 것이라면, 교육 시스템은 단순히 노출만으로 이해가 생길 것이라고 가정하는 단계를 넘어서야 합니다. 학생들은 배울 준비가 되어 있지만, 그들에게는 매일 접하는 도구의 표면보다 더 깊이 들어가는 커리큘럼이 필요합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.