Understanding Pre-service Science Teachers' Intentions to Integrate Generative AI: Cognitive, Affective, and Contextual Predictors

미래의 교실은 이미 새로운 종류의 도구인 생성형 인공지능에 의해 그 모습이 형성되고 있습니다. 단순히 엄격한 규칙을 따랐던 이전의 컴퓨터 프로그램들과 달리, 이 시스템들은 독창적인 텍스트를 생성하고, 수업 계획을 설계하며, 대화를 시뮬레이션할 수 있어 교사들에게 모든 학생을 위한 맞춤형 학습을 제공할 수 있는 방법을 제시합니다. 하지만 기술 그 자체는 이야기의 절반에 불과합니다. 이러한 변화의 성공 여부는 전적으로 교실 앞에 서 있는 사람들에게 달려 있습니다. 만약 교사들이 이 도구들이 유용하다고 믿지 않거나, 이 도구들이 제기하는 윤리적 질문들을 다룰 준비가 되지 않았다고 느낀다면, 기술은 그 잠재력에도 불구하고 사용되지 않은 채 방치될 것입니다. 여기서 기술 채택의 심리학이 매우 중요해집니다. 연구자들은 사람들이 왜 새로운 도구를 받아들이는지 이해하기 위해 오랫동안 '기술 수용 모델(Technology Acceptance Model)'이라는 틀을 사용해 왔습니다. 이 모델은 두 가지 주요한 감정이 우리의 선택을 주도한다고 제안합니다. 바로 우리가 그 도구가 직무를 더 잘 수행하도록 도와줄 것이라고 생각하는지, 그리고 그것을 조작하기가 얼마나 쉽다고 느끼는지입니다. 그러나 인공지능이 더욱 복잡해짐에 따라, 전문가들은 단순한 유용성과 용이성만으로는 교사들이 어떻게 반응할지를 설명하기에 더 이상 충분하지 않을 것이라고 의심하고 있습니다. 그들은 교사가 이 강력한 시스템을 일상적인 실무에 도입하기로 결정하는 데 영향을 미치는 자신감, 신뢰, 그리고 도덕적 우려의 더 깊은 결합을 이해해야 합니다.

남인도의 한 연구팀은 미래의 과학 교사들의 목소리에 귀를 기울임으로써 이 복잡한 지형을 그려내고자 했습니다. 연구진은 교육 실습을 막 마치고 교직에 입문하려는 예비 교사 203명에게 초점을 맞추었습니다. 이 교육자들은 자신의 미래 교실에서 생성형 인공지능을 사용하는 것에 대한 솔직한 생각을 공유하도록 요청받았습니다. 연구진은 단순히 교사들이 기술을 좋아하는지 묻는 데 그치지 않고, 더 깊이 파고들어 그 기술이 얼마나 유용할 것이라고 생각하는지, 사용하기가 얼마나 쉬워 보이는지, 시스템을 얼마나 신뢰하는지, 그리고 학업 부정행위나 편향성과 같은 윤리적 문제에 대해 얼마나 걱정하는지를 물었습니다. 또한 연구진은 이 교사들이 받은 훈련이 이러한 새로운 현실에 대비할 수 있도록 준비시켜 주었는지도 알고 싶어 했습니다. 이러한 응답들을 분석함으로써, 연구진은 무엇이 실제로 교사의 인공지능 사용 의도를 이끌어내는지에 대한 상세한 그림을 구축했습니다.

결과는 무엇이 가장 중요한지에 대한 명확한 위계 구조를 드러냈습니다. 교사가 생성형 인공지능을 사용할 의도를 예측하는 단 하나의 가장 강력한 요인은 단순히 그것이 얼마나 유용하다고 믿느냐였습니다. 만약 교사가 그 도구가 자신의 가르침을 진정으로 개선하거나 학생들이 더 잘 배울 수 있도록 도울 것이라고 느낀다면, 그들은 이를 사용하고 싶어 할 가능성이 매우 높았습니다. 이 발견은 연구진이 자신감이나 신뢰와 같은 다른 감정들을 고려했을 때도 유효했습니다. 놀랍게도, 기술을 사용하는 것의 용이성은 최종 결정에 유의미한 역할을 하지 않았습니다. 이 디지털 네이티브 세대의 젊은 교사들에게 문제는 기술을 조작하는 것이 어려운가가 아니라, 그것이 그럴 만한 가치가 있는가였습니다. 그들은 이미 기술을 사용하는 법을 알고 있었으며, 결정적인 요인은 그것이 실제적인 교육적 이득을 제공하느냐 하는 것이었습니다.

또 다른 발견은 교사들이 새로운 기술에 어떻게 반응하는지에 대한 일반적인 가정을 뒤집었습니다. 흔히 교사들이 학업 부정행위나 기술의 허위 정보 확산과 같은 윤리적 문제에 대해 우려할 때, 기술 사용 가능성이 낮아질 것이라고 가정합니다. 그러나 연구는 정반대의 결과를 보여주었습니다. 높은 수준의 윤리적 우려를 표명한 교사들이 오히려 생성형 인공지능을 사용할 의도가 더 높았습니다. 연구진은 이것이 이 교사들이 위험을 무시하고 있다는 의미가 아니라고 제안합니다. 대신, 윤리적 인식은 사려 깊은 참여의 징표로 작용하는 것으로 보입니다. 윤리적 함의에 대해 깊이 고민하는 교사들은 기술을 피해야 할 이유가 아니라, 기술을 책임감 있게 사용하는 방법을 적극적으로 고민하는 사람들일 가능성이 높습니다. 그들은 윤리적 과제를 기술을 완전히 피하기 위한 이유가 아니라, 신중한 계획을 통해 해결해야 할 문제로 간주합니다.

연구는 또한 공식적인 준비 과정의 중대한 역할을 강조했습니다. 자신의 훈련 프로그램이 생성형 인공지능 사용법을 구체적으로 다루었다고 느낀 교사들은 자신의 교실에서 이를 사용할 의도가 더 높았습니다. 이는 교사 교육 프로그램이 유용성이나 자신감이라는 개인적 감정을 넘어, 필수적인 토대를 제공한다는 것을 시사합니다. 교사 교육 과정에서 이러한 도구들을 명시적으로 다룰 때, 이는 미래의 교육자들에게 실행을 위한 프레임워크와 정당성을 부여합니다. 흥-미롭게도, 연구진이 중요할 것이라고 예상했던 다른 요인들, 즉 기술을 사용할 수 있는 교사의 개인적 자신감이나 일반적인 시스템에 대한 신뢰는 다른 요인들이 고려되었을 때 독립적으로 사용 의도를 예측하지 못했습니다. 예를 들어, 신뢰는 유용성이라는 느낌 속으로 흡수되었습니다. 즉, 교사가 도구를 유용하다고 느낀다면, 신뢰 수준은 별개의 결정 요인이 되지 않았습니다.

연구진은 교사들의 의도 변동의 70% 이상을 설명하는 모델을 구축하였으며, 이는 실용적 효용성, 긍정적 태도, 윤리적 인식, 그리고 공식적 훈련의 조합이 미래의 행동을 예측하는 강력한 지표가 된다는 것을 보여주었습니다. 그들은 기술에 대한 교사의 태도가 유용성에 대한 믿음과 실제 사용 의도를 연결하는 가교 역할을 한다는 것을 발견했습니다. 그러나 연구진은 또한 연구의 한계를 언급했습니다. 데이터가 단일 시점에 자기 보고식 설문조사를 통해 수집되었기 때문에, 이는 요인들 사이의 관계를 보여줄 뿐 하나가 다른 하나를 유발한다는 인과관계를 증명할 수는 없습니다. 또한, 본 연구는 특정 지역의 과학 교사 집단에 집중되었으므로, 결과는 다른 과목의 교사들이나 다른 문화적 맥락의 교사들에게는 다르게 나타날 수 있습니다. 연구진은 또한 윤리와 신뢰에 관한 일부 설문 문항이 완벽하게 일관되지 않았음을 언급하며, 이러한 복잡한 감정들을 단순한 설문지로 측정하는 것이 어렵다는 점을 시사했습니다.

궁극적으로, 이 연구는 미래의 교육자들이 두려움이나 혼란에 빠져 있는 것이 아니라, 가치에 대한 실용적인 평가와 위험에 대한 사려 깊은 참여에 의해 움직이고 있다는 모습을 보여줍니다. 생성형 인공지능을 학교에 통합하는 길은 교사들에게 기술이 사용하기 쉽다는 것을 설득하는 데 있지 않습니다. 그들은 이미 기술에 접근하기 쉽다는 것을 알고 있기 때문입니다. 대신, 기술이 어떻게 자신의 가르침을 더 효과적으로 만들 수 있는지에 대한 구체적인 사례를 보여주고, 윤리적 복잡성을 헤쳐 나갈 수 있도록 돕는 구조화된 훈련을 제공하는 것이 필요합니다. 이러한 실질적인 이점에 집중하고 윤리적 논의를 위한 지원적인 환경을 조성함으로써, 교사 교육 프로그램은 다음 세대의 교육자들이 자신감과 주의력을 모두 갖추고 이러한 도구들을 받아들일 수 있도록 준비시킬 수 있습니다.