AI Literacy and Academic Performance among Non-STEM Students in KNUST: The Roles of LMS Quality and Blended-Learning Satisfaction
KNUST의 비이공계(non-STEM) 학생 432명을 대상으로 한 이 연구는 AI 리터러시가 학업 성취도에 직접적인 영향을 미치지만, 그 가장 강력한 영향력은 AI 리터러시가 학습관리시스템(LMS)의 질을 높이고, 이것이 다시 혼합형 학습 만족도를 유발하여 궁극적으로 학업 성과를 개선하는 순차적 매개 경로를 통해 실현된다는 점을 밝혀냈다.
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
현대 대학에서 학습은 전통적인 강의실을 넘어 변화하고 있습니다. 이제 학생들은 대면 수업과 자료를 호스팅하고, 토론을 촉진하며, 평가를 전달하는 디지털 플랫폼이 혼합된 하이브리드 세상을 항해합니다. 이 디지털 계층은 흔히 코스의 중앙 신경계 역할을 하는 소프트웨어 허브인 학습 관리 시스템(LMS)에 의해 관리됩니다. 이러한 시스템이 잘 작동하려면 신뢰할 수 있고, 사용하기 쉬우며, 반응성이 좋아야 합니다. 그러나 기술 그 자체는 방정식의 절반에 불과합니다. 나머지 절반은 자신이 사용할 수 있는 도구들을 이해하고 상호작용하는 학생의 능력이며, 이 기술 세트는 점점 더 'AI 리터러시(AI 문해력)'로 정의되고 있습니다. 이 개념은 단순히 프롬프트를 입력하는 방법을 아는 것을 넘어, 지능형 도구를 효과적으로 사용하기 위한 기술적, 윤리적, 실무적 자신감을 포함합니다. 가나와 전 세계의 대학들이 이러한 기술들을 통합함에 따라, 한 가지 중요한 질문이 제기됩니다. 이러한 디지털 도구를 사용하는 법을 아는 것이 실제로 학생의 성적 향상에 도움이 되는가, 아니면 그 연결 고리가 더 복잡한 것인가?
가나의 쿠와메 은크루마 과학기술대학교(KNUST) 연구진은 이 관계를 규명하기 위해 노력했으며, 특히 과학, 기술, 공학, 수학(STEM)을 전공하지 않는 학생들에게 초점을 맞추었습니다. 이러한 비-STEM 전공 학생들은 종 Kong종 다른 교육적 과제에 직면하며, 기술 분야의 동료들만큼 높은 수준의 컴퓨팅 훈련을 받지 못할 수도 있습니다. 연구팀은 해당 대학교의 교사 교육 및 교육 혁신 학부 학생 432명을 대상으로 설문 조사를 실시했습니다. 연구진은 학생들에게 인공지능에 대한 자신의 이해도, 대학의 디지털 학습 플랫폼 품질에 대한 인식, 블렌디드 러닝 경험에 대한 만족도, 그리고 학업 성취도를 평가하도록 요청했습니다. 이러한 관점들을 수집함으로써, 연구진은 이 다양한 요인들이 어떻게 서로 영향을 미치며 학생의 성공을 형성하는지 확인하고자 했습니다.
연구 결과, 더 나은 학업 결과로 이어지는 명확하고 순차적인 경로가 밝혀졌습니다. AI 리터러시 수준이 높은 학생일수록 대학의 디지털 학습 시스템이 더 높은 품질을 갖추고 있다고 인식하는 경향이 있었습니다. 학생들이 기술을 이해하면, 시스템이 더 사용하기 쉽고 신뢰할 수 있다고 느낍니다. 이러한 품질에 대한 인식은 다시 블렌디드 러닝 경험에 대한 더 큰 만족도로 이어졌습니다. 학생들이 시스템이 자신을 위해 잘 작동하고 있다고 느낄 때, 그들은 전반적인 교육 과정에 더 만족한다고 보고했습니다. 마지막으로, 이 만족도는 학업 성취도의 강력한 예측 변수였습니다. 즉, 이 학생들에게 더 좋은 성적으로 가는 길은 AI에 대해 아는 것에서 성적(A 학점)으로 직접 연결되는 것이 아니었습니다. 대신, AI에 대한 지식이 시스템에 대한 인식을 개선했고, 이것이 학습 환경에 대한 만족감을 높였으며, 그 행복감이 학업 성취를 이끌어냈습니다.
결정적으로, 연구진은 디지털 시스템의 품질만으로는 성적을 직접적으로 향상시키지 못한다는 것을 발견했습니다. 학생의 참여와 만족도가 뒷받침되지 않은 잘 만들어진 플랫폼은 성공을 보장하기에 충분하지 않았습니다. 시스템 품질은 오직 그것이 학생들의 만족감에 영향을 미칠 때만 의미가 있었습니다. 또한, 본 연구는 AI 리터러시가 학업 성취도에 직접적이지만 더 작은 규모의 긍정적인 영향을 미친다는 것을 보여주었으나, 성공을 향한 주요 경로는 인식과 만족의 사슬을 통하는 것이었습니다. 데이터 역시 디지털 시스템의 품질만으로 AI 지식과 성적 사이의 간극을 메울 수 있다는 아이디어를 부정했습니다. 그러한 특정 지름길은 결과에서 존재하지 않았습니다. 가장 강력한 연결 고리는 AI 지식에서 시스템 인식으로, 다시 만족으로, 그리고 최종적으로 성취로 이어지는 전체 여정이었습니다.
이러한 발견은 대학들이 디지털 시대에 비-STEM 학생들의 성공을 돕기 위해서, 단순히 더 나은 소프트웨어에 투자하거나 학생들이 스스로 기술을 터득하기를 기대해서는 안 된다는 점을 시사합니다. 연구 결과는 기관들이 학생들이 이러한 시스템을 자신 있게 탐색할 수 있도록 AI 리터러시 발달을 지원해야 함을 나타냅니다. 학생들이 도구에 대해 유능함을 느낄 때, 그들은 시스템을 더 긍정적으로 바라보게 되며, 이는 더 만족스러운 학습 경험과 궁극적으로 더 나은 학업 성과로 이어집니다. 이 연구는 블렌디드 러닝 환경에서 만족이라는 인간적 요소와 리터러시라는 인지적 요소가 기술적 인프라 자체만큼이나 중요하다는 점을 강조합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.