Teachers' Artificial Intelligence Anxiety and Psychological Well-Being: The Sequential Mediating Roles of AI Self-Efficacy and Attitudes Toward AI

기술 요약: 교사의 인공지능 불안과 심리적 안녕감

문제 제기 및 이론적 틀
교육 현장에 인공지능(AI)이 급격히 통합되면서 교사의 전문적 역할이 재정의되고 있으며, 이는 교사의 안녕감을 위협하는 새로운 심리적 요구를 발생시키고 있다. 기존 문헌은 AI 수용도와 교육적 성과를 다루고 있지만, AI 불안과 교사의 심리적 안녕감을 연결하는 메커니즘에 대해서는 여전히 충분히 이해되지 않은 상태로 남아 있다. 본 연구는 AI 불안을 단순한 기술적 스트레스 요인이 아닌 "기술 기반의 심리적 직무 요구"로 개념화함으로써 이러한 공백을 메우고자 한다.

본 연구는 직무 요구-자원(JD-R) 모델에 근거하고 있다. 저자들은 업무량이나 역할 모호성과 같은 조직적 스트레스 요인에 주로 초점을 맞추었던 기존의 JD-R 모델이 AI 주도의 변화를 위해 재해석될 필요가 있다고 제안한다. 이러한 맥락에서 AI 불안은 전문적 자율성과 의사결정에 대한 불확실성을 생성하여 개인의 심리적 자원을 고갈시킬 수 있는 하나의 '요구'로 상정된다. 본 연구는 이 불안이 직접적으로 안녕감을 저해하는지, 아니면 자원의 순차적 침식, 즉 AI 자기효능감(개인적 자원)을 약화시킨 후 부정적인 AI에 대한 태도(인지적 평가 과정)를 유발하는 과정을 통해 작용하는지를 조사한다.

연구 방법론

• 참가자: 본 연구는 터키의 다양한 교육 기관(유치원, 초등학교, 중학교, 고등학교 및 특수 교육 센터)에서 활동 중인 432명의 교사를 대상으로 편의 추출법을 사용하여 진행되었다. 표본은 여성 240명, 남성 192명으로 구성되었으며, 평균 연령은 40.59세(SD = 8.22), 평균 경력은 16.22년이었다.
• 측정 도구: 데이터는 네 가지 타당도가 검증된 척도를 사용하여 온라인 설문(Google Forms)을 통해 수집되었다:
  1. AI 불안 척도(AIA): AI에 대한 부정적인 정서적 및 인지적 반응을 측정하는 16개 문항의 척도 (Cronbach's α = .80).
  2. AI 자기효능감 척도: AI 기술 사용에 대한 지각된 유능감을 측정하는 5개 문항의 단축형 척도 (Cronbach's α = .80).
  3. 인공지능 태도 척도(AIAS-4): AI에 대한 긍정적 또는 부정적 평가를 측정하는 4개 문항의 척도 (Cronbach's α = .91).
  4. 심리적 안녕감 척도: 자기 수용, 목적, 유능감을 측정하는 Diener 등(2009)의 8개 문항 척도 (Cronbach's α = .80).
• 절차 및 분석: 데이터 수집은 2025년 12월부터 2026년 2월 사이에 이루어졌다. 이상치를 스크리닝하고 정규성을 확인한 후, SPSS 27 및 AMOS 24를 사용하여 데이터를 분석하였다. 간접 경로를 테스트하기 위해 PROCESS macro의 Model 6를 사용하여 5,000회의 부트스트랩 샘플을 통한 순차 매개 분석을 실시하였다. 공통 방법 편향(Common method variance)은 Harman의 단일 요인 검사를 통해 평가되었으며 문제가 없는 것으로 판단되었다.

주요 결과
분석 결과는 다음과 같다:

1. 상관관계: AI 불안은 심리적 안녕감($r = -.18$), AI 자기효능감($r = -.36$), AI에 대한 태도($r = -.54$)와 유의미한 부(-)의 상관관계를 보였다. 반대로, AI 자기효능감과 AI에 대한 긍정적 태도는 심리적 안녕감과 정(+)의 상관관계를 보였다.
2. 직접 효과 vs 간접 효과: 매개 변수들이 모델에 도입되었을 때, 심리적 안녕감에 미치는 AI 불안의 직접 효과는 유의미하지 않게 되었다 ($\beta = -.02, p = .692$). 그러나 총 효과는 여전히 유의미한 부(-)의 값을 유지했다 ($\beta = -.18, p < .001$).
3. 순차 매개: 관계는 다음과 같은 순차적 사슬에 의해 완전히 매개되었다:
   • 경로 1: AI 불안은 AI 자기효능감을 유의미하게 부(-)적으로 예측했다 ($\beta = -.36$).
   • 경로 2: 감소된 AI 자기효능감은 AI에 대한 태도를 유의미하게 부(-)적으로 예측했다 ($\beta = .20$).
   • 경로 3: AI 자기효능감($\beta = .21$)과 AI에 대한 태도($\beta = .15$) 모두 심리적 안녕감을 유의미하게 예측했다.
   • 간접 효과: 총 간접 효과는 유의미했다 ($\beta = -.154$). 구체적인 간접 경로는 AI 불안 $\rightarrow$ AI 자기효능감 $\rightarrow$ 안녕감 ($\beta = -.076$), AI 불안 $\rightarrow$ 태도 $\rightarrow$ 안녕감 ($\beta = -.068$), 그리고 전체 순차 경로인 AI 불안 $\rightarrow$ 자기효능감 $\rightarrow$ 태도 $\rightarrow$ 안녕감 ($\beta = -.010$)을 포함한다.

주요 기여 및 주장
본 논문은 JD-R 모델과 교육 기술 문헌에 대하여 이론적 및 실증적 기여를 한다고 주장한다:

1. 직무 요구의 재개념화: 본 연구는 AI 불안이 질적으로 구별되는 직무 요구를 나타낸다고 주장한다. 전통적인 테크노스트레스나 역할 모호성과 달리, AI 불안은 전문적 정체성에 대한 "존재론적" 불확실성과 교육적 통제력 상실에서 기인하며, 이는 이전의 기술들과는 달리 교사의 권위에 도전한다.
2. 영향 메커니즘: 본 연구는 AI 불안이 직접적으로 심리적 안녕감을 저해하는 것이 아님을 입증한다. 대신, 이는 순차적인 자원 고갈의 소용돌이를 통해 작용한다. 불안은 먼저 개인적 자원인 자기효능감을 침식시키고, 이렇게 저하된 자기효능감은 기술에 대한 부정적인 인지적 평가(태도)로 이어지며, 최종적으로 이러한 부정적 태도가 안녕감의 감소를 초래한다.
3. JD-R 모델의 확장: AI 불안을 특정 심리적 요구로 통합함으로써, 본 연구는 기술 주도의 변화가 어떻게 개인의 자원을 고갈시키고 안녕감에 영향을 미치기 전 인지적 평가를 변화시키는지 설명하기 위해 JD-R 모델을 확장한다.
4. 실무적 시사점: 저자들은 개입이 단순히 불안을 제거하는 데만 집중해서는 안 된다고 주장한다. 대신, 본 연구의 결과는 AI 자기효능감을 강화하고 긍정적 태도를 육성하는 것이 중요한 레버리지 지점임을 시사한다. 이러한 자원을 강화하는 것은 불안 자체가 지속되더라도 그 부정적인 영향을 완화할 수 있다.

한계점 및 향후 방향
저자들은 다음과 같은 몇 가지 한계점을 겸허히 인정하였다:

• 횡단적 설계: 본 연구는 인과관계를 확립할 수 없으므로, 순차적 메커니즘을 검증하기 위한 종단적 연구가 필요하다.
• 자기 보고 편향: 자기 보고 데이터에 의존함에 따라 사회적 바람직성 편향의 위험이 있으나, 공통 방법 편향은 통계적으로 통제되었다.
• 표집: 편의 추출법의 사용은 다른 지역이나 교육적 맥락으로 연구 결과를 일반화하는 데 한계가 있다.
• 세분성: AI 불안은 일반적인 구성 개념으로 다루어졌다. 향후 연구는 구체적인 하위 차원(예: 직업 안정성 vs 기술적 숙련도)을 조사하고 다양한 문화적 맥락에서 결과를 비교해야 한다.

결론적으로, 본 논문은 교육 내 AI 통합의 심리적 결과가 복잡하며 개인의 자원과 인지적 평가에 의해 매개된다고 상정하며, 지원 전략을 불안 감소에서 자원 구축 및 태도 재구조화로 전환할 것을 촉구한다.