📄 social_science

Perceived usefulness of AI-generated music predicts learning engagement and flow through attention and AI trust

본 연구는 대학생들 사이에서 AI 생성 음악의 인지된 유용성이 AI에 대한 더 큰 주의력과 신뢰를 촉진함으로써 학습 몰입도와 플로우 경험을 유의미하게 향상시킨다는 점을 입증하며, 이를 통해 교육적 맥락 내에서 확장된 기술 수용 모델을 검증한다.

원저자: Wanting Li, Ruikai Yuan

게시일 2026-06-24

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Wanting Li, Ruikai Yuan

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

당신이 중요한 시험을 위해 공부하고 있다고 상상해 보세요. 소음을 차단하기 위해 헤드폰을 썼지만, 평소 듣던 플레이리스트 대신 컴퓨터가 완전히 만들어낸 음악을 듣고 있습니다. 이 연구는 아주 단순한 질문을 던집니다. 컴퓨터가 음악을 만들었다는 사실을 아는 것이 당신의 학습 능력에 변화를 줄까요?

연구진은 그 결과가 음악의 '소리' 때문이 아니라, 당신이 음악을 어떻게 '생각'하느냐 때문에 발생한다는 것을 발견했습니다.

다음은 그 연구 결과를 쉬운 비유를 들어 정리한 내용입니다.

설정: "컴퓨터 작곡가"

연구진은 407명의 대학생들에게 4주 동안 공부할 때 AI가 생성한 음악(구체적으로 로베르트 슈만의 차분하고 부드러운 스타일을 닮은 피아노 곡)을 듣게 했습니다. 결정적으로, 학생들에게는 사전에 다음과 같이 공지되었습니다. "이 음악은 인간이 아닌 알고리즘에 의해 만들어졌습니다."

핵심 아이디어: "유용성" 스위치

연구는 모든 것이 한 가지 감정에서 시작된다고 제안합니다. 그것은 바로 **인지된 유용성(Perceived Usefulness)**입니다.

비유: 이것을 스위치라고 생각해보세요. 만약 학생이 "이 AI 음악이 실제로 내 집중을 도와주고 있어"라고 생각한다면, 스위치를 ON으로 올리는 것입니다. 만약 "이건 시간 낭비야"라고 생각한다면, 스위치는 OFF 상태로 남습니다.

성공으로 가는 두 갈래 길

일단 "유용성" 스위치가 ON으로 켜지면, 더 나은 학습으로 이어지는 두 가지 서로 다른 "고속도로"가 활성화됩니다.

고속도로 1: "집중의 렌즈" (주의력)

작동 방식: 당신이 그 음악이 유용하다고 믿으면, 당신의 뇌는 음악 자체에 대해 걱정하는 것을 멈춥니다. 당신은 "이게 진짜 피아노 소리인가? 컴퓨터가 오류를 일으키고 있는 건가?"라며 에너지를 쓰지 않게 됩니다.
비유: 주변의 방해 요소들을 자동으로 흐릿하게 만드는 안경을 쓴다고 상상해 보세요. 음악이 자신에게 "도움이 된다"고 믿기 때문에, 당신의 뇌는 이 안경을 착용합니다. 이제 당신은 선명한 렌즈를 통해 교과서에 온전히 집중할 수 있습니다.
결과: 당신은 학습에 더 잘 집중할 수 있게 됩니다.

고로도로 2: "신뢰의 다리" (AI 신뢰)

작동 방식: 음악이 유용하다고 느낄 때, 당신은 그 음악을 만든 시스템을 신뢰하기 시작합니다. 당신은 회의적인 태도를 버리고 AI를 정당한 학습 파트너로 받아들이기 시작합니다.
비유: 당신이 다리를 건너고 있다고 상상해 보세요. 만약 다리(AI)를 믿지 못한다면, 당신은 천천히 걸으며 발판을 내려다보고, 금이 갔는지 확인하며, 떨어질까 봐 걱정할 것입니다. 하지만 다리를 믿는다면, 당신은 고개를 들고 경치를 즐기며 다리를 건널 수 있습니다.
결과: 시스템을 의심하는 데 에너지를 낭비하지 않기 때문에, 당신은 더 자신감을 느끼고 편안해집니다.

목적지: "몰입"과 "참여"

두 고속도로는 모두 두 가지 멋진 곳으로 연결됩니다.

학습 참여(Learning Engagement): 이것은 단순히 당신이 얼마나 열심히 노력할 용의가 있는지, 그리고 얼마나 흥미를 느끼는지에 대한 것입니다. 만약 당신이 집중하고 있고(고속도로 1) 신뢰하고 있다면(고속도로 2), 당신은 더 깊이 있게 공부에 빠져들고 이를 지속할 가능성이 높습니다.
몰입(Flow): 이것은 시간 가는 줄 모르는 마법 같은 상태입니다. 당신은 너무 몰입한 나머지 공부하고 있다는 사실조차 잊어버립니다.
- 비유: 몰입은 완벽하게 파도를 타고 있는 서퍼와 같습니다. 당신은 보드나 물, 혹은 바다에 대해 생각하지 않고, 그저 그 흐름 속에 있을 뿐입니다. 연구에 따르면 학생들이 AI 음악을 신뢰하고 잘 집중했을 때, 이 "몰입"이라는 파도를 탈 가능성이 더 높았습니다.

결론

이 논문은 음악이 AI에 의해 만들어졌다는 것을 아는 것이 학습을 해치지 않는다고 주장합니다. 실제로, 만약 당신이 그 AI 음악이 유용하다고 믿는다면, 그것은 두 개의 문을 여는 열쇠 역할을 합니다.

당신이 집중할 수 있게 해줍니다 (뇌가 음악을 분석하는 것을 멈춤으로써).
시스템에 대한 신뢰를 구축합니다 (의심을 멈춤으로써).

이 두 가지가 모두 일어날 때, 당신은 더 많은 에너지를 가지고 공부하게 되며, 학습이 노력 없이도 자연스럽게 느껴지는 그 "존(zone)"의 상태에 도달하게 됩니다. 이 연구는 학생들에게 있어 도구가 기계에 의해 만들어졌다는 사실보다, 그 도구에서 느끼는 '가치'가 더 중요하다는 것을 증명합니다.

기술 요약: AI 생성 음악의 인지된 유용성이 주의력과 AI 신뢰를 통해 학습 몰입 및 플로(Flow)를 예측함

문제 제기
배경 음악은 대학생들이 학습 중 인지적, 정서적 요구를 관리하기 위해 널리 사용되지만, 기존 문헌은 AI가 생성한 음악의 구체적인 심리적 영향에 대해서는 대체로 간과해 왔다. 인간이 작곡한 음악과 달리, AI 생성 콘텐츠는 학생들이 알고리즘 출력물의 기원과 유용성을 평가해야 하는 평가적 차원을 도입한다. 본 연구는 학생들이 AI 음악의 유용성에 대해 갖는 믿음이 주의력 조절 및 AI 시스템에 대한 신뢰라는 메커니즘을 통해 어떻게 학습 결과에 영향을 미치는지에 관한 이론적 공백을 다룬다. 본 연구는 AI 생성 음악의 인지된 유용성이 학습 몰입(Learning Engagement)과 플로(Flow) 경험으로 이어지는 심리적 경로를 조사함으로써 이 공백을 해결하고자 한다.

연구 방법론
본 연구는 407명의 대학생을 대상으로 한 횡단적 양적 설문 조사 설계를 채택하였다. 연구에는 로베르트 슈만의 어린이 정경(Op. 15) 양식을 모델로 한 AI 생성 음악을 노출하는 4주간의 프로토콜이 활용되었다. 이 특정 레퍼토리는 정보 밀도가 낮고, 차분한 정서적 특성을 지니며, 언어적 내용이 없어 외생적 인지 부하를 최소화하도록 의도적으로 선택되었다.

실험 조건: AI 신뢰도를 생태학적으로 타당하게 측정하기 위해 참가자들에게 음악이 AI에 의해 생성되었음을 명시적으로 알렸다. 참가자들은 매일 약 30분 동안 음악을 듣도록 지시받았으며, 학습 전 프라이밍(priming) 조건으로 듣거나 학습 시작 후 첫 20분 동안 병행하여 들었다.
측정 도구: 본 연구는 다섯 가지 핵심 구성 개념을 위해 확립된 도구들을 수정하여 사용하였다:
- 인지된 유용성(Perceived Usefulness): 기술 수용 모델(TAM)을 수정하여 적용.
- AI 신뢰도(AI Trust): 역량, 신뢰성, 이해 가능성, 유용성, 믿음, 애착을 다루는 16개 항목 척도로 측정.
- 주의력(Attention): 마음챙김 주의 자각 척도(MAAS)의 단축형을 사용하여 평가.
- 학습 몰입(Learning Engagement): 12개 항목의 학습 몰입 척도(AES)를 사용하여 측정.
- 플로(Flow): 직무 내 플로 단축 척도(SFWS)를 사용하여 평가.
분석: 데이터는 SmartPLS 4.0을 이용한 부분최소제곱 구조방정식 모델링(PLS-SEM)으로 분석되었다. 분석은 측정 모델의 신뢰도와 타당성(Cronbach's alpha, 합성 신뢰도, AVE, Fornell-Larcker, HTMT)을 평가하고, 부트스트래핑(5,000회 재표집)을 통해 직접 및 간접 경로를 테스트하는 2단계 접근 방식을 따랐다.

주요 결과
구조 방정식 모델 분석 결과, 6개의 가설적 직접 경로와 4개의 간접 매개 경로가 모두 확인되었다:

선행 효과: AI 생성 음악의 인지된 유용성은 주의력( $\beta = 0.503, p < .001$ )과 AI 신뢰도( $\beta = 0.522, p < .001$ )를 모두 유의하게 예측하였다.
매개 효과:
- 주의력은 학습 몰입( $\beta = 0.394$ )과 플로( $\beta = 0.303$ )에 유의한 정(+)의 영향을 미쳤다.
- AI 신뢰도는 학습 몰입( $\beta = 0.287$ )과 플로( $\beta = 0.289$ )에 유의한 정(+)의 영향을 미쳤다.
매개 작용: 4개의 간접 경로 모두 통계적으로 유의하였다(95% 신뢰 구간이 0을 포함하지 않음). 인지된 유용성은 주의력 기반 경로와 신뢰 기반 경로 모두를 통해 학습 결과에 영향을 미쳤다.
설명력: 모델은 주의력 분산의 25.3%, AI 신뢰도의 27.2%, 학습 몰입의 36.6%, 플로의 27.5%를 설명하였다. 모든 내생 변수에 대해 예측 타당성( $Q^2$ )이 양수로 나타났다.

주요 기여
본 연구는 문헌에 두 가지 주요 기여를 한다:

기술 수용 모델(TAM)의 확장: 본 연구는 TAM을 AI 생성 음악의 정서적 및 경험적 영역으로 확장한다. 연구 결과는 인지된 유용성이 단순히 행동 의도를 유발하는 데 그치지 않고, 학습 과업에 대한 인지적(주의력) 및 정서적(플로) 몰입의 질을 형성한다는 것을 보여준다.
학습 맥락에서의 AI 신뢰 통합: 본 연구는 AI 신뢰를 중요한 매개 메커니즘으로 식별한다. 연구는 신뢰가 유용성에 대한 인지적 평가를 플로와 같은 경험적 상태로 전환하는 "정서적 가교" 역할을 한다고 상정한다. 이는 AI 시스템을 신뢰하는 학생들이 자기 모니터링 인지를 줄임으로써 학업 과업에 더 깊이 몰입할 수 있음을 시사한다.

의의 및 주장
저자들은 본 연구가 AI 음악 환경이 학생의 학습을 형성하는 심리적 과정을 일관되게 설명한다고 주장한다. 이중 경로 모델(인지적/주의력 기반 및 평가적/신뢰 기반)을 검증함으로써, 본 연구는 AI 강화 학습 환경 설계에 대한 실질적인 지침을 제공한다. 구체적으로 저자들은 다음과 같이 주장한다:

투명성이 중요하다: 음악의 AI 기원을 명시적으로 공개하는 것은 신뢰를 측정하고 잠재적으로 육성하기 위한 필수 조건이다.
프레이밍이 중요하다: AI 음악의 성공적인 배치는 기술이 어떻게 소개되는지에 달려 있다. 목적과 근거에 대한 명확한 소통은 긍정적인 평가 경로를 활성화할 수 있다.
설계적 함의: AI 음악 도구는 조정된 신뢰(calibrated trust)를 배양하기 위해 투명성과 설명 가능성을 우선시해야 하며, 이는 결과적으로 플로와 몰입을 지원한다.

본 연구는 횡단적 설계로 인해 인과 관계를 추론하는 데 한계가 있고, 단일 기관 표본이 일반화 가능성을 제한할 수 있다는 점을 언급하며 한계를 겸허히 인정한다. 그럼에도 불구하고, 본 연구는 학생들이 알고리즘 기반 학습 보조 도구를 어떻게 평가하고 참여하는지를 이해하기 위한 이론적 토대를 제공한다고 주장한다.