본 연구는 한국 소재 대학에 재학 중인 중국인 유학생의 생성형 AI 사 용 의도에 영향을 미치는 요인을 규명하고, AI리터러시의 조절효과를 실 증적으로 분석하고자 한다. 연구 대상은 최근 1개월 이내 생성형 AI 사 용 경험이 있는 중국인 유학생 400명이며, 온·오프라인 설문조사를 통해 자료를 수집하였다. 분석 결과, 첫째, 성과 기대, 노력 기대, 사회적 영향 은 모두 지각된 가치와 사용 의도에 유의한 정(+)의 영향을 미치는 것으 로 나타났다. 특히 노력 기대가 지각된 가치에 가장 강한 영향을 미쳤으 며, 성과 기대는 사용 의도에 가장 강한 영향을 미쳤다. 둘째, 지각된 가 치는 세 가지 UTAUT 요인과 사용 의도 간의 관계를 부분매개하는 것으 로 확인되었다. 셋째, AI리터러시는 성과 기대와 지각된 가치 간의 관계 에서만 유의한 조절효과를 나타냈으며, AI리터러시가 높은 집단에서 이 관계가 더 강하게 나타났다. 본 연구는 유학생의 생성형 AI 수용 과정에 서 지각된 가치의 매개역할과 AI리터러시의 선택적 조절효과를 확인함으 로써 기술수용 이론의 확장에 기여하고, 유학생을 위한 직관적 AI 인터 페이스 개발, AI리터러시 수준별 맞춤형 교육 프로그램 설계, 건전한 AI 활용 문화 조성의 필요성을 시사점으로 제시하였다.

This phenomenological and sociolinguistic study investigates current human perceptions of dialogue with generative artificial intelligence (AI), focusing on intellectual, emotional, and moral dimensions. Participants were female humanities and social sciences researchers in their thirties with extensive AI experience. Data were obtained through in-depth interviews based on real-time interaction with ChatGPT and analyzed using Moustakas’ (1994) framework. Results indicate that AI was construed as a strategic collaborator restructuring information into research insights and as a creative mediator integrating diverse resources to generate solutions in academic, professional, and interpersonal contexts. Trust in AI, however, remained conditional, reflecting recognition of its limited autonomy and restricted reliability in expert domains. Emotionally and morally, AI was consistently framed as a non-agentive, emotionally neutral entity. Its affective expressions were interpreted as imitations rather than authentic emotions, and interactions were evaluated through human-centered criteria of utility, risk, and safety. This study provides phenomenological insights into human–AI interaction, showing that humans primarily view AI as an instrumental tool bounded by efficiency and safety. Ultimately, it raises a fundamental question: what constitutes genuine interaction between humans and AI, establishing a basis for future ethical discourse and development.

생성형 AI 시대에 디자인 비전공자의 창작 참여가 확대되고 있으나, 결과물의 전문성 부족이라는 한계에 직면하고 있다. 본 연구는 이러한 한계점을 극복하기 위한 효과적인 생성형 AI 융합 디자인 교육 방안을 모색하고자, 디자인 비전공자 대상 생성형 AI 활용 포스터 공모전을 진행하였으며, 디자인 전공 학생들의 비판적이고 전문적인 시각을 분 석하여 비전공자의 생성형 AI 활용 결과물의 완성도 향상에 필요한 시사점을 도출하고자 한다. 연구 결과, 디자인 비전 공자들은 생성형 AI 활용 교육에 높은 만족도(4.32/5점)를 보이며 창작 참여 의향이 유의미하게 증가했다. 반면, 디자인 전공생들은 비전공자의 결과물 품질을 비판적으로 평가하였으며, 디자인 전공자 인식 분석 결과, 4학년(86.7%)이 1학 년(26.7%)보다 유의미하게 더 부정적이었다. 이는 비전공자 대상 생성형 AI 활용한 디자인 교육이 단순히 도구 활용을 넘어, 전문적 안목을 바탕으로 심미성, 창의적 사고, 결과물의 완성도를 높이는 방향으로 나아가야 함을 시사한다.

본 연구는 Deepseek와 ChatGPT가 중국 대학 한국어 학습자들의 쓰 기 텍스트에 대해 제공하는 피드백 양상을 살피고, AI 피드백의 활용 방 안을 모색하는 데 목적이 있다. 이를 위해 한국어 학습자 30명을 대상으 로 쓰기 텍스트를 수집하고, 두 도구가 텍스트에 대해 제공한 피드백을 분석하였다. 분석 결과, 두 도구 모두 평가 기준에 기반하여 피드백을 제 공하고, 학습자가 수용하기 쉽도록 문제점과 개선 방향을 명확하게 제시 하였다. 대부분의 피드백은 정확도가 높은 편이었으나, 평가 범주와 오류 유형이 부합하지 않는 경우도 일부 나타나고 있었고, 특히 Deepseek의 경우 쓰기 주제를 잘못 파악하여 내용적 측면에서 부적절한 피드백을 제 공한 사례가 많았다. 두 도구 모두 쓰기 텍스트의 내용에 따라 피드백을 제공하여 우선순위는 두드러지지 않았고, Deepseek가 ChatGPT에 비해 지지적인 어조를 더 많이 사용하는 것으로 나타났다. 본 연구는 생성형 AI를 활용한 한국어 교육 및 연구를 위해 기초적인 자료로 사용할 수 있 을 것이다.

본 연구는 Chat GPT 기반으로 개발한 실험자용 생성형 AI 코칭 시스템 ‘Roh-KAI(로카이)’가 인간 사용자 간 상호작용과정에서 발생하는 사회적 존재 감, 신뢰, 자기효능감의 심리적 변화를 탐색하고자 하였다. 로카이는 국제코칭연 맹(ICF)과 한국코치협회(KCA)의 윤리규정 및 핵심 역량을 반영하여 8단계 47개 질문 구조로 설계되었다. 인공지능 사용경험이 있는 성인 15명을 대상으로 주제 분석 기법을 적용한 질적 연구를 진행하였다. 분석 결과 4개의 상위 주제와 9개의 하위 주제가 도출되었다. 사회적 존재감 에서는 60%가 대화의 자연스러움을, 80%가 공감적 반응을 경험했고, 인공지능 신뢰에서는 53.3%가 공감적 경청과 이해를, 40%가 비판단적 태도를 인식했다. 자기효능감에서는 66.7%가 자기 인식 확장을, 46.7%가 실행 의지 강화를 나타 냈다. 반면 53.3%가 구조화된 프로세스의 제약을 지적했고, 33.3%가 사용자 다 양성 대응 부족을, 26.7%가 윤리적 우려를 지적하였다. 연구 결과 AI 코칭 시스 템이 공감적 상호작용과 자기성찰 촉진에는 효과적이나, 시스템의 유연성과 개 별화된 접근의 중요성을 확인하였다. 본 연구는 AI 코칭 시스템의 설계와 개선 방향에 실증적 근거를 제공하는 데 의의가 있다.

오늘날 생성형 인공지능(Generative AI)의 비약적 발전은 교육 패러다 임에 근본적인 변화를 초래하고 있으며, 특히 ChatGPT(Generative Pre-trained Transformer)와 같은 대화형 AI는 단순한 정보 전달을 넘 어, 상호작용 기반의 학습 환경을 가능하게 한다는 점에서 언어교육 분 야에서 주목받고 있다. 본 연구는 생성형 인공지능의 대표 사례인 ChatGPT를 일본어 문법 교육에 활용하였을 때의 교육적 기능과 잠재적 한계를 분석하는 데 목적이 있다. 연구는 일본어를 학습한 지 3개월 정 도 지난 초급 학습자를 대상으로, ChatGPT의 문법적 설명 능력, 예문 생성력, 피드백의 적절성에 초점을 맞추어 실험을 설계하였다. 구체적으 로 사전·사후 문법 이해도 테스트, 만족도 설문조사, 자유 서술 및 인터 뷰를 통해 데이터를 수집하고 정량적·정성적으로 분석하였다. 그 결과 예 문 제공, 반복 질문 가능성, 심리적 부담 감소 등의 장점을 긍정적으로 평가하였다. 반면, 설명의 일관성 부족, 문맥 판단력의 한계, 정교한 문 법 개념 설명의 부재 등은 주요 한계로 지적되었다. 본 연구는 ChatGPT 가 일본어 문법 교육에서 자기주도 학습을 촉진하는 보조 도구로서 효과 적일 수 있음을 시사하며, 동시에 문법 교육의 질을 담보하기 위해서는 교 사의 맥락적 설명과 피드백이 반드시 병행되어야 함을 강조한다. 본 연구 가 향후 생성형AI와 교사의 역할을 상호 보완적으로 융합한 혼합형 (hybird) 교육 모델의 기초 자료가 되길 기대한다.

This study examined how 16 Chinese transformational structures are generated using generative AI from the perspective of learners whose native language is Korean. To summarize: (1) In weak AI models, using the zero-shot input method, Baidu generated 13 transformed Chinese Sentences, and Papago generated 11 transformed Chinese Sentences. (2) In strong AI models, using the prompt input method, WRTN generated 12 transformed Chinese Sentences, and Yuanbao generated 11 transformed Chinese Sentences. The possible reason why weak AI showed better results than strong AI may be because the analysis target was simple sentences. Baidu and Papago AI are programs specialized in translation. Therefore, under the same conditions as the experiment, it can posited that weak AI is more specialized than strong AI. Thus, it may be sufficient to utilize weak AI in current Chinese writing education. Nevertheless, for this research be applicable to Chinese writing education, the following additional analyses are necessary: (1) This study targeted ‘simple sentences.’ If applied to ‘complex sentence’ writing education, an analysis of whether weak AI remains useful is necessary. (2) An analysis of how to conduct education using Artificial Intelligence is required.

This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

This study structurally analyzes the algorithmic filtering process by which generative AI images are either selected or discarded before reaching users, and models this process through a visual similarity–based simulation. Images generated by Stable Diffusion are placed on a two-dimensional grid, and a modified version of Conway’s Game of Life algorithm is applied to update the state of each cell. The survival of each cell is determined based on a hybrid visual similarity metric combining CLIP and LPIPS. To prevent the rigidity of the simulation and sustain emergent dynamics, random image injections are periodically introduced. The simulation results reveal that visually similar images repeatedly form clusters, and a visual order gradually converges toward a structurally stabilized state. This suggests that specific visual orders can emerge solely from algorithmic selection criteria, independent of human interpretation. By shifting focus from semantic or symbolic analysis to the experimental conditions for the existence and persistence of images, this study proposes a new analytical perspective for understanding digital image environments.

This study explores how to integrate the generative artificial intelligence (AI) tool Midjourney into the fashion design process, emphasizing the visualization of sporty fashion concepts. The research applied Midjourney at every stage of the fashion design process: mood board, fashion sketch, flat drawing, production package, fashion show presentation, and store display and sales. Specifically, sporty fashion was selected as the theme, and customized prompts were developed from prior research and design principles to generate visual outputs for each stage. Furthermore, three apparel design experts evaluated the AI-generated images to assess Midjourney’s practical applicability and effectiveness in each phase of the fashion design workflow. Expert evaluations revealed that Midjourney was particularly effective in the early stages, offering diverse and visually engaging imagery that supported creative ideation and mood expression. The tool allowed quick exploration of different silhouettes during the sketching stage but was imprecise in detailed forms and proportions. Limitations became more evident in the flat drawing and work instruction stages, where outputs failed to accurately reflect material textures and technical construction. Prompt refinements and referencebased prompts were tested but often resulted in inconsistent or stylized outputs. Additionally, continuity between stages was missing. Midjourney shows potential as a creative tool, but experts highlight its limitations for practical industry application. Further research is needed to improve prompt optimization and training data for enhanced accuracy and usability in AI-assisted fashion design workflows.

본 연구는 생성형 AI 시대에 AI에 의한 관광산업의 미래 전망과 시사 점에 따른 대응방안을 제시하는 것을 주 목적으로 하였다. 이를 위해 관 광산업 분야 중 어떤 분야의 일자리가 대체되고, AI로 인해 관광산업의 노동시장이 어떻게 변하는지에 관한 시사점을 도출하여 대응방안을 문헌 고찰하였다. 연구결과, 생성형 AI 시대의 관광산업의 미래 전망과 시사점 을 요약하면서 AI로 인한 관광산업 일자리 대체 가능성에 대응하기 위한 정책적 방안을 직업 전환 지원, 창의적 업무 개발, 산업-교육 연계 강화, 사회 안전망 강화, AI 윤리 및 규제 도입, 재정적·기술적 중소기업 지원 등으로 제안하였다. 이론적으로는 AI 기술이 관광산업의 고용 구조와 산 업 생산성에 미치는 영향을 분석하여 노동시장 변화 모델을 발전시킬 수 있는 시사점을 제공했다. 또한, 실무적으로는 AI 기술 도입에 따른 직업 훈련, 재교육 프로그램 및 산업 변화에 맞는 규제와 지원 정책을 마련해 노동시장의 균형을 유지해야 한다는 정책 대응방안과 관광기업은 AI 활 용의 장점을 극대화하면서도 고용 감소에 따른 사회적 책임을 고려해야 한다는 시사점을 제시하였다.

Purpose: This study aims to examine the effect of 'debate education using generative artificial intelligence (AI)' on 'debate efficacy' targeting elementary school students in the 5th and 6th grades. Through this, we aim to provide valuable information on debate classes using generative AI to field teachers and researchers in debate-related studies. This study aimed to provide students with a positive communication experience by allowing them to articulate their arguments, engage with peers, and persuade others. Additionally, it sought to serve as a foundation for fostering students' collaborative communication skills and digital language literacy. Furthermore, in alignment with the introduction of the “Media” domain in the 2022 Revised Korean Language Education Curriculum, this study aimed to offer pedagogical implications for teachers regarding debate education using generative AI. Lastly, it sought to expand the scope of Korean language education by preparing students to actively adapt to the rapidly evolving communication environment of the future society. Methods: To achieve this, a triangulation study combining quantitative and qualitative research methods was conducted. The quantitative research compared and analyzed the pre-post debate self-efficacy of the participants, while the qualitative research explored the effects of debate classes using generative AI by analyzing portfolios generated by the participants. Descriptive statistics and the Wilcoxon signed-rank test were used to analyze quantitative data. As some of the response data from the participants did not satisfy the assumption of normality, the pre-and post-test changes in debate efficacy among the participants were analyzed using a nonparametric Wilcoxon signed- rank test (p<.05). The reliability of this study was verified through Cronbach’s ⍺ value. Portfolio analysis was employed for the qualitative data analysis. Results: The “Debate Self-Efficacy” of the participants was measured pre- and post-intervention using the Wilcoxon Signed-Rank Test. The results showed a significant improvement in all subcomponents of debate self-efficacy, including Emotional Self-Efficacy, Cognitive Self-Efficacy, and Social Self-Efficacy. In particular, significant improvements were observed in the components of Emotional Self-Efficacy, namely ‘expectation,’ ‘persistence,’ and ‘emotion regulation.’ Furthermore, the analysis of portfolios composed of activity sheets developed for this study revealed that engaging in debate activities using Generative AI positively enhanced the debate self-efficacy of the participants. Conclusion: This study demonstrates through action research and empirical analysis that Korean language debate classes utilizing generative AI are effective in enhancing students' debate efficacy. This study hopes to serve as a stepping stone for fostering Inclusivity and enhancing Communication Competence among learners, thereby contributing to the strengthening of their Debate Self-Efficacy. Furthermore, it is expected that this research will contribute to the activation of Debate Education Using Generative AI in school.

본 연구는 생성형 AI(GPTs)를 활용하여 한국어 학습자를 위한 인접쌍 생성 챗봇을 개발하고, GPTs가 생성한 사과 화행 인접쌍 전략을 분석하 는 데 초점을 맞추었다. GPTs의 대화 생성을 통해 사과 화행에 대한 인 접쌍의 전략 유형을 담화완성형 테스트(DCT)를 기반으로 다양한 상황별 로 도출하고, 인접쌍을 연구하였다. 연구 결과, 공적·사적 상황, 친밀도, 사회적 지위 등의 사회적 변인이 GPTs의 인접쌍 생성에 영향을 미침을 확인하였다. 특히, 공적 상황에서는 문제 해결 중심의 대안 제시 전략이 주로 사용되었으며, 사적이면서 사회적 지위 차이가 있는 상황에서는 상 대방의 체면을 회복시키는 이해 전략이 두드러졌다. 본 연구는 GPT 기반 인공지능 챗봇을 활용하여 학습자들이 실제 대화 상황에서 사용할 수 있는 전 략적 도구를 제공할 수 있는 기반을 마련하였다는 데 의의가 있다.

본 연구의 목적은 생성형 AI의 한국어 문맥 해석 성능을 평가하는 것 으로, 이를 위해 접속 부사 {그래서/ 그러나/ 그런데/ 그리고}가 쓰인 784개 텍스트를 대상으로 챗GPT의 접속 부사 사용을 평가하고 오류의 원인을 분석하였다. 분석 결과 첫째, 챗GPT의 접속 부사 사용 오류율은 약 21%로 총 784개 중 170개의 텍스트에서 의미 해석의 오류가 발생했 다. 둘째, [인과/ 대조/ 전환/ 나열] 중에서 오류 비율은 [인과/ 전환]의 {그래서}와 {그런데}가 약 30%로 가장 높게 나타났다. 이는 챗GPT가 예 측과 추론이 필요한 [인과] 관계 해석에는 한계가 있음을 의미한다. 셋 째, 텍스트 유형에 따른 오류 비율은 ‘소설’이 29%로 가장 높게 나타나 고 ‘논설문’이 14%로 가장 낮게 나타났다. 이는 챗GPT가 논리에 기반한 텍스트에서 문맥을 더 정확하게 해석한다는 것을 의미한다. 넷째, 챗 GPT는 문맥 의미를 해석하는 과정에서 접속 부사의 위치를 잘못 계산하 거나 구절 및 문장의 일부를 누락하는 등 텍스트 분석 과정에서 오류가 나타났다. 본 연구는 생성형 AI의 한국어 문맥 해석 성능과 한계를 문장 층위에서 분석하였다는 점에서 의의가 있으며 이는 생성형 AI의 효과적 인 사용 방법과 성능 개선 방안을 모색하는 데에 도움을 줄 것이다.

본 연구는 만학도의 학습참여동기, 사회적지지, 자기효능감이 생성형 AI의 인식에 미치는 영향을 확인하는 데 목적을 두었다. 연구의 대상자 는 서울 소재의 B대학교에 재학 중인 만학도로, 기간은 2024년 6월 5일 부터 6월 20일까지 설문 조사를 실시하여 최종 설문지 191부를 SPSS 25.0을 활용하여 분석하였다. 본 연구는 첫째, 만학도의 생성형 AI에 대 한 사전경험을 살펴보고 학습참여동기, 사회적지지, 자기효능감, 생성형 AI에 대한 인식을 알아보았으며, 학습참여동기와 사회적지지, 자기효능감 이 생성형 AI 인식에 미치는 영향을 살펴보았다. 그 결과, 첫째, 본 연구 참여자인 만학도의 인구사회학적 변인의 빈도분석에서 조사대상자의 84.75%가 60대 이상의 고령학습자였고 참여자가 스스로 생각하는 생성 형 AI에 대한 이해도는 매우 낮음에서 보통까지의 이해도가 전체 86.2% 를 차지하였다. 또한 생성형 AI를 사용하지 못하는 이유로 사용 의지는 있으나 접근방법이나 정보가 부족하다고 생각하였다. 둘째, 만학도의 학 습참여동기 중 활동지향적 동기가 생성형 AI의 교육적 인식에 정적으로 유의한 영향을 미쳤으나, 자기효능감은 부적으로 영향을 미쳐, 인공지능 에 대한 다양하고 충분한 수행 경험이 선행되어야 할 것으로 사료되었 고, 후속연구에서는 고령 만학도 특성에 기반한 다양한 AI 수업 적용 연 구가 이루어져야 할 것을 제안하였다.

This study examined the effects of creating English picture books using generative artificial intelligence (AI) on Korean high school students’ reading and writing skills, AI literacy, and self-efficacy. Forty-five students were divided into two groups and participated in tasks that included selecting a character from English-speaking cultures, generating images using Bing Image Creator, drafting and revising stories with ChatGPT, and creating audiobooks with ClovaDubbing. Reading and writing skills were evaluated using pre- and post-tests, and AI literacy as well as affective factors, including selfefficacy, were measured through surveys. The results indicated a significant improvement in students’ writing skills and self-efficacy, whereas reading skills did not demonstrate statistically significant progress. The study underscores the potential of generative AI as a tool for enhancing writing skills, AI literacy, and self-efficacy in language learning. However, it also emphasizes the need for further pedagogical efforts to design instructional strategies that effectively improve reading skills. These findings offer practical guidance for integrating generative AI into EFL education to enhance language learning and AI literacy.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

본 연구는 웹툰 제작 과정에서 배경 에셋제작을 자동화하기 위한 생성형 AI 기술 기반플랫폼 을 제안한다. 이 플랫폼은 서사에 중요하지 않지만, 웹툰에서 필수적인 요소인 배경과 관련된 에셋 제작을 자동화하여 웹툰 작가들의 고강도 노동을 경감시키고 제작 효율성을 높이는 것을 목표로 한다. 플랫폼은 React와 TypeScript를 기반으로 구현되었으며, Stable Diffusion 기 술과 LoRA 모델을 활용하여 웹툰의 배경 에셋을 생성한다. 연구 방법으로는 문헌 연구, 플랫 폼 개발, 실제 웹툰 적용 실험을 수행하였다. 연구 결과, 제안된 플랫폼은 프로그램 설치나 추 가 모델링 구매 없이 프롬프트 작성만으로 배경 생성이 가능하며, 이미지 생성과 보정을 동시 에 처리할 수 있어 작업 효율성이 높은 것으로 나타났다.그러나 근경 물체의 정확성과 인체 표현에서 한계를 보여, 기존 3D 모델링 도구와의 상호 보완적 사용이 효과적일 것으로 판단된 다.