This study investigated the visualization accuracy and educational applicability of generative artificial intelligence (AI) tools in fashion design education by comparing images generated from the same blouse sketch using GPT-based tools, LOOK AI, and Stable Diffusion under identical prompt conditions. Thirty-two professional fashion designers evaluated the generated outputs using a structured 10-item assessment scale, focusing on silhouette accuracy, detail representation, structural clarity, and overall visual completeness. Statistical differences among the tools were analyzed using one-way analysis of variance followed by post-hoc comparisons. The results revealed significant differences (p<.05) in key evaluation criteria: silhouette accuracy, detail implementation, structural interpretability, and overall completeness. LOOK AI excelled in representing structural elements such as seams, pleats, and pattern logic, indicating its strength in design-oriented applications and technical visualization tasks. In contrast, Stable Diffusion received higher ratings for overall visual balance and aesthetic coherence, despite showing relatively lower structural fidelity. GPT-based outputs received lower ratings for structural accuracy but were seen as valuable for promoting critical AI literacy via prompt-based exploration, iterative refinement, and reflective evaluation. These findings suggest that differences among AI tools should not be interpreted in terms of absolute superiority but as distinct educational affordances. Accordingly, this study proposes a three-axis instructional framework that integrates structure-oriented learning, creative visualization, and critical inquiry-based learning.

본 연구는 생성형 AI의 영화 스토리텔링 분석 정확성을 실증적으로 검 증하는 데 목적이 있다. 검증 대상은 보편적 대중 서사의 대표군으로서 역대 박스오피스 상위 흥행작과 특정한 이야기 방식을 지닌 연출자 작품 군으로서 신카이 마코토 감독의 연출 작품 전편으로 구성하였다. 분석 항목은 주인공, 도발적 사건, 도발적 사건으로부터 파생된 주인공의 목표 로 한정하고, 각 요소의 판정이 얼마나 안정적으로 이루어지는지를 점검 하였다. 판정은 작품별·요소별로 정확, 부분 정확, 부정확으로 구분하였 으며, 불일치가 나타나면 어떤 개념이 어디에서 잘못 적용되었는지를 함 께 밝혔다. 분석 결과는 다음과 같다. 첫째, 생성형 AI는 일정 수준의 유 의미한 답을 제시하였으나, 전반적으로 높은 정확도에 도달했다고 보기 는 어려웠다. 둘째, 오류는 특히 도발적 사건의 판정에서 가장 빈번하게 나타났으며, 이는 발단이 되는 사건과 도발적 사건을 구분하는 개념 적 용이 불안정한 데에서 비롯된 것으로 보인다. 셋째, 보편적 대중 영화와 특정 감독 작품군 사이에서 분석 정확도의 뚜렷한 차이는 확인되지 않았 다. 결론적으로 생성형 AI 기반 스토리텔링 분석은 작품 이해 초기의 요 약과 탐색 단계에서 보조적으로 활용될 수 있으나, 현 단계에서는 정확 성의 변동성으로 인해 분석의 객관성을 단독으로 담보하기 어렵다. 본 연구는 현시점 AI의 영화 스토리텔링 분석 정확도를 점검할 수 있는 하 나의 틀을 제시했다는 점에서 의의가 있으며, 교육 현장에서는 AI 산출 물을 정답이 아닌 비판적 재검토의 대상으로 활용할 필요가 있음을 시사 한다.

The adoption of generative artificial intelligence (AI) has attracted growing attention across industries due to its potential to transform organizational processes and value creation. Despite its high applicability, however, the diffusion of generative AI in the telecommunications industry remains limited. Existing studies have largely focused on identifying individual barriers to AI adoption, providing insufficient understanding of how these barriers interact and form a complex hierarchy of constraints. Addressing this gap, this study investigates the structural interrelationships among barriers to generative AI adoption in the telecommunications industry. Based on a comprehensive literature review and expert validation, fifteen key barriers were identified. Using a Delphi-based Interpretive Structural Modeling (ISM) approach, this study examined the hierarchical influence structure among the barriers. Subsequently, the Matrix Impact Cross-reference Multiplication Applied to Classification (MICMAC) technique was employed to classify the barriers according to their driving power and dependence. The results reveal a four-level hierarchical structure in which environmental barriers play a foundational role. In particular, the absence of alignment in institutional frameworks and technical standards emerges as a root-level barrier exerting strong influence on higher-level constraints. Regulatory uncertainty and concerns about job displacement function as independent drivers linking foundational environmental conditions to execution- level constraints. Most technical, organizational, and economic barriers are concentrated at the intermediate level, forming a highly interdependent execution layer. At the top level, delays and uncertainties in decision-making regarding generative AI adoption appear as outcome-oriented barriers resulting from the cumulative effects of lower-level constraints. By highlighting that barriers to generative AI adoption in the telecommunications industry operate as a structurally connected system rather than isolated factors, this study extends existing adoption research through a structural perspective. The findings provide practical insights for telecommunications firms in prioritizing adoption strategies and offer implications for addressing institutional and regulatory conditions that shape the diffusion of generative AI.

본 연구는 ADHD 아동의 정서 조절 어려움과 부모-자녀 의사소통 단절 문제를 완화하기 위해, 생성형 AI를 활용한 관계 촉진형 워크북 시스템의 설계 프레임워크를 제안하는 설계 연구(Design Research)로서, 이론적으로 근거한 설계 원칙의 도출과 기술적 실현 가능성 검 증에 초점을 두며, 사용성 평가 및 임상적 효능 검증은 후속 연구 과제로 설정한다. 제안 시스템은 아동의 일기를 4컷 만화로 변환하되 말풍선을 비워 둠으로써 부모-자녀가 대화를 통해 의미를 공동 완성하도록 하는 '의도적 불완전성' 설계 패러다임을 적용하여, AI가 치 료를 대체하지 않고 상호작용의 비계로 기능하도록 한다. Barkley의 실행 기능 결함 모델, Fogel의 공동 조절 이론, PCIT의 PRIDE 기술, Sweller의 인지 부하 이론이라는 4가지 이론 적 출처의 교차 분석을 통해 5가지 설계 원칙을 도출하고, LLM 및 Text-to-Image 모델 기반 프로토타입을 구현하여 기술적 실현 가능성을 검증하였으며, 전문가 3인의 의견을 수렴하 여 설계의 현장 적합성을 탐색하였다. 본 연구는 일상적 일기 쓰기를 정서 교류 기회로 전 환할 가능성을 논의하며, 향후 파일럿 사용성 연구 및 임상 검증을 위한 기반을 제공한다.

This study explores the use of Midjourney (V6) by fashion design undergraduates for AI-supported ideation, focusing on how outcomes differ based on fashion-domain competence and prompt/parameter instruction. A focused ethnographic, comparative case-study design was used to observe a short collection-development module. Data included Discord prompt and parameter logs, generated image outputs (mood boards, look proposals, and pattern drafts), one-on-one interviews, classroom observation notes, and expert co-coding and qualitative evaluation. Participants were organized into four groups by crossing Basic vs. Advanced Fashion competence (BF/AF) with Basic vs. Advanced Prompt training (BP/AP): BF-BP, AF-BP, BF-AP, and AF-AP. BF-BP depended on repetitive/imaginary use and generic descriptors, resulting in visually appealing yet conceptually fragmented and low-feasibility results. AF-BP leveraged a richer domain vocabulary to improve item-level adequacy but struggled to maintain collection-level consistency, leading to the use of external editing tools such as Photoshop and Illustrator for portfolio-level refinement. BF-AP quickly mastered commands and parameters (e.g., /describe, --chaos, --stylize, --ar, --tile, --no, --sref, --cref), generating appealing concept imagery while failing to convert outputs into wearable garments and cohesive collections. AF-AP combined advanced fashion knowledge with strategic parameter sequencing— broad exploration, followed by consistency control and selective refinement—achieving the most coherent, feasible outcomes and positioning AI as an early-stage accelerator rather than a substitute for core design and making skills. Overall, this study proposes “parameter literacy” as a domain-specific extension of GenAI literacy and offers a parameter–process mapping (divergent generation, consistency control, and editing/refinement) to enhance fashion curricula.

Purpose: This study aims to develop and evaluate A4, a generative AI agent (Adaptive Aptitude Assessment by AI for Nursing Students), designed to support undergraduate nursing students in matching their personal traits with suitable clinical roles. Method: An exploratory research design was used with 71 nursing students and 65 clinical nurses. Developed using ChatGPT-4, the A4 agent classified nursing roles, identified required personal traits, and generated adaptive test items. Perceived person–job fit was measured via survey, and the data were analyzed using descriptive statistics and independent t-tests. Results: Among students, 80.3% agreed that the A4 results represented their characteristics, compared with 69.2% of nurses. Nursing students had higher perceived aptitude–fit scores (2.99 ± 0.62) than nurses (2.74 ± 0.69), indicating a significant difference (t = 2.19, p = .030). Conclusion: The findings indicate that the generative AI-based adaptive assessment, which incorporated clinical scenarios, was perceived by nursing students and clinical nurses as a tool that represents personal traits. This suggests its potential to support personalized career guidance in nursing education and serve as a supplementary tool for clinical practicum orientation.

본 연구는 생성형 인공지능을 활용하여 고구려 및 삼국시대 복식을 시각적으로 복원할 수 있는 새로운 방식을 제시하기 위해 진행되었다. 이를 위해 당시 복식과 관련이 깊을 것이라 생각되는 고구려 고분벽화, 하니와, 색동 및 아시아 전역에서 출토된 원단 유물을 기반으로 복식의 시각적 특징을 추출하고, 생성형 인공지능을 활용하여 시각적 으로 고구려 복식을 복원하였다. 먼저, 삼국시대 복식의 특징을 문헌조사를 통해 정리하였고, 복원에 참고할 이미지 선정, 프롬프트 설계 후 생성형 인공지능의 1종류인 DALL-E를 활용하여 복원 이미지 생성을 수행하였다. 생성된 복원 이미지에서 고구려 복식이 시각적으로 어떻게 구현되었는지를 확인하였고, 고구려 고분벽화 및 하니와에서 나 타난 복식의 특성을 반영한 복원 이미지의 시각적 완성도와 복원된 복식의 적절성을 분석하였다. 특별히, 색동과 북아시아 및 동아시아 전역에서 출토된 염색문양 직물(錦罽)을 활용하여 가시화시킨 결과물들의 모습을 확인하였다. 생성형 인공지능은 복식의 시각적 재구성에 유의미한 역할을 수행하였다. 본 연구는 생성형 인공지능을 통해 고대 복식을 시각적으로 복원하고, 이를 통해 기존 복식사 연구의 시각적 한계를 새롭게 보완할 수 있음을 보여주었다는 점에서 의의가 있다.

본 연구의 목적은 디지털 네이티브 세대인 대학생을 대상으로 생성형 인공지능 (Generative AI) 활용 경험이 심리적 안녕감과 AI 기반 상담 수용도에 미치는 구조적 관 계를 규명하는 데 있다. 이를 위해 기술수용모델(Technology Acceptance Model, TAM) 을 이론적 틀로 설정하고, 대학생의 AI 활용 경험과 심리적 특성이 새로운 상담 매체로서 AI 상담 수용으로 이어지는 심리적 기제를 실증적으로 분석하였다. 서울 및 경기도 소재 4년제 대학교 재학생 350명을 대상으로 온라인 설문조사를 실시하 였으며, 불성실 응답을 제외한 318부를 최종 분석에 사용하였다. 주요 변인은 생성형 AI 활 용 경험, 심리적 안녕감, 지각된 유용성, AI 기반 상담 수용도이며, SPSS 27.0과 AMOS 26.0을 활용하여 기술통계 분석, 신뢰도 분석, 확인적 요인분석, 구조방정식모형 분석을 수 행하였다. 분석 결과, 생성형 AI 활용 경험은 지각된 유용성을 매개로 하여 AI 기반 상담 수용도에 정(+)의 간접 효과를 미치는 완전 매개 구조를 보였다. 반면, 심리적 안녕감은 AI 기반 상 담 수용도와 유의미한 부(-)의 관계를 나타내어, 심리적 안녕감이 낮을수록 AI 상담에 대한 수용 가능성이 높아지는 경향이 확인되었다. 이는 일상에서 AI의 유용성을 체감한 대학생일 수록 AI를 상담 도구로 수용할 가능성이 높으며, 대면 상담에 부담을 느끼는 심리적 취약 집단에게 AI 상담이 상대적으로 수용 가능한 대안이 될 수 있음을 시사한다. 본 연구는 디지털 네이티브 세대의 특성을 반영한 AI 기반 정신건강 지원 전략의 실증적 근거를 제시하였다는 점에서 의의가 있다. 연구 결과를 토대로 대학 차원의 하이브리드 멘탈 케어 시스템 구축과 AI 리터러시 교육과 정서조절 훈련을 통합한 교육 커리큘럼 개발 등 대 학생 정신건강 증진을 위한 실천적 시사점을 제안한다.

본 연구는 생성형 AI 작곡 환경에서 실용음악 전공생들이 창작 주체성과 정체성을 어떻게 경험 하고 인식하는지 탐색하는 데 목적이 있다. 이를 위해 연구자는 AI 작곡 경험이 있는 실용음악 전공 대학원생 7명을 선정하여 반구조화 인터뷰를 실시하였으며, 수집된 자료는 현상학적 연구 방법으로 분석하였다. 분석 결과, 세 가지 주제와 아홉 개 범주가 도출되었다: (1) 창작자 정체성 의 재구성(창작자로 시작했는가, 프롬프트를 통한 개입은 창작인가, 창작자에서 프로듀서로); (2) 소유감과 창작 주체성의 회복(결과물에 대한 즉각적 인식, 애착이 형성되는 조건, ‘내 음 악’이라는 판단의 조건); (3) 창작 주체성의 재정의(창작자 정체성의 혼란, 혼란에 대한 대응 전략, 창작자 정의의 재협상). 연구 결과, AI 시대의 음악 창작자는 기술적 생산자에서 의미와 감각을 조직하고, 정체성을 스스로 재구성하는 주체로 변화하고 있음이 확인되었다. 또한 음악에 대한 소유감은 AI의 기술적 능력과 무관하게 창작자의 의도와 감정이 개입될 때 형성되었다. 본 연구는 AI 시대 작곡자의 정체성과 창작 주체성 변화에 대한 이해를 확장하며, 음악 창작 교육과 예술적 주체성 담론에 실질적 기초 자료를 제공한다.

21세기 들어 인공지능(Artificial Intelligence)은 예술 창작의 구조와 개념을 근본적으로 변 화시키고 있다. 특히 음악 분야에서 생성형 AI의 등장은 작곡과 편곡의 경계를 허물며, 인간의 감정과 기술의 연산이 결합된 새로운 예술 형태를 출현시켰다. 본 연구는 AI 기반 음원 제작이 공연예술, 특히 무용 창작 구조에 미치는 영향을 분석하는 데 목적을 둔다. 연구 방법으로 질적 사례연구를 채택하고, 국내에서 이루어진 두 가지 공연 사례 ― ① 국립국악원 『세종탄신 하례 연』<AI 복원 궁중음악 공연>(2024), ② 『G·Artience 2024』<무용×AI 융합 공연> 를 중심으로 고찰하였다. 분석틀로는 앤드류 핀버그(Andrew Feenberg)의 기술철학과 볼터와 그루신(Bolter & Grusin)의 재매개 이론을 바탕으로 ‘학습–모방–공진–종결’의 4단계 퍼포먼스 구조를 설정하였 다.『세종 탄신 하례연』은 전통음악의 복원을 통해 ‘기억된 예술’의 현대적 재해석을 보여주 었으며, 『G·Artience 2024』는 인간의 신체 데이터를 AI가 실시간으로 해석하고 음악·시각 효 과를 공진적으로 생성함으로써 공동지능 예술의 가능성을 제시하였다. 이와 같은 분석은 AI 기술 이 예술 창작의 민주화와 감정 표현의 확장을 동시에 이끌고 있음을 보여준다. 본 연구는 기술이 예술의 협업 구조와 주체성을 어떻게 재구성하는지를 실증적으로 제시함으로써, AI 시대 공연예 술의 지속적 발전 방향을 탐색하는 학문적 기초를 마련하고자 하는데 그 의의가 있다.

생성형 AI는 방대한 데이터를 기반으로 사용자의 요구에 부합하는 콘텐츠를 자동 생성함 으로써 창의성과 생산성을 동시에 향상시키고 있다. 구독경제 기반의 생성형 AI 서비스는 소비자와 기업 모두에게 혜택을 제공한다. 소비자는 높은 초기 비용 없이 지속적으로 서비스를 이용할 수 있으며, 기업은 반복적인 매출과 고객 데이터를 기반으로 서비스 품질을 고도화할 수 있다. 이와 같은 선순환 구조가 안정적으로 유지되기 위해서는 소비자의 지속적인 유료 구독이 필수적이다. 이에 본 연구는 생성형 AI 서비스에 대한 구독의도 형성 요인을 규명하기 위해 기술수용모델(TAM)과 어포던스(Affordance) 이론을 통합한 연구모형을 제시하고 실증 분석을 수행하였다. 생성형 AI 사용 경험이 있는 직장인 134명을 대상으로 온라인 설문 조사를 실시하였으며, 수집된 자료를 SPSS 27.0과 PROCESS macro를 활용하여 상관분석, 다중회귀분석, 그리고 매개효과 분석을 실시하였다. 분석 결과, 어포던스 요인 중 개인화된 도움 제공은 인지된 유용성과 인지된 용이성 모두에 유의한 영향을 미쳤고, 맥락 인지는 인지된 유용성에만 유의한 영향을 미쳤다. 반면 대화의 의인화는 두 인지 요인 모두에 유의한 영향을 보이지 않았다. 또한 인지된 용이성은 인지된 유용성에 정(+)의 영향을 미쳤으며, 두 인지 요인은 모두 이용의도에 유의한 정(+)의 영향을 미쳤다. 특히 이용의도는 구독의도에 가장 강력한 영향을 미치는 핵심 변수로 확인되었고, 인지된 유용성과 용이성은 이용의도를 매개로 구독의도에 간접적인 정(+)의 효과를 보였다. 본 연구는 생성형 AI와 구독경제의 융합이라는 새로운 소비 패러다임에 대한 이론적 기반을 제공함과 동시에, 사용자 경험 중심의 AI 서비스 설계 및 구독형 비즈니스 전략 수립에 실무적 시사점을 제시한다.

This paper examines the story generation capabilities of generative AI, which are increasingly utilized across various industries. The narrative of the classic novel Don Quixote was input into ChatGPT, a generative AI model, and reconstructed through natural language prompts that applied the MacGuffin technique to create new story structures. The AI-generated narratives, produced in the forms of synopses and scene-by-scene treatments, were compared with the original work to evaluate narrative completeness. Furthermore, the reconstructed narratives were transformed into screenplay and game event formats to assess their potential applications in various media content. The results indicate that generative AI achieved meaningful outcomes in restructuring the original story into a reversal-based narrative using the MacGuffin structure. It also demonstrated sufficient capability to adapt stories for character dialogues and scene direction. Therefore, this paper suggests that generative AI can function as a supportive tool for human writers in the idea development and pre-production stages of screenplay and digital content creation.

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 study investigates the structural mechanisms underlying user acceptance of generative AI services by integrating cognitive and affective dimensions of user experience. Based on the Technology Acceptance Model, Expectation–Confirmation Theory, and flow theory, a research model was developed and tested through an online survey of 387 Korean users with more than three months of experience. Structural equation modeling confirmed that cognitive and affective responses significantly influence satisfaction and trust, which in turn predict loyalty, with trust showing the strongest direct effect. Satisfaction and trust also mediated these relationships, while flow strengthened the satisfaction–loyalty path and resistance to technology was not significant. These findings highlight the importance of incorporating emotional and experiential factors alongside functional aspects. Practical implications suggest that fostering trust, engagement, and perceived value is essential for sustaining loyalty in generative AI services.

This study proposes an immersive storytelling reading platform integrating Generative AI and interactive Augmented Reality (AR) to enhance children’s reading engagement. The platform combines style-transfer-based object detection, LangChain-driven real-time story generation, and Unity-based AR interactions, offering a multi-sensory reading experience via hand tracking and dynamic text. Experiments showed a 21.6% improvement in object detection accuracy, and EEG results revealed increased theta/beta power and suppressed alpha power when using the proposed platform, indicating enhanced attention. These findings highlight the educational potential of interactive reading environments for the digital-native generation.

This study investigates how non-experts learn to use generative AI image tools by comparing outcome-oriented tools (e.g., Midjourney, DALL·E) with process-oriented tools (e.g., ComfyUI). Outcome-oriented tools offer intuitive interfaces and immediate feedback, lowering initial cognitive load, while process-oriented tools provide advanced control but require higher effort to master. Using surveys with 15 participants and in-depth interviews with 6 users, this exploratory study examined cognitive load, sense of control, and motivation. Results show that outcome-oriented tools effectively engage beginners, whereas process-oriented tools foster sustained learning once early barriers are overcome. Based on these findings, a three-stage curriculum—Basic Exploration, Advanced Control, and Creative Application—is proposed to gradually reduce cognitive barriers and support long-term creative growth.

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.

This study explores the pedagogical opportunities and instructional practices that emerge when elementary preservice teachers design science lessons using generative artificial intelligence (GenAI). Drawing on Chiu’s (2024) fourdomain model—Learning, Teaching, Assessment, and Administration—ten third-year pre-service teachers in South Korea participated in a four-week workshop using ChatGPT to design and refine Earth Science lessons aligned with the national curriculum. The participants documented their lesson planning, AI interactions, and reflections, producing qualitative data that were analyzed thematically. Findings show that participants identified various educational possibilities: GenAI supported idea generation and inquiry scaffolding (Learning), helped structure student-centered strategies (Teaching), improved formative assessments and clarified misconceptions (Assessment), and assisted with lesson preparation and time management (Administration). These possibilities translate into specific pedagogical practices, including revising teachercentered approaches to inquiry-based learning, developing scaffolded materials suited to students’ cognitive levels, and reflecting on their evolving roles as science educators. This study suggests that GenAI can act not merely as a tool but also as a catalyst for pedagogical reflection and professional growth. This highlights the need for teacher education programs to foster critical pedagogical reasoning and ethical AI literacy to ensure thoughtful and responsible use of GenAI in science classrooms.