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.

본고는 시몽동의 기술 철학을 토대로 생명게임과 생성적 작법을 활용한 오디오-비주얼 작품 창작에 대한 예비 연구이다. 저자는 존 콘웨 이의 생명게임이 가지는 결정론적 한계를 극복하고 새로운 예술 창작의 방향 제시를 위해 질베르 시몽동의 ‘정보’, ‘비결정성의 여지’와 ‘앙상 블’ 개념을 적용하고 생성적 작법을 통해 인간과 기술적 대상이 공동 구성하는 예술 작품을 생성하였다. 구현된 시각 요소는 생명게임의 셀군 집들이 생성하는 패턴 추출과 인간의 관심 영역 설정을 통해 생명게임의 복잡성을 해석하며, 반전된 상으로서의 순환적 경계 조건을 제안하여 생명게임이 가지는 결정성과 수렴성의 한계를 극복하고자 하였다. 더불어 청각 요소는 마코프 연쇄 기반의 인공지능을 활용한 화음 진행, 임의 성, 그리고 인간 조정 행위를 통해 생명게임을 음악화함으로써, 기술적 대상이 가진 비결정성의 여지를 확장하였다. 이러한 과정에서 생성된 작품 <비결정성을 위한 연습곡>은 기술적 대상과 인간이 대등한 존재자로 상호작용하며 공동 구성하는 새로운 창작 패러다임을 제시하며, 시 몽동의 정보 개념을 통해 각 셀의 상태 변화가 개체화 과정의 정보적 사건임을 보인다.

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.

The game industry has continually embraced technological advancements to enhance visual realism and narrative immersion. Recently, the emergence of generative artificial intelligence has transformed the overall approach to game production, improving efficiency and expanding creative possibilities across various domains such as asset creation, character design, dialogue generation, and sound design. This study examines how artificial intelligence influences both the development process and expressive methods of game production, focusing on representative cases that employ generative AI in distinct ways. By analyzing four commercial game examples, the study identifies the roles and implementation strategies of AI in each case. The results indicate that generative artificial intelligence is utilized in multiple aspects of production, including automated asset generation, narrative variation, and pipeline optimization. Through this analysis, the study demonstrates that generative artificial intelligence functions as a key technological factor driving structural changes in the creative processes of the game industry and serves as a foundational reference for future research on AI-based game production.

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.

생성형 의 등장은 AI 인간의 고유 영역인 창작까지 관여하면서 매일 우리에게 새로운 세계를 경 험하게 하고 있다. 생성형 AI가 만든 작품을 창의적인 표현의 결과물로 볼 수 있는지 여전히 논란 이지만, 그 구조와 특징을 살펴보는 것은 새로운 문화적 현상을 이해하고 받아들이는 데 중요한 요소이다. 따라서 생성형 AI 음악에 대한 고찰이 필요하다. 본 연구에서는 기술이나 매체, 매체 체계 등으로 구성되는 규칙적 시스템의 무작위성과 우연성을 통해 스스로 생성된 음악을 ‘생성형 음악’으로 정의하고, 기술의 발전과 매체변화에 따라 분류하여 그 특징을 살펴보았다. 구체적으 로 주사위 음악과 우연성 음악 등 아날로그 방식의 생성음악과 최근 인공지능 음악을 중심으로 하였다, 각 분류는 시스템을 구성하는 매체와 방식, 시스템을 사용하는 주체, 수용자에게 전달되 는 방식으로 구분하였다. 생성형 음악은 시스템을 설계하는 과정과 사용하는 과정에서 독창적 창 의성을 발휘하며, 사용자의 적극적인 개입을 통해 개방적 상호작용을 갖는다. 특히 생성형 음악은 대중들도 쉽게 창작에 참여할 수 있게 되면서 음악 창작에 대한 접근성이 낮아졌다. 이러한 특징 속에 생성형 음악에 대한 용어 정의가 학문적으로 이루어져야 한다. 또한 최근 생성형 AI 음악은 기술적 확장을 넘어 문화, 경제, 윤리 등의 변화를 일으키고 있다. 우리는 이 새로운 변화를 어떻 게 민첩하게 반응하는지에 따라 긍정적 문화적 전환이 이루어질 것이다.

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.

과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

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.