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 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.

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.

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.

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.