The present study investigates the use of generative artificial intelligence (AI) tools by pre-service teachers (PSTs) in lesson planning for a middle-school English as a foreign language (EFL) class, aiming to address gaps and inform teacher training. The case study examined PSTs in a South Korean university course who were tasked with creating lesson plans using generative AI to aid in lesson plan development for a middle school lesson that incorporated generative AI. Data were analyzed thematically, and results revealed that generative AI was used in topic selection, material creation, lesson organization, and language checking. While generative AI facilitated efficiency and creativity, challenges emerged, including the quality of outputs and limited incorporation of effective pedagogical strategies. These findings indicate a need for targeted training in prompt engineering, ethical considerations, pedagogy, and collaborative practices to enhance PSTs’ generative AI competencies. This study contributes to teacher education programs by providing insights into the practical integration of generative AI in pedagogical practices.

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.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

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.

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 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.

본 연구는 디지털 영상 제작 프로세스에서 점점 중요한 역할을 하고 있는 생성형 AI의 발전과 그 영향을 탐구한다. GPT, GAN 및 기타 생성 알고리즘과 같은 모델의 개발에서 AI 기술의 급속한 발전으로 영상 제작 환경이 큰 변화를 겪고 있다. ChatGPT, Runway, DALL·E, MidJourney, SunoAI 등 생성형 AI 모델의 발전으로 영상 제작 단계에서 적용 가능성이 크게 확장되었다. 생성형 AI는 아이디어 기획에서부터 최종 편집 프로세스에 이르기까지 다양한 제 작 단계를 간소화할 수 있는 잠재력이 있다. 예를 들어, AI는 플롯 아이디어나 대화를 생성하 여 대본 작성을 지원할 수 있으며, 후반 작업에서는 시각 효과를 향상시키고, 사실적인 환경을 만들거나, 반복적인 편집 작업을 자동화할 수 있다. 또한, AI 기반의 사운드 디자인 도구는 영 상 분위기에 맞춘 음악과 사운드 효과를 자동으로 생성할 수 있다. 본 연구는 현재 사용되고 있는 생성형 AI 기술을 조사하고, 특히 런웨이 AI 영화제에서 소개된 사례들을 통해 그 장점 과 한계를 분석한다. 연구 결과, 생성형 AI는 영상 제작에 드는 시간과 비용을 획기적으로 줄 일 수 있는 잠재력을 지닌 반면, 저작권 문제와 딥페이크와 같은 기술적, 윤리적 문제는 신중 한 고려가 필요함을 제시한다. 향후 연구 과제는 AI와 인간의 예술적 창의성 간의 균형을 유 지하는 방법에 관한 것이다.

현대 사회에서 음악은 일상생활에 깊숙이 자리 잡아, 개인의 음악적 취향과 감정 상태에 맞는 콘텐츠를 손쉽게 찾고 소비하는 것이 중요해지고 있다. 콘텐츠 소비 증가와 더불어 제작 속도 및 효율 또한 중요한 요소로 부상하고 있다. 그러나 기존 음악 콘텐츠 제작 방식은 주로 기존 음악을 플레이리스트로 만들고 간단한 애니메이션이나 이미지를 영상으로 추가하는 방식이다. 이러한 한계를 극복하고자, 인공지능(AI) 기술을 활용하여 사용자 맞춤형 음악을 생성하고 콘 텐츠를 제공하는 어플리케이션을 개발하였다. AI 모델을 통해 사용자의 감정 상태를 분석하고, 이를 기반으로 음악적 요소를 최적화하여 개인화된 음악 콘텐츠를 생성하는 것에 목표를 두었 다. Mel-frequency cepstral coefficients(MFCC)와 템포 분석을 통해 음악 데이터의 특징을 추출하고, 이를 기반으로 사용자 감정에 부합하는 프롬프트를 생성하였다. 생성된 프롬프트는 MusicGen 모델에 입력되어, 사용자의 감정 상태와 음악적 취향을 반영한 새로운 음악을 생성 하는 데 활용하였다. 또한, ComfyUI를 활용하여 텍스트-이미지-비디오 변환 파이프라인을 구 축함으로써, 생성된 프롬프트를 기반으로 다양한 멀티미디어 콘텐츠 제작을 가능하게 하였다. 기존 음악 콘텐츠 제작 방식의 시간 및 비용 문제를 해결하고, 사용자에게 보다 정교하고 개 인화된 음악 경험을 제공하는 데 기여할 수 있을 것으로 기대된다. 향후 다양한 분야에서의 응용 가능성을 제시한다.

This study employs Generative AI and computational linguistics techniques to analyze the correspondence between modern Korean and Chinese HAN-character sounds. The research focuses on 5,978 characters categorized by difficulty levels, aiming to confirm systematic phonological correspondence patterns. Method: The study utilizes advanced computational methods to examine the phonological relationships between Korean and Chinese characters. It categorizes the characters based on difficulty levels and analyzes their sound patterns. Results: The research confirms high-consistency patterns in Korean onset-Chinese initial and Korean coda-Chinese final mappings. It also identifies complex relationships between Korean vowels and Chinese vowels. The study reveals that Chinese exhibits greater syllable type diversity compared to Korean. Additionally, it finds slightly higher correspondence rates for ‘basic’ characters compared to ‘advanced’ ones, though the overall difference is not substantial. Conclusions: Based on these findings, the study proposes language learning strategies that prioritize high-consistency patterns for foundational phonological correspondence. It recommends adopting gradual approaches for complex correspondences and incorporating phonological knowledge into education. This approach aims to help learners understand commonalities and differences between the two language systems. The research offers insights for Korean language education and HAN-character vocabulary learning. It suggests that consistent learning strategies can be developed regardless of character difficulty. Future research directions include developing AI-based personalized learning systems and conducting longitudinal studies on learners' acquisition of correspondence rules. This study introduces an innovative methodology integrating Generative AI with computational linguistics for phonological analysis. It potentially enhances HAN-character vocabulary education and represents a new paradigm for language education research.

본 연구에서는 생성형 AI시대 부합하는 자기주도적 평생교육의 방안을 배움학적 관점으로 탐구하였다. 빠르게 변화하는 기술 환경 속에서 평생교육의 역할과 방향성을 재정립하는 데 기여하고자 하였다. 평생 교육의 새로운 패러다임인 배움에 대해 정리하고, 미래 사회에 요구되는 배움 역량을 개발하여, 지속가능 한 학습 생태계를 구축하는데 중요한 기초자료로 활용함을 목적으로 하였다. AI 시대 평생교육의 중요성 이 부각되고 있음에도 불구하고, 평생교육은 􍾧학습􍾨 패러다임에 머물러 있다. 특히, 평생교육은 주입식 학 습방식으로 인한 자기주도성이나 문제해결력 및 비판적 사고력이 부족하다고 지적되고 있다. 본 연구에서 는 평생교육의 패러다임을 평생배움의 관점으로 전환해야 한다고 제안한다. 배움은 삶이며, 삶이 배움이 다. 배움은 자기주도적인 활동으로 내부적으로 우러나와 하게 되는 것이다. 마지막으로 AI 시대 필요한 배 움역량으로 자기개조력, 자기치유력, 의식소통력을 강조하였다. 배움학적 관점은 주체를 학습자에 두고, 학습자가 자신의 학습 과정을 주도적으로 이끌며, 실생활과 연결된 다양한 역량을 개발할 수 있도록 지원 한다. 또한, 배움역량인 개조력, 치유력, 의식소통력을 통해 창의적 문제해결, 비판적 사고, 협업 능력을 강화할 수 있어, AI 시대의 빠른 변화에 적응하고 지속가능한 학습 생태계를 구축하는데 기여할 것이다.

본 연구는 한국의 다양한 형태의 미디어 콘텐츠를 가리키는 용어인 K-콘텐츠 제작에 있어 생 성형 AI 활용에 관한 연구이며, 특히, 제작 전, 제작, 제작 후 등 영상 콘텐츠 제작의 모든 단 계에서 AI 기술의 혁신적인 영향을 강조한다. 대본 작성, 트렌드 분석, 캐스팅, 장면 편집, 시 각 효과 등의 작업에 AI 기반 도구를 활용함으로써 제작자는 창의성을 강화하고 효율성을 높 이며 제작 품질을 높일 수 있다. 주요 조사 결과에 따르면 생성형 AI는 반복 작업을 자동화하 고 참신하고 창의적인 아이디어를 생성하며 품질의 일관성을 보장함으로써 생산 프로세스를 크게 간소화할 수 있다. 예를 들어, AI 도구는 스크립트 작성 및 스토리보드 작성을 지원할 수 있으며, 얼굴 인식 알고리즘 및 지리공간 데이터 분석은 배우 캐스팅 및 촬영 장소를 추천하는 것이 가능하다. 포스트 프로덕션 과정에서는 AI 기반 비디오 편집 및 시각 효과 도구를 활용하 여 콘텐츠의 내러티브 응집력과 시각적 매력을 향상시키는 동시에 생성 오디오 도구는 맞춤형 음향 효과를 창조시킬 수 있다. 생성형 AI의 K-Contents 활용은 기획-제작-유통 등 전체 제작 과정에 도입이 예상되며 생산 비용 절감, 글로벌 시장 확대 등의 경제적인 측면에서도 상당한 영향을 미칠 수 있다. 본 논문은 K-콘텐츠 제작에서 생성적 AI의 잠재력을 모색하고 향후, K- 콘텐츠 산업이 글로벌 시장에서 더욱 성장하고 번영할 수 있는 시사점을 탐구한다는 점에서 의의를 찾을 수 있다.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.

본 연구는 관광 분야에서도 생성형 인공지능(AI) 기술이 활용되는 등 산업 환경이 급변하고 비즈니스 혁신이 계속되고 있다는 점에 주목했다. 관광업계는 이런 흐름을 견인하면서도 관광산업 경쟁력을 한 단계 높여 혁신적이고 우수한 관광 서비스가 널리 알려져 관광산업의 경쟁력을 갖 출 수 있도록 지원과 홍보를 아끼지 않아야 할 시점이다. 이런 차원에서 최근 주목받고 있는 생성형 AI를 활용한 관광산업의 발전전략을 추진해 야 할 시점이다. 특히, 관광콘텐츠를 생성하는 데 있어서 창의적이고 독 특한 성과물을 도출하는 데 크게 이바지할 것으로 기대하고 있다. 이에 본 연구는 관광산업에서의 생성형 AI를 활용하는 방안을 문헌 고찰했다. 그 결과, 첫째, 생성형 AI를 활용한 신뢰 가능한 관광콘텐츠 제작환경 조성을 제시했다. 둘째, 관광콘텐츠 기획가와 제작자들의 AI 활용 마인드 를 확산해야 한다고 제안했다. 셋째, 민간주도 관광시장 성장을 위한 생 성형 AI 관광콘텐츠 스타트업 육성과 대기업 협업 방안을 제시했다.

디지털 미디어의 급속한 진화는 광고 콘텐츠 분야에서 혁신적이고 매력적인 시각적 콘텐츠의 필요성을 강조하면서 큰 영향을 미치고 있다. 본 연구는 기술 발전과 창의적인 광고 요구 사 이의 격차를 해소하는 것을 목표로 짧은 이미지 광고를 만드는 데 있어서 생성적 인공 지능 (AI)의 잠재력을 탐구하고자 하였다. 현대 미디어 환경에서 광고 콘텐츠의 형태와 소비 방식이 급변하고 있으며 특히 소셜 미디어와 디지털 플랫폼에서 짧은 형태의 비디오 및 이미지 콘텐 츠의 중요성이 증가하고 있다. 이러한 변화 속에서, 본 연구는 AI 기술을 활용하여 효과적인 애드버콘텐츠 이미지를 생성하는 새로운 방법론을 제시하고자 하였다. 연구는 먼저 생성형 AI 의 기본 이론과 광고 콘텐츠 제작에 있어 주요 요소들을 검토하고 이를 바탕으로, 인공지능을 활용하여 생성된 이미지 콘텐츠를 제안한다. 이 논문은 광고 콘텐츠 제작에 있어 생성형 AI의 가능성을 탐색하고 미디어 콘텐츠 제작의 미래 방향 및 광고 산업에 중요한 시사점을 제공한 다는 점에서 의의를 찾을 수 있다.

최근에 생성형 인공지능 활용에 관한 많은 연구가 진행되고 있다. Generative AI 도구와 플랫 폼 수량이 증가하고 있는 추세에 따라, Generative AI 도구는 텍스트와 이미지, 소리, 비디오, 그리고 3D 모델을 생성하는 기능을 가지고 있을 뿐만 아니라 프롬프트만으로도 아이디어와 콘텐츠를 포함하여 복잡한 작품을 생성할 수 있다. 본 연구는 Generative AI 도구와 플랫폼이 디지털 아트 전공학생들에게 미치는 영향을 탐구 하였으며, 특히 창작 과정에 그들의 역할과 작품에 미치는 영향을 구체적으로 살펴보았다. 또한, 본 연구는 Generative AI 작품에 의해 디지털 아트 전공 학생들에게 필요한 기술이나 특징에 대한 질적 연구법 중의 주체 분석 방법으로 자세히 연구하였다.