TMSI 모델 기반 생성형 AI 강의에서 AI의 표현 한계에 따른 인식 변화 및 우회적 표현 방법 탐구
Research on the Change of Perception and Indirect Way of Expression about the Expression Limitations Generative in the Lecture of Generative AI Design Education Based on TMSI Model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 생성형 인공지능(Generative AI)의 시각적 표현 한계를 체험을 통한 디자인 전공생의 인식 변화에 미치는 영향을 분석하고, 이를 극복하기 위한 우회적 표현 전략을 탐색하였다. 연구실험은 TMSI 모델에 기반한 15 주 차 생성형 AI 강의를 시각디자인 전공 대학생 37명을 대상으로 실시하 였다. 강의 전후 인식 변화를 측정하기 위해 ‘상대적 이점’, ‘시도 가능성’, ‘위험 인지’, ‘자기 효능감’ 4개의 요인을 리커트 5점 척도로 조사하고, 대 응표본 t-검정을 통해 통계적 유의성을 검토하였다. 분석 결과, ‘상대적 이 점’(4.19→3.89), ‘위험 인지’(4.25→3.91), ‘자기 효능감’(4.22→3.75)에서 유 의미한 감소가 나타났으며, ‘시도 가능성’(3.94→3.91)은 통계적으로 유의하 지 않았다. 모든 요인은 지속적으로 평균 3.5점 이상의 긍정적 평가를 유지 하였다. 정성 분석에서는 표현 불가 요소에 대한 체험이 실용적 도구 인식 으로 전환시키는 계기로 작용하였으며, 신체 표현, 다중 인물, 물성 및 제스 처 표현 등의 한계를 극복하기 위해 TMSI 교육모델 기반의 스토리보드의 활용으로 프롬프트 세분화, 이미지 합성, 장면 분할 등 다양한 우회 전략이 도출되었다. 본 연구는 생성형 AI 기반 디자인 교육의 효과성과 학습자 교 육전략에 대한 실증적 자료를 제공하며, 향후 다양한 디자인 분야별 비교 연구의 기반이 될 수 있다.
Abstract
This study examines how experiencing the visual limitations of generative AI affects design students' perceptions and explores strategies to address these challenges. A 15-week course based on the TMSI model was conducted with 37 visual design students, incorporating storyboard-based planning to support iterative practice. Perception changes, measured before and after the course using a 5-point Likert scale, showed significant decreases in relative advantage (4.19→3.89), perceived risk (4.25→3.91), and self-efficacy (4.22→3.75), while trialability (3.94→3.91) remained statistically unchanged. Despite these declines, all factors remained above 3.5, indicating generally positive perceptions. Qualitative findings revealed a shift from idealized expectations to a more practical understanding of generative AI. Students developed workarounds—such as refining prompts, compositing images, and segmenting scenes—guided by storyboard structures, particularly when addressing challenges with anatomy, multi-character scenes, material rendering, and gesture accuracy. This study offers empirical insights for integrating generative AI into design education.