AI 기반 교수․학습 플랫폼에 대한 교사의 수용 수준 및 개선 방안 탐색
Exploring teachers’ acceptance levels and improvement strategies for AI-based teaching and learning platforms
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 인공지능(AI) 기반 교수․학습 플랫폼인 「하이러닝」에 대한 교사들의 수용 수준별 특징을 분석하고, 이에 따른 플랫폼 개선 및 발전 방향을 제안함으로써 교육 기술의 효과적인 활용을 촉진하고자 한다. 연구 대상은 AI 기반 교수․학습 플랫폼인 「하이러닝」시범 운영 대상 학교의 교사 232명으로, 잠재프로파일분석을 통해 교사들의 플랫폼 수용 특징을 세분화하고, 수용 집단별 구체적인 플랫폼 개선 방안을 확인하였다. 연구 결과, 교사들은 자기효능감, 유용성 인식, 사용 용이성, 사용 의도 등의 지표 변수에 따라 네 가지 수용 수준으로 구분되었다: ‘회의적 수용자’, ‘신중한 수용자’, ‘일반적 수용자’, ‘선도적 활용자’. 각 수용 수준별로 상이한 개선 방안의 중요도가 확인되었으며, 특히 맞춤형 교육, 평가 및 피드백, 학습 콘텐츠, 시스템 UX 영역에서 수용 수준에 따른 중요한 개선 요구의 차이가 나타났다. 이러한 연구 결과는 AI 기반 교수․학습 플랫폼의 성공적인 도입을 위해 교사들의 다양한 수용 수준과 개별적인 요구를 반영한 차별화된 개선 방안이 필요함을 시사한다. 본 연구는 교육 기술의 효과적인 도입과 활용을 위한 구체적인 제언을 도출하였으며, 이를 통해 AI 기반 교수․학습 플랫폼의 발전과 교육 현장에서의 활용을 촉진하고자 한다.
Abstract
This study aims to analyze the characteristics of teachers’ acceptance levels of the AI-based teaching and learning platform ‘Hi-Learning’ and suggest improvements to enhance the platform’s effectiveness in educational technology. The study involved 232 teachers from schools piloting ‘Hi-Learning.’ Through latent profile analysis, the teachers' acceptance characteristics were categorized, and specific improvement plans for each acceptance group were identified. The results that teachers could be divided into four acceptance levels based on indicators such as self-efficacy, perceived usefulness, ease of use, and intention to use: ‘Skeptical Users,’ ‘Cautious Users,’ ‘General Users,’ and ‘Leading Users.’ Each acceptance level had different priorities for improvement, particularly in areas like personalized education, assessment and feedback, learning content, and system UX. The findings suggest that differentiated improvement strategies are necessary, reflecting the diverse acceptance levels and individual needs of teachers, to successfully implement AI-based teaching and learning platforms. This study provides recommendations for the effective adoption and use of educational technology, aiming to promote the development and utilization of AI-based teaching and learning platforms.
참고문헌 (33)
- 경기도교육청, "AI 기반 교수․학습 플랫폼「하이러닝」시범운영 학생 맞춤형 교육 실현", 보도자료, ~ (2023)
- 고유정, "교사들의 테크놀로지 활용 교육을 위한 학교의 지원 중요성 분석", 교육과학연구, 22(1), pp.21~42 (2020)
- 교육부, "디지털 기반 교육혁신 방안", 보도자료, ~ (2023)
- 교육부, "인공지능(AI) 디지털교과서 개발 지침 발표 개발의 신호탄 쏘다", 보도자료, ~ (2023)
- 김상홍, "AI 기반 학습분석 시스템의 교육적 효과성 분석", 한국콘텐츠학회논문지, 24(6), pp.55~65 (2024)
- 김혜영, "영어교과 보조 도구로서의 AI 챗봇 분석 연구", 학습자중심교과교육연구, 19(1), pp.89~110 (2019)
- 김희삼, "인공지능 영어 말하기 프로그램의 효과성 분석 : AI펭톡 시범학교 성과 분석 결과", 교육방법연구, 33(3), pp.563~588 (2021)
- 성수진, "AI펭톡 활용 영어 학습에 대한 학습자와 교사의 인식 분석 및 활용 방안", 학습자중심교과교육연구, 21(21), pp.915~935 (2021)
- 오석환, "인공지능 애플리케이션을 활용한 고등학교 수학 수업설계의 효과 : 학업성취도와 정의적 영역을 중심으로", 교육정보미디어연구, 27(2), pp.401~422 (2021)
- 오유진, "인공지능 챗봇 ‘AI 펭톡’이 초등 영어 수업에 미치는 효과 및 활용방안 : 말하기지도 중심으로", 현대영미어문학, 40(1), pp.207~235 (2022)
- AI 활용 맞춤형 교육의 교수․학습 효과성 연구, "이은주", 경기도교육연구원, ~, pp.2023-14 (2023)
- 장혜원, "초등수학교육에서 인공지능 활용의 실제 - 초등수학 수업지원시스템 ‘똑똑! 수학탐험대’를 중심으로 -", 한국초등교육, 31(특별), pp.105~123 (2021)
- 장지연, "스마트 스피커의 교육적 활용에 관한 연구", 한국융합학회논문지, 10(11), pp.33~39 (2019)
- 정고은, "초등영어 학습용 챗봇의 구성과 한계 : AI 펭톡을 중심으로", 초등영어교육, 27(4), pp.95~121 (2021)
- 인공지능(AI) 기반 에듀테크의 현장 적용을 위한 협력적 실행연구, "주정흔", 서울특별시교육청교육연구정보원, ~, pp.서교연 2021-85 (2021)
- 최서원, "SW 교육 보조 도구로서의 AI 챗봇 활용", 한국정보통신학회논문지, 23(12), pp.1693~1699 (2019)
- 하호용, "2023 빅데이터․AI플랫폼 아이톡톡 기반 수업 혁신", 교육광장, 82, pp.14~17 (2023)
- Bandura, A, "Self-efficacy: The exercise of control" (1997), W. H. Freeman
- Chai, C. S., "Examining preservice teachers’ perceived knowledge of TPACK and cyberwellness through structural equation modeling", Australasian Journal of Educational Technology, 28(6), pp.1000~1019 (2012)
- Chen, H. -R., "Factors that influence acceptance of web-based e-learning systems for the in-service education of junior high school teachers in Taiwan", Evaluation and Program Planning, 35(3), pp.398~406 (2012)
- Cheon, J., "An empirical analysis of the technology acceptance model : Exploring the moderating effect of gender", Computers & Education, 59(2), pp.569~582 (2012)
- Collins, L. M., "Latent class and latent transition analysis: With applications in the social, behavioral, and health sciences (Vol. 718)" (2009), John Wiley & Sons
- Davis, F. D., "Perceived usefulness, perceived ease of use, and user acceptance of information technology", MIS Quarterly, 13(3), pp.319~340 (1989)
- Jung, T., "An introduction to latent class growth analysis and growth mixture modeling", Social and Personality Psychology Compass, 2(1), pp.302~317 (2008)
- Larsen, R., "Missing data imputation versus full information maximum likelihood with second-level dependencies", Structural Equation Modeling : A Multidisciplinary Journal, 18(4), pp.649~662 (2011)
- Lo, Y., "Testing the number of components in a normal mixture", Biometrika, 88(3), pp.767~778 (2001)
- Magidson, J., "Latent class models for clustering : A comparison with Kmeans", Canadian Journal of Marketing Research, 20, pp.37~44 (2002)
- Muthén, B., "The Sage handbook of quantitative methodology for the social sciences, 345(368)", pp.106~109 (2004)
- Phillips, A., "Implementing an adaptive intelligent tutoring system as an instructional supplement", Educational Technology Research and Development, 68(3), pp.1409~1437 (2020)
- Scherer, R., "The technology acceptance model(TAM) : A meta-analytic structural equation modeling approach to explaining teachers’ adoption of digital technology in education", Computers & Education, 128, pp.13~35 (2019)
- Teo, T., "Factors influencing teachers’ intention to use technology : Model development and test", Computers & Education, 57(4), pp.2432~2440 (2011)
- Tondeur, J., "A comprehensive investigation of TPACK within pre-service teachers’ ICT profiles : Mind the gap!", Australasian Journal of Educational Technology, 33(3) (2017)
- Venkatesh, V., "A theoretical extension of the Technology Acceptance Model : Four longitudinal field studies", Management Science, 46(2), pp.186~204 (2000)