PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.12424v1cs.CY

컴퓨터공학 교육에서의 AI 자동화 툴링: 일반적 수용 태도에 대한 혼합 방법론 TAM/UTAUT 근거

AI-Automation Tooling in Computer Engineering Education: Mixed-Methods TAM/UTAUT Evidence for a General Acceptance Attitude

생성형 AI(generative AI)와 로우코드(low-code) 워크플로 플랫폼이 소프트웨어 실무에서 일상화됨에 따라, 차세대 컴퓨터 공학자들이 이러한 도구를 유용하고 사용 가능하며 지속적으로 활용할 가치가 있는 것으로 수용할 것인지가 핵심적인 교육적 질문으로 떠오르고 있다. 본 논문은 태국에서 동일한 스크립트로 진행된 세 차례의 워크숍(n = 103)에서 오픈소스 플랫폼 n8n을 통해 구현된 AI 자동화 툴링에 대한 컴퓨터공학 학부생들의 수용도를 혼합 방법론 횡단 연구로 보고한다. TAM/UTAUT의 여섯 가지 구성 요인—성과 기대(PE), 노력 기대(EE), 행동 의도(BI), 자기 효능감(SE), 쾌락적 동기(HM), 출력 품질(OQ)—에 매핑된 12문항 5점 리커트 척도 도구를 사용하였으며, 개방형 피드백에 대한 귀납적 주제 분석을 병행하였다. 분석에는 서열형 신뢰도 추정, 부트스트랩 신뢰구간, 비모수 검정, 다중 비교 보정 상관분석, 다분형 차원성 진단, 동일 방법 편향 검증, 세션 간 비교가 포함되었다. 수용도는 여섯 구성 요인 모두에서 큰 효과 크기와 함께 긍정적으로 나타났으며, PE가 가장 강한 구성 요인으로, HM이 가장 약한 구성 요인으로 확인되었다. 차원성 진단을 통해 이 단기 사후 워크숍 맥락에서 TAM/UTAUT의 정준 하위 요인들이 단일 일반 수용 요인으로 수렴된다는 사실이 밝혀졌으며, 이는 방법론적·이론적으로 중요한 시사점을 지닌다. 질적 주제는 유용성 및 열의 측면에서 양적 프로파일과 수렴하였으나, 출력 품질 측면에서는 신뢰성에 회의적인 소수의 명확한 의견이 존재하여 양적 결과와 다소 상이하였다. 연구 결과는 학부 컴퓨팅 교육 과정에서 AI 자동화 툴링의 채택을 지지하며, 이론에 근거한 세 가지 교수 설계 레버를 제시한다: 교수 순서 스캐폴딩, 자기 효능감 지원, 신뢰 보정 개입.