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
한국어 초록
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.
원문 초록
As generative AI and low-code workflow platforms become routine in software practice, a key educational question is whether the next generation of computer engineers will accept these tools as useful, usable, and worthy of sustained engagement. This paper reports a mixed-methods, cross-sectional study of undergraduate computer engineering students' acceptance of AI automation tooling, instantiated through the open-source platform n8n across three identically scripted workshops in Thailand (n = 103). A 12-item, five-point Likert instrument mapped to six TAM/UTAUT constructs - Performance Expectancy (PE), Effort Expectancy (EE), Behavioral Intention (BI), Self-Efficacy (SE), Hedonic Motivation (HM), and Output Quality (OQ) - was complemented by inductive thematic analysis of open-ended feedback. Analyses combined ordinal reliability estimation, bootstrap confidence intervals, non-parametric tests, multiple-comparison-controlled correlations, polychoric dimensionality diagnostics, a common-method-bias check, and between-session comparisons. Acceptance was favorable across all six constructs with large effect sizes, with PE emerging as the strongest construct and HM as the weakest. Dimensionality diagnostics further revealed that canonical TAM/UTAUT sub-facets collapsed into a single general acceptance factor in this short-form post-workshop context, a finding with important methodological and theoretical implications. Qualitative themes converged with the quantitative profile regarding usefulness and enthusiasm but diverged on output quality, revealing a small yet articulate reliability-skeptical minority. The findings support the curricular adoption of AI automation tooling in undergraduate computing education and identify three theory-grounded instructional levers: instruction-sequencing scaffolds, self-efficacy supports, and trust-calibration interventions.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2606.12424v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
감성 분류에서 실행 가능하고 책임 있는 피드백으로: 학생 강의 평가(SET)에서 NLP의 범위 검토 및 증거 지도, 2015–2026
From Sentiment Classification to Actionable and Responsible Feedback: A Scoping Review and Evidence Map of NLP in Student Evaluation of Teaching, 2015-2026
서술형 강의 평가 댓글(Student Evaluation of Teaching, SET)에 적용된 자연어 처리(NLP)는 어휘 사전과 기존 분류기에서 트랜스포머와 대규모 언어 모델(LLM)에 이르는 분야의 기술적 진화를 따라왔으나, 이러한 기술 다양화에 교육적 가치와 증거의 견고성에 상응하는 이득이 동반되었다는 점은 분명하지 않다. 본 범위 검토(PRISMA-ScR)는 421편의 연구(2015–2026, 2026년 부분 포함)를 기술 축(RQ1)과 네 가지 가치 차원(RQ2–RQ5)을 따라 지도한다. 이중 상호 맹검 LLM 스크리닝과 표본 추출 인간 판정으로 일곱 추출 도메인을 코딩했으며, 종합 단계에서 표적화된 코드북 경계 검토를 수행했다. 공동 지도에서 가장 뚜렷한 정량적 격차는 실행 가능성 단절(actionability discontinuity)이다: 입증된 산출 또는 그 이상(A2+: 258/421; 61.3%) 대 의도된 사용자 평가 또는 그 이상(A3+: 49/421; 11.6%), 49.7%p 하락이다. 감성 분석은 여전히 최빈 과제(300/421)이며, 진단적·생성적 깊이는 상당한 소수(D4–D5: 해결된 사례의 28.2%)이고, 공식적 공정성(fairness) 지표는 드물다(1.9%). 본 결과는 기술적 공존과 불균등한 보고가 지도의 일부이지만, A2+에서 A3+로의 절벽이 기여이지 품질 사다리가 아님을 밝힌다.
아랍 대학교 영어 수업에서의 AI 도구: 과거 회고와 미래 전망
AI tools in Arab University English classrooms: Looking back and forward
본 논문은 2023년 1월 1일부터 2025년 8월 31일까지 아랍 대학교 교실(AUC)에서 영어를 제2언어/외국어(EL2)로 학습하는 학습자를 지원하기 위해 사용된 AI 도구에 관한 실증 연구를 종합하는 것을 목표로 한다. 데이터 소스로는 Google Scholar, Web of Science, Scopus의 3개 대규모 데이터셋을 활용하였다. 이들 주요 데이터베이스에서 PRISMA 가이드라인에 따른 검색을 수행하여 출판된 논문만을 포함하였다. 검색 결과 184편의 연구가 도출되었으나, 포함 기준을 충족한 연구는 11편에 그쳤다. 연구 결과, EL2 학습자들은 초안 작성, 수정, 연습을 위한 AI 활용에 긍정적인 태도를 보이는 것으로 나타났다. 실증적 효과는 표면적 수준의 성과 향상에서 가장 일관되게 나타났으며, 고차원적 쓰기 품질 및 말하기 능숙도 향상은 혼재된 결과를 보였고 교사 매개에 따라 달라지는 경우가 많았다. 본 논문은 EL2 교수에 있어 증거 기반의 AI 통합을 추구하는 아랍 대학교를 위한 연구 의제와 실용적 지침을 제안하는 것으로 마무리된다. 또한 AI 도구에 대한 과도한 의존을 줄이기 위해 단계적 통합, 교사 연수, 성찰적 과제를 권장한다.
야생에서의 보안 및 프라이버시 프롬프트: 사용자가 LLM에게 묻는 내용과 LLM의 응답 방식
Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond
AI 샌드박스: 위협 모델, 분류 체계 및 측정 프레임워크
AI Sandboxes: A Threat Model, Taxonomy, and Measurement Framework
영향력 있는 다원주의적 정렬 연구를 위한 로드맵
A Roadmap to Impactful Pluralistic Alignment Research
Towards Trustworthy Physical Intelligence: From Theory to Practice Across Life Cycle
토론
이 논문과 연결된 포럼 글이 아직 없습니다.