미용전공 대학생의 Chat GPT 활용특성과 인지된 유용성 및 학습만족의 구조적 관계: 개인혁신성의 조절효과
The Structural Relationship Between Chat GPT Usage Characteristics, Perceived Usefulness, and Learning Satisfaction Among Beauty Major Students: The Moderating Effect of Personal Innovativeness
Article information
Trans Abstract
This study examined the effects of Chat GPT utilization characteristics on perceived usefulness and learning satisfaction, as well as the moderating effect of personal innovativeness, among college students majoring in beauty. A survey was conducted with 211 students from Gwangju Women’s University, and data were analyzed using structural equation modeling and multi-group analysis. The findings revealed that responsiveness, safety, and reliability significantly influenced perceived usefulness and learning satisfaction. Additionally, personal innovativeness had a moderating effect on some paths. The results suggest that educational strategies incorporating generative AI like Chat GPT should be tailored to learners’ individual characteristics, providing foundational insights for its effective use in beauty education.
I. 서 론
최근 Chat GPT와 같은 생성형 인공지능(Generative AI)의 급속한 발전은 교육을 포함한 다양한 분야에 지대한 영향을 미치고 있다. Chat GPT는 자연어 기반의 대화형 인공지능으로서, 인간과의 상호작용을 통해 학습 지원, 과제 수행, 시험 준비, 콘텐츠 개발 등 교육 전반에 걸쳐 광범위하게 활용된다. 이와 같은 기술은 교육 및 학습 경험을 향상 시킬 수 있는 잠재력을 지니고 있으며, 미래 교육에서 인공지능의 역할이 더욱 확대될 것으로 예측된다(Zhai, 2022). 교육 현장에서 Chat GPT를 활용한 학습은 사용자의 지각된 가치와 밀접하게 연관되어 있으며, 지각된 가치가 높을수록 학습성과의 향상으로 이어진다. 특히, Chat GPT의 혁신성이 높게 인식될수록 학습자는 더 높은 학습성과를 경험하며, 지각된 가치가 높을 경우, 이용 용이성 또한 학습효과에 긍정적 영향을 미친다. 이러한 맥락에서, Chat GPT의 지각된 가치가 학습성과에 미치는 영향을 탐색하는 것은 교육 현장의 실질적인 활용 가능성을 높이는 데 중요한 시사점을 제공한다.
미용전공은 이론과 실무가 결합되는 특성상, 학습자의 창의성·직무역량·트렌드분석능력 등을 종합적으로 개발해야 하는 융합형 학문 분야로(Park & Lee, 2024) 디지털 리터러시 및 자기주도적 학습 능력이 특히 중요하게 작용한다(Cosmetics Editorial Board, 2024). 최근 미용학 분야에서도 AI를 접목한 학습 및 실습 연구가 활발히 이루어지고 있으며, 이는 교육적 가치와 실무적 함의를 동시에 제시하고 있다(Lee et al., 2023). 미용산업 전반에서도 인공지능 기술이 트렌드 분석, 이미지 생성, 맞춤형 스타일링 추천 등 다양한 영역에서 활용되고 있는 만큼, 미용전공 학생들 역시 인공지능 도구에 대한 이해와 활용 능력을 갖추는 것이 요구되고 있다(Gasenko, 2024). 이와 같은 흐름 속에서, Chat GPT는 학습자의 창의적 아이디어 확장, 미용 관련 이론 학습, 포트폴리오 작성, 시뮬레이션 기반 문제 해결 학습 등 다양한 방식으로 학습을 지원할 수 있는 유용한 도구로 주목받고 있다(Cosmetics Editorial Board, 2024).
따라서, 미용전공 대학생의 Chat GPT 활용정도를 알아보고, 그 과정에서 인지하는 유용성과 학습만족 수준이 어떠한지 살펴보는 것은 현장의 교육 전략 수립 시, 구체적인 의미와 방향성을 제공할 수 있다. 아울러 Chat GPT의 활용성과 인식은 학습자의 개인적 특성에 따라 달라질 수 있으며, 그 중 개인혁신성은 새로운 기술을 수용하고 적극적으로 활용하는 데 있어 중요한 조절 변수로 작용할 수 있다.
이에 따라 본 연구는 미용전공 대학생을 대상으로 Chat GPT의 활용 특성(안전성, 이용 용이성, 응답성, 신뢰성)이 인지된 유용성과 학습만족에 미치는 영향을 분석하고, 특히 개인혁신성이 이들 관계에 미치는 조절효과를 함께 검토하였다. 이러한 결과를 토대로 미용전공 교육 현장에서 생성형 인공지능 도구의 효과적인 활용 방향을 제시하고, 학습자의 특성을 고려한 맞춤형 교수 전략 수립에 기여하고자 한다.
II. 이론적 배경
1. Chat GPT와 생성형 인공지능의 교육적 활용
Chat GPT는 OpenAI에서 개발한 생성형 인공지능으로, 자연어처리 기반의 대화형 시스템이다. 학습자와의 상호작용을 통해 정보 탐색, 피드백 제공, 요약, 해석, 문제 해결 등 다양한 학습 활동을 지원할 수 있는 특징을 가진다(Srinivasa et al., 2022). 특히, 개별 학습자의 수준에 맞는 정보 제공이 가능하다는 점에서 맞춤형 학습 도구로 주목받고 있다(Zhai, 2022).
2. 미용전공 교육과 디지털 기술의 융합
미용전공은 이론과 실습을 아우르며, 최신 트렌드 감각과 창의성이 핵심적으로 요구되는 융합형 학문 분야이다. 미용전공 학습자는 기술 역량과 함께 고객 맞춤형 서비스를 위한 분석력, 창의적 디자인 감각과 직무 전문성을 종합적으로 개발해야 한다. 또한 교육내용은 현장 실무 중심의 교육 특성과 밀접하게 연관되어 있다(Park & Lee, 2024).
최근 뷰티 산업은 인공지능 기술과 빠르게 융합되고 있으며, 특히 고객 분석, 스타일 추천, 이미지 생성, 맞춤형 뷰티솔루션 제공 등의 영역에서 AI의 활용이 활발히 이루어지고 있다(Gasenko, 2024). 이에 따라 미용전공 교육도 더 이상 전통적 실습 중심에서 머물 수 없으며, AI 및 디지털 기술에 대한 이해와 활용 능력이 필수적으로 요구되고 있다(Cosmetics Editorial Board, 2024). 이러한 흐름 속에서 Chat GPT와 같은 생성형 인공지능 도구는 이론 학습의 보조 도구, 포트폴리오 제작 아이디어 제시, 창의적 문제 해결 및 시뮬레이션 기반 학습 등의 다양한 방식으로 미용 교육에 효과적으로 접목될 수 있다. 특히 학습자가 Chat GPT를 활용해 자신만의 표현을 구체화하거나, 최신 미용 트렌드에 대한 분석을 AI와 함께 수행할 수 있다는 점에서 실용성과 교육적 가치는 매우 높다(Park & Lee, 2024; Cosmetics Editorial Board, 2024).
3. Chat GPT 활용 특성과 인지된 유용성
기존 정보시스템 및 기술수용 연구에서는 사용자가 시스템을 인지할 때 ‘안전성’, ‘용이성’, ‘응답성’, ‘신뢰성’ 등의 요인이 지각된 유용성과 태도에 영향을 미친다(Siagian et al., 2022). 이 네 가지 특성은 기술에 대한 수용 의도와 만족도를 설명하는 핵심 요인이다. Chat GPT 활용 특성에서의 안정성(Stability)은 Chat GPT가 일관되게 정상적으로 작동하며, 예측 가능하고 안전한 방식으로 응답하는 능력을 의미한다. 응답성(Response)은 Chat GPT가 사용자 요청에 대해 얼마나 신속하고 정확하게 반응하는지를 의미한다. 신뢰성(Reliability)은 Chat GPT가 일관되게 정확하고 신뢰할 수 있는 정보를 제공하는 능력을 의미한다.
연구에서 사용된 주요 요인과 각 요인의 측정항목은 안정성요인에서는 개인정보 보호, 정보 공유 여부, 전반적 안전 인식을 포함한다. 이용용이성요인은 접근성과 사용법의 간편성, 정보 접근의 용이성을 포함한다. 응답성요인은 상호작용의 질, 의사소통의 원활함, 즉각적 대응 능력을 포함한다. 신뢰성 요인은 제공 정보의 정확성과 신뢰도를 포함한다. 인지된 유용성용인은 학습과정에서의 실질적 도움과 효율성을 포함한다. 학습만족요인 Chat GPT를 통한 학습에 대한 전반적 만족도를 포함한다. 개인혁신성요인은 새로운 학습 방법과 기술 수용에 대한 적극성을 포함한다.
4. 인지된 유용성과 학습만족
인지된 유용성은 학습자가 특정 기술을 사용함으로써 학습에 긍정적 영향을 줄 것이라는 신념을 의미하며, 학습동기와 학습만족으로 직결된다(Gefen & Keil, 1998). Chat GPT를 통한 정보 습득, 학습자료 요약, 과제 도움 등은 이러한 유용성을 강화하는 주요 기능으로 작용할 수 있다. 이러한 점은 미용교육에서 학습만족을 다룬 기존 연구 결과와도 일맥상통한다(Kim & Bark, 2022).
5. 개인혁신성의 조절효과
개인혁신성은 새로운 기술이나 아이디어를 수용하고자 하는 개인의 성향으로, 기술수용모형에서 사용자 행동의 중요한 조절변수로 작용해 왔다(Siagian et al., 2022). 혁신성이 높은 학습자는 새로운 도구를 더 빠르고 긍정적으로 받아들일 가능성이 높으며, 인지된 유용성과 만족도 간 관계에 영향을 줄 수 있다.
III. 내용 및 방법
1. 연구가설 및 모형
본 연구는 미용전공 대학생의 Chat GPT 활용 특성이 인지된 유용성과 학습만족에 미치는 영향을 미치는지, 이과정에서 개인혁신성의 매개 역할을 수행하는지를 검증하고 다음과 같은 가설을 도출하였다.
H1. Chat GPT 활용특성은 인지된 유용성에 정(+)의 영향을 미칠 것이다.
H2. Chat GPT 활용특성은 학습만족에 정(+)의 영향을 미칠 것이다.
H3. 인지된 유용성은 학습만족에 정(+)의 영향을 미칠 것이다.
H4. Chat GPT 활용특성이 인지된 유용성에 미치는 영향은 개인혁신성에 따라 차이가 있을 것이다.
Research model
2. 연구대상 및 자료수집
본 연구는 K대학교 미용전공 대학생 211명을 대상으로 2025년 4월 1일부터 2025년 4월 8일까지 실시된 설문조사를 기반으로 한다. 설문은 온라인(Google Form)을 통 해 자발적 동의를 얻어 진행되었으며, 응답자료 중 불성실하거나 결측값이 있는 경우를 제외한 총 211부의 설문지를 최종 분석에 활용하였다. 표본은 비확률 표집(non-probability sampling) 중 편의표집(convenience sampling) 방법을 통해 수집되었다.
3. 측정도구의 구성
본 연구는 선행연구에 근거하여 7개 요인(안전성, 이용 용이성, 응답성, 신뢰성, 인지된 유용성, 학습만족, 개인혁신성)을 중심으로 설문문항을 구성하였다. 각 문항은 5점 Likert 척도(1 = 전혀 그렇지 않다, 5 = 매우 그렇다)로 응답하도록 하였다. 본 연구를 위한 측정도구의 구성은 연구대상자의 일반적 특성 1문항, 7개의 변수(안전성, 이용 용이성, 응답성, 신뢰성, 인지된 유용성, 학습만족, 개인혁신성), 각 3문항으로 21문항으로 총 22문항을 구성하였다.
4. 자료분석
수집된 자료는 SPSS 25.0와 AMOS 25.0을 활용하였다. 먼저 표본의 인구통계학적 특성에 대해 알아보기 위하여 빈도분석을 실시하였고, 신뢰도 분석과 탐색적, 확인적 요인분석을 통해 측정 항목의 신뢰도와 타당성을 검증하였다. 또한 가설을 검증하기 위해 구조방정식 모형분석을 실시하였고, 개인혁신성에 따른 조절효과 검정을 위해 다중집단 분석을 실시하였다.
IV. 결과 및 고찰
1. 조사대상자의 일반적 특성
조사대상자의 일반적 특성에 대해 알아보기 위하여 빈도분석을 실시한 결과는 Table 1과 같다. 분석결과 학년은 1학년 40명(19.0%), 2학년 83명(39.3%), 3학년 41명(19.4%), 4학년 47명(22.3%)으로 나타났다.
General Characteristics of Survey Subjects
2. 타당성 및 신뢰도 검증
1) 탐색적 요인분석
측정도구에 대한 탐색적 요인분석 및 신뢰도 검증 결과는 Table 2와 같다.
Exploratory Factor Analysis and Reliability Verification
측정도구의 구성타당도와 내적 일관성을 검토하기 위하여 탐색적 요인분석(Exploratory Factor Analysis)과 Cronbach’s α를 활용한 신뢰도 분석을 실시하였다. 먼저 요인분석의 적절성을 평가하기 위해 KMO(Kaiser-Meyer-Olkin) 표본 적합도와 Bartlett의 구형성 검정을 시행한 결과, KMO 값은 .869로 요인분석에 적절한 수준으로 나타났으며, Bartlett의 구형성 검정 결과도 χ²=2,934.193 (df=66), p<.001로 통계적으로 유의하였다. 이는 요인분석을 수행할 수 있는 충분한 조건을 만족한다는 것을 의미한다. 이후 실시한 주성분 분석(Principal Component Analysis)과 Varimax 회전 방식 결과, 총 7개의 요인이 도출되었으며, 이는 본 연구에서 설정한 안전성, 이용 용이성, 응답성, 신뢰성, 인지된 유용성, 학습만족, 개인혁신성과 일치하였다.
각 문항의 요인적재량(Factor loading)은 모두 .803 이상으로, 각 문항이 해당 요인과 강하게 연관되어 있음을 보여주었다. 또한 공통성(Communalities)은 전 항목에서 .729 이상으로 나타나, 모든 문항이 해당 요인에 의해 충분히 설명되고 있음을 확인하였다. 이와 같이 요인 간 분류가 명확하고 문항별 설명력이 높게 나타났으며, 총 누적 분산 설명률도 88.631%로, 전체 설문 항목이 고르게 설명되었음을 시사한다.
한편, 내적 신뢰도 검증을 위한 Cronbach’s α 분석결과, 모든 요인의 α 값이 .911~.979의 범위로 나타났으며, 이는 기존 문헌 기준(α ≥ .70)을 상회하는 수준으로, 각 요인의 문항들이 높은 일관성을 가지고 측정되었음을 의미한다(Hair et al., 2018). 특히 인지된 유용성과 학습만족은 각각 .960, .970으로 매우 우수한 신뢰도를 보였다.
이는 본 연구의 측정도구가 학습자의 Chat GPT 활용 경험을 안정적이고 신뢰성 있게 반영하고 있음을 의미한다. 이러한 결과는 기존 연구(Hair et al., 2018; Gefen & Keil, 1998)에서 제시한 기준치를 상회하는 것으로, 본 연구의 설문 문항이 실제 현장에 적용 가능한 타당한 도구임을 확인시켜 준다.
따라서 Table 2의 결과는 미용전공 교육 맥락에서 Chat GPT 활용 특성을 측정하는 도구가 학문적·실무적 활용 가능성을 지니고 있음을 보여준다. 특히 안전성, 응답성, 신뢰성, 이용 용이성은 학습자가 Chat GPT를 통해 경험하는 핵심 요인으로 확인되었으며, 이는 향후 미용교육 현장에서 학습자의 인식과 학습만족을 높이는 중요한 기준점으로 활용될 수 있을 것이다.
2) 확인적 요인분석
본 연구에서는 구조방정식 모형 분석에 앞서 측정도구의 타당성을 확인하기 위한 확인적 요인분석(Confirmatory Factor Analysis, CFA)결과는 Table 3과 같다.
Results of Confirmatory Factor Analysis (CFA)
CFA는 탐색적 요인분석과 달리, 연구자가 사전에 설정한 이론적 모형이 실제 데이터에 얼마나 잘 부합하는지를 평가하는 분석 방법으로, 측정모형의 적합도, 표준화 요인적재치, 평균분산추출값(AVE), 구성개념 신뢰도(CR) 등을 통해 확인한다.
Table 3의 결과에 따르면, 본 연구에서 측정한 7개 요인(안전성, 이용 용이성, 응답성, 신뢰성, 인지된 유용성, 학습만족, 개인혁신성)은 모두 기준을 충족하며, 측정모형의 구성타당성이 확보되었음을 확인하였다. 요인적재치(Factor Loadings)는 모든 문항이 해당 요인에 대해 .840~.974의 높은 적재값을 보여주었으며, 이는 각 문항이 측정하고자 하는 개념을 잘 반영하고 있음을 의미한다(기준: .50 이상). 평균분산추출값(AVE: Average Variance Extracted)은 모든 요인에서 .821~.931로 나타났으며, 이는 각 요인의 평균 설명력이 82.1%~93.1% 수준으로 매우 우수함을 보여준다(기준: AVE ≥ .50). 구성개념 신뢰도(CR: Construct Reliability) 역시 .928~.975로, 모든 요인이 높은 내적 일관성을 지니고 있음을 시사한다(기준: CR ≥ .70). 또한, 전체 측정모형의 적합도 지수는 χ²=522.630(df=254, p<.001), χ²/df=2.057, GFI=.902, AGFI=.873, CFI=.977, NFI=.951, TLI=.972, RMSEA=.071이다.
이는 본 연구의 측정모형이 실제 자료와 양호하게 부합함을 보여주며, 미용전공 학습자의 Chat GPT 활용 경험을 설명하기 위한 구조적 타당성이 충분히 확보되었음을 의미한다(Hair et al., 2018).
따라서 Table 3의 결과는 본 연구에서 제시한 측정모형이 학습자의 Chat GPT 활용 특성과 그 효과를 구조적으로 설명하는 데 적절한 도구임을 확인시켜 준다. 특히 각 요인이 독립적이면서도 상호보완적으로 작용하고 있음을 보여준다.
3. 상관관계 및 판별타당성 검증
상관관계 및 판별타당성을 검증하기 위하여 Table 4와 같이 6개의 잠재변수 간의 상관계수와 AVE 제곱근의 값을 제시하였다. 판별타당성 검증은 평균분산추출값(AVE)이 개념들 간의 상관관계 수의 제곱근보다 높게 나타나는 경우 판별타당성이 충족되는 것으로 판단하게 되는데, 가장 높은 상관계수인 안전성과 학습만족 간의 상관계수 제곱값은 0.533이고, 가장 낮은 AVE값으로 신뢰성이 0.783으로 더 높은 것으로 나타나 구성개념들의 판별타당성은 확보되었음을 확인하였다.
Results of Correlation and Discriminant Validity Analysis
본 연구에서 측정한 6개 잠재변수(이용 용이성, 응답성, 신뢰성, 안전성, 인지된 유용성, 학습만족)는 모두 높은 상관관계를 보였으나, 평균분산추출값(AVE)의 제곱근이 각 변수 간 상관계수보다 높게 나타나 판별타당성이 확보되었다. 이는 각 요인이 서로 구별되면서도 연구자가 설정한 개념적 구조를 안정적으로 반영하고 있음을 의미한다(Fornell & Larcker, 1981). 특히 안전성과 학습만족 간 상관계수가 가장 높았음에도 불구하고, AVE 값이 이를 상회하여 두 변수가 독립적인 개념임을 확인할 수 있었다. 이는 Chat GPT 활용 경험에서 안전성 인식이 학습만족과 밀접하게 연관되지만, 여전히 별개의 개념으로 유지됨을 시사한다. 또한 인지된 유용성과 학습만족 간 상관계수 역시 유의하게 높게 나타나, Chat GPT의 유용성 인식이 학습자의 만족도에 직접적으로 연결된다는 선행연구(Zhai, 2022; Gefen & Keil, 1998)와 일관된 결과를 보였다.
4. 구조모형 및 가설검증
본 구조모형의 적합도 및 가설검증 결과는 Table 5와 같다. 먼저 구조모형의 적합도 분석결과 CMIN=331.268(df=119, p<.001), CMIN/df=2.784, RMR=0.037, CFI=0.958, NFI=0.936, IFI=0.958, TLI=0.946, RMSEA=0.082로 나타나 적합성이 확보되었다.
Structural Model and Hypothesis Testing Results
구조모형이 적합한 것으로 나타나 가설검증을 실시한 결과 H1. “Chat GPT 활용특성은 인지된 유용성에 정(+)의 영향을 미칠 것이다.”의 분석결과, 이용용이성의 경로계수는 0.175(C.R.=2.566, p<.05)로, 응답성의 경로계수는 0.308 (C.R.=4.311, p<.001)로, 신뢰성의 경로계수는 0.168(C.R.=2.425, p<.05)로, 안전성의 경로계수는 0.274(C.R.=4.068, p<.001)로 인지된 유용성에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 이에 따라 가설 H1은 채택되었다.
H2. “Chat GPT 활용특성은 학습만족에 정(+)의 영향을 미칠 것이다.”의 분석결과, 응답성의 경로계수는 0.172(C.R.=2.539, p<.05)로, 신뢰성의 경로계수는 0.128(C.R.=2.002, p<.05)로, 안전성의 경로계수는 0.353(C.R.=5.575, p<.001)로 학습만족에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 이에 따라 가설 H2는 부분적으로 채택되었다.
H3. “인지된 유용성은 학습만족에 정(+)의 영향을 미칠 것이다.”의 분석결과, 인지된 유용성의 경로계수는 0.311 (C.R.=4.428, p<.001)로 학습만족에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 이에 따라 가설 H3은 채택되었다.
이는 Chat GPT가 학습 과정에서 사용하기 쉽고, 빠르게 반응하며, 신뢰할 수 있고, 안전하다고 인식될수록 학습자가 이를 더 유용하게 인식함을 보여준다. 이러한 결과는 기술수용 모형(TAM) 연구(Gefen & Keil, 1998; Siagian et al., 2022)에서 제시된 요인들과 일관성을 보이며, Chat GPT의 특성이 학습자의 태도 형성과정에 중요한 설명변수로 작용함을 시사한다.
5. 개인혁신성에 따른 조절효과 검증
본 연구에서는 Chat GPT 활용특성과 인지된 유용성의 관계에서 개인혁신성에 따른 조절효과를 알아보기 위한 가설 4를 검증하기 위하여 다중집단분석을 실시하였다. 개인혁신성에 따른 조절효과를 분석하기 위해 기본모형과 대안모형을 설정하여 두 모형 사이의 자유도를 고려한 χ² 차이로 조절 효과를 검증하였다. 분석결과는 Table 6과 같다. 먼저 조절변수인 개인혁신성은 평균 3.37점을 기준으로 고집단 106명, 저집단 105명으로 구분하였고, 조절효과 검정을 위해서 제약 모델과 비제약모델을 설정하였다. 조절효과의 검증은 제약 모델보다 비제약모델이 우수한 모델로 판명되어야 하며 이는 χ²값의 차이로 판단한다. 즉, χ²값의 차이가 자유도를 기준으로 임계치 이상으로 나타나면 조절효과가 있다고 해석하고, 유의하게 해석할 수 있다. 분석결과 제약모델(Constrained model)의 결과 값은 χ²(242)=931.903으로 나타났고, 비제약모델(Unconstrained model)의 결과 값이 χ²(238)=905.487로 나타났다. 비제약모델과 제약모델을 비교하여 보면 비제약모델의 경우 제약모델보다 χ²이 26.416 작고 자유도는 4가 작다. 즉, 비제약모델의 경우 자유도 감소를 만회할 만큼 χ² 값이 충분히 감소한 것으로 나타나 개인혁신성에 따른 조절효과는 유의한 것으로 볼 수 있다(p<.001).
Chi-square Difference Test Results by Personal Innovativeness Groups
이러한 결과는 기존 연구(Siagian et al., 2022; Agarwal & Prasad, 1999)와 일관되며, 개인혁신성이 정보기술 수용 과정에서 중요한 조절변수로 작용함을 다시 한 번 확인시켜준다. 따라서 미용전공 교육 현장에서는 Chat GPT와 같은 인공지능 기반 학습도구를 활용할 때, 학습자의 혁신성 수준을 고려한 차별화된 지원 전략이 필요하다.
다음은 집단간 χ² 차이검증이 어느 경로에서 유의한 차이가 나타났는지를 확인하기 위해 각 요인에 따른 경로에 대하여 각각 경로별로 하나씩 제약하고, 개인혁신성에 따른 비제약 모델과 제약모델의 χ² 검증을 위한 다중집단분석을 실시하였다. 경로별 χ² 차이검증은 경로제약이 각 경로별로 하나씩 고정했기 때문에 자유도가 1개씩 차이가 나므로 유의수준 기준으로 χ²값이 3.84이상(χ²=3.84, df=1)이면 유의한 차이가 있다고 할 수 있다.
분석결과 Table 7과 같이 개인혁신성에 따라 이용용이성(Δχ²(1)=5.995, p<.05), 응답성(Δχ²(1)=10.382, p<.01), 안전성(Δχ²(1)=6.328, p<.05)이 인지된 유용성에 미치는 영향에 대해 유의한 차이가 나타났다. 즉, 개인혁신성이 낮은 집단의 경우 응답성(β=.562, p<.001), 안전성(β=.332, p<.001)이 인지된 유용성에 미치는 영향이 유의한 것으로 나타났으나 개인혁신성이 높은 집단의 경우 이용용이성(β=.351, p<.001), 신뢰성(β=.149, p<.05)이 인지된 유용성에 미치는 영향이 유의한 것으로 나타나 차이를 보였다. 이에 따라 가설 H4는 부분적으로 채택되었다.
Multi-group Analysis Based on Personal Innovativeness
이러한 결과는 개인의 기술 수용 성향이 Chat GPT와 같은 인공지능 기반 학습도구의 인식 및 활용 방식에 실질적인 차이를 만든다는 점을 시사한다. 이는 기존 연구(Agarwal & Prasad, 1999; Siagian et al., 2022)에서 제시된 “개인혁신성이 기술수용모형의 핵심 조절변수로 작용한다”는 주장과도 일치한다.
따라서 Table 7의 결과는 미용전공 교육 현장에서 학습자의 혁신성 수준을 고려한 맞춤형 지원 전략이 필요함을 강조한다. 혁신성이 낮은 학습자에게는 안전성과 즉각적 피드백 제공을 강조하는 방식이 효과적이며, 혁신성이 높은 학습자에게는 편리한 접근성과 안정적 신뢰성 확보가 더 큰 학습 효과를 유발할 수 있다.
V. 결 론
본 연구는 미용전공 대학생을 대상으로 Chat GPT 활용 특성이 인지된 유용성과 학습만족에 미치는 구조적 관계를 규명하고, 개인혁신성의 조절효과를 실증적으로 분석하였다. 이를 통해 인공지능 기반 학습도구에 대한 미용학습자의 수용 특성과 교육적 활용 가능성에 대한 시사점을 다음과 같이 도출할 수 있다.
첫째, 탐색적 요인분석과 확인적 요인분석을 통해 사용된 측정도구가 우수한 타당성과 신뢰도를 확보하고 있음을 확인하였다. 특히 모든 요인의 요인적재량과 평균분산추출값(AVE), 구성개념 신뢰도(CR)가 기준치를 상회하였고, Cronbach’s α 값이 .911~.979로 나타나 각 변수의 내적 일관성이 매우 높음을 시사하였다. 이는 본 연구에서 설계한 설문 문항이 미용전공 학습자의 Chat GPT 활용경험을 신뢰성 있게 반영하고 있음을 보여준다.
둘째, 구조모형 분석 결과, Chat GPT 활용 특성 중 응답성·신뢰성·안전성은 인지된 유용성과 학습만족에 정(+)의 영향을 미쳤다. 이는 학습자가 Chat GPT를 단순히 편리한 도구가 아니라, 즉각적 피드백 제공·정확하고 신뢰성 있는 정보 전달·안전한 학습환경 보장과 같은 본질적 특성을 통해 학습 효과를 체감한다는 점을 의미한다. 특히 인지된 유용성이 학습 만족에 직접적으로 연결됨을 확인함으로써, 생성형 AI는 학습자의 학업 효율성·몰입도·학습 경험의 질을 향상시킬 수 있는 자원임이 입증되었다.
셋째, 개인혁신성은 Chat GPT 활용 경험을 설명하는 중요한 조절변수로 나타났다. 혁신성이 높은 학습자는 이용 용이성과 신뢰성을 더 중시한 반면, 혁신성이 낮은 학습자는 응답성과 안전성에 더 민감하게 반응하였다. 이는 생성형 AI 활용 효과가 학습자의 기술수용 성향에 따라 달라질 수 있음을 보여주며, 교수자는 학습자의 혁신성 수준에 따라 차별화된 AI 활용 전략을 설계할 필요가 있음을 시사한다.
넷째, 개인혁신성은 Chat GPT 활용 특성과 인지된 유용성 간의 관계에서 유의한 조절효과를 나타내었다. 다중집단분석 결과, 고혁신성 집단은 ‘이용 용이성’, ‘신뢰성’요인에 민감하게 반응하는 반면, 저혁신성 집단은 ‘응답성’과 ‘안전성’요인의 영향을 더 크게 받는 것으로 나타났다. 이는 학습자의 기술수용 성향이 AI 활용 효과에 차이를 유발할 수 있음을 의미하며, 교수자는 학습자의 혁신성 수준에 따라 Chat GPT 활용 지침이나 지원 방식을 차별화할 필요가 있다. 구체적으로, 맞춤형 학습 지원 측면에서는 학습자의 수준과 요구에 따른 개별화된 정보 제공 가능하며, 창의성 촉진 측면에서는 아이디어 확장과 문제 해결 과정에서 학습자의 창의적 역량 강화가 가능하다. 자기주도학습 강화 측면에서는 즉각적 피드백과 반복 학습을 통한 자기주도적 학습 역량 제고가 가능하다. 교수 전략 혁신 측면에서는 학습자 특성 즉, 개인혁신성에 따라 차별화된 AI 기반 교수·학습지원 설계가 가능하다는 교육적 함의를 확인할 수 있다.
마지막으로, 본 연구는 단일 대학을 대상으로 하였다는 점에서 일반화에 한계가 있으며, 학습자의 주관적 인식을 중심으로 분석하였다는 제약이 있다. 따라서 향후 연구에서는 다양한 전공과 교육 맥락에서 생성형 AI 활용 효과를 비교하고, 실제 학업 성취도나 직무 역량 등 객관적 학습성과와의 연계를 심층적으로 분석할 필요가 있다.
결론적으로, 본 연구는 생성형 AI(Chat GPT)가 미용전공을 포함한 고등교육 현장에서 학습자의 학습만족도와 유용성 인식을 높이는 효과적인 학습 매개체임을 실증적으로 확인하였다. 이는 미래 교육에서 AI를 단순 보조도구가 아닌 핵심 교수·학습지원 체계로 통합해야 함을 시사하며, 교수자와 교육기관은 학습자의 특성에 기반한 AI 활용 맞춤형 교육전략을 적극적으로 모색해야 할 것이다. 특히 이는 AI와 미용교육의 접목 가능성을 실증한 선행연구들(Lee & Jung, 2024)과도 맥락을 같이 한다.