초등 음악수업에서 AI도구 활용과 학습자 주도성 및 창의성의 구조적 관계 탐색

1. 기술수용모형(TAM: Technology Acceptance Model)과 AI 활용

Davis(1989)가 제안한 기술수용모형(TAM)은 개인이 새로운 기술을 수용하고 사용하는 과정을 설명하는 대표적인 이론이다. TAM에 따르면 사용자는 기술에 대한 지각된 유용성(perceived usefulness)과 지각된 사용용이성(perceived ease of use)을 바탕으로 기술의 사용의도를 형성하며, 기술이 학습에 도움이 되고 쉽게 사용할 수 있다고 인식할수록 실제 활용 가능성이 높아진다(Davis, 1989).

이러한 관점은 AI 기반 학습환경에도 적용될 수 있으며, 학습자가 AI 도구를 유용하고 사용하기 쉽다고 인식할수록 이를 적극적으로 활용하게 된다. 또한 AI 도구의 적극적인 활용은 학습자의 자기조절과 능동적인 학습 참여를 촉진하여 학습자 주도성 향상에 긍정적인 영향을 미치는 것으로 보고되었다(Jeong, 2020).

초등학생 역시 AI 도구가 어렵지 않고 학습에 도움이 된다고 인식할수록 AI를 활용하여 문제를 해결하고 학습 과정에 능동적으로 참여하려는 경향을 보인다.

따라서 본 연구에서는 AI 도구 활용을 초등학생이 AI 작곡 도구를 사용하면서 지각한 유용성, 지각된 사용용이성 및 사용의도의 수준으로 조작적으로 정의하였다.

Davis(1989)의 기술수용모형(TAM)에서 개발된 척도는 지각된 유용성과 지각된 사용용이성을 중심으로 구성되었으며, 원 연구에서 높은 신뢰도와 타당도를 보고하였다(예: Cronbach’s α = .80 이상 수준으로 보고됨). 본 연구에서는 이를 초등학생 수준에 맞게 수정·보완하여 사용하였다.

2. 학습자 주도성(Learner Agency)

3. 음악적 창의성(Musical Creativity)

1. 연구 설계

본 연구는 초등 음악수업에서 AI 도구 활용, 학습자 주도성, 음악적 창의성 간의 구조적 관계를 검증하기 위한 상관적 조사연구(correlational research)이다. 변인 간의 직접효과와 간접효과를 검증하기 위해 구조방정식모형(Structural Equation Modeling, SEM)을 적용하였다.

연구모형은 Davis(1989)의 기술수용모형(Technology Acceptance Model, TAM), OECD(2019)의 학습자 주도성 프레임워크(Learner Agency Framework), 그리고 Webster(2002)의 음악적 창의성 모형(Musical Creativity Model)을 이론적 기반으로 설정하였다.

선행연구와 이론적 논의를 바탕으로 AI 도구 활용은 학습자 주도성에 긍정적인 영향을 미치며, 학습자 주도성은 음악적 창의성에 긍정적인 영향을 미칠 것으로 예상하였다. 이에 다음과 같은 연구가설을 설정하였다.

• H1. AI 도구 활용은 학습자 주도성에 유의미한 영향을 미칠 것이다.
• H2. 학습자 주도성은 음악적 창의성에 유의미한 영향을 미칠 것이다.
• H3. AI 도구 활용은 학습자 주도성을 매개로 음악적 창의성에 유의미한 영향을 미칠 것이다.

이상의 연구가설을 검증하기 위한 연구모형은 [Fig. 1]과 같다.

[Fig. 1]

Research Model.

2. 연구 대상

본 연구의 대상은 부산광역시에 소재한 Y초등학교 6학년 학생 178명으로, 본 연구에서 실시한 음악과 ‘창작’영역의 AI 작곡 도구 활용 수업에 참여한 학생이다.

연구 대상의 기본정보는 다음 <Table 1>과 같다.

<Table 1>

Participants’ Demographic Information

3. AI도구 및 수업 운영 조건

본 연구에서 사용된 AI 도구는 음악 생성 및 작곡 기능을 제공하는 AI 기반 음악 창작 도구로, 학습자가 멜로디, 리듬, 코드 진행 등을 생성하고 수정할 수 있는 기능을 포함하고 있다.

AI 도구 활용 수업은 총 4주 동안 진행되었으며, 음악 교과 내 4차시(총 40분 수업 기준)로 구성되었다. 각 차시에서는 학생들이 AI 도구를 활용하여 음악을 생성·수정·발표하는 과정을 경험하도록 설계하였다.

자료 수집은 AI 활용 수업이 모두 종료된 직후 단일 시점에서 실시되었으며, 모든 설문은 동일한 조건에서 일괄적으로 수행되었다.

4. 측정 도구

본 연구에서 사용한 측정도구는 기존 선행연구에서 개발된 척도를 바탕으로 초등학생 수준에 맞게 수정·보완하여 구성하였다. AI 도구 활용 척도는 Davis(1989)의 기술수용모형(TAM)을 기반으로 지각된 유용성, 지각된 사용용이성, 사용의도의 3개 하위요인으로 재구성하였으며, 학습자 주도성 척도는 OECD(2019)의 learner agency framework를 기반으로 목표 설정, 결정 및 실행, 지속과 반성, 상호작용의 4개 요인으로 구성하였다. 또한 음악적 창의성 척도는 Webster(2002)의 음악적 창의성 모형을 바탕으로 유창성, 독창성, 유연성, 정교성의 4개 요인으로 재구성하였다.

각 척도의 문항은 원 개발 연구의 이론적 정의와 구성요인을 유지하면서 초등학생의 이해 수준과 음악 수업 맥락에 적합하도록 일부 문항을 수정하였다. 이 과정에서 원 문항의 의미가 왜곡되지 않도록 의미 단순화 및 표현 조정을 실시하였다.

수정된 측정문항의 내용타당도를 확보하기 위해 음악교육 및 교육공학 분야의 전문가 3~5인에게 문항 검토를 의뢰하였다. 전문가들은 각 문항에 대해 적합성, 명확성, 초등학생 이해 가능성의 기준으로 평가하였으며, 그 결과 일부 문항에 대해서는 표현 수정 및 용어 간소화 의견을 반영하여 최종 문항을 확정하였다. 이러한 과정을 통해 내용타당도를 확보하였다.

총 문항 수는 37문항이며, 모든 문항은 5점 Likert 척도(1=전혀 그렇지 않다, 5=매우 그렇다)를 사용하였다.

5. 자료 분석 방법

본 연구에서는 수집된 설문 자료를 SPSS 28.0과 AMOS 27.0 프로그램을 사용하여 분석하였다. 측정모형의 적합도을 검증하기 위해 확인적 요인분석(CFA)을 실시하였고, 연구모형의 인과관계를 검증하기 위해 구조방정식모형(Structural Equation Modeling, SEM) 을 적용하였다.

<Table 2>

Survey Item Composition

1. 기초분석

본 연구의 기술통계 및 상관분석 결과는 <Table 3>과 같다.

<Table 3>

Descriptive Statistics Results

모든 변인은 정규분포 조건(왜도 ±2, 첨도 ±7)을 충족하였으며, 자료의 왜도와 첨도 값이 안정적으로 나타났다(Kline, 2015).

AI 도구 활용과 학습자 주도성(r = .612), 학습자 주도성과 창의성(r = .801), AI 도구 활용과 창의성(r = .586) 간의 모든 상관이 유의하게 정(+)의 상관관계를 보였다.

<Table 4>

Correlation Analysis Results

이는 AI 도구를 적극적으로 활용하는 학생일수록 학습을 주도적으로 수행하며, 창의적 표현 수준도 높다는 것을 시사한다.

2. 측정모형 검증

본 연구에서는 AI 도구 활용, 학습자 주도성, 음악적 창의성을 측정하기 위해 다음과 같은 하위요인과 문항을 사용하였다.

<Table 5>

Constructs and Survey Items

이러한 측정문항을 바탕으로 확인적 요인분석(CFA)을 실시하여 수렴·판별타당도를 검증하였다.

분석 결과, 모든 잠재요인의 표준화 요인적재량은 .716~.947 범위로 나타나 .50 이상의 기준을 충족하였다.

구성개념 신뢰도(CR)는 .852~.939, 평균분산추출(AVE)은 .662~.863으로 모두 권장 기준을 상회하여 수렴타당도가 확보되었음을 확인하였다.

판별타당도 검증을 위해 Fornell–Larcker 기준을 적용한 결과, AI 활용 요인(PU, PEU, INT)은 각 잠재요인의 √AVE가 상관계수보다 높아 판별타당도가 확보되었다.

반면, 학습자 주도성의 일부 하위요인(PR, DM, GS)과 음악적 창의성의 하위요인(EL, FX, OG, FL)에서는 요인 간 상관계수가 √AVE를 초과하여 판별타당도가 충분히 확보되지 않은 것으로 나타났다. 이는 일부 요인 간 개념적 중복 가능성을 시사하며, 향후 연구에서는 측정문항의 재구성 또는 요인 통합에 대한 검토가 필요하다.

측정모형의 적합도는 χ²/df=1.540, CFI=.976, TLI=.969, IFI=.976, RMSEA=.055 등으로 나타나 전반적으로 권장 기준을 충족하여 우수한 모형 적합도를 보였다.

<Table 6>

Confirmatory Factor Analysis (CFA) Results

3. 구조모형 검증

측정모형 검증을 통해 구성개념의 타당성이 확보됨에 따라 연구가설을 검증하기 위하여 구조방정식모형(SEM)을 분석하였다.

구조모형의 주요 적합도 지수는 χ²/df = 1.540, CFI = .976, IFI = .976, TLI = .969, RMSEA = .055로 나타났으며, 권장 기준을 충족하여 수용 가능한 수준으로 판단되었다.

구조모형의 경로계수를 통해 가설을 검증한 결과는 다음과 같다.

• H1. AI 도구 활용은 학습자 주도성에 유의미한 영향을 미칠 것이다.

AI 도구 활용은 학습자 주도성에 유의한 정(+)적 영향을 미치는 것으로 나타났다.

(β = .593, C.R = 7.539, p < .001).

이에 따라 H1은 채택되었다.

• H2. 학습자 주도성은 음악적 창의성에 유의미한 영향을 미칠 것이다.

학습자 주도성은 음악적 창의성에 매우 강한 정(+)적 영향을 미치는 것으로 확인되었다.

(β = .817, C.R = 8.935, p < .001).

따라서 H2는 채택되었다.

• H3. AI 도구 활용은 학습자 주도성을 매개로 음악적 창의성에 유의미한 영향을 미칠 것이다.

AI 도구 활용은 음악적 창의성에 직접적으로도 유의한 영향을 미치는 것으로 나타났다.

(β = .171, C.R = 2.542, p = .011).

또한 AI 도구 활용이 학습자 주도성을 매개로 음악적 창의성에 미치는 간접효과 역시 유의하여, 학습자 주도성이 부분 매개변인(partial mediator)으로 작용하는 것으로 판단된다.

따라서 H3 또한 채택되었다.

<Table 7>

Hypothesis Testing Results

1. 연구결과 요약 및 논의

본 연구는 초등학생을 대상으로 AI 도구 활용이 학습자 주도성과 음악적 창의성에 미치는 구조적 관계를 구조방정식모형(SEM)을 통해 분석하였다. 확인적 요인분석(CFA)을 통해 측정모형의 타당성을 검증한 후 구조모형을 분석한 결과, 세 가지 가설(H1~H3)은 모두 유의한 것으로 나타났다.

첫째, AI 도구 활용은 학습자 주도성에 유의한 정적 영향을 미쳤다. 이는 AI 기반 학습환경이 학습자의 자기주도적 학습 행동을 촉진한다는 선행연구(Jeong, 2020)와 일치한다. 또한 기술수용모형(TAM)에 따르면 지각된 유용성과 사용용이성이 높을수록 기술 활용도가 증가한다는 점에서(Davis, 1989), 본 연구 결과는 이를 초등 음악수업 맥락에서 실증적으로 지지한다.

둘째, 학습자 주도성은 음악적 창의성에 유의한 정적 영향을 미치는 것으로 나타났다. 이는 학습자가 목표 설정, 실행, 반성의 과정을 통해 학습을 주도할 때 창의성이 향상된다는 Webster(2002)와 Burnard(2012)의 논의와 일치한다.

셋째, AI 도구 활용은 음악적 창의성에 직접적인 영향을 미쳤으며, 학습자 주도성을 통한 간접효과 또한 유의하게 나타났다. 이는 AI 도구 활용이 단순히 창의적 산출물을 제공하는 것이 아니라, 학습자가 아이디어를 탐색하고 수정·보완하는 과정을 지원함으로써 창의적 사고를 촉진한다는 선행연구(Park, 2024)와 맥락을 같이한다.

부트스트래핑 분석 결과, AI 도구 활용이 음악적 창의성에 미치는 간접효과는 학습자 주도성을 매개로 통계적으로 유의하였다(95% bootstrap CI에서 0을 포함하지 않음). 이는 학습자 주도성이 AI 도구 활용과 음악적 창의성 간 관계를 설명하는 유의한 매개변수임을 의미한다.

또한 본 연구에서 나타난 경로계수의 상대적 크기를 살펴보면, AI 도구 활용이 학습자 주도성에 미치는 영향보다 학습자 주도성이 음악적 창의성에 미치는 영향이 더 크게 나타났다. 이는 AI 도구 활용이 직접적으로 창의성을 증진하기보다는, 학습자의 목표 설정, 선택, 실행, 성찰과 같은 자기조절적 학습 과정을 강화함으로써 창의성 발현에 보다 근본적인 영향을 미친다는 점을 시사한다.

특히 간접효과가 직접효과에 비해 상대적으로 중요한 설명력을 보였다는 점은 학습자 주도성이 AI 기반 학습환경에서 핵심적인 매개 기제로 기능함을 의미한다. 이는 창의성이 기술 자체에 의해 직접적으로 산출되기보다는 학습자의 탐색, 선택, 수정, 성찰과 같은 주도적 학습 과정에 의해 강화된다는 Webster(2002)와 Burnard(2012)의 논의와 일치한다.

또한 이러한 결과는 AI 도구의 교육적 효과가 기술의 기능적 수준보다 학습자의 인지적·행동적 참여 수준에 의해 좌우된다는 점을 보여주며, TAM에서 제시하는 기술 활용의 인지적 수용 과정이 실제 창의성 발현으로 확장되기 위해서는 학습자 주도성이 핵심 매개 기제로 작용해야 함을 실증적으로 뒷받침한다(Davis, 1989; Jeong, 2020).

종합하면, AI 도구 활용은 학습자 주도성을 매개로 음악적 창의성에 영향을 미치는 구조적 경로를 가지는 것으로 확인되었다.

2. 결론 및 시사점

본 연구 결과는 AI 도구 활용이 학습자 주도성을 촉진하고 이를 통해 음악적 창의성에 긍정적인 영향을 미친다는 구조적 관계를 실증적으로 확인하였다. 이는 AI 활용 자체보다 학습자의 능동적 탐색과 자기조절 과정이 창의성 향상의 핵심 요인임을 시사한다.

따라서 초등 음악수업에서 AI 도구는 단순 기능 활용 도구가 아니라, 학습자의 탐색·선택·수정·성찰을 유도하는 학습 환경으로 설계될 필요가 있다. 예를 들어, AI 작곡 도구를 활용한 수업에서는 학생이 AI가 생성한 음악을 그대로 사용하는 것이 아니라, 장르, 리듬, 화성, 악기 구성 등을 스스로 선택·수정하고, 생성된 결과를 비교·평가하여 자신의 음악적 의도에 맞게 재구성하는 과제를 제공할 필요가 있다. 이러한 교수·학습 설계는 학습자의 목표 설정과 의사결정, 성찰을 촉진하여 학습자 주도성과 창의성 향상에 효과적으로 기여할 수 있을 것이다.

3. 연구의 제한점 및 제언

본 연구는 특정 지역 초등학생을 대상으로 한 횡단적 설계이므로 결과의 일반화에 제한이 있다. 또한 변수 간 인과관계의 시간적 변화를 충분히 반영하지 못하였다.

향후 연구에서는 다양한 예술 교과로 연구 범위를 확장하고, 종단적 연구를 통해 변수 간 인과관계를 보다 정교하게 검증할 필요가 있다. 또한 AI 도구 유형에 따른 차별적 효과를 분석하는 후속 연구가 요구된다.