The Korean Society Fishries And Sciences Education

Journal Archive

THE JOURNAL OF FISHERIES AND MARINE SCIENCES EDUCATION - Vol. 37, No. 5
[Paper List] [ Prev] [Go to Volume List] [ Next]

[ Article ]
The Journal of the Korean Society for Fisheries and Marine Sciences Education - Vol. 37, No. 5, pp. 1209-1217
Abbreviation: J Kor Soc Fish Mar Edu.
ISSN: 1229-8999 (Print) 2288-2049 (Online)
Print publication date 31 Oct 2025
Received 06 Aug 2025 Revised 15 Sep 2025 Accepted 22 Sep 2025
DOI: https://doi.org/10.13000/JFMSE.2025.10.37.5.1209

소셜미디어 기반 온라인 학습 환경에서 지식불안 극복을 위한 학습 전략: 자기효능감 제고를 위한 매개 경로 탐색
자오신 ; 현순안* ; 허균†
국립부경대학교(학생)
*국립순천대학교(교수)
†국립부경대학교(교수)

Learning Strategies to Overcome Knowledge Anxiety in Social Media–Based Online Learning Environments: Exploring Mediating Pathways to Enhance Self-Efficacy
Zhao Xin ; Soon-An HYUN* ; Gyun HEO†
Pukyong National University(student)
*Sunchon National University(professor)
†Pukyong National University(professor)
Correspondence to : †051-629-5970, gyunheo@pukyong.ac.kr

Abstract

In social media–supported online learning environments, university students frequently experience knowledge anxiety, a multidimensional psychological state encompassing information overload, social comparison, and learning avoidance behaviors. Guided by social cognitive theory, this study examined how knowledge anxiety influences online learning self-efficacy (OLSE) and whether learning strategies mediate this relationship. A survey was conducted with 510 Chinese undergraduate students, measuring knowledge anxiety, learning strategies, and OLSE using validated scales. Structural equation modeling and bootstrapping procedures were employed to test direct and indirect effects.Results indicated that knowledge anxiety negatively predicted OLSE (β = -0.093, p < 0.01), with learning strategies partially mediating this effect; the indirect effect (β = -0.210) exceeded the direct effect. Dimension-level analysis revealed that planning and monitoring strategies had stronger mediating effects (β = 0.564, f² = 0.512) than resource-seeking strategies (β = 0.307, f² = 0.152). These findings highlight the critical role of strategic learning behaviors in mitigating the negative impact of knowledge anxiety on students’ self-efficacy.The study extends social cognitive theory to digital learning contexts, clarifying dynamic pathways connecting emotional, cognitive, and behavioral factors. Practically, it suggests that higher education institutions should design interventions to reduce knowledge anxiety, enhance planning and monitoring skills, and provide targeted support for resource-seeking behaviors, thereby strengthening students’ confidence and effectiveness in online learning.

Keywords: Knowledge anxiety, Online learning self-efficacy, Learning strategies, Social cognitive theory, Social media, Structural equation modeling
I. 서 론

최근 디지털 기술과 교육의 융합이 가속화됨에 따라, 소셜미디어 기반 온라인 학습 환경은 점차 주요한 구성 요소로 자리 잡고 있다. 학생들은 소셜 플랫폼을 통해 강의 자료를 탐색하고 학습 그룹에 참여할 뿐만 아니라, 학습 성과를 공유하며 동료와 지속적인 상호작용을 바탕으로 학습 관계를 형성한다(Lampropoulos et al., 2021). 여러 연구자들은 소셜미디어를 고등교육의 중요한 변화 동력으로 간주하며, 전통적인 교수-학습의 시간적, 공간적 제약을 해체하고 보다 개방적이고 사회적인 학습 환경을 조성할 수 있다고 본다(Krutka and Carpenter, 2016; McLoughlin and Lee, 2010). 전자 학습(e-learning) 맥락에서 소셜미디어는 학생과 고등교육기관 간의 관계를 재구성하고, 형식 및 비형식 학습 내에서 네트워크 협업과 사회적 상호작용을 지원하는 매개체로 주목받고 있다(Junco et al., 2011; Siemens and Weller, 2011).

특히 COVID-19 팬데믹 이후 온라인 수업의 대규모 확산과 동료 간 비교의 일상화는 학생들의 학습 스트레스와 지식불안 반응을 더욱 심화시키는 요인으로 작용하였다(Wang and Xu, 2023). 이러한 맥락에서 정보 과부하와 끊임없는 사회적 비교로 인한 지식불안(Knowledge Anxiety)이 새로운 학습 장애 요인으로 부상하고 있다. 전통적 학업 불안과 달리, 지식불안은 정보가 풍부하고 빠르게 갱신되는 소셜 플랫폼에서 개인이 정보를 통합하기 어렵고 타인보다 뒤처질 것을 우려하여 인지적 압박감을 경험하는 현상이다(Park et al., 2021; Guo et al., 2020). 선행연구에 따르면, 학생들은 다른 사람의 ‘이상화된’ 학습 성과를 접할 때 쉽게 자기 의심이나 정보 상실에 대한 두려움(FOMO: Fear of Missing Out)을 경험하며, 이러한 감정은 플랫폼 내 사회적 비교 메커니즘과 밀접하게 관련되어 있다(Guo et al., 2020).

소셜미디어 기반 온라인 학습 환경은 본 연구의 맥락에서, 학습자들이 위챗(WeChat)이나 샤오홍슈(Xiaohongshu)와 같은 소셜 플랫폼을 활용하여 정보를 탐색하고, 학습 커뮤니티에 참여하며, 동료 학습자들과 비공식적인 상호작용을 통해 지식을 습득하는 상황을 의미한다. 이는 학습의 주체성과 비정형적 특성을 강조하는 개념이다. 학습자가 자기조절 역량을 적극적으로 발휘해야 하는 디지털 콘텐츠를 활용한 학습 상황을 의미한다(Li et al., 2024). 이 환경에서는 교사의 직접적 관리나 고정된 학습 리듬이 부족하여, 학습자가 스스로 학습 계획을 수립하고, 학습 자료와 자원을 효율적으로 관리하며, 동기를 유지하는 과정을 능동적으로 수행해야 한다(Barak et al., 2016). 선행연구는 효과적인 학습전략이 부정적 정서를 완화하고 학습 자기효능감을 증진시키는 데 기여한다는 점을 강조해 왔다(Zimmerman, 2002; Stoeger and Obergriesser, 2020). 특히 소셜미디어 기반의 온라인 학습 환경에서는 학습자가 다양한 학습전략을 통해 불안감을 효과적으로 조절하고 자기효능감을 향상시킬 수 있다(Su et al., 2017). 이러한 전략의 능동적 활용은 학습 성과에 기여할 뿐 아니라, 학습자가 불안과 불확실성에 대응할 수 있도록 심리적 지원을 제공한다(Zimmerman, 2002; Stoeger and Obergriesser, 2020).

온라인 학습 전략에서 지식불안이 미치는 영향을 주목할 필요가 있다. 계획 및 모니터링과 자원 탐색과 같은 학습전략 유형은 지식불안이 자기효능감에 영향을 미치는 과정에서 각각 다른 강도와 경로 메커니즘을 보일 수 있다(Shih, 2019). 예컨대, 전자는 목표 설정과 학습 과정의 능동적 통제를 강조하는 반면, 후자는 외부 자원과 정보 지원에 의존하는 경향이 있다. 따라서 이러한 전략 유형이 지식불안의 영향 경로에서 서로 다른 수준의 조절 역할을 수행하는지, 그리고 어떤 전략이 학습 자기효능감 증진에 더 핵심적인지에 대한 탐색이 필요하다.

그러나 선행연구들은 지식불안이 학습자의 행동이나 학업 성과에 미치는 직접적 영향에 주로 집중하였으며, 지식불안이 학습전략을 매개로 하여 인지적 신념에 간접적으로 영향을 미치는 구조적 메커니즘에 대한 탐색은 상대적으로 부족한 실정이다. 특히 소셜미디어가 학습과정에 깊숙이 개입된 현재 환경에서는 빠른 정보 갱신 속도와 빈번한 사회적 상호작용이 학습자의 인지 부하와 외부 비교 압력을 증폭시키고 있어(Azazz, 2025; Yan et al., 2023), 이러한 정서 상태가 학습전략 조절을 통해 자기효능감 신념에까지 작용하는 경로에 대한 체계적 검증이 요구된다.

따라서 본 연구는 소셜미디어 환경에 특화된 지식불안에 대한 개념을 다차원적으로 정의하고, 사회인지이론을 기반으로 지식불안, 학습전략, 온라인 학습 자기효능감 간의 구조적 관계를 규명하고자 한다. 구체적으로는 지식불안이 온라인 학습 자기효능감에 미치는 직접적 영향과, 학습전략의 매개 효과, 그리고 학습전략 하위 차원의 경로 차이를 분석함으로써 소셜미디어 기반 온라인 학습 환경에서의 정서-행동-인지 간 상호작용 메커니즘을 밝히는 것을 목표로 하였다. 이러한 목적을 구체화하기 위하여, 본 연구는 다음과 같은 연구문제를 설정하였다.

첫째, 소셜미디어 기반 온라인 학습 환경에서 대학생의 지식불안, 학습전략, 온라인 학습 자기효능감 간에는 어떠한 유의미한 관계가 존재하는가?

둘째, 지식불안이 온라인 학습 자기효능감에 미치는 영향에서 학습전략은 매개 역할을 수행하는가?

셋째, 지식불안이 온라인 학습 자기효능감에 영향을 미치는 경로 메커니즘에서 학습전략의 하위 차원(계획 및 모니터링 vs. 자원 탐색)은 서로 다른 수준의 영향력을 보이는가?

Ⅱ. 연구 방법
1. 연구 가설

사회인지이론과 선행연구에 근거하여, 본 연구는 다음과 같은 구체적 가설을 설정하였다.

H1: 지식불안(KA)은 학습전략(LS)에 부정적인 영향을 미친다.

H2: 지식불안(KA)은 온라인 학습 자기효능감(OLSE)에 부정적인 영향을 미친다.

H3: 학습전략(LS)은 온라인 학습 자기효능감(OLSE)에 긍정적인 영향을 미친다.

H4: 학습전략은 지식불안과 온라인 학습 자기효능감 간의 관계에서 매개 역할을 수행한다.

H5a: 지식불안은 학습전략을 통해 자신감 및 지속성(CP)에 부정적인 간접 효과를 미친다.

H5b: 지식불안은 학습전략을 통해 자기관리(SM)에 부정적인 간접 효과를 미친다.

H5c: 지식불안은 학습전략을 통해 사회적 참여 효능감(SP)에 부정적인 간접 효과를 미친다.

H6: 학습전략의 두 하위 요인은 매개 경로에서 유의미한 경로 효과 차이를 보이며, 계획 및 모니터링(PM)과 자원 탐색(RS)은 온라인 학습 자기효능감(OLSE)에 미치는 영향 강도에서 차별성을 나타낸다.


[Fig. 1] 
social cognitive theory SEM model.

2. 연구 설계 및 분석 방법

본 연구는 설문조사법을 활용한 횡단연구로, 구조방정식모형(SEM)을 통해 지식불안(KA)이 온라인 학습 자기효능감(OLSE)에 미치는 영향 메커니즘을 탐구하였다. 연구의 이론적 틀은 Bandura(1986)의 사회인지이론을 기반으로 하였으며, 지식불안, 학습전략, 온라인 학습 자기효능감의 세 가지 2차 잠재변수로 구성된 구조모형을 구축하였다(Bandura, 1986).

데이터 분석 절차는 다음 다섯 단계로 진행되었다. 첫째, SPSS 26.0을 이용한 원자료 정제, 기술통계, 정규성 검정과 탐색적 요인분석을 수행하였으며 둘째, Jamovi와 SmartPLS를 통한 신뢰도 분석 및 확인적 요인분석을 수행하였다. 셋째, SmartPLS 4.0을 활용한 편최소제곱구조방정식모형(PLS-SEM) 구축 및 경로 분석을 수행하였고 넷째, 부트스트래핑(5000회 재표본추출) 기법을 통한 매개효과 검증하였다. 다섯째로 Jamovi에서 공분산 기반 구조방정식모형(CB-SEM)을 통한 모형 적합도(CFI, TLI, RMSEA, SRMR 등)를 평가하였다.

3. 표본 및 자료 수집

본 연구는 편의표본추출법을 적용하여 온라인 학습 커뮤니티와 SNS 플랫폼을 통해 2024년 3월부터 5월까지 전자 설문을 실시하였다. 최종 유효 표본은 510부(회수율 53.57%)였으며, 다수는 중국 허난성 소재 대학의 학부생(1~4학년)으로 구성되었다. 허난성은 중국 중부 지역에서 교육 인구가 가장 많은 성으로, 대학생 집단의 대표성을 지닌다. 설문에는 성별, 학년, 전공 유형, 소셜미디어 사용 시간 등의 기본 정보도 수집하였으며, 집단 간 비율 차이가 커 비교 분석은 생략하고 전체 표본을 대상으로 구조방정식 모형 분석을 수행하였다.

4. 변수 측정 도구

연구 설문지는 기본 정보, 지식불안 척도, 학습전략 척도, 온라인 학습 자기효능감 척도 총 네 부분으로 구성되었으며, 모든 척도는 5점 리커트 척도(1=전혀 그렇지 않다, 5=매우 그렇다)를 사용하였다.

지식불안(Knowledge Anxiety, KA) 척도는 Ritzhaupt et al.(2022)의 온라인 학습자 불안 척도(OLAS)와 Li and Fu(2013)의 연구를 참고하여 SNS 맥락에 맞게 수정한 12문항으로, 정보 과부하, 사회적 비교, 회피 행동의 세 하위요인으로 구성하였다. 학습전략(Learning Strategy, LS) 척도는 Martinez-Lopez et al.(2017)의 MOOC 기반 자기조절학습 척도와 Broadbent 등(2023)의 온라인 자기조절 학습 설문지(SRL-O)를 참고하여 SNS 환경에 맞게 간소화·수정한 7문항으로, 계획 및 모니터링과 자원 탐색의 두 하위요인으로 구성하였다. 그리고, 온라인 학습 자기효능감(Online Learning Self-Efficacy, OLSE) 척도는 Zimmerman and Kulikowich(2016)의 온라인 학습 자기효능감 척도(OLSES)와 Xie 등(2011)의 대학생 네트워크 학습 자기효능감 척도를 기반으로 연구 상황에 맞게 통합·현지화한 9문항으로, 자기관리, 자신감 및 지속성, 사회적 참여 효능감의 세 하위요인으로 구성하였다.

Ⅲ. 연구 결과
1. 기술통계 및 정규성 확인
가. 기술통계

최종 표본에서 여성 비율이 다소 높은 편으로 나타났다(성별 변수 M = 1.776, SD = 0.417). 전체 응답자의 91.4%가 학부생으로, 본 연구 표본은 학부생 중심으로 구성되어 있음을 알 수 있다.

사회관계망서비스(SNS) 사용 측면에서, 참여자들의 일일 사용 시간은 비교적 높은 편으로(M = 3.869, SD = 1.038) 약 3시간 이상에 해당한다. 참여자들은 SNS를 통해 학습 정보를 얻는 빈도가 전반적으로 높은 편으로(M = 3.402, SD = 0.844) ‘자주’ 또는 ‘가끔’ 학습 정보를 획득하는 경우가 많았다. 또한 일부 표본은 최근 6개월 내 정보 불안으로 인해 학습 습관을 조정한 경험이 있었다(M = 1.355, SD = 0.479),

나. 정규성 검증

본 연구는 학습전략, 온라인 학습 자기효능감, 지식불안의 세 변인에 대해 정규성 검정을 위해 왜도(skewness)와 첨도(kurtosis) 지표 확인한 결과, 학습전략(왜도 = -0.51, 첨도 = 1.02), 온라인 학습 자기효능감(왜도 = -0.34, 첨도 = 0.48), 지식불안(왜도 = 0.61, 첨도 = 1.47)의 값이 수용 가능한 범위(|왜도| < 2, |첨도| < 7)에 해당되어 근사적 정규성(approximate normality)을 갖춘 것으로 해석할 수 있다.

2. 측정모형 검증

본 연구는 Jamovi의 구조방정식모형(SEM) 모듈을 활용하여 세 가지 주요 잠재변수를 포함한 측정 모형에 대해 확인적 요인분석(CFA)을 실시하였다. 분석 결과, 전체 모형의 적합도는 양호한 수준으로 나타났다(<Table 1> 참조).

<Table 1> 
SEM fit indices
Index χ²(df) CFI TLI RMSEA
Value 1583
(339)		 0.988 0.986 0.085

신뢰도 분석 결과, 모든 구성 개념의 Cronbach's α 값이 0.70 이상이며 통계적으로 유의미하였고, 세부 내용은 지식불안(0.928), 학습전략(0.902), 온라인 학습 자기효능감(0.897)으로 모두 우수한 수준을 보여주었다.(<Table 2> 참조).

<Table 2> 
Reliability and Convergent Validity Test Results
Cronbach's α CR AVE Factor Loadings
KA 0.928 0.939 0.562 0.712-0.895
LS 0.902 0.923 0.631 0.787-0.947
OLSE 0.897 0.917 0.552 0.732-0.926

3. 구조모형 분석
가. 경로계수 및 가설 검증

연구에서 제안한 경로 메커니즘 모형을 체계적으로 검증하기 위해 본 절에서는 구조모형 분석을 세 가지 단계로 나누어 수행하였다. 첫째, 지식불안이 학습전략 및 온라인 학습 자기효능감에 미치는 직접 효과와 학습전략의 매개 효과를 추정하였다. 둘째, Bootstrapping(n = 5000)을 활용하여 매개 효과의 유의성과 유형을 검정하였다. 셋째, 학습전략의 하위 차원별 경로 효과 차이를 비교함으로써 지식불안 영향 메커니즘에서의 역할 차이를 분석하였다.


[Fig. 2] 
Structural equation model path map.

주요 경로계수 분석 결과 다음과 같다. 첫째, 지식불안 → 학습전략 경로 (H1 검증): 지식불안은 학습전략에 유의미한 부정적 영향을 미치는 것으로 나타났다(β = -0.273, t = 5.496, p < 0.001).

둘째, 학습전략 → 온라인 학습 자기효능감 경로 (H3 검증): 학습전략은 자기효능감에 유의미한 정적 영향을 미치는 것으로 나타났다(β = 0.769, t = 33.908, p < 0.001).

셋째, 지식불안 → 온라인 학습 자기효능감 경로 (H2 검증): 지식불안은 온라인 학습 자기효능감에도 유의미한 부정적 영향을 미쳤다(β = -0.093, t = 2.723, p = 0.006).

넷째, 간접효과 (H4 검증): 지식불안 → 학습전략 → 자기효능감으로 이어지는 간접 경로 또한 통계적으로 유의하였다(β = -0.210, t = 5.436, p < 0.001).

그러므로 학습전략은 지식불안에 의해 약 7.5%(R² = 0.075)가 설명되었으며, 온라인 학습 자기효능감은 지식불안과 학습전략에 의해 약 59.2%(R² = 0.592)가 설명되어 본 모형의 강력한 예측력을 입증하였다(<Table 3> 참조).

<Table 3> 
Path coefficient estimation results (N = 510, bootstrapping = 5000)
Path O(M) SD P
KA → LS -0.273(-0.272) 0.050 0.000
LS → OLSE 0.769(0.769) 0.023 0.000
KA → OLSE -0.093(-0.093) 0.034 0.006
KA→ LS → OLSE -0.210(-0.209) 0.039 0.000
KA → LS → OLSE → CP -0.174(-0.174) 0.033 0.000
KA → LS → OLSE → SP -0.158(-0.158) 0.030 0.000
KA → LS → OLSE → SM -0.201(-0.200) 0.037 0.000

나. 학습전략 차원별 효과 비교

학습전략의 하위 차원별 역할 차이를 탐구하기 위해 계획 모니터링(PM)과 자원 탐색(RS)을 분리한 KA → PM/RS → OLSE 경로 모형을 구축하여 비교 분석을 수행하였다.경로계수 분석 결과, 지식불안이 두 전략 차원 모두에 유의한 부적 예측효과를 나타냈으며, 계획 모니터링(PM)에 대한 영향력(β = -0.301, t = 6.238, p < 0.001)이 자원 탐색(RS)(β = -0.135, t = 2.665, p = 0.008)보다 뚜렷하게 컸다. 또한 계획 모니터링이 온라인 학습 자기효능감(OLSE)에 미치는 정적 예측효과(β = 0.564, t = 14.873, p < 0.001) 역시 자원 탐색(β = 0.307, t = 7.309, p < 0.001)보다 강한 것으로 나타났다.

부분 효과 크기(f²) 분석에서도 계획 모니터링 경로는 중간 수준의 효과 크기(f² = 0.512)를 보인 반면, 자원 탐색 경로의 효과 크기(f² = 0.152)는 상대적으로 낮았다. 지식불안이 계획 모니터링에 미치는 영향력(f² = 0.100)도 자원 탐색(f² = 0.019)보다 컸다. 예측 타당성 분석 결과, 두 가지 학습전략 하위 차원이 경로 메커니즘에서 서로 다른 예측 효능을 보이는 것으로 나타났다. 계획-모니터링 전략은 유의미한 예측 관련성(Q²_predict = 0.085)을 보인 반면, 자원 탐색 전략은 예측력(Q²_predict = 0.007)이 매우 낮아 실질적인 예측 타당성이 거의 없는 것으로 분석되었다. 이러한 결과는 학습전략의 하위 차원이 경로 메커니즘에서 서로 다른 기능적 역할을 수행하고 있음을 시사하며, 가설 H6을 지지한다(<Table 4> 참조).

<Table 4> 
Learning Strategy Path Analysis and Effect Size
Path β t p f²
KA → PM -0.301 6.238 0.000 0.100
KA → RS -0.135 2.665 0.008 0.019
PM → OLSE 0.564 14.873 0.000 0.512
RS → OLSE 0.307 7.309 0.000 0.152

4. 매개효과 분석

본 연구는 ‘지식불안 → 온라인 학습 자기효능감’ 경로에서 학습전략의 매개 역할을 살펴보고자 하였다.

먼저, 전체 매개효과로 지식불안이 온라인 학습 자기효능감에 미치는 간접효과는 -0.210이며, BCa 95% 신뢰구간이 [-0.282, -0.132]로 0을 포함하지 않아 매개효과가 유의한 것으로 나타났다. 직접효과는 -0.093이며, BCa 95% 신뢰구간 [-0.157, -0.023] 역시 0을 포함하지 않아 학습전략이 부분 매개 역할을 함을 시사한다. 이는 가설 H4를 추가로 지지하는 결과이다(<Table 5> 참조).

<Table 5> 
The mediating effect result
Effect Type β BCa 95% CI p
KA → LSE –0.093 [–0.157, –0.023] 0.006
KA → LS → OLSE –0.210 [–0.282, –0.132] <0.001
Total Effect –0.302 [–0.401, –0.194] <0.001

다음으로 하위 차원별 연쇄 매개 분석결과, 자기효능감의 세 하위 차원에 대한 추가 분석 결과, 지식불안이 ‘학습전략 → 자기효능감’이라는 연쇄 경로를 통해 각 차원에 모두 유의미한 부적 간접 영향을 미치는 것으로 나타났다. 이는 가설 H5a, H5b, H5c를 모두 검증하는 결과이다(<Table 6> 참조).

<Table 6> 
The mediating effect result with subdomain
Mediation Pathway β BCa 95% CI p
KA → LS→ OLSE → CP –0.174 [–0.238, –0.108] <0.001
KA →LS → OLSE → SM –0.201 [–0.272, –0.126] <0.001
KA → LS→ OLSE → SP –0.158 [–0.215, –0.098] <0.001

Ⅳ. 결 론

본 연구는 소셜미디어 기반 온라인 학습 환경에서 ‘지식불안-학습전략-온라인 학습 자기효능감’의 다차원 경로 메커니즘 모형을 구축하고 검증한 결과를 종합하며 다음과 같다.

첫째, 지식불안은 학습전략 사용을 저해하여 자기효능감을 간접적으로 약화시키는 구조적 메커니즘이 확인되었다. 이는 사회인지이론에서 제시하는 정서-행동-인지의 상호작용 경로를 실증적으로 뒷받침한다. 연구결과 지식불안은 대학생의 온라인 학습 능력에 대한 주관적 판단을 유의미하게 약화시키는 것으로 나타났다(β = -0.093, p < 0.01). 이는 Pekrun et al.(2006)의 부정적 정서가 학습 동기를 억제한다는 선행 연구와 일치한다. 본 연구 표본의 약 60%가 정보 불안으로 인해 학습 계획을 조정한 경험이 있다고 응답하였는데, 이는 지식불안이 온라인 학습에 영향을 미치는 주요 심리적 요인임을 시사한다.

둘째, 간접효과(β = -0.210)가 직접효과(β = -0.093)보다 크게 나타나 학습전략의 매개 역할이 핵심적임을 보여준다. 이는 지식불안의 부정적 영향이 주로 학습전략을 통해 매개되어 나타남을 의미한다. 지식불안은 학습전략을 통해 자기효능감의 모든 하위 차원에 부정적 영향을 미치는 것으로 나타나, 학습전략이 불안을 조절하는 완충기 역할뿐만 아니라 학습신념 계층 구조에서 중요한 선행 변수임을 입증하였다(Erdoğan et al., 2009).

셋째, 계획 모니터링 전략이 자원 탐색 전략보다 지식불안의 부정적 영향을 완화하는 데 더 효과적임이 입증되었다. 지식불안이 계획 모니터링에 미치는 부정적 영향(β = -0.301)이 자원 탐색(β = -0.135)보다 컸으며, 계획 모니터링이 자기효능감에 미치는 정적 영향(β = 0.564, f² = 0.512) 역시 자원 탐색(β = 0.307, f² = 0.152)을 크게 상회하였다.이는 내적 통제 중심의 전략이 외적 의존 중심의 전략보다 자기효능감 형성에 더 직접적으로 기여함을 시사한다.

종합하면, 본 연구는 소셜미디어 기반 온라인 학습 환경에서 지식불안, 학습전략, 온라인 학습 자기효능감 간의 구조적 관계를 규명하고, 학습전략의 매개 역할과 하위 차원의 차별적 효과를 실증적으로 확인하였다. 이는 연구 목적에서 제시한 ‘정서-행동-인지 간 상호작용 메커니즘을 밝히는 것’에 부합하며, 연구 문제 ①~③에 대한 답을 명확히 제시함으로써 연구 목표를 충실히 달성하였다.

이론적 관점에서 본 연구는 기존 연구들이 ‘불안’을 주로 시험이나 학업 성취에 국한하여 다루었던 반면, 본 연구는 정보 과잉 공급되는 소셜미디어 환경에서 지식 자체가 ‘비교’와 ‘불안’의 원천이 되는 현상을 규명하였다. 학습전략을 단순한 조절 변인이 아닌 구조적 인지 행동 체계로 이해함으로써(Zumbrunn et al., 2011), 전략의 ‘내부 구조’ 차이가 ‘사용 여부’ 자체보다 더 높은 예측력을 가진다는 점을 실증적으로 입증하였다.

추후 방향으로는, 첫째, 다문화 비교연구를 통한 모형 안정성을 검증할 필요가 있다. 둘째, 종단적인 연구 설계로 주요 시기의 변동 양상을 구체적으로 분석해야 한다. 셋째, 질적 연구방법을 병행하여 양적 결과의 맥락적 이해할 필요가 있다.

References
1. Azazz A(2025). From Likes to Anxiety: The Effect of Social Media Usage and Information Overload on University Students’ Mental Health. International Journal of Innovative Research and Scientific Studies, 8(2), 1478~1489.
2. Bandura A(1986). Models of human nature and causality. In: Social Foundations of Thought and Action: A Social Cognitive Theory. Prentice-Hall, Englewood Cliffs, NJ, U.S.A., 1~46.
3. Barak M, Hussein-Farraj R and Dori Y(2016). On-campus or Online: Examining Self-regulation and Cognitive Transfer Skills in Different Learning Settings. International Journal of Educational Technology in Higher Education, 13, 1~18.
4. Broadbent J, Panadero E, Lodge JM and de Barba PG(2023). The Self-regulation for Learning Online (SRL-O) Questionnaire. Metacognition and Learning, 18, 135~163.
5. Erdoğan A, Kesici Ş and Şen E(2009). Predicting College Students’ Mathematics Anxiety by Motivational Beliefs and Self-regulated Learning Strategies. College Student Journal, 43(2), 631~642.
6. Guo Y, Lu Z, Kuang H and Wang C(2020). Information Avoidance Behavior on Social Network Sites: Information Irrelevance, Overload, and the Moderating Role of Time Pressure. International Journal of Information Management, 52, 102067.
7. Junco R, Heiberger G and Loken E(2011). The Effect of Twitter on College Student Engagement and Grades. Journal of Computer Assisted Learning, 27(2), 119~132.
8. Krutka DG and Carpenter JP(2016). Why Social Media Must Have a Place in Schools. Kappa Delta Pi Record, 52(1), 6~10.
9. Lampropoulos G, Siakas K, Makkonen P and Siakas E(2021). A 10-year Longitudinal Study of Social Media Use in Education. International Journal of Technology in Education, 4(3)， 373~398.
10. Li J, Zhao A, Tian X and Zhang P(2024). Learners’ Self-Regulation in MOOC English Teaching. J Educ Progress, 14(6), 113~122.
11. Martinez-Lopez R, Yot C, Tuovila I and Perera Rodríguez VH(2017). Online Self-Regulated Learning Questionnaire in a Russian MOOC. Computers in Human Behavior, 75， 966~974.
12. McLoughlin C and Lee MJW(2010). Developing an Online Community to Promote Engagement and Professional Learning for Preservice Teachers Using Social Software Tools. Journal of Cases on Information Technology, 12(1), 14.
13. Park J, Kim B and Park S(2021). Understanding the Behavioral Consequences of Upward Social Comparison on Social Networking Sites: The Mediating Role of Emotions. Sustainability, 13(11), 5781.
14. Pekrun R(2006). The Control-Value Theory of Achievement Emotions: Assumptions, Corollaries, and Implications for Educational Research and Practice. Educational Psychology Review, 18(4), 315~341.
15. Ritzhaupt A D, Rehman M, Wilson M L and Ruggles K(2022). Exploring the factors associated with undergraduate students’ online learning anxiety: Development of the Online Learner Anxiety Scale. Online Learning, 26(3), 111~131.
16. Shih H(2019). L2 Anxiety, Self-Regulatory Strategies, Self-Efficacy, Intended Effort and Academic Achievement: A Structural Equation Modeling Approach. International Education Studies, 12(3), 24~32.
17. Siemens G and Weller M(2011). Monograph “The Impact of Social Networks on Teaching and Learning”. Introduction: Higher Education and the Promises and Perils of Social Networks. RUSC. Universities and Knowledge Society Journal, 8(1), 156~326.
18. Stoeger H and Obergriesser S(2020). Students’ emotions of enjoyment and boredom and their use of cognitive learning strategies – How do they affect one another? Learning and Instruction, 66, 101285.
19. Wang H and Xu T(2023). High prevalence of anxiety, depression, and stress among remote learning students during the COVID-19 pandemic: Evidence from a meta-analysis. Frontiers in Psychology, 13.
20. Xie Y, Liu C, Zhu J and Yin R(2011). Research on the structure, influencing factors, and cultivation strategies of college students’ online learning self-efficacy. E‐Education Research, (10), 30~34.
21. Yan X, Li J, Jiang S and Li K(2023). Mechanism study of social media overload on health self-efficacy and anxiety. Heliyon, 10(1).
22. Zimmerman B J(2002). Becoming a Self-Regulated Learner: An Overview. Theory Into Practice, 41(2), 64~70.
23. Zimmerman W and Kulikowich J(2016). Online Learning Self-Efficacy in Students with and without Online Learning Experience. American Journal of Distance Education, 30(3), 180~191.
24. Zumbrunn S, Tadlock J and Roberts E D(2011). Encouraging Self-Regulated Learning in the Classroom_A Review of the Literature.Metropolitan Educational Research Consortium (MERC), Virginia Commonwealth University.
 

(48513) 부산광역시 남구 용소로 45 부경대학교 수산과학대학(C21) 9430B 한국수산해양교육학회
TEL : (051)629-7362 / FAX : (051)629-7362 / Email : ksfme@hanmail.net
Copyrightⓒ 2000-2015 KSFME All Rights Reserved