지속가능발전목표(SDGs)와 생성형 AI를 통합하여 EFL 학습 환경에서 언어 디지털 문해력과 창의성을 향상시키기

요약

SDGs와 ChatGPT와 같은 생성형 AI를 결합하면 영어 학습자의 동기 부여, 디지털 리터러시, 창의성이 향상됩니다. 더 높은 참여는 이 연계를 강화하여 교사들에게 AI를 언어 교육에 통합하는 실질적인 전략을 제공합니다.

초록

이 연구는 지속가능발전목표(SDGs)와 생성형 AI, 특히 ChatGPT의 통합을 조사하여 EFL 학습 환경에서 언어 디지털 문해력, 창의성, 동기 부여를 향상시키는 방법을 조사합니다. 정량적이고 횡단면적 설계를 채택하여, 본 연구의 데이터는 중국 한 공립 부문 대학의 n=420명의 EFL 학부생을 대상으로 검증된 척도를 사용하여 SDG 통합(SDG), ChatGPT 같은 생성형 AI 사용(UCGPT), 디지털 리터러시(DL), EFL 학생의 창의성(SC), EFL 학생의 동기(SM), 언어 학습 참여(LLE)를 측정하는 검증된 척도를 사용했습니다. 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 직시, 매개 및 조절 효과를 분석하였습니다. 연구 결과, SDG 통합과 UCGPT가 SM과 유의미하게 연관되어 있어 디지털 리터러시와 EFL 학생들의 창의성을 예측하는 것으로 나타났습니다. 더불어 LLE는 DL과 SC 간의 관계를 조절했고, SM은 SDG 통합과 UCGPT가 디지털 리터러시에 미치는 영향을 매개했습니다. 이 결과는 EFL 교육에서 SDGs와 AI 도구를 통합하는 변혁적 잠재력을 강조하며, 21세기 역량을 개발할 수 있는 확장 가능한 전략을 제공합니다. 또한, 이 연구는 EFL 교사들에게 기후 정의와 같은 SDG 주제에 대한 토론을 준비하기 위해 ChatGPT를 활용하도록 과제를 부여하거나, 지속 가능성 인식을 위한 다국어 소셜 미디어 캠페인을 공동 제작하는 등의 구체적인 전략을 제시합니다. 이러한 애플리케이션들은 일상 수업 계획에서 SDG-AI 통합을 어떻게 운영화하는지 보여줍니다.

서론

영어 외국어(EFL) 교육의 글로벌 지형은 기술 혁신과 유엔의 지속가능발전목표(SDGs^)라는 이중 과제에 의해 깊은 변화를 겪고 있습니다. 비영어권 지역에서 영어 능력에 대한 수요가 세계화, 학문 이동성, 디지털 경제에 의해 계속 급증^{하고 있지만,} 전통적인 교육법 접근법은 종종 21^{세기 커뮤니케이션에} 필요한 핵심 역량을 학습자에게 제공하지 못합니다. 기존의 EFL 방법론은 창의적 표현과 디지털 참여보다 암기와 구조적 정확성을 강조하며, 양질^{의 교육 접근}성 격차를 심화시킬 위험이 있습니다. 이러한 불일치는 SDG 4(포용적이고 공평한 양질의 교육)를 향한 진전을 저해할 뿐만 아니라, 특히 생성형 인공지능(AI)이 언어 학습 생태^{계를 재}편하는 데 있어 신기술(⁵)의 변혁적 잠재력을 간과합니다. ChatGPT와 같은 AI 기반 도구의 급속한 확장에도 불구하고, 특히 지속 가능성 프레임워크 측면에서 EFL 맥락에서의 통합은 여전히 충분히 탐구되지 않고^{있습니다.} 이 연구는 SDGs와 생성형 AI의 전략적 융합이 EFL 학습 환경에서 디지털 문해력, 창의성, 동기 부여를 어떻게 향상시킬 수 있는지 조사하여 교육 혁신과 글로벌 지속 가능성 의제를 진전시키는 데 기여할 수 있음을 조사함으로써 이 중요한 격차를 메우고 있습니다. AI 보조 언어 학습과 SDG^{정렬 교육의} 교차점에 관한 기존 문헌에는 여전히 상당한 공백이 존재합니다. 이전 연구들은 개인 맞춤형 언어 교육⁹, 자동 평가¹⁰, 가상 교환 프로그램¹¹에서 AI의 역할을 조사했지만, 이러한 연구들은 지속 가능성 프레임워크와 거의 다루지 않습니다. 반면, EFL과 지속가능성에 관한 문헌은 주로 기술 활용을 통한 교수법 패러다임 재구성보다는 내용 기반 수업(환경 텍스트)에 집중해 왔습니다^. 이러한 괴리는 특히 글로벌 사우스 맥락에서 디지털 격차가 심화되고 있으며, 언어적 소외와 최첨단^{교육 도구에} 대한 제한된 접근이 교차하는 상황에서 더욱 심각합니다. 더불어, SDG 4.4는 디지털 리터러시를 명시적으로 우선시하지만, 대부분의 EFL 교육과정은 디지털 역량과 지속 가능성 성과를 연결하지 못해 학습자들이 고용, 기업가 정신, 그리고 양질의 노동 요구에 대비하지 못하게 만듭니다¹⁴. AI 기반 교수법과 지속 가능성 역량을 조율하는 통합 프레임워크의 부재는 중요한 간과를 나타냅니다¹⁵. 더불어, 이 프레임워크는 학생들이 ChatGPT와 같은 생성형 AI 도구를 사용할 수 있는 기본 디지털 리터러시를 갖춘 학부 EFL 과정에도 쉽게 적용할 수 있습니다. 구현은 표준 기술 통합 교실을 기준으로 설계되어, 교육자들이 구조화되고 SDG에 부합하는 과제 프롬프트를 제공하여 AI 협업을 효과적으로 이끌어야 합니다.

본 연구는 사회문화 이론¹⁶ 과 비판적 디지털 문해력¹⁷에 기반한 새롭고 SDG 기반 생성형 AI EFL 교육 프레임워크를 제안함으로써 이러한 공백을 메웁니다. 이전의 연구들이 AI를 교육 도구로 다루는 것과 달리, 연구자들은 AI를 학습자의 창의적이고 비판^{적 사고를} 위한 협력 파트너로 자리매김하고 있습니다. 이러한 변화는 포용적이고 학습자 중심의 교육이라는 SDG 목표와 일치합니다. 실증적으로 연구자들은 편소제곱구조방정식모델링(PLS-SEM)을 사용하여 n = 420명의 중국 학부 EFL 학습자들의 데이터를 분석하며, SDG 통합(SDG)과 ChatGPT 사용(UCGPT)이 동기부여(SM), 디지털 리터러시(DL), 학생 창의성(SC), 언어 학습 참여(LLE)에 어떤 영향을 미치는지 조사합니다. 이 연구의 이론적 기여는 세 가지입니다. 첫째, 연구자들은 자기결정 이론(SDT)을 확장하여 SDG 정렬 AI 도구가 학습자의 자율성, 역량, 연관성에 대한 내재적 욕구를 충족시키고 동기를 높인다는 점을 입증합니다. 둘째, 연구자들은 학습자의 참여 수준에 따라 AI 매개 환경에서 디지털 리터러시와 창의성이 어떻게 동적으로 상호작용하는지 밝혀 참여 이론을 정교하게 다듬습니다. 셋째, 연구자들은 지속가능성 담론에 윤리적 AI 사용을 내재화하여 학습자들에게 AI 시스템 내 데이터 편향, 환경 비용, 노동 관행을 성찰하도록 촉구함으로써 중요한 디지털 리터러시를 발전시킵니다. 실증적으로 이 결과는 교육자와 정책 입안자에게 실행 가능한 통찰을 제공하며, ChatGPT가 기후 변화 논쟁, 성평등 시뮬레이션 등 SDG 관련 언어 과제에 접근성을 민주화하는 동시에 고차원 인지 능력을 키울 수 있음을 보여줍니다. 이 글의 구조는 다음과 같습니다: 첫째, 이 연구의 중요성/독창성, 기존 문헌 공백, 그리고 이 연구의 기여를 논의하는 서문입니다. 다음으로는 EFL, 생성형 AI, 디지털 리터러시 분야의 SDGs 문헌 리뷰가 있습니다. 프로토콜 섹션은 PLS-SEM 방법론을 상세히 설명하며, 결과 섹션은 연구 결과를 제시합니다. 토론 섹션에서는 주요 발견과 이론적·실용적 함의를 상세히 설명합니다. 마지막으로, 글은 한계와 향후 방향에 대해 마무리합니다.

문헌 검토와 가설 개발

지속가능발전목표 4와 EFL 학생들의 동기 부여
포용적이고 공평한 양질의 교육과 평생 학습을 강조하는 지속가능발전목표⁴¹⁹와 통합된 교육법적 접근법이 학생 동기 부여를 위한 핵심 전략으로 부상했습니다²⁰. SDG 4의 목표, 특히 4.4(고용 역량)와 4.7(지속가능발전을 위한 교육)은 비판적 사고, 디지털 문해력, 윤리적^{참여 기술을 갖춘} 언어 역량 학습자를 양성하는 것이 얼마나 중요한지를 강조합니다. 이러한 역량의 원칙은 보호의 책임과 SDG 4.5의 '권리 기반 교육' 목표에 의해 추가로 뒷받침됩니다. 여러 연구는 기후 행동, 성평등, 빈곤 퇴치 등이 언어 학습에서 다루면 학생들의 과목 동기 부여가 촉진된다고 제안합니다²². 이 방법은 자율성, 기술 숙달, 사회적 연결이 사람들을^{동기부여하는} 데 도움이 된다고 믿는 자기결정론(Self-Determination Theory)을 지지합니다. 생성형 AI는 지속가능발전목표(SDGs)와 관련된 인터랙티브^{콘텐츠를 사용할 때} 동기 부여 도구로서 더욱 효과적입니다. 챗봇 시뮬레이션 정상회의와 지속 가능성에 중점을 둔 여러 언어 플랫폼과 AI를 통해 학생들은 언어 연습을 통해 복잡한 주제를 배울 수^{있습니다.} 학생들이 영어로 물 부족 해결책을 논의해야 하는 상황을 적용하면 흥미를 키우는 데 도움이 됩니다. 이것은 문제 해결 능력을 더욱 날카롭게 하고, 주도권^{과 중요성을} 더 크게 느끼게 합니다. AI 피드백은 표준화되어 즉시 제공되며(이는 다양한 교육 요구를 충족하는 데 도움이 되며, SDG 4²⁹에서 설명한 형평성을 지원하여 학생들을 진정시키고 평등을 보장합니다) 교육 전문가들은 SDG와의 연계를 한 단계 더 발전시켜야 하며, 학생들이 체계적 불평등을 식별할 수 있도록 하는 기술 개발에 집중해야^합니다. 선진국과 저개발국 간에 AI 격차가 있을 때, 학생들이 낙담하며 포용적 디자인 채택을 요구하는 이유가³¹개로 증가합니다. 위 문헌을 바탕으로 다음과 같은 가설을 제안합니다: H1: EFL 수업에 SDGs를 통합하면 학생들의 영어 학습 동기가 높아진다.

생성형 AI 사용과 EFL 학생들의 동기 부여
언어 모델과 챗봇을 포함한 생성형 AI 도구는 상호작용을 장려하고 개인적 필요를 해결하며 창^{의적인 활동을} 촉진함으로써 EFL 교육의 동기 부여에 점점 더 높이 평가되고 있습니다. 이러한 접근법은 학습자가 AI와 직접 상호작용하고, 현실적인 상황에서 의사소통을 연습하며, 빠르고 조절 가능한 피드백을 받을 수 있게 하여 불안을^{줄이고 흥미}를 유지하는 것으로 알려져 있습니다. 예를 들어, 학생의 수준과 관심사에 맞춘 맞춤형 텍스트와 시나리오 등 AI 생성 교육 자료는 학생의 자율성과 능력에 대한 심리적 요구를 충족시킬 수 있습니다. 생성형 AI는 여러 언어로 자원을 제공하고 문화적 맥락을 고려할 수 있기 때문에, 학습자들이 영어로 글로벌 이슈를 탐구할 수 있게 하여 윤리적 결정에 대해 깊이 고민하게 만듭니다³⁴. 하지만 전문가들은 AI에 지나치게 의존하면 사람들 간의 소통이 제한되고 비판적 사고 개발이 어려워질 수 있다고 조언합니다. 이 두 가지는 아이들의 성장에 필수적입니다. 또한 인터넷 접근성의 불이익과 편향된 알고리즘의 영향은 특정 학습 집단의 기존 불평등을 악화시켜 현재의 격차를 더욱 심화시킬 수 있습니다. 위 문헌을 바탕으로 다음과 같은 가설이 제안됩니다: H2: EFL 교실에서 ChatGPT를 사용하면 학생들이 언어 학습에 참여하려는 동기가 높아진다.

EFL 학생들의 동기 부여와 디지털 리터러시
디지털 리터러시와 EFL 동기 간의 관계는 단순한 상관관계가 아니라 시너지 효과를 냅니다. 디지털 리터러시가 높은 학생들은 개인적 관심사와 사회문화적 맥락에 맞는 진정성 있고 다중 모드 콘텐츠를 더 잘 찾고 참여할 수 있습니다^35,36. 이러한 능력은 학습자의 자율성과 역량을 높이어 디지털 환경을 더 효과적으로 탐색할 수 있게 하여 내재적 동기를 직접적으로 촉진합니다. 하지만 이 긍정적인 순환은 자동으로 이루어지지 않습니다. 동기 부여 효과는 디지털 참여의 질에 달려 있습니다; 단순히 기술을 사용하는 것만으로는 의미 있고 문화적으로 반응하는 과제가 아니라면 동기부여가 보장되지 않습니다³⁷.

더불어, 생성형 AI가 현재 개인화된 스캐^폴딩을 통해 이러한 시너지를 가속화하는 메커니즘으로 마케팅되고 ^있지만, 중요한 접근법에 따르면 여러 가지 비상 사태가 존재합니다. AI 기술이 문화 간 대화를 촉진하고 미디어 편향을 해소하는 데 성공한 이유는 자원이 부족한 환경에서 자주 부족한 평등한 접근성과 근본적인 디지털 역량에 기반^합니다. 이로 인해 디지털 문해력이 부족해 좌절과 무관심감이 생겨, AI^{가 생성하려는} 동기 부여가 방해받는 등 동기 부여 격차가 발생합니다. 따라서 AI 통합에는 학습자가 윤리적 의미를 이해하도록 장려하는 엄격한 디지털 리터러시 모델이 함께 제공되어야 하며^{, 이는 기술} 사용으로 인해 현재의 불균형이 의도치 않게 전파되는 것을 방지해야 합니다. 위 문헌을 바탕으로 다음과 같은 가설이 제안됩니다: H3: EFL 학생들의 동기 부여가 높을수록 디지털 리터러시 능력이 향상된다.

EFL 학생의 디지털 리터러시 및 EFL 학생의 창의성
영어를 외국어로 하는 프로그램(EFL)에서 디지털 리터러시는 혁신적인 디지털 방식을 통해 언어 사용을 재맥락화할 수 있는 기술적이고 비판적인 역량을 학습자에게 부여함으로써 창의성을 촉진합니다. 학생들은 생성형 AI, 멀티미디어 플랫폼, 협업 가상 공간 등 기기 사용에 능숙해져, 텍스트 기반 연습을 넘어 디지털 스토리, 팟캐스트, 심지어 AI 제작 내러티브와 같은 다중 모달 프로젝트를 만드는 도구로 활용할 수 있게 됩니다⁴⁴. 예를 들어, 다국어 시 공동 창작이나 가상현실 시나리오 시뮬레이션을 위한 AI 기반 플랫폼은 학습자들이 언어적·문화적 혼합성을 실험하고 언어 습득과 예술적 탐구를 결합하도록 돕습니다⁴⁵.

디지털 리터러시는 평등한 접근, 기회, 명확한 목적을 가진 교수법을 통해 창의성과 연관되어 있습니다. 일부 소외된 집단은 생성형 AI와 디지털 도구에 동등하게 접근할 수 없어 창의적이고 수동적인 학습을 초래하며, 능동적 창조가 어렵습니다⁴⁷. 교육 전문가들은 학생들이 AI 콘텐츠 생성에 대한 윤리적 접근^{과 디지털 워크플로}우가 환경에 미치는 영향을 모두 검토할 수 있도록 지속 가능한 교수법에 초점을 맞춘 비판적 방법을 선택해야 합니다. 학생들은 지속 가능한 프로젝트 개발과 알고리즘 편향 검사를 결합한 실습 디지털 디자인 활동을 통해 윤리적 장인정신을 개발할 수 있으며, SDG 4.7의 지속 가능성과 정의 목표를 강화할 수 있습니다. 위 문헌을 바탕으로 다음과 같은 가설이 제안됩니다: H4: 디지털 문해력이 더 강한 EFL 학생들이 언어 과제에서 더 큰 창의성을 보입니다. H5: EFL 학생들의 언어 학습 참여는 언어 과제에서 더 큰 창의성을 보여줍니다.

언어 학습 참여의 조절 효과
특히 EFL 학습 맥락과 관련해, 지속가능발전목표(SDGs)와 생성형 AI를 통합한 교육적 개입은 언어 학습 참여, 즉 인지적, 행동적, 정서적 언어 습득에 대한 투자로 정의되는 다자간 중재 변수일 때 더 효과적입니다. SDG 관련 콘텐츠를 구현할 때, 높은 참여도는 동기 부여와 인지적 향상을 높인다. SDG 정렬된 프로젝트 기반 과제나 AI 시뮬레이션 과제의 참가자들이 더 끈기고, 더 많은 질문을 하며, 학습 여정에 더 많은 주인의식을 주장하게 된다⁵⁰. 예를 들어, 학생들이 인공지능(AI) 지속 가능성 캠페인을 공동 창작하거나 영어로 글로벌 이슈에 대해 토론하는 것은 실제 문제에 대한 정서적 연결로 인해 언어 능력과 창의성을 향상시키는 것으로 나타났습니다⁵¹. 참여는 AI가 주도하는 EFL 학습 환경의 윤리적·문화적 측면을 학습자들이 어떻게 다루는지를 결정하는 중재자입니다. 무관심한 태도를 보이는 학생들은 AI를 권위주의적 시스템으로 보고, 이는 그들의 우려를 심화시키고 자동화된 피드백에 수동적으로 의존하게 만듭니다^. 위 문헌을 바탕으로 다음과 같은 가설이 제안됩니다: H6: 언어 학습 참여는 디지털 리터러시와 창의성 간의 관계를 조절합니다.

EFL 환경에서 EFL 학생들의 동기 매개효과
EFL 학생들의 동기 부여 수준은 SDGs와 연계된 교수법 전략과 생성형 AI 활용이 그들의 디지털 기술과 창의력, 그리고 영어 능력에 미치는 영향을 미치는 중요한 역할을^합니다. 교육 설계는 동기를 통한 학습자 성취와 만나며, 자기결정 이론⁵⁴를 사용하여 깊은 참여를 위한 심리적 조건을 강화합니다. 학생들의 자율성(옹호 주제 의사결정), 역량(지속 가능성 어휘 학습), 연관성(글로벌 활동 참여)과 관련된 동기 부여는 SDG 주제 콘텐츠가 학생들의 비판적 사고와 디지털 기술 개발의 효과를 결정하는 메커니즘 역할을 합니다. 생성형 AI 도구가 새롭기 때문에 처음 사용할 때 학생 참여도가 높아질 수 있지만, 문해력과 창의성의 지속적인 향상을 위해서는 학생들이 AI 상호작용을 정체성과 관련성 측면과 자율^{성 증진}으로 인식해야 합니다.

연구자들은 동기를 다양한 환경을 연결하는 주요 요인으로 실증적 증거를 통해 확립했습니다. EFL 학습자에게 노출된 SDG 중심 프로젝트는 자기 평가⁵⁶에서 보고된 바와 같이 동기 부여 수준이 동시에 높아져 창의성을 촉진했습니다. AI가 생성한 개인 맞춤형 피드백에서 작성 결과는 강한 동기를 보인 학생들(^57,58명)에서 가장 큰 개선을 보였습니다. 이 연구는 동기가 기술 개입의 효과를 조절한다는 것을 증명했습니다. 이 과정을 방해하는 또 다른 요인은 문화적 요인과 사회경제적 요인입니다. 자원이 부족한 환경에서는 SDG 4.4에 언급된 경력 기회와 관련된 외부 인센티브를 우선시하는 경향이 있어, 동기부여와 디지털 도구 제공 간의 관계가 변화하는 결과를 낳는다^59,60. 위 문헌을 바탕으로 다음과 같은 가설들이 제안됩니다: H7: 학생의 동기가 ChatGPT 사용과 디지털 리터러시 기술 간의 관계를 매개합니다. H8: 학생들의 동기는 SDGs와 디지털 문해력 기술 간의 관계를 매개합니다. 그림 1은 본 연구의 연구 모델을 보여주며, 모든 변수와 이들 간의 경로 관계를 포함한다. 더불어, 변수 간 경로 관계를 바탕으로 모든 가설이 연구 모델에 표시됩니다.

프로토콜

이 연구는 인간 대상 연구의 윤리 지침을 준수하여 수행되었습니다. 참여 전에 모든 참가자로부터 사전 동의를 받아, 연구 목적, 설문 기반 절차, 자발적 성격, 그리고 언제든 불이익 없이 철회할 수 있는 권리를 충분히 알렸습니다. 모든 방법은 인간 연구의 윤리 기준을 준수하여 참가자의 기밀성, 데이터 익명화, 그리고 연구 전반에 걸쳐 보호를 보장했습니다. 이 연구는 참가자들에게 최소한의 위험으로 비침습적이고 설문 기반 데이터 수집을 포함했습니다.

1. 연구 설계

본 연구는 EFL 맥락에서 지속가능발전목표(SDG) 통합, 생성형 AI 사용, 디지털 문해력, 창의성, 동기 부여, 언어 학습 참여 간의 관계를 조사하기 위해 정량적이고 횡단면적인 연구 설계를 채택하였습니다. 설계는 실증주의적 인식론에 기반한 구조화된 설문조사를 통한 가설 검증을 우선시하여, 유사한 학문 환경 전반에 걸쳐 통계적 일반화를 가능하게 했습니다. 복잡한 매개와 조절 효과를 분석하기 위해 부분 최소제곱 구조 방정식 모델링(PLS-SEM) 접근법이 선택되었습니다. PLS-SEM은 데이터 정^규성에 대한 가정을 최소화하면서 더 작은 표본 크기와 탐색적 모델 구조를 수용합니다. 이 설계는 SDG 4의 데이터 기반 교육 전략 요구와 일치하며, AI 강화 언어 학습의 확장 가능한 교육 혁신을 위한 측정 가능한 성과에 중점을 두었습니다.

2. 데이터 및 표본 추출

첫째, 표본 프레임을 구성하기 위해 연구진은 2024년 봄 학기 대학 프로그램 명단에서 모든 온전하고 기술이 통합된 EFL 수업을 선별하여 420명의 학부생이라는 편리한 표본을 만들었습니다. 둘째, 참가자의 자격 요건은 18세에서 24세 사이이며, 대학 취업 기록에 따르면 영어 실력이 중간 수준인 1학년 또는 2학년 학부생으로 등록된 것으로 확인되었습니다; 최종 코호트는 여성 62%, 남성 38%로 구성되었으며, 95%가 중국 동부 출신이었습니다. 셋째, 예정된 수업 세션 동안 연구자는 직접 설문조사 도구를 실시했습니다: 상세한 정보지를 배포한 후, 연구자는 사전 동의 스크립트를 소리 내어 읽고, 질문할 시간을 주고, 서명된 동의서를 수집한 후 설문지를 배포했습니다. 참가자들은 20분 이내에 익명으로 작성해야 했으며, 인센티브는 제공되지 않았습니다. 넷째, 이전 AI 경험이라는 불필요한 변수를 통제하기 위해, 설문 도구 자체가 처음부터 전용 필터 섹션을 포함하여, 참가자들의 AI 도구 사용 숙도 데이터를 수집하여 이후 통계적 통제에 활용했습니다. 마지막으로 수집된 데이터는 완전성을 심사하여 n=420의 표본 크기가 PLS-SEM에 대해 "10배 규칙"을 적용하여 통계적 적정성을 검증하여, 모델의 가장 복잡한 회귀 방정식에서 예측 변수당 최소 10건 요구사항을 초과했음을 확인했습니다.

1. SDGs와 ChatGPT의 실질적 통합
   설문 측정을 구체적인 교육학적 맥락에 기반하기 위해, 연구는 ChatGPT의 도움을 받아 SDG 주제를 명시적으로 통합한 특정 EFL 모듈 내에서 수행되었습니다. 학생들은 4주간 일련의 과제 기반 학습 활동에 참여했습니다. 예를 들어, 한 과제에서는 학생들이 ChatGPT를 사용해 특정 SDG(SDG 4 교육, SDG 13: 기후 행동, SDG 5: 성평등)를 조사하고, 주요 이슈를 요약한 뒤 AI 제공 정보를 비판적으로 평가하여 편향 가능성을 평가해야 했습니다. 또 다른 과제에서는 학생들이 ChatGPT를 협업 도구로 활용해 지역 지속 가능성 이니셔티브를 옹호하는 설득력 있는 에세이나 소셜 미디어 캠페인 대본을 공동 집필했으며, 이를 통해 글로벌 목표를 자신의 즉각적인 맥락과 연결했습니다. 이 과제들은 다중 형태로 설계되었으며, 종종 비디오 블로그나 발표로 마무리되어 학생들이 정보를 종합하고 비판적 사고를 발휘하며 영어를 실질적인 목적으로 사용하도록 요구했습니다. 이러한 실질적인 구현은 학생들의 설문조사 응답이 통합된 SDG-AI 학습 접근법에 대한 직접적인 경험에 기반하도록 보장했습니다.

3. 윤리적 고려사항

본 연구는 엄격한 윤리적 고려사항에 따라 수행되었습니다. 모든 참가자는 서면 및 구두를 통해 연구의 목적과 절차, 그리고 자신의 권리에 대해 상세히 안내받았으며, 연구에 참여하기 전에 사전 동의를 제공했습니다. 이 합의는 익명성을 보장하여 언제든 보복 없이 철회할 수 있게 했고, 데이터의 기밀성을 보장했습니다. 정보는 암호화된 디지털 시스템을 통해 수집되어 비밀번호로 보호된 서버에 안전하게 저장되었습니다. 모든 분석은 개인의 신원 확인을 방지하기 위해 집계된 데이터를 기반으로 수행되었습니다. SDG 4.7 원칙에 부합하여, 이 연구에는 생성형 AI에만 고유한 윤리적 문제를 다루는 별도의 브리핑 섹션이 포함되어 있으며, ChatGPT 응답의 편향 가능성과 환경적 영향 등 잠재적 우려를 명확히 제시했습니다. 마지막으로, 자기보고 편향과 표본의 지리적 위치 등 연구의 한계점도 학문적 진실성을 증진하기 위해 공개적으로 인정되었습니다.

4. 측정

구성어는 EFL 맥락에 맞게 검증된 척도를 사용하여 운영화되었습니다. SDG 통합은 경제(13개 항목), 사회(9개), 환경(14개 항목)의 세 하위 척도로 구성된 36개 항목 척도로 측정되었습니다. 이 척도는 Atmaca 등(et ^al.62)에서 도출되었으며, 언어 과제에서 지속가능성 주제에 대한 노출을 평가했습니다. 디지털 문해력은 Rodríguez-de-Dios 등에서 6개 차원으로 확장된 29문항 척도로 평가^{되었으며, 여기에는} 기술 문해력(7문항), 개인 보안 문해력(5문항), 비판적 문해력(5문항), 기기 보안 문해력(4문항), 정보 문해력(5문항), 의사소통 문해력(3문항)이 포함됩니다. 더불어, EFL 학생의 창의성은 Govindasamy 등 ⁶⁴의 12개 항목으로 구성된 도구로 구성되었으며, 각 도구는 독창성, 유연성, 유창성, 상세 세 가지 항목으로 구성되어 있습니다. ChatGPT 사용은 Abbas 등에서 적용한 8개 항목 척도로 정량화^{되었으며, 언어} 과제에서의 빈도, 목적, 그리고 인지된 효율성에 초점을 맞췄습니다. 동기는 Obiosa⁶⁶을 사용하여 05문항 척도를 사용하여 평가하였습니다. 마지막으로, 언어 학습 참여는 Eerdemutu 등⁶⁷의 9개 항목 척도를 사용해 평가되었습니다. 모든 척도는 5점 리커트 응답을 사용했으며, 파일럿 테스트(n=30)가 신뢰도를 확인(크론백 α > 0.82)을, 확인적 요인 분석으로 구성의 독특성이 검증되었습니다. 본 연구의 분석은 2차 반사-반사 구조를 직접 테스트하지 않으므로 1차 반사-반사 구조를 기반으로 수행되었습니다.

5. 데이터 분석

데이터 분석은 SPSS 버전 28과 SmartPLS 버전 4를 이용한 순차적인 2단계 절차를 통해 수행되었습니다. 이 과정은 SPSS 28에서 시작되었으며, 연구자들은 '기술적 통계 > > 분석하기(Analys > Descriptive Statistics Descriptives)와 이변량 상관 분석(Analys Correlate > 이변량 분석 )을 진행하여 n=420 사례 표본에 대해 각각 예비 기술 통계(평균, 표준편차)와 Pearson 상관계수를 계산했습니다. 이후 주요 분석은 SmartPLS 4로 전환되어 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 수행했습니다. SmartPLS의 첫 단계는 내장된 Calculate 알고리즘을 실행하여 내부 일관성을 평가하는 측정 모델을 검증하는 것이었으며, 복합 신뢰도가 0.70의 임계값을 초과해야 하고, 모든 구성체에 대해 평균 분산 추출(AVE)이 0.50을 초과하여 수렴 타당도를 확인해야 했습니다. 그 후 소프트웨어의 보고 기능을 사용하여 Fornell-Larcker 기준을 적용하고 모든 이성형질-단일 형질(HTMT) 비율이 보수적 기준인 0.85 이하인지 확인하여 판별적 타당도를 검증했습니다. 이 검증 후, 5,000개의 하위 샘플과 0.05 유의수준에서 양측 검정으로 구성된 부트스트래핑 루틴을 사용하여 모든 경로 계수(β)와 간접 효과에 대해 편향 보정 신뢰구간을 생성하여 가설적 직접, 매개 및 완화 관계를 검증하여 구조 모델을 평가했습니다. 마지막으로, 블라인드폴딩 절차를 통해 얻은 Stone-Geisser의 Q² 값을 분석하여 모델의 예측 관련성을 확인했으며, 0 이상일 경우에는 충분한 예측력을 나타내며, PLS 알고리즘 결과에서 효과 크기(f²)를 계산하여 예측 변수의 실질적 영향력을 결정했습니다.

결과

기술적 통계
기술적 분석은 변수의 패턴, 중심 위치, 그리고 그 분산에 대한 중요한 통찰을 제공하여 연구자들이 초기 데이터의 건강성, 정상성, 이론적 일치성을 검증할 수 있게 합니다. 본 연구에서는 평균값을 사용해 염도의 수준을 측정하고, 표준편차 매개변수를 사용하여 왜도 수준을 평가합니다. 또한 왜도의 영향도 고려됩니다. 이는 420명의 참가자가 모수 검사에 적합하며, SDG 기반 AI 강화 EFL 학습 환경에서 적절한 상호작용을 보이고 있음을 시사합니다.

표 1은 기여자들이 EFL 학습에 어떻게 참여하는지, AI 기능과 지속가능발전목표 원칙의 통합을 포함한 필수적인 세부 분석을 제공하는 기술적 통계 분석을 제시합니다. 참가자들은 디지털 기술과 ChatGPT 응용에 대해 엄청난 자신감을 보여주었으며, 각각 3.98점(SD = 0.76)과 3.78점(SD...

토론

주요 연구 결과 요약
이 연구는 지속가능발전목표(SDGs), 생성형 AI(ChatGPT), 그리고 동기부여, 디지털 문해력, 창의성 등 EFL 학습 환경에서의 주요 교육 성과들 간의 상호작용을 조사했습니다. 결과는 모든 직접효과 가설(H1-H5)을 확인했으며, SDG 통합(β = 0.37)과 ChatGPT 사용(β = 0.28)이 학생들의 동기를 크게 높여 디지털 리터러시(β = 0.45)와 창의성(β = 0.32)을 촉진함을 보여주었습니다. 언어 학습 참여도는 창의성에 강한 영향을 미쳤으며(β = 0.688), 학생들의 혁신 역량을 증폭시키는 데 중요한 역할을 했다는 점을 시사합니다. 조정 및 매개 분석 결과, 참여가 디지털 문해력-창의성 연관성을 완화한다는 점도 밝혀졌습니다(H6, β = -0.18). 동시에 동기는 ChatGPT(H7, β = 0.13)와 SDGs(H8, β = 0.17)가 디지털 문해력에 미치는 영향을 매개합니...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
ChatGPT 사용 척도	8문항 척도는 Abbas 등(2023)에서 수정됨.	Abbas 외 (2023).
창의성 척도	Govindasamy 등(2022)에서 각색한 12개 항목 척도는 네 가지 하위 구성 요소인 독창성, 유연성, 유창성, 상세성을 측정합니다.	고빈다사미 외 (2022)
데이터 수집 도구	익명, 자가 작성된 종이와 연필 설문지.	해당 없음 / 맞춤 설계
데이터 저장 시스템	암호화된 디지털 시스템이 있는 비밀번호로 보호된 서버.	해당 없음 / 기관 IT 인프라
디지털 문해력 척도	Rodrí에서 각색한 29개 항목 척도; guez-de-Dios 외(2018)는 기술, 개인 보안, 중요, 기기 보안, 정보 및 통신 문해력의 여섯 가지 차원을 다룹니다.	로드리아큐트; guez-de-Dios 외 (2018)
사전 동의 문서	서면 정보지와 동의서.	해당 없음 / 맞춤 설계
언어 학습 참여도 척도	Eerdemutu 등(2023)에서 발췌한 9개 항목 척도.	Eerdemutu 외 (2023)
동기 척도	5개 항목 척도는 Obiosa(2023)에서 각색함.	오비오사 (2023).
PLS-SEM 알고리즘 및 부트스트래핑	SmartPLS 4 내부 루틴(PLS 알고리즘과 5,000개의 서브샘플을 가진 부트스트래핑).	https://www.smartpls.com/documentation/algorithms-and-techniques
예측 적합성 평가	스톤-가이서를 계산하기 위한 SmartPLS 4의 눈가리개 절차 s Q² 가치.	https://www.smartpls.com/documentation/predictive-relevance-q2
SDG 통합 척도	Atmaca 등(2023)에서 채택한 36개 항목 척도, 경제(13개 항목), 사회(9개), 환경(14개 항목) 하위 척도가 있습니다.	Atmaca 외 (2023)
통계 분석 소프트웨어	IBM SPSS 통계 버전 28.	-
구조 방정식 모델링 소프트웨어	SmartPLS, 버전 4.	https://www.smartpls.com
타당성 및 신뢰성 검사	SmartPLS 4는 복합 신뢰도, 평균 분산 추출(AVE), 포넬-라커 기준, HTMT 비율에 대한 보고 기능을 제공합니다.	https://www.smartpls.com/documentation/reporting