디지털 웰빙과 생성형 AI가 학생 학업 성공과 지속 가능한 개발 목표를 달성하는 방법

요약

이 연구는 디지털 웰빙과 생성형 AI가 영어 외국어 학습 참여도를 높여 학업 성과를 향상시키는 것으로 나타났습니다. 높은 성취도는 지속 가능한 개발 목표에 대한 인식을 높이며, 교육 기술을 학업 및 지속 가능성 성과 모두에 연결시킵니다.

초록

이 연구는 디지털 웰빙과 생성형 AI 도입이 영어 외국어(EFL) 학생들의 학업 성공과 지속가능발전목표(SDGs) 참여에 어떻게 기여하는지 살펴봅니다. 정량적 횡단면 설계를 사용하여 디지털 웰빙, AI 사용, 학습 참여도, 학업 성취도, SDG 인식을 측정하는 검증된 척도를 통해 440명의 참가자로부터 데이터를 수집하였습니다. 부분 최소제곱 구조 방정식 모델링(PLS-SEM)을 사용하여 이러한 구성 요소 간의 관계를 분석하고 모델의 예측 타당성과 견고성을 평가하였습니다. 연구 결과는 디지털 웰빙과 생성형 AI가 EFL 학습 참여도를 크게 높여 학업 성공을 이끌어낸다는 것을 보여줍니다. 더 나아가, 학업 성취는 학생들의 SDG 인식에 긍정적인 영향을 미쳐, 디지털 교육과 지속 가능성 성과의 상호 연결성을 강조합니다. 이 연구는 학습 참여가 기술 강화 학습과 학업 성과 사이의 중요한 매개체임을 확인했습니다. 이러한 결과는 디지털 웰니스 전략과 AI 리터러시를 교육 프레임워크에 통합하여 학업 성취와 세계 시민의식을 모두 촉진하는 것의 중요성을 강조합니다. 이는 학생들이 디지털 생활을 효과적으로 관리할 수 있도록 가르치고, 첨단 기술을 활용하고 비판하여 세계의 가장 시급한 도전을 이해하고 대응할 수 있도록 교육과정과 교수법을 설계함으로써 달성됩니다.

서론

급속한 기술 발전이 특징인 시대에, 디지털 웰빙과 생성형 인공지능(GAI)의 교육에 통합된 것은 학생들의 학업 성취도와 유엔 지속가능발전목표(SDGs^)에 광범위한 영향을 미치는 변혁적 힘으로 부상했습니다. 디지털 웰빙이 인지적·정서적 균형을 향상시키기 위한 건강한 기술 사용을 촉진하는 데 중점을 둔다면, GAI는 개인화된 학습², 접근성,^{교육 효율성 3}에 대해 전례 없는 기회를 제공합니다. 그럼에도 불구하고, 전 세계적으로 이러한 분야에 대한 관심이 점점 커지고 있지만, 기존 지식 체계는 분산되어 있으며, 이들이 학문적 성공을 도모하고 글로벌 지속 가능성 이정표를 촉진하는 데 있어 미래의 시너지에 대한 기대에는 거의 집중하지 못하고^{있습니다.} 이 연구는 디지털 웰빙 원칙에 기반한 책임 있는 GAI 사용이 학습 성과를 극대화하면서도 동시에 SDG 4(양질의 교육), SDG 3(건강 및 웰빙), SDG 10(불평등 감소)을 지원하는 핵심 SDGs를 어떻게 지원하는지 구체적으로 검토함으로써 이 절실히 필요한 공백을 메우는 데 도움을 줍니다.

현재 문헌을 검토하면 여러 미흡한 차원들이 드러난다. 첫째, 디지털 웰빙에 관한 연구^{들은 과도}한 스크린 타임, 디지털 산만함, 그리고 학생들의 정신 건강 문제를 강조하지만, 구조화된 디지털 마음챙김 실천이 AI 기반^{학습 도구와} 어떻게 공존할 수 있는지에 대한 연구는 거의 없습니다. 둘째, 교육에서 GAI에 대한 연구는 주로 평가 자동화, 콘텐츠 생성, 적응^{형 학습 지원}에 있어 효율성에 초점을 맞추지만, 학생들의^웰빙에 미치는 심리적·행동적 영향은 간과합니다. 셋째, SDGs 프레임워크는 포용적이고 공평한 교육을 옹호하지만, 웰빙을 염두에 두고 설계된 AI 강화 학습 환경이 교육 격차를 줄이고 지속 가능한 학습 실천을 촉진하는 방법에 대해서는 거의 관심이 주어지지^{않았습니다.} 이러한 격차는 기술 혁신과 인간 중심의 웰빙 전략을 조화시키는 통합적 접근의 필요성을 강조합니다.

본 연구는 디지털 웰빙 원칙을 교육 분야 GAI 응용과 일치시키는 새로운 프레임워크를 제안함으로써 이러한 한계를 해결합니다. 이전 연구인¹⁰이 독립적으로 이러한 개념들을 분석한 것과 달리, 본 연구는 이러한 역학을 그렇게 고려하여, 이러한 AI가 학생의 집중력, 동기, 장기적인 학업 성취를 약화시키기보다는 도덕적으로 지원할 수 있다는 실증적 증거를 제시합니다. 이와 같이 본 원고는 교육 기술, 심리학, 지속가능성 과학 분야의 추가 논의를 더해, 기술 통합과 지속 가능성 사이에서 적절한 균형을 찾기 위해 증거 기반 접근법을 찾는 데 관심 있는 많은 독자, 연구자, 정책 입안자, 교육자들의 관심을 끌 수 있는 현재 변형을 제공할 것입니다. 학습자와 학생의 전인적 발달.

이 연구의 이론적 기여는 세 가지입니다. 첫째, AI 매개 웰빙의 새로운 차원을 도입하여 생성형 AI가 인지 과부하를 최소화하고 마음챙김 참여를 촉진하는 방식을 탐구함으로써 디지털 웰빙에 관한 담론을 발전^{시킵니다.} 둘째, 교육에서 AI에 관한 문헌을 바탕으로 웰빙을 필수 설계 요소로 통합하여 기존의 효율성^{중심 담론}을 혁신합니다. 셋째, AI를 통한 최신 교육 시스템이 지속 가능한 발전의 동력이 될 수 있음을 보여주어 SDGs 학문의 질을 높이고, 특히 디지털 격차를 해소하고 학습자들이 정신적으로 회복력을 갖추도록 돕습니다. 이러한 이론가의 혁신은 우리 연구를 학제간 연구의 선견지급에 올려놓았으며, 기술, 교육, 지속가능성의 현재 상호 의존성을 전 세계적으로 이해하는 관점을 제공합니다. 학문적으로, 이 연구는 실증^{적 데이터를 통해} GAI와 디지털 웰빙이 학습 결과에 미치는 이중 결과를 어떻게 평가할 수 있는지에 대한 전체론적 틀을 제공합니다. 정책 입안자들 사이에서 AI를 윤리적으로 관리하고 학생들의 안전을 보호하는 실질적인 권고안을 제시^합니다. 교육자들에게 이 책은 교수법의 효과를 지원하지만 위반하지 않는 AI 도구를 어떻게 구현할 수 있는지에 대한 근거 기반 방법을 보여줍니다¹⁵. 또한, 이러한 결과와 SDGs의 연관성은 기술적으로 첨단 교육이 사회에 미치는 전반적인 함의를 더 넓은 그림으로 보여주며, 따라서 디지털 선구가 지속 가능한 인간 개발과 연계되어야 하는 이유입니다.

교육 분야에서 빠르게 확산되는 디지털 기술과 생성형 인공지능(AI)의 등장은 학생들의 학업 성취도와 지속가능발전목표¹⁶을 포함한 다양한 사회 목표 달성에 미치는 결합된 영향에 대한 엄청난 지적 관심을 촉발시켰습니다. 이러한 기술 발전이 혁명적인 잠재력을 지니고 있지만, 이러한 기술의 교육 환경에 적용되는 것은 양극성과 논란이 많은 물류가 있는 풍부한 분야이며, 기존 연구들을 비판적으로 종합하여 다가^{올 연구들의} 통찰과 한계를 정의해야 합니다. 이 문헌 검토는 세 가지 관련 분야의 통찰을 검토할 것입니다: (1) 디지털 웰빙과 그 교육적 함의, (2) 생성형 AI와 교육 실천에 미치는 영향, (3) 특정 기술 개입이 SDGs, 특히 양질의 교육, 건강, 형평성과 관련된 것들과의 호환성. 디지털 웰빙은 점점 더 기술에 몰입하는 학습 환경에서 중요한 연구 분야로 부상했습니다¹⁸. 연구에서는 인지 과부하, 디지털 산만함, 화면 과사용과 관련된 수동적 소비와 같은 위험이 강조되었지만, 이러한 영향을 완화할 수 있는 잠재력에 대한 인식이 점점 커지고 있습니다^. 디지털 마음챙김, 의도적인 기술 사용, 메타인지 성찰과 같은 전략적 개입은 의미 있는 참여를 촉진하고 정신적·정서적 건강을 보호할 수 있습니다. 중요한 점은, 디지털 웰빙은 단순히 화면 사용 시간을 최소화하는 것을 넘어섭니다; 이는^{기술과 균형} 잡히고 자율적인 관계를 키우는 것을 포함합니다. 이 관점은 특히 AI 강화 학습 환경에서 중요한데, 알고리즘 편향과 자동화에 대한 과도한 의존과 같은 윤리적 도전이 학생들의 역량 감각, 자^율성, 그리고 핵심 심리적 욕구에 직접적인 영향을 미칠 수 있기^{때문입니다.} 이 격차를 메우려면 디지털 상호작용의 위험을 다룰 뿐만 아니라, 교육 분야에서 생성형 AI 도구 설계와 활용에 웰빙 원칙을 적극적으로 통합하는 프레임워크가 필요합니다.

생성형 AI가 인간과 유사한 텍스트, 사진, 행동에 반응하는 게임을 생성하면서 개인화되고 적응형 학습의 새로운 가능성 영역이 열^{렸습니다.} 연구에 따르면 행정 프로세스 자동화, 개인 맞춤형 학습 자료 생성, 실시간 피드백 제공^{, 그리고 지침}의 효율성과 접근성 향상에 효과적임이 확인되었습니다. 예를 들어, 지능형 튜터링 시스템(Intelligent Tutoring Systems)과 ChatGPT와 같은 AI 기반 도구들이 차별화된 수업을 촉진하는 것으로 입증^{되었습니다.} 하지만 생성형 AI의 교육적 사용에는 학문적 진실성 문제, 알고리즘의 편향, 그리고 학생들이 AI^{생성 작품에} 지나치게 의존할 경우 비판적 사고력을 잃을 가능성 등 윤리적·심리적 함의도 존재합니다. 현재 연구는 교육에서 AI의 기능 능력에 관한 방대한 정보를 제공하지만, 특히 디지털 웰빙과 관련하여 학생들에게 미치는 심리적·행동적 영향에 대해서는 탐구하지 않고 있습니다²⁷. 이러한 오류는 생성형 AI가 학생들의 인지 및 정서적 웰빙에 해를 끼치기보다는 어떻게 도움이 될 수 있는지에 대해 더 면밀히 검토할 필요가 있음을 시사^합니다. 디지털 웰빙과 생성형 AI의 결합은 세계가 공평하고 지속 가능한 발전이라는 세계적 부명을 발전시킨 SDGs의 렌즈를 통해 새로운 중요성을 갖게 됩니다. SDG 4(양질의 교육)는 학습 기회에 대한 공평하고 포용적인 접근을 요구합니다²⁹. 마찬가지로 SDG 3(건강과 웰빙)과 SDG 10(불평등 감소)은 정신 건강 관리와 사회적 형평성 증진의 필요성을 강조하며, 이는^{모두 학생들의} 디지털 경험과 관련이 있습니다. 그러나 AI와 SDGs는 현재 기술 긍정주의적 방식으로 논의되고 있으며, AI 개입의 확장성을 칭찬하고 기술 활용의 심리사회적 측면은 무시하고^{있습니다.} 예를 들어, AI가 소외된 인구의 학습 경험을 개인화할 수는 있지만, 그 구현에는 복지 보호가 부족하여 디지털 피로가 증가하고 기술 접근성과 자기 조절 능력이 다른 학생들 간의 불평등 격차를 심화시킬 수 있습니다. 혁신과 웰빙 사이의 긴장은 이 문헌 간의 간극이 매우 중요하다는 사실을 더합니다. AI 기반 교육 발전을^{SDGs 33}의 인본주의 이상과 결합할 수 있는 일관되고 일관된 틀의 존재가 중요합니다.

교육 심리학, 인간-컴퓨터 상호작용, 지속 가능성 연구는 이 두 연구 분야를 연결하는 유용한 관점을 제공할 수 있는 이론적 접근법 중 일부입니다. 이러한 이론의 예로는 자기결정론(SDT)이 있는데, 이는 사람들이 자율성, 능력, 그리고 관련성의 만족을 경험할 때 건강한 학습과 웰빙을 달성할 수 있다고 본다³⁴. 디지털 환경에 적용할 때, SDT는 생성형 AI가 맞춤형 학습 프로그램을 통한 자율성과 피드백의 적응성 덕분에 역량을 높일 수 있음을 의미하지만, 사회적 변위를 초월하여 관련성을 지원하도록 설계되어야 함을^{의미합니다.} 마찬가지로, 기술 사용이 개인과 집단의 웰빙을 모두 충족시키는 디지털 균형 개념^{은 교육에서} AI의 역할을 평가하는 규범적 근거를 제공합니다. 그럼에도 불구하고, 이러한 이론적 구성들은 AI 기반 학습 환경의 실증적 분석에 거의 반영되지 않아, 디지털 웰빙에 본질적으로 지향된 AI 시스템을 어떻게 설계할 수 있는지에 대한 의문을 남긴다³⁷. 문헌에 대한 비판적 검토는 몇 가지 해결되지 않은 긴장과 향후 발전 영역이 있음을 보여줍니다³⁸. 우선, 디지털 웰빙 문제는 절제와 마음챙김에 현명하게 초점을 맞추고 있지만, 생성형 AI는 몰입과 몰입의 문제이며, 이 역설은 실증^{적 해답}이 필요합니다. 둘째, 교육에서 AI에 관한 윤리적 논의는 데이터 프라이버시와 알고리즘 투명성에 크게 기반을 두고 있었으며, AI⁴⁰과의 상호작용이 심리적으로 미치는 영향에 대해 깊이 고민하지 않았습니다. 셋째, SDGs가 제공하는 지속 가능성과 형평성에 대한 초점은 AI 실제 구현의 기술적·교육적 측면과 포괄적으로 연결되지 않습니다. 이 장애를 극복하기 위해서는 학문 분야를 교차하고 인지과학, 행동경제학, 교육 정책의 통찰을 활용해 기술적으로 안정적일 뿐만 아니라 인도적인 프레임워크를 마련하는 것이 중요합니다. 그림 1 은 본 연구의 개념적 틀을 보여주며, 모든 변수와 이들 간의 경로 관계를 포함한다. 이 모델에서는 연구 변수 간의 가설적 관계가 개념적 틀 안에 제시됩니다.

프로토콜

이 연구는 익명 설문조사 및/또는 사전 동의를 제공한 참가자들과의 인터뷰를 포함해 기관심사위원회(IRB)의 공식 윤리적 승인이 필요하지 않았습니다. 개인적이거나 민감한 정보는 수집되지 않았으며, 모든 답변은 연구 목적으로만 기밀로 처리되었습니다. 참여는 자발적이었으며, 응답자들은 연구 목적에 대해 정보를 제공받아 의견을 제시했습니다.

이 연구는 정량적이고 횡단면적인 설계를 사용하여 영어를 외국어로 하는 학생들의 디지털 웰빙, 생성형 AI 사용, 학업 성과 간의 관계를 조사했습니다. 데이터는 여러 중국 대학의 EFL 학부 학생 440명을 대상으로 온라인 설문조사를 통해 수집되었으며, 이들은 생성형 AI 도구를 적극적으로 학습에 활용했습니다. 구조화된 설문지는 디지털 웰빙을 위한 12문항 척도(⁴¹), 생성형 AI 사용을 위한 8문항 척도, 자기인식 학업 성공 척도⁴², SDG 인식 및 학습 참여 측정 등 검증된 척도를 사용했으며, 모두 5점 리커트 응답을 사용했습니다. 데이터 분석은 SPSS v.27을 사용하여 기술 통계 및 신뢰성 검사를, SmartPLS v.4.0을 사용하여 측정 및 구조 모델을 평가하는 2단계 프로토콜을 따랐으며, 테스트 경로 유의성에는 부트스트래핑이 적용되었습니다.

연구 설계
이 연구에서 사용된 연구 설계는 정량적이고 횡단적으로 디지털 웰빙, 생성형 AI, 학생의 학업 성공, 그리고 SDGs가 EFL 학생들 사이에서 어떻게 연관되는지 규명하기 위해 이루어졌습니다. 단면 설계는 연구자가 한 시점에서 데이터를 수집하고 연구 대상 변수의 그림을 제공할 수 있게 합니다. 정량적 연구 설계는 결과를 측정 가능하고 통계적으로 분석 가능한 정보에 기반하여 결과를 더 신뢰할 수 있고 일반화되도록 만듭니다. 이 패턴은 디지털 웰빙과 생성형 AI가 학업 성취도와 SDGs에 미치는 직접적·간접적 영향을 분석하는 데 특히 적용 가능한데, 이는 구조 방정식 모델링과 같은 정교한 통계 절차를 활용할 수 있게 해줍니다.

개체 수 및 표본
이 연구의 대상 대상은 중국 내 고등교육기관의 영어 외국어(EFL) 프로그램에 등록된 학부생들이었습니다. 참여하려면 학생들이 다음 포함 기준을 충족해야 했습니다: 현재 학부생으로 재학 중이며, ChatGPT, Copilot 등 생성형 AI 도구(예: 글쓰기 지원, 연구, 콘텐츠 생성 등)를 정기적인 학업 학습 과정의 일환으로 적극적으로 사용하고 있으며, 정보에 기반한 동의를 제공해야 했습니다. 제외 기준은 학술 목적으로 생성형 AI를 사용하지 않고, 대학원 또는 비학위 학생이며, 설문 응답이 불완전한 경우였습니다.

목적 표본 추출 기법을 사용하여 이 기준을 충족하는 참가자를 모집하여 핵심 AI 사용 변수의 의미 있는 측정을 보장했습니다. 최종 표본은 N = 440명의 참가자로 구성되었으며, 이는 부분 최소제곱 구조 방정식 모델링(PLS-SEM)에 필요한 통계적 견고성에 적합한 크기로 간주되었습니다. 대표성과 일반화 가능성을 높이기 위해 여러 대학과 다양한 학문 분야(인문학, 사회과학, STEM)에서 채용이 이루어졌습니다. 표본의 인구통계학적 데이터는 다음과 같습니다: 연령대는 18세에서 24세 사이(M = 20.4, SD = 1.6); 성별은 여성 58%(n = 255), 남성 42%(n = 185)로 분포되었고; 학년에는 1학년(22%, n = 97), 2학년(31%, n = 136), 3학년(28%, n = 123), 4학년(19%, n = 84) 학생들이 포함되었습니다. 체중에 관한 정보는 연구 구성과 관련이 없어 수집되지 않았습니다.

데이터 수집 절차
데이터 수집은 안전한 플랫폼(예: Qualtrics)에서 진행된 익명 온라인 설문조사를 통해 이루어졌습니다. 대상 대학 전역의 잠재 참가자들은 기관 이메일 리스트, 학습 관리 시스템(예: Moodle, Blackboard) 공지, 그리고 관련 학생 소셜 미디어 그룹을 통해 초대되었습니다. 초대장에는 연구의 목적, 자발적 성격, 예상 완료 시간(15-20분), 그리고 기밀 유지 보장이 명확히 명확히 명시되어 있었습니다. 설문조사 첫 페이지에는 상세한 동의서가 포함되어 있었고; 디지털 동의를 제공한 참가자만이 설문지에 참여했습니다. 순서 편향을 줄이기 위해 설문 섹션은 각 응답자에게 무작위 순서로 제시되었습니다. 데이터 수집 창은 2주간 열려 있었습니다. 초대 후 일주일 만에 참여를 장려하고 응답률을 높이기 위해 원래 채널을 통해 단 한 번의 알림이 발송되었습니다. 수집 기간 후, 데이터셋은 완전성을 위해 심사되었으며, 상당히 불완전한 응답(예: >20% 누락 데이터)은 삭제되었습니다. 최종 분석 전에 단변량 및 다변량 이상치에 대한 후속 검사가 데이터 품질을 보장하였습니다.

계측 및 측정
이 연구는 디지털 웰빙, 생성형 AI 사용, 학생 학업 성공, SDGs 인식, EFL 학생의 학습 참여 등 주요 변수를 측정하기 위해 구조화된 설문지를 활용했습니다. 디지털 웰빙은 Arslankara 등⁴¹의 12개 항목 척도를 사용하여 측정되었으며, 책임(4개 항목), 만족도(4개 항목), 웰니스(4개 항목) 하위 척도를 포함하였습니다. 생성형 AI 사용은 ChatGPT 채택 빈도에 초점을 맞춘 8개 항목 척도⁴³을 통해 실질화되었습니다. 본 연구에서는 Mehrvarz 등⁴⁴에서 인용된 Yu 등⁴²의 자기 인식 척도를 사용하여 학업 성취도를 평가하였다. 이 악기는 네 가지 항목으로 구성되어 있습니다. SDGs 인식은 Atmaca 등에서 채택한 검증된 척도를 사용하여 측정^{되었으며, 경제}적 지속 가능성(12문), 사회적 지속가능성(9문항), 환경 지속가능성(14문항)의 세 가지 핵심 차원을 포함하며, 학생들의 인식과 활동 참여를 통해 측정되었습니다. 마지막으로, Eerdemutu 등⁴⁶의 9개 문항 척도를 사용하여 EFL 언어 학습 참여도를 평가하였습니다. 모든 척도는 5점 리커트 응답을 사용했으며, 파일럿 테스트(n=30)가 신뢰도를 확인(크론백 α > 0.82)을, 확인적 요인 분석으로 구성의 독특성이 검증되었습니다.

데이터 분석 계획
수집된 데이터는 SPSS(v.27)와 SmartPLS(v.4.0)를 결합하여 2단계 분석 접근법으로 분석하였습니다. 첫째, SPSS는 예비 분석에 사용되었으며, 여기에는 기술적 통계(평균, 표준편차), 신뢰도 검정(크론바흐 알파), 상관행렬 등이 포함되어 변수 간 기초 관계를 조사했습니다. 둘째, 가설 모델의 테스트를 위해 편소 최소제곱 구조 방정식 모델링(PLS-SEM) 소프트웨어인 SmartPLS가 사용되었습니다. PLS-SEM은 잠재 변수 간 복잡한 관계를 처리할 수 있는 능력과 비정규 분포 데이터에 대한 견고성 때문에 선택되었습니다. 분석에는 측정 모델의 타당성(수렴 및 판별 타당성)과 구조적 모델 유의성(경로 계수, R² 값, 예측 관련성) 평가가 포함되었습니다. 경로의 통계적 유의성을 검증하기 위해 부트스트래핑이 수행되었습니다.

결과

이 결과는 연구의 핵심 가설을 견고하게 뒷받침하며, 디지털 웰빙과 생성형 AI 사용이 EFL 학습 참여에 긍정적인 영향을 미치는 중요한 연속적 경로를 확인시켜 주었으며, 이는 학업 성공을 촉진하고 지속가능발전목표(SDGs)에 대한 참여를 증진시킵니다. 구체적으로, 디지털 웰빙(β=0.32, p<0.001)과 생성형 AI 사용(β=0.28, p<0.001)이 학습 참여에 강한 직접적 영향을 미쳐 분산의 41%를 설명했습니다. 이러한 향상된 참여는 디지털 요인에서 학업 성공(β=0.45, p<0.001)과 궁극적으로 SDG 참여(β=0.39, p<0.001)로 전달하는 강력한 매개체 역할을 했습니다. 이 모델은 강력한 예측 타당성과 우수한 적합도를 보여주며, 긍정적인 디지털 상태를 조성하고 AI 도구를 효과적으로 통합함으로써 학업 성과와 지속 가능성 인식을 모두 향상시키는 선순환을 만들 수 있음을 시사했습니다.

토론

이전 연구들은 주로 디지털 웰빙, 교육에서의 AI, 그리고 지속 가능한 발전을 위한 교육(ESD)을 독립적으로 다뤄왔습니다⁴⁷. 개인 디지털 역량이 신기술과 어떻게 교차하여 학업 성과뿐 아니라 세계 시민의식까지 이끌어내는지에 대한 이해에 상당한 격차가 존재했습니다. 이 연구는 이 영역들을 독특하게 연결합니다. 우리는 디지털 웰빙(β = 0.32, p<0.001)과 GAI 채택(β = 0.28, p<0.001)이 EFL 학습 참여의 중요한 보완적 선행 요인임을 입증했으며, 이는 통합 모델에서 덜 탐구되는 관계입니다. 특히 이러한 참여는 학업 성공을 이끌어 주며(β = 0.45, p<0.001), 이는 학생 수준의 SDG 인식 향상을 예측합니다(β = 0.39, p<0.001). 기관 내 ESD 프로그램에서 학습자 중심 성과로 초점을 전환함으로써, 이 모델은 교육 경험이 어떻게 지속 가능성 의식을 자연스럽게 키울 수 있는지 설명하...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
학업 성공 척도	유 외(2010)에서 각색함	해당 없음	측량 기기
눈가리개 절차 (Q2)	스마트PLS	내부 루틴	분석 절차
부트스트래핑 절차	스마트PLS	내부 루틴	분석 절차
복합 신뢰성 평가	스마트PLS	내부 루틴	분석 절차
상관 행렬 분석	IBM SPSS 통계	내부 루틴	분석 절차
크론백의 알파 신뢰성 분석	IBM SPSS 통계	내부 루틴	분석 절차
데이터 저장 시스템	기관 IT	보안 서버	장비 및 재료
기술적 통계 분석	IBM SPSS 통계	내부 루틴	분석 절차
디지털 웰빙 척도	Arslankara 외 (2022)	해당 없음	측량 기기
EFL 학습 참여 척도	Eerdemutu 외 (2024)	해당 없음	측량 기기
포넬-라커 기준 평가	스마트PLS	내부 루틴	분석 절차
생성형 AI 사용 규모	Abbas 외 (2024)에서 각색함.	해당 없음	측량 기기
이성형질-단일 형질(HTMT) 비율 평가	스마트PLS	내부 루틴	분석 절차
IBM SPSS 통계	IBM	버전 27	소프트웨어
사전 동의 문서	연구팀	전자 양식	장비 및 재료
온라인 설문지	연구팀	자치 관리	장비 및 재료
PLS 알고리즘	스마트PLS	내부 루틴	분석 절차
PLS-SEM 소프트웨어	스마트PLS	버전 4.0	소프트웨어
SDG 인식 척도	Atmaca 외 (2019)에서 각색함	해당 없음	측량 기기
스마트PLS	스마트PLS GmbH	버전 4.0	소프트웨어