인공지능 기반 성과상여금 평가에 관한 교육구성원의 인식 차이 연구

• 영문명: A Study on the Perceptual Differences of Educational Members Toward AI-Based Performance Bonus Evaluation
• 발행기관: 한국교원대학교 융합교육연구소
• 저자명: 김경선(Gyeong-seon Kim) 공후재(Hu-jae Gong) 김혜원(Hye-won Kim)
• 간행물 정보: 『융합교육연구』제11권 제3호, 87~123쪽, 전체 37쪽
• 주제분류: 공학 > 공학일반
• 파일형태: PDF
• 발행일자: 2025.11.30

국문 초록

본 연구는 교원과 교육행정직이라는 상이한 조직문화 집단을 대상으로 AI 기반 성과상여금 평가의 인식과 수용 과정을 규명하고 직종별 맞춤형 AI 도입 전략의 근거를 마련하는 데 목적을 두었다. 시·도교육청 소속 교원과 교육행정직 254명을 대상으로 2025년 5~7월 온라인 설문조사를 실시하고, 결측치는 다중대체(MI, m=5)로 처리하였다. SPSS PROCESS macro(Model 4, 59, 29)를 활용해 매개·조절 및 조건부 간접효과를 분석하였다. 분석 결과, 교원 집단에서는 AI 이해도가 공정성·신뢰성·객관성 인식을 매개해 수용도로 이어졌으며, 특히 공정성이 핵심 매개 요인으로 나타났다. 반면 교육행정직 집단은 매개 효과 없이 AI 이해도가 직접적으로 수용도에 영향을 미쳤다. 또한 교원 집단에서는 AI 사용 경험이 조절 효과를 보여, 경험이 낮을수록 공정성, 경험이 높을수록 신뢰성이 수용도에 더 큰 영향을 미쳤다. 이는 교원이 중심경로적 처리 방식, 교육행정직은 주변경로적 단서를 통해 수용도를 형성함을 보여주며, 직종별 조직문화 차이에 따른 수용 경로의 이질성을 시사한다. 정책적으로 교원은 투명한 기준과 피드백, 교육행정직은 제도적 지원과 신뢰 환경 조성이 요구된다.

영문 초록

This study aims to identify how two occupational groups with distinct organizational cultures —teachers and education administrators—perceive and accept AI-based performance bonus evaluations, thereby providing a foundation for job-specific AI adoption strategies. An online survey was conducted from May to July 2025 with 254 participants affiliated with metropolitan and provincial offices of education. Missing data were treated using Multiple Imputation (MI, m = 5). Mediation, moderation, and conditional indirect effects were analyzed using the SPSS PROCESS macro (Models 4, 59, and 29).The results showed that, among teachers, AI literacy influenced acceptance through perceptions of fairness, trustworthiness, and objectivity, with fairness emerging as the key mediating factor. In contrast, for education administrators, AI literacy directly predicted acceptance without mediation. Additionally, within the teacher group, AI use experience moderated the effects—fairness was more influential among those with lower experience, while trustworthiness became more influential among those with higher experience. These findings suggest that teachers process AI evaluation through a central-route mechanism emphasizing fairness and trustworthiness, whereas education administrators rely more on peripheral cues such as authority and institutional norms. The results highlight the heterogeneity of acceptance pathways across occupational cultures. From a policy perspective, enhancing transparency and feedback mechanisms is crucial for teachers, while institutional support and trust-based environments are necessary for education administrators.

목차

Ⅰ. 연구의 필요성 및 목적

Ⅱ. 연구문제

Ⅲ. 이론적 배경

Ⅳ. 연구 방법

Ⅴ. 분석 결과

Ⅵ. 결론 및 제언

참고문헌

키워드

AI 평가 성과상여금 느슨한 결합 긴밀한 결합 정교화 가능성 모델(ELM) AI Evaluation Performance Bonus Loose Coupling Tight Coupling Elaboration Likelihood Model (ELM)