Development and Validation of a Scale to Measure Academic Cheating through Generative AI (GAI-ACS)

• 발행기관: 부산대학교 교육발전연구소
• 저자명: 장세진 한광현
• 간행물 정보: 『교육혁신연구』제35권 제2호, 175~199쪽, 전체 25쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

Purpose: The objective of this study is to develop and validate a scale for measuring academic cheating related to the use of generative artificial intelligence (GAI) in the learning process. The study aimed to address the limitations of existing instruments in capturing the new ethical challenges posed by the rapid advancement of GAI technologies. Method: Preliminary items were developed through a comprehensive literature review and expert consultation. The reliability and validity of the scale were verified using the Delphi method and preliminary and main surveys conducted with undergraduate students in South Korea. Exploratory factor analysis and confirmatory factor analysis were used to identify the factor structure and evaluate model fit. Results: Two factors were identified: (i) acceptance of AI-generated outputs and (ii) non-disclosure of AI use. The scale demonstrated acceptable internal consistency and construct validity. The final model showed a good fit, supporting the structural soundness of the two-factor framework. Conclusion: The GAI-ACS developed in this study is a reliable instrument for measuring academic cheating behaviors in the context of generative AI use. It can serve as foundational data for promoting ethical awareness and for informing institutional policy and ethical education in AI-integrated learning environments.

영문 초록

연구목적: 본 연구의 목적은 학습 과정에서 생성형 인공지능의 활용과 관련된 학업부정행위를 측정하는 척도를 개발하고 타당화하는 것이다. 본 연구는 GAI 기술의 급속한 발전으로 인해 새롭게 대두된 윤리적 문제를 기존 측정 도구들이 충분히 반영하지 못하는 한계를 해결하고자 하였다. 연구방법: 예비 문항은 포괄적인 문헌 고찰과 전문가 자문을 통해 개발되었다. 본 척도의 신뢰도와 타당도는 델파이 조사 및 대한민국의 학부생을 대상으로 실시한 예비조사와 본조사를 통해 검증되었다. 요인 구조를 확인하고 모형의 적합도를 평가하기 위해 탐색적 요인분석과 확인적 요인분석이 활용되었다. 연구결과: 두 개의 요인이 도출되었으며, 이는 (ⅰ) AI 생성물에 대한 수용과 (ⅱ) AI 사용의 비공개로 나타났다. 척도는 수용 가능한 수준의 내적 일관성과 구성 타당도를 보였다. 최종 모형은 양호한 적합도를 보여, 2개 요인 구조의 구조적 타당성을 지지하였다. 논의 및 결론: 본 연구에서 개발된 GAI-ACS는 생성형 AI 활용 맥락에서의 학업부정행위를 측정하는 신뢰로운 도구이다. 이 척도는 윤리적 인식 제고를 위한 기초 자료로 기능할 수 있으며, AI 통합 학습 환경에서의 제도적 정책 및 윤리교육을 위한 근거로 활용될 수 있다.

목차

1. Introduction

2. Methodology and Procedures

3. Research Results

4. Conclusion

5. Discussion

References

키워드

생성형 인공지능 학업부정행위 척도 타당도 기술 활용 generative AI academic cheating scale valid technology utilization