3d 조형 교육에서 생성형 AI 활용의 학습자 경험 연구

황정석; 조택연

추천

검색

자료유형: 학술저널

저자정보: 황정석 (홍익대학교) 조택연 (홍익대학교)

저널정보: 한국공간디자인학회 한국공간디자인학회 논문집 한국공간디자인학회 논문집 제19권 제5호

발행연도: 2024.8

수록면: 417 - 430 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

(연구 배경 및 목적) 3d 조형 학습에서 인간의 한계, 특히 기억과 인지적 과부하는 복잡한 정보 처리와 창의적 디자인 과정에 큰 도전이 된다. 최근 생성형 도구의 발전은 이러한 한계를 극복하고 학습 효과를 높일 수 있는 가능성으로 대두되고 있다. 본 연구는 3d 조형 학습에서 생성형 AI 도구 활용이 학습자의 인지적 한계를 보완하고 창의적 능력을 발휘하는 데 미치는 영향과 경험 탐구를 목적으로 한다. (연구 방법 및 범위) 첫째, 문헌 연구를 통해 3d 조형 학습의 인지적 한계와 AI 도구의 특성, 인공지능을 적용한 디자인 교육의 현황에 대해 고찰한다. 둘째, 기술 수용 모델(TAM)을 바탕으로 척도를 설계하고 디자인전공 학부생 40명을 대상으로 Krea AI, DALL-E, Pinterest, Firefly 등 다양한 AI 도구를 활용한 3d 조형 학습을 진행한다. 셋째, 학습 후 설문조사를 통해 각 도구의 특성과 학습 효과를 평가한다. 넷째, 수집된 데이터를 바탕으로 다중회귀분석을 실시하여 주요 변수들의 영향력을 분석한다. 다섯째, 분석 결과를 토대로 AI 도구 활용의 효과성과 한계점을 논의하고, 결론을 제시한다. (결과) 분석 결과, 창의성 지원(β=0.426, p<0.001)이 사용자 만족도에 가장 큰 영향을 미쳤으며, 지각된 유용성(β=0.418, p=0.005)과 사용 용이성(β=0.218, p=0.014) 순으로 영향력이 나타났다. AI 도구 중 DALL-E가 새로운 아이디어 탐색(45%)과 사용 용이성(32.5%)에서 가장 높은 선호도를 보였다. 또한 AI 도구 활용이 학습자의 작업 기억 한계를 효과적으로 보완하고, 복잡한 3d 조형 디자인 과정에서 새로운 아이디어 생성과 창의적 문제 해결을 지원하는 것으로 관찰되었다. (결론) 본 연구는 AI 도구가 3d 조형 학습에서 학습자의 인지적 한계를 보완하고 창의적 능력을 확장하는 ‘협업 파트너’로 기능할 수 있음을 시사한다. 특히 창의성 지원 기능이 학습 만족도에 큰 영향을 미치는 것으로 나타나며, 향후 3d 조형 교육에서 AI 도구의 창의적 활용을 강화할 필요성을 제기한다. 또한 학습자의 특성과 경험 수준에 따라 적합한 AI 도구를 선택하고 조합하여 활용하는 전략이 효과적일 것으로 제안한다.

(Background and Purpose) In the field of 3D design learning, human cognitive limitations, particularly in memory and processing capacity, present significant challenges in dealing with complex information and engaging in creative design processes. Recent developments in generative tools have emerged as a promising solution to these limitations, offering the potential to enhance learning effectiveness. This study investigates the impact of generative AI tools in 3D design education, focusing on how they can complement learners’ cognitive constraints and foster their creative abilities. The research explores learners’ experiences as they integrate these AI tools into their design processes. (Methods) The research methodology encompasses several key steps. First, a comprehensive literature review was conducted to examine the cognitive limitations inherent in 3D design learning, the distinctive features of AI tools, and the current landscape of AI integration in design education. Subsequently, a scale was developed based on the Technology Acceptance Model (TAM) to assess the learners’ experiences. The study involved 40 undergraduate design majors who participating in 3D design learning sessions using various AI tools, including Krea AI, DALL-E, Pinterest, and Firefly. After the learning sessions, surveys were administered to evaluate the characteristics and outcomes associated with each tool. The collected data were subjected to multiple regression analysis to determine the influence of key variables. Finally, the research team discusses the effectiveness and limitations of AI tool usage based on the analysis results and presents conclusions. (Results) Data analysis revealed several significant findings. Creativity support emerged as the most influential factor on user satisfaction (β=0.426, p<0.001), followed by perceived usefulness (β=0.418, p=0.005) and ease of use (β=0.218, p=0.014). Among the AI tools utilized, DALL-E demonstrated the highest preference among learners, particularly for exploring new ideas (45%) and ease of use (32.5%). Notably, AI tools effectively complemented learners’ working memory limitations and provided substantial support for generating novel ideas and solving creative problems throughout a complex 3D design process. (Conclusion) This study provides compelling evidence that AI tools can serve as valuable “collaborative partners” in 3D design learning environments. These tools demonstrate their capacity to complement learners’ cognitive limitations while expanding their creative abilities. The study highlights the significant influence of creativity support on overall learning satisfaction, emphasizing the importance of enhancing the creative application of AI tools in future 3D design education curricula. Furthermore, the findings suggest that developing strategies for selecting and combining appropriate AI tools based on individual learner characteristics and experience levels could prove highly effective in optimizing learning experiences and outcomes in 3D design education.

#조형교육 #생성형AI #기술수용이론 #3d 모델링 #학습경험 #Design Education #Generative AI #TAM #3D Modeling #Learning Experience

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)