생성형 AI를 활용한 콘텐츠 제작 기반 메이커 교육 프로그램 개발 : TMSI 모형에 따른 시각 디자인 전공 교육 사례

2. 1. 생성형 AI 현황

생성형 AI는 사용자의 요구인 프롬프트(prompt)에 맞는 결과물을 딥러닝된 데이터를 바탕으로 생성하는 인공지능이다. 생성형 AI로 글을 생성하는 ChatGPT와 이미지를 생성하는 미드저니가 대표적인 서비스다. 위 서비스로 생성한 글과 이미지는 사람의 창작물과 비교해도 손색없을 수준이다. 이에 국내 소설 작가와 ChatGPT가 함께 소설을 집필하였다. 그리고 일본의 만화 거장 데즈카 오사무의 작품인 블랙잭을 생성형 AI 스테이블 디퓨전으로 재연재하고 있다.

Figure 1

Examples of Generative AI about novel (left) and re-producted cartoons (right)

최근 등장한 생성형 AI는 영상, 소리, 음악, 목소리, TTS까지 생성하는 수준으로 발전했다. 현재 등장한 생성형 AI 서비스와 기능은 <Table 1>과 같다. 이처럼 생성형 AI는 생성하고자 하는 콘텐츠와 세부 기능에 따라 서비스가 파편화되어 있음을 알 수 있다.

Table 1

Cases of Generative AI Service

2. 2. 생성형 AI를 활용한 교육 방안

생성형 AI는 디자인 산업과 교육에 영향을 미치고 있다. 이는 생성형 AI가 디자인 작업 시간을 효과적으로 단축시키며, 디자이너 역량에 긍정적인 영향을 미치기 때문이다(Choi, 2023). 디자인 교육 분야에도 생성형 AI를 도입한 결과 아이디어를 1.67배 이상 도출하였는데, 이는 전통적 아이데이션 수준의 완성도였다(Yi, Yeoun, 2023).

디자인 교육 외에도 다양한 분야에서 생성형 AI를 도입한 교육 프로그램 개발 연구가 진행되고 있다. 이는 특정 콘텐츠를 생성형 AI를 통해 글과 그림으로 재창작하는 데 집중한 교육이다. <Table 2>

Table 2

Prior research on the Education Program with Generative AI

생성형 AI 기반 교육 활용의 선행 연구는 주로 ChatGPT만 활용한다는 한계가 있다(Seo & Park, 2023). 더하여 <Table 2>에 제시된 선행 연구는 생성형 AI를 활용하여 이미지를 생성하는 과정의 방법과 활용 방안에 집중한 한계가 있다. 이는 교육 방안을 제시하였으나, 이를 경험한 학생의 교육 과정 평가가 없기 때문이다. 따라서 생성형 AI 활용 교육 프로그램 참여자의 실질적 평가가 필요한 시점이라 할 수 있다.

2. 3. TMSI 교수학습 모형 기반 메이커 교육

오늘날 메이커(maker)는 무엇을 만드는 사람이란 의미에서 제작 과정에서 얻은 경험과 지식을 공유하는 사회문화적 활동으로 의미가 확장되었다(Eom & Lee, 2020). 이러한 활동은 학습자가 다양한 도구와 테크놀로지 기술을 활용해 자기 주도적으로 문제를 해결하는 교육 방안으로 활용되고 있다(Kim & Lim, 2019). 이러한 교육 방안을 메이커 교육이라 한다. 메이커 교육은 테크놀로지 기반의 프로젝트 진행을 위해 협업과 소통하는 교육이기 때문에, 4차 산업혁명 시대에 맞는 창의적인 인재 양성 방법으로 제시되고 있다(Kim, 2018).

이러한 메이커 교육은 교수학습 모형을 통해 프로그램으로 구현된다. 이러한 교수학습 모형으로 TMSI 모형이 있다. TMSI는 교육 과정에서 프로젝트 진행을 위해 생각하고 만들며, 팀원 및 상대팀과 프로젝트 내용을 공유하고 개선하는 과정을 바탕으로 한 모형이다. <Table 3>

Table 3

Process of the TMSI Model

이러한 TMSI 기반 메이커 교육은 대학교와 같은 고등교육 기관에도 통용될 수 있다. 이는 대학생을 대상으로 기업가 정신을 함양하는 메이커 교육을 실험한 결과 긍정적인 자기유능감 향상에 영향을 미친다고 밝힌 선행 연구가 진행되었기 때문이다(Kim, 2017). 더하여, 생성형 AI와 관련한 수업 도출에도 활용될 수 있을 것이다. 이는 TMSI 교수학습 모델을 바탕으로 한 메이커 교육으로 ChatGPT 활용 교육 프로그램을 구축하는 선행 연구가 진행된 바 있기 때문이다(Lee, 2023). 이에 본 연구는 생성형 AI를 활용한 교육 프로그램 개발에 TMSI 모델이 활용될 수 있을 것이라 판단하였다.

3. 1. 프로그램 방향 설정

본 연구는 선행 연구의 내용과 현재 생성형 AI의 현황을 바탕으로 생성형 AI를 활용한 디자인 전공 교육 프로그램을 개발하고자 한다.

첫째, 프로그램은 시각디자인 전공생을 위한 교육 프로그램에 집중한다. 이는 시각디자인 전공이 다른 전공에 비해 생성형 AI를 통한 이미지 생성 활용 교육에 대해 높은 흥미를 가지고 있으며, 생성형 AI를 통한 2차 창작 작업에 대한 교육을 필요로 하기 때문이다(Seo & Park, 2023). 생성형 AI는 2D, 3D, UI/UX 디자인 영역에서 객체 및 동적 이미지의 시각화에 유용하게 사용될 수 있는 툴로서 제시되었다(Choi & Lee, 2024; Park, 2023). 이에 시각화를 중심으로 구성된 디자인 전공에 맞도록 교육 프로그램 개발에 집중하고자 한다.

둘째, 본 연구에서 생성형 AI를 통한 프로그램은 시각디자인 전공에 맞는 콘텐츠 제작을 목표로 설정한다. 현재 생성형 AI가 디자인 산업에서 콘텐츠 제작과 개선, 프로덕션 업무에 주로 사용되고 있다(Anantrasirichai & Bull, 2022). 디자인 교육은 업계의 구조와 흐름을 바탕으로 커리큘럼을 구성할 때 긍정적인 교육 효과가 유발된다(Cross, 2004). 이에 본 연구는 디자인 산업에서 생성형 AI가 주로 사용되는 콘텐츠 제작을 바탕으로 교육 프로그램을 구축한다.

셋째, 파편화되어 있는 다양한 생성형 AI 서비스를 가능한 한 모두 이용하여 콘텐츠를 제작한다. 이는 글, 이미지, 영상 생성의 서비스가 파편화되었기 때문이다. 생성형 AI를 활용한 교육 개발 선행 연구의 사례 <Table 2>와 같이 현재 연구는 주로 ChatGPT 활용에 집중됐다. 이에 본 연구는 다양한 생성형 AI를 통해 디자인을 도출하는 과정에서 인간의 생각을 빠르고 완성도 높게 구현하는 도우미로서 생성형 AI를 느끼도록 교육의 방향을 설정하고자 한다.

넷째, 다른 학습자와 소통하며 흥미를 유발하기 위해 생성형 AI를 사용하며 구성한 프롬프트를 공유한다. 이를 통해 다른 팀의 프롬프트를 확인하여 새로운 생성형 AI 활용 방법에 대하여 습득하도록 한다. 이는 TMSI 교육에서 ‘S’에 해당하는 공유 과정으로서 설정한다.

3. 2. 메이커 교육 적용 커리큘럼 설계

본 연구에서 교육 프로그램을 위해 <Table 3>의 TMSI 모형 5단계를 바탕으로 강의를 구성하고자 한다. 이를 위한 세부 과정을 15주차 기반의 한 학기 과정으로 설정한다. 각 단계별 실행 내용은 다음과 같다.

본 연구에서 제시하는 프로그램은 초기에 아이디어를 구성하기 위해서 글을 쓰고 세계관과 이야기를 구축한다. 그리고 영상 콘텐츠 제작을 위한 스토리보드 구성과 이미지 생성을 한다. 중간고사는 각 팀의 콘텐츠 내용과 프롬프트를 공유하며 소통하는 단계로 구성한다.

중간고사 이후에는 생성한 이미지를 영상으로 재생성하는 AI를 사용한다. 다음으로 이미지 및 영상에 사람이 말하는 상황을 연출하기 위해서 TTS 생성과 화면 내 사람 입모양을 TTS에 맞춰 움직이는 영상을 생성한다. 마지막으로, 최종 콘텐츠 결과물과 프롬프트를 공유하여, 생성형 AI를 통한 창작 활동에 동기부여 및 흥미를 유발하도록 한다.

상기 프로그램에서 이미지 및 영상 생성을 하고 콘텐츠를 구성하는 M, I 단계는 시각디자인 전공에 맞게 시각화 영역에 집중한 단계다. S는 생성형 AI 활용을 위한 프롬프트 공유에 집중하여 흥미 유발 단계로서 설정하였다.

3. 3. 연구 대상 및 메이커 교육 수행

본 연구 대상은 연구자의 대학에 소속된 2~4학년 학생 총 50명으로 설정한다. 피험자는 생성형 AI를 바탕으로 콘텐츠를 제작하는 신규 강의를 개설하여 모집한다. 강의는 2개 반에 25명씩 분류하였다. 팀은 5~6명씩 모여 10개 팀으로 구성하도록 설정했다. 강의는 <Table 4>의 주차별 세부 과정을 매주 수행하는 방식으로 운영하였다.

Table 4

Based-TMSI Model for Design Education Program with Gen AI

명확한 연구를 위해, 강의에서 각 팀은 서로 동일한 주제 및 결과물을 도출하지 않도록 설정하였다. 이는 서로 다른 방향의 콘텐츠를 제작해야 흥미를 느끼고 각 팀의 프롬프트를 배우고자 하는 동기부여를 유발할 것으로 판단했기 때문이다. 강의에서 학생들이 설정한 콘텐츠 방향과 내용은 <Table 5>와 같다.

Table 5

The Participants's Topic and Contents Descriptions for Team

참여 학생은 47명으로 2학년 14명, 3학년 19명, 4학년 9명이었다. 본 과정에 참여한 학생 중, 편입 및 전과에 해당하는 3학년은 총 8명이었다. 따라서 시각디자인 기초 교육을 위해 2학년 수업을 병행하는 편입생의 상황을 고려한다면, 본 프로그램은 2학년이 중심 강의라 할 수 있다. 프로그램은 2023년 9월 1주차부터 12월 2주차까지 총 15주차동안 진행되었다. 주차별 세부 활동은 <Table 4>의 내용과 동일하게 진행하였다. 메이커 교육 실천을 위해 생성형 AI에 대한 교육은 약 1시간 동안 전달하고, 콘텐츠 제작은 약 2시간 동안 진행하였다.

4. 1. 자료 수집 및 분석

본 연구는 생성형 AI를 바탕으로 한 교육에 참여한 학생의 평가가 부족한 <Table 2>의 선행 연구의 한계를 보완하기 위해, TMSI 기반 생성형 AI 교육 프로그램을 학생에게 평가받고자 한다. 이에 본 연구에서 제시한 프로그램 평가를 위해 3가지 방법으로 데이터를 수집하고 분석하였다.

첫째, 생성형 AI 사용 방법 습득과 콘텐츠 제작에 대한 자신감, 도전과 흥미, 협업과 공유에 대한 개인의 평가를 리커트 5점 척도로 조사하였다. 위 평가는 생성형 AI를 통해 콘텐츠 제작을 하기 전과 후에 느끼는 개인의 감정에 차이를 확인하기 위함이다.

둘째, 프로그램 평가 전후의 차이에 영향을 미친 요인을 도출하기 위해서 비구조식 인터뷰를 진행하였다. 이는 5점 척도 조사를 통해 확인한 정량분석에 영향을 미치는 정성요인을 확인하기 위함이다.

셋째, 프로그램 종료 후에 생성형 AI에 대한 인식 확인을 위해 교차검증을 진행한다. 이는 AI를 인간의 도우미로서 느끼도록 교육의 전환이 필요한 시점이기에, 생성형 AI를 통해 콘텐츠를 제작하며 생성형 AI에 대한 인식을 확인하기 위해 진행한다. 각 팀에서 AI로 생성한 콘텐츠와 프롬프트 공유 자료는 <Table 6>과 같다.

Table 6

The Participants's Output and Sharing the Prompt for Team

4. 2. 대응표본 T-검정 분석 결과

프로그램 전후 차이를 비교하기 위해서 본 연구는 3가지 요인을 바탕으로 질문을 구성하였다. Han & Shin(2021)은 메이커 교육 평가를 위해 자신감, 도전에 대한 흥미, 협업과 공유 요인을 설문조사로 설정했다. 이에 본 연구도 동일한 요인을 바탕으로 문항을 <Table 7>과 같이 설정하였다.

Table 7

Question for the Survey

설문조사는 프로그램 시작 전과 후에 동일하게 조사하였다. 표본은 강의에 참여한 총 47명을 대상으로 진행하였다. 설문조사는 단일 집단을 대상으로 전후 과정을 평가한 대응표본에 해당한다. 이에 본 연구는 전후 과정의 차이를 비교 분석하기 위해서 대응표본 T 검정을 진행한다. 이는 T 검정이 2가지 표본 사이에 유의미한 차이가 있는지 확인하는 방법이기 때문이다. 설문조사 참여자는 30명이 넘는 중심극한정리 상황이기 때문에, 정규성을 가정하고 T-검정을 진행한다. 검증 결과는 <Table 8>과 같다.

Table 8

Result of Paired Sample T-test(n=47)

설문조사를 통해 확인한 프로그램의 전후의 평균값은 차이가 있었다. 그 차이는 프로그램 경험 전보다 경험 후에 긍정적으로 나타났다. 대응표본 T 검정 결과에서 모든 요인의 p값은 유의변수 0.05보다 낮음을 확인했다. 따라서 프로그램 전후 참여자의 자신감, 도전에 대한 흥미, 협업과 공유의 감정에 유의미한 차이가 있음을 확인했다. 이에 생성형 AI를 통한 콘텐츠 제작 프로그램은 교육에 있어 긍정적인 영향을 미친다고 할 수 있다.

4. 3. 인터뷰 그루핑

교육 프로그램이 끝난 후, 참여자에게 간략한 인터뷰 및 주관식 문항을 전달하여 생성형 프로그램에 대한 개인의 생각을 수집하였다. 질문은 생성형 AI로 콘텐츠 제작을 하며 AI에 대해 느낀 점과 수업을 통해 영향을 받은 요인이나 환경에 대해 자유롭게 이야기해달라는 내용으로 설정했다. 수집한 자료에서 유사한 의견을 그루핑하여 정리하여 내용을 분석하였다. 분석 결과는 크게 4가지로 분류하였다.

첫째, 교육 기간 짧아 긍정적인 점이다. 생성형 AI를 배우기 전에는 복잡할 것 같았고, 여러 툴이 온라인에 파편화된 만큼 배우는 데 시간이 소요될 것으로 판단하였으나, 툴 사용까지 30분 이상 걸리지 않아서 만족했다고 제시했다. 어도비 툴을 이해하고 제대로 사용하기까지 몇 달의 시간이 소요되는 데 반해 1시간이면 영상 도출이 가능해 만족한다고 했다. 더하여 이미지 생성과 영상 생성에 연결성이 있어 쉽게 배울 수 있다고 했다.

“AI를 배우기 전에는 영어로 문장을 만들고, 디스코드에 들어가야 하고, 어떨 때는 웹에서 해야 된다 들어 걱정했는데, 30분이면 이미지, 영상을 만들 만큼 쉬워서 좋았다.” (참여자 1반, 8)

“포토샵, 일러, 에펙을 이해하고 쓰기까지 1달 이상 걸렸다. 근데 AI는 1시간이면 모든 툴을 익히고 이미지와 영상을 만들 수 있어 편리했다.” (참여자 1반 15)

“이미지와 영상을 만드는데, 프롬프트 작성과 이미지 업로드, 서비스 사용을 위한 결제까지만 하면 다 비슷한 구조여서 AI를 이해하는 게 쉬웠다,” (참여자 2반 3)

둘째, 다양한 생성형 AI를 함께 활용하니 표현의 폭이 넓어진다. 참여자는 ChatGPT, 미드저니 외에 영상, 목소리를 생성하는 생성형 AI를 함께 사용했기 때문에 콘텐츠의 완성도가 높아져 만족스럽다고 했다. 특히 사람의 입모양이 더빙된 소리에 맞춰 움직이거나, 배경 이미지의 특정 시각 요소가 움직이는 영상 생성에 만족감을 드러냈다. 더하여 어도비 영상 툴을 사용하지 않고 적은 노동으로 효과적이고 빠르게 영상이 구현되는 점이 만족스럽다고 했다. 이렇게 콘텐츠 제작으로 로고, UI 등 다양한 디자인을 하면서 표현의 폭이 넓어진다고 했다. 이에 UX 분야에 사용자 시나리오 영상까지 작업 가능할 것이라 예측했다.

“AI가 영상을 만드는데 더빙한 소리와 말에 맞춰 입모양이 움직이고, 이미지를 넣었는데 배경에 시각 요소가 움직이니까 자연스럽게 완성도가 높아져서 만족스럽게 작업했다.” (참여자 1반, 12)

“에펙(AF)으로 작업하게 되면 며칠 걸려 만들 영상 수준을 10분만에 도출할 수 있어서 작업 만족도가 매우 높았다,” (참여자 2반, 3)

“콘텐츠에 로고, UI, 포스터까지 디자인을 해서 활용했다. 이렇게 다양한 세부 분야 디자인을 해보니 표현 폭도 넓어지고, 넓게 보면 UX 디자인에 시나리오 영상도 작업할 수 있을 듯하다.” (참여자 1반, 12)

셋째, 콘셉트 디자인에 특화된 방향으로 사용하면 효과적일 것이다. 참여자는 콘텐츠 내 보이는 로고, UI 디자인이 완벽하지 않으며 실제 사용가능한 포맷으로 도출되지 않아 디자인 최종 결과물로 AI만 쓰는 것은 아쉬울 것이라 했다. 다만, 디자인을 하기 위한 방향을 이야기하기 위해 제작하는 콘셉트 디자인으로서 매우 효과적일 것이라 했다. 이는 소통을 하는 데 완성도 높은 디자인을 보임으로서 매력적인 소통 도구가 될 것이라 예측하기 때문이다. 더하여, 콘셉트를 만들기 위해 여러 스타일의 이미지를 쉽고 빠르게 만들 수 있어 콘셉트 회의에 효과적이라 했다. 이는 팀과 다른 사람을 설득하는 도구로서 생성형 AI는 다른 디자인 툴보다 시간 절약과 노동 감소에 긍정적일 것이라 했다.

“영상에 UI나 로고가 들어갔는데 이미지 포맷으로만 구성되니까, 일러스트레이터와 피그마로 옮길 수 있는 포맷이 없어 최종 디자인으로는 부족하다고 느꼈다. 스케치 과정에 쓰기 좋은 툴 같다.” (참여자 1반, 12)

“디자인 방향을 이야기할 때 보이는 콘셉트 디자인으로 꽤나 효과적일 것 같다. 콘셉트의 완성도가 높으면 호의적인 이야기가 오갈 수 있기 때문이다.” (참여자 1반, 21)

“여러 이미지와 영상을 빠르고 쉽게 만들어서 무엇이 좋을지 스타일 점검에 좋은 것 같다. 시간도 절약하고 일도 덜해서 콘셉트 정할 때 긍정적일 것 같다.” (참여자 2반 9)

넷째, 프롬프트 및 경험담 공유가 중요하게 작용할 것이다. 본 프로그램의 결과물은 영상, 게임, 애니메이션, 웹툰 등 다양한 이미지에 기반한 콘텐츠였다. 따라서 다른 팀에서 어떻게 이미지를 도출했는지 알고 배울 수 있는 점이 공부가 되고 흥미가 생긴다고 했다. 더하여, 생성형 AI 툴의 여러 종류만큼 사용 목적과 방법이 다양하기 때문에, 어떤 툴을 써서 무엇을 만들었는지 작업 과정을 듣는 것이 공부가 된다고 했다.

“게임이나 영상은 어떻게 만들었는지. 프롬프트에 일본 애니메이션 스타일을 구현한건지, 아니면 다른 이미지 자료를 바탕으로 비슷하게 만들어 달라 했는지. 프롬프트를 보고 이해할 수 있게 되니 AI 사용에 더 흥미가 간다.” (참여자 1반, 17)

“목적에 따라 쓰는 AI가 다르고, 수업에서 다루지 않는 AI 툴은 유튜브에서 찾아서 쓰게 된 경험을 들으니 재밌다. 다음에 작업을 하면 저 툴을 써봐야지 하는 생각으로 들었다.” (참여자 1반, 23)

“툴의 종류가 다양한 만큼 목적이 다 다를 건데, 스테이블 디퓨전에서 영상 제작 목적에 따라 어떤 익스텐션을 사용했는지 듣는 것만으로 공부가 되었다.” (참여자 2반 7)

4. 4. 교차검증 분석

본 연구는 프로그램이 끝나고 참여자에게 생성형 AI에 대한 인식 변화가 있었는지 확인하기 위해 조사를 진행하였다. 조사는 교육과정이 끝나고 생성형 AI가 인간의 도우미로서 느껴졌는지 아닌지 확인하는 데 집중했다. 이에 질문은 글, 이미지, 영상 작업을 생성하는 AI가 작업의 도우미와 도구 중 무엇으로 느껴지는지 선택하도록 설정했다. <Table 9>

Table 9

Survey to identify changes in perception of Generative AI

조사 데이터는 교차검증을 통해 확인하였다. 이는 선택 항목이 범주형이기 때문에, 범주와 요인 간 연관성이 있는지 확인하기 위함이다. 참여자는 글, 이미지, 영상 생성의 모든 요인에서 AI는 작업의 도우미로 느껴진다 선택하였다. 교차검증의 p값은 유의변수 0.05보다 낮았다. 따라서, 글, 이미지, 영상 생성을 하는 AI는 작업 도우미로서 느껴진다는 연관성이 유의미하다는 것을 확인하였다. <Table 10> 이에 본 연구의 교육 프로그램은 생성형 AI에 대한 인식 개선에 유의미한 영향을 미칠 수 있을 것으로 판단된다.

Table 10

Result of the Cross-Validation about perception of Gen AI(n=47)

5. 1. 이론적 함의

본 연구는 시각디자인 전공 교육 프로그램으로 생성형 AI를 통해 콘텐츠 제작을 하는 메이커 교육을 TMSI 구조에 맞춰 제작하였다. 이를 한 학기 강의로 15주간 진행하였고, 이에 대한 참여 학생의 반응과 생각, 생성형 AI에 대한 인지를 확인하였다.

설문조사 결과를 통해 생성형 AI를 활용해 콘텐츠를 제작하는 메이커 교육 기반 프로그램은 긍정적인 영향을 유발하는 것으로 확인했다. 이는 생성형 AI를 사용하여 콘텐츠를 제작하는 상황보다 프로그램을 경험하고 난 후에 느끼는 자신감, 도전에 대한 흥미, 협업과 공유에 대하여 긍정적인 평가를 했기 때문이다. 그리고 프로그램 전후에 대한 평가 차이는 대응표본 T-검정을 통해 유의함을 확인했다. 그리고 프로그램이 끝난 후 생성형 AI에 대한 인식을 조사하였다. 조사결과에서 참여자 다수는 생성형 AI를 작업을 하는 도우미로서 인식함을 확인했다. 교차검증 결과에서 글, 이미지, 영상을 생성하는 모든 생성형 AI에 대하여 작업 도우미로서 느끼는 부분은 유의한 연관성이 있음을 확인했다.

더하여, 프로그램이 끝난 후, 정량 조사에 미친 영향을 확인하기 위해서 비구조식 인터뷰를 진행하였다. 인터뷰에서 공통된 의견을 그루핑하여 4가지 의견을 도출하였다. 첫째, 생성형 AI를 배우는 기간이 짧아서 긍정적이다. 둘째, 여러 생성형 AI 함께 활용하니 디자인 표현 범위가 넓어진다. 셋째, 디자인 작업 단계에서 콘셉트 디자인을 제시하는 단계에 긍정적일 것이다. 넷째, 프롬프트 및 생성형 AI 서비스 사용 후기 공유가 배움에 긍정적일 것이다. 위 4가지 요소를 프로그램에 적극 반영한다면, 생성형 AI 활용 교육 프로그램 개발에 긍정적인 영향을 미칠 것이라 사료된다.

5. 2. 논의점

본 연구는 생성형 AI를 활용하여 이미지, 영상을 생성하고, 이를 콘텐츠로 만드는 15주차 교육과정 프로그램의 가능성을 확인하는 데 집중했다. 이에 본 연구가 시사하는 바는 다음과 같다.

첫째, TMSI 모델을 통해 생성형 AI 교육 과정을 구축하며 다른 선행 연구에서 제시한 교육 방법의 한계를 극복한 점이다. 이는 TMSI 모델에서 시각디자인 전공생이 이미지와 영상을 도출하는 데 집중한 M, I 단계와 프롬프트를 공유하며 흥미를 유발하는 S 단계를 1학기 15주 과정으로 설정한 데 있다. 더하여 참여 학생의 평가를 통해 본 프로그램의 가능성을 분석한 결과를 통해 보다 명확한 가능성을 확인한 데 연구의 의의가 있다.

둘째, 선행 연구에서 제시한 메이커 교육의 특성으로서 자신감, 도전과 흥미, 협업을 평가 요인으로 구성한 데 있다. 이를 통해 메이커 교육의 본질적인 영향을 분석한 데 의의가 있다. 하지만 위 평가는 학생의 개인 심리에 반영된 평가이다. 따라서 학습자의 학습 효과 및 개인 역량 변화에 대한 정량적 분석이 추가적으로 필요할 것이다.

셋째, AI로 생성된 이미지 및 영상이 수정 가능한 포맷이 아니기 때문에 실무에 적용하기 어려운 점을 제시한 점이다. 더하여 콘셉트 디자인 및 스케치 과정에 생성형 AI가 효과적일 것이라는 학생의 의견을 확인하였다. 선행 연구에서 주로 생성형 AI 활용을 통한 교육 가능성에 집중했다면, 본 연구는 실무에 적용할 경우에 대한 학생의 생각을 도출한 점에 차이가 있다. 이에 생성형 AI를 기반으로 한 교육 프로그램을 설계할 경우 콘셉트 단계에서 특화된 방안으로 구축할 경우에 보다 효과적일 수 있다는 점을 발견한 데 의의가 있다.

5. 3. 연구의 한계

본 연구는 시각디자인 교육 프로그램에 집중한 결과이다. 이에 특정 전공에 대한 시선 및 AI를 사용하면서 느끼게 되는 부분에 편향적인 결과가 있을 것이라 사료된다. 이에 추후 연구로 타 디자인 전공에서 활용할 경우 차이점을 도출하는 객관적 시각에서 프로그램 개발 연구를 진행하고자 한다.