중등교사의 AI 리터러시가 AI 활용교육 실제 사용에 미치는 영향

Abstract

최근 교육 현장에서는 교육에서의 AI가 큰 주목을 받고 있으며, 이에 따라 AI 활용교육의 성공적인 공교육 정착을 위한 관심이 높아지고 있다. 교사의 AI 활용교육 실천을 위한 핵심 역량으로 교사의 AI 리터러시(AI literacy)가 부각되고 있는데, 이는 AI 리터러시가 AI 활용교육 수용 의도의 유의미한 선행 변인이라는 것이 기존의 연구에 의해 밝혀진 바 있기 때문이다(김화영, 2024; Al-Abdullatif, 2024; Pan et al., 2025). 본 연구에서 새로이 주목한 변인은 교사의 AI 불안감(AI anxiety)으로, AI 불안감은 AI로 인해 인간이 소외되거나 통제력을 상실하게 될 수 있다는 동요나 두려움의 감정을 의미한다(Johnson & Verdicchio, 2017; Wang & Wang, 2022). 개인적 믿음과 불안감, 불신과 같은 요인이 AI 활용교육의 도입을 저해한다는 이론적 배경을 바탕으로 보면(김성기, 2024; 홍수민, 한형종, 2024; Choi et al., 2023), 교사의 AI 불안감은 실제 AI 활용교육 실행의 저해 요인이 될 수 있으며, AI 리터러시와 AI 활용교육 수용의도라는 인지적 요인과 함께 작용하였을 때 어떻게 교사의 AI 활용교육 실천 행동에 영향을 미치는지 규명해 볼 필요성이 제기된다. 이에 본 연구는 중등 교사의 AI 리터러시와 AI 활용교육 실제 사용 간의 관계에서 AI 불안감과 AI 활용교육 수용의도의 매개 및 이중매개 효과를 검증하였다. 특히, 기존 연구에서 간과되었던 AI 불안감의 하위 요인별 영향력을 분석하여, 정서적 요인이 교사의 행동 실천 과정에 어떻게 작동하는지를 보다 정교하게 설명하고자 하였다. 연구 목적에 따른 연구 문제는 다음과 같다. 연구문제 1. 중등 교사의 AI 리터러시는 AI 불안감을 매개로 하여 AI 활용교육 실제 사용을 예측하는가? 연구문제 2. 중등 교사의 AI 리터러시는 AI 활용교육 수용의도를 매개로 하여 AI 활용교육 실제 사용을 예측하는가? 연구문제 3. 중등 교사의 AI 리터러시는 AI 불안감과 AI 활용교육 수용의도를 순차적 매개로 하여 AI 활용교육 실제 사용을 예측하는가? 본 연구문제를 규명하기 위하여 전국의 중등 교과교사 150명을 대상으로 자기보고식 온라인 설문조사를 실시하였다. 연구 도구는 AI 리터러시, AI 불안감(하위요인: AI 학습, AI 직업 대체, AI 사회기술적 맹목성, AI 형태), AI 활용교육 수용의도, 그리고 AI 활용교육 실제 사용으로 구성되었다. 설문 수집 결과 불성실한 응답이나 결측이 확인되지 않았으므로 150부의 응답을 모두 분석에 투입하였으며, 자료 분석은 SPSS 30.0과 Hayes(2013)의 PROCESS Macro model 4, 6을 활용한 단일 매개 및 이중매개 분석을 통해 수행되었다. 매개 효과의 통계적 유의성은 부트스트래핑(bootstrapping) 기법을 5,000회 반복하여 95% 신뢰구간(confidence interval)을 산출하여 확인하였다. 연구 문제에 따른 연구 결과 및 시사점은 다음과 같이 도출되었다. 첫째, AI 불안감의 매개효과를 검증한 결과, 전체 AI 불안감과 그 하위 요인(AI 직업 대체 불안감, AI 사회기술적 맹목성 불안감, AI 형태 불안감, AI 학습 불안감)을 포함한 모든 경로가 유의하지 않은 것으로 나타났다. 이는 교사의 AI 리터러시가 높다고 해서 AI 불안감이 자동으로 감소하고, 이 낮아진 불안이 곧바로 실제 행동으로 이어지는 단순한 인과 구조가 아님을 의미한다. 다시 말해, 교사의 인지적 이해 수준이 높더라도 정서적 안정은 별개의 차원으로 작동할 수 있으며, AI 불안감은 다차원적인 속성을 지니고 있어, AI 리터러시 함양이 기술 습득과 관련된 학습 불안감은 효과적으로 낮추지만, 직업 대체나 사회기술적 맹목성과 같은 실존적이고 거시적 차원의 불안감까지 포괄적으로 해소하지는 못했을 수 있다. 따라서 성격이 다른 불안감들이 합산된 전체 AI 불안감의 경우, 리터러시의 긍정적 효과가 희석되거나 상쇄되어 유의한 매개 효과가 나타나지 않은 것으로 해석할 수 있다. 또한 교사의 실제 행동은 불안감 수준보다 학교 내 환경적 제약이나 제도적 요인(예: 수업 시간, 기술 인프라, 보안 규정 등)에 의해 더 강하게 결정될 수 있다. 이러한 결과는 AI 불안감이 단일한 심리적 요인으로 작동하기보다, 상황적·환경적 요인과 상호작용하는 복합적 정서라는 점을 시사한다. 둘째, AI 활용교육 수용의도는 AI 리터러시와 실제 사용 간의 관계를 유의하게 매개하였다. 교사의 AI 리터러시가 높을수록 AI를 교육적으로 활용할 가치와 유용성을 인식하게 되고, 이러한 긍정적 태도와 수용의도가 강화될수록 실제 행동으로 이어지는 경향이 뚜렷하게 나타났다. 이는 Davis(1989)의 기술수용모형(TAM)에서 제시한 ‘행동의도–사용’ 경로와 맥을 같이하며, 이후 Venkatesh et al.(2003)의 통합기술수용이론(UTAUT)에서도 반복적으로 검증된 결과와 일치한다. Scherer et al.(2019)의 메타분석에서도 교사의 기술 수용 의도가 실제 사용을 예측하는 가장 강력한 변수로 보고된 바 있다. 본 연구의 결과 또한 이러한 일관된 경향을 재확인하며, 교사의 AI 리터러시 향상만으로는 실제 행동 변화를 보장하기 어렵고, AI를 교육적으로 의미 있게 활용하려는 심리적 확신과 태도가 선행되어야 함을 보여준다. 따라서 교사의 AI 활용을 촉진하기 위해서는 기술 보급이나 기능적 연수에 그치지 않고, 교사들이 스스로 AI의 교육적 가치와 활용 가능성을 내면화할 수 있도록 돕는 프로그램이 병행되어야 한다. 이는 최근 교육 현장에서 추진 중인 ‘High Touch High Tech’ 비전과 AI 에듀테크 선도교사단, T.O.U.C.H. 교사단 등의 정책적 움직임과도 맥을 같이한다. 셋째, 직렬 이중 매개효과 분석에서 AI 학습 불안감과 AI 활용교육 수용의도를 순차적으로 투입한 경로만이 유의한 것으로 나타났다. 이는 교사의 AI 리터러시가 높을수록 AI를 배우고 활용하는 과정에 대한 두려움(AI 학습 불안감)이 완화되고, 이러한 정서적 장벽이 낮아진 상태에서 AI 활용교육에 대한 수용의도가 강화되어 최종적으로 실제 사용으로 이어지는 경로가 성립함을 의미한다. 반면, AI 직업 대체 불안감, 사회기술적 맹목성 불안감, 형태 불안감 등을 포함한 다른 경로는 모두 유의하지 않았다. 교사들은 상대적으로 안정적인 신분적 특성상 AI에 의해 직접 대체될 가능성을 낮게 인식하기 때문에(이동엽 외, 2019), 직업 대체 불안감은 행동 변화를 유발하지 않는 거시적 우려 수준에 머물렀을 가능성이 높다. 또한 사회기술적 맹목성 불안감 역시 교사가 갖는 AI를 활용하는 교수학습 상황이나 업무 상황을 통제할 수 있다는 자기 효능감에 의해 그 영향이 상쇄되었을 수 있다. 마지막으로, AI 형태 불안감은 현재 교육 현장에서 주로 사용되는 AI 기술이 휴머노이드나 로봇형 장치가 아닌 웹·앱 기반의 비물리적 형태로 구현되어 있다는 점에서 교사들이 이를 명확히 인식하거나 실제로 경험할 기회가 적었기 때문에, 통계적으로 유의한 매개효과를 보이지 않았던 것으로 해석된다. 이와 같은 연구 결과를 바탕으로 도출된 본 연구의 의의는 다음과 같다. 본 연구는 교사의 AI 활용 행동을 설명하는 심리적 메커니즘을 인지적 요인(AI 리터러시)과 정서적 요인(AI 불안감), 그리고 인지적 요인(AI 활용교육 수용의도)의 연쇄적 구조로 밝힘으로써 학술적·실천적 의의를 지닌다. 학술적으로는 첫째, AI 불안감의 다차원적 속성을 실증적으로 검증하고, 특히 AI 학습 불안감이 교사의 행동 변화 과정에서 결정적인 역할을 수행함을 확인하였다. 이는 불안 요인을 단일 차원으로 취급한 기존 연구(Shen et al., 2025)와 차별화되며, Wang & Wang(2022)의 이론적 틀을 확장하여 인지적 개입(리터러시)이 모든 불안을 동일하게 완화하지 않음을 보여주었다. 둘째, 본 연구는 교사의 행동 변화를 단순한 인지적 확신이 아니라 인지-정서-의도의 연속적 상호작용(리터러시 → 학습 불안감 → 수용의도 → 실제 사용)으로 규명함으로써, TAM과 UTAUT를 AI 활용교육 맥락에 맞게 확장하였다. 셋째, Scherer et al.(2019)의 메타분석 결과와 일치하게, 행동 의도가 실제 사용을 예측하는 가장 강력한 변수임을 재확인하며, 기술 수용의 고전적 경로가 AI 맥락에서도 여전히 유효함을 입증하였다. 실천적 시사점 측면에서, 첫째, 교사의 AI 학습 불안감을 완화하기 위한 맞춤형 연수 프로그램이 필요하다. 교사들이 AI를 배우는 과정에서 느끼는 두려움을 극복하도록 실습 중심의 연수(hands-on training)와 긍정적 성공 경험을 제공해야 하며, 이를 통해 수용의도와 실제 사용으로 이어지는 심리적 전이를 촉진할 수 있다. 둘째, AI 불안감의 하위 유형별 대응 전략이 요구된다. AI 리터러시는 학습 불안감은 완화하지만, 직업 대체나 사회기술적 불안에는 직접적 영향을 주지 못하므로, 교육청과 교육부 차원에서 교사의 심리적 안정감과 직업적 정체성을 강화하는 다차원적 지원체계가 필요하다. 셋째, 교사의 긍정적인 AI 수용의도를 실제 행동으로 연결짓기 위한 제도적·환경적 기반 마련이 필수적이다. AI 활용교육 실천은 개인의 의지뿐 아니라 물리적 인프라(네트워크, 디바이스), 제도적 지원(수업 준비 시간, 인센티브), 사회적 지원(전문 학습공동체, AI 수업 연구회 활성화)에 의해 결정되므로, 이러한 입체적 여건 조성이 의도–행동 간 간극(Intention–Behavior Gap)을 완화하는 핵심 과제임을 보여준다. 본 연구의 제한점과 후속 연구 제언은 다음과 같다. 첫째, 스노우볼 표집을 통해 150명의 교사를 대상으로 연구가 진행되어, 남성 교사와 비수도권·비영어과 교사의 비율이 낮다는 점에서 표본 대표성의 한계가 있다. 향후 연구에서는 다양한 교과 및 지역의 교사를 포함해 일반화 가능성을 높일 필요가 있다. 둘째, 모든 변인이 자기보고식 설문으로 측정되어 응답자의 주관적 판단이 개입되었을 가능성이 있다. 추후 연구에서는 수업 관찰, 로그 데이터, AI 사용 기록 등 객관적 지표를 병행하여 실제 사용을 다각도로 검증할 필요가 있다. 셋째, 본 연구는 횡단적 설계에 기반하여 인과관계를 명확히 규명하기 어렵다는 한계를 지닌다. 향후 연구에서는 종단적 연구나 실험 설계를 통해 변수 간의 시간적 선후 관계를 확인해야 한다. 마지막으로, 본 연구는 AI 불안감의 하위 요인 중 AI 학습 불안감에 집중된 결과를 보여주었다. 따라서 후속 연구에서는 교사의 학습 불안감에 초점을 맞춘 개입 연구를 통해, AI 활용교육 실제 사용을 촉진하는 실질적 전략을 탐색할 필요가 있다.;In recent years, artificial intelligence(AI) in education(AIEd) has drawn significant attention, and interest in establishing AI-enhanced teaching and learning within the public education system has been growing. Teachers’ AI literacy has emerged as a core competency for implementing AI-integrated instruction, as previous studies have shown that AI literacy is a meaningful antecedent of teachers’ intention to adopt AI in education(Kim, 2024; Al-Abdullatif, 2024; Pan et al., 2025). The present study newly focuses on teachers’ AI anxiety, which refers to feelings of agitation or fear that humans may become alienated or lose control as a result of AI (Johnson & Verdicchio, 2017; Wang & Wang, 2022). Based on the theoretical background suggesting that personal beliefs, anxiety, and distrust may hinder the adoption of AI-enhanced education(Kim, 2024; Hong & Han, 2024; Choi et al., 2023), teachers’ AI anxiety can be considered a potential obstacle to the implementation of AI-based instruction. Therefore, it is necessary to examine how AI anxiety, together with cognitive factors such as AI literacy and teachers’ intention to adopt AI in education, affects teachers’ actual AI use in classroom practice. Accordingly, this study aimed to verify the mediating and serial double-mediation effects of AI anxiety and teachers’ intention to adopt AI in the relationship between secondary school teachers’ AI literacy and their actual AI use in teaching. In particular, by analyzing the effects of each subfactor of AI anxiety—an aspect overlooked in previous studies—this study sought to provide a more refined explanation of how emotional variables influence teachers’ behavioral practice. The research questions were as follows: Research Question 1. Does teachers’ AI literacy predict their actual AI use through AI anxiety as a mediator? Research Question 2. Does teachers’ AI literacy predict their actual AI use through their intention to adopt AI in education as a mediator? Research Question 3. Does teachers’ AI literacy predict their actual AI use through the serial mediators of AI anxiety and intention to adopt AI in education? To address these questions, an online self-report survey was administered to 150 secondary school teachers nationwide. The instruments measured AI literacy, AI anxiety(subfactors: AI learning anxiety, AI job-replacement anxiety, AI sociotechnical blindness anxiety, and AI configuration anxiety), intention to adopt AI in education, and actual AI use. Since no incomplete or invalid responses were detected, all 150 responses were used for analysis. Data were analyzed using SPSS 30.0 and Hayes’ (2013) PROCESS Macro Models 4 and 6 to test single and serial multiple mediation effects. The statistical significance of mediation effects was assessed through bootstrapping with 5,000 iterations and a 95% confidence interval. The findings were as follows. First, the mediating effects of overall AI anxiety and its subfactors were not statistically significant. This suggests that higher AI literacy does not automatically reduce AI anxiety, nor does reduced anxiety directly lead to increased actual use. In other words, while teachers’ cognitive understanding may be high, emotional stability may function independently; in fact, teachers with greater AI knowledge may experience expert anxiety, recognizing more clearly the limitations and risks of AI. Moreover, teachers’ actual use may be determined less by their anxiety levels and more by contextual and institutional factors such as limited class time, technological infrastructure, and security regulations. These results imply that AI anxiety does not function as a single, uniform psychological construct but rather as a complex emotion that interacts with situational and environmental factors. Second, teachers’ intention to adopt AI in education significantly mediated the relationship between AI literacy and actual AI use in education. Teachers with higher AI literacy were more likely to recognize the educational value and usefulness of AI, and as this positive attitude and intention strengthened, their actual use increased. This finding is consistent with the “behavioral intention–use” pathway proposed in Davis’ (1989) Technology Acceptance Model(TAM) and its successor, the Unified Theory of Acceptance and Use of Technology(UTAUT)(Venkatesh et al., 2003). Likewise, Scherer, Siddiq, and Tondeur’s (2019) meta-analysis reported that behavioral intention is the strongest predictor of teachers’ actual technology use. The present findings reaffirm this pattern, demonstrating that improving teachers’ AI literacy alone does not guarantee behavioral change; rather, a positive psychological readiness and conviction regarding AI’s educational value must precede behavioral practice. Therefore, teacher training programs should not focus solely on technical skills or dissemination but also on fostering teachers’ internalization of AI’s pedagogical value—an approach aligned with current policy initiatives such as the High Touch High Tech vision, the AI Edutech Leading Teacher Program, and the T.O.U.C.H. Teacher Program. Third, in the serial double-mediation analysis, only the pathway involving AI learning anxiety and intention to adopt AI in sequence was statistically significant. This indicates that teachers with higher AI literacy experienced reduced fear of learning and applying AI, which in turn enhanced their intention to adopt AI and ultimately increased their actual AI use. In contrast, pathways through AI job-replacement anxiety, AI sociotechnical blindness anxiety, and AI configuration anxiety were not significant. Because teachers generally perceive low risk of job replacement due to their stable professional status, job-replacement anxiety may remain at a background level that does not drive behavioral change. Similarly, sociotechnical blindness anxiety may be offset by teachers’ perceived efficacy and control over AI use in educational contexts. Finally, AI form anxiety may have been insignificant because AI applications currently used in schools are predominantly web- or app-based rather than embodied in humanoid or robotic devices, limiting teachers’ direct exposure to and recognition of such forms. Based on these findings, this study holds both theoretical and practical significance. Theoretically, it elucidates teachers’ AI-related behavioral mechanisms through the sequential interplay of cognitive(AI literacy), emotional(AI anxiety), and cognitive(intention) factors. Specifically, it empirically validates the multidimensional structure of AI anxiety, highlighting AI learning anxiety as a key emotional determinant of behavioral change. This extends Wang & Wang’s (2022) theoretical framework by showing that cognitive interventions such as improving AI literacy do not uniformly alleviate all types of anxiety. Furthermore, it expands classic technology acceptance models (TAM and UTAUT) by identifying an integrated sequence of cognition–emotion–intention–behavior(AI literacy → learning anxiety → AIEd adoption intention → AIEd actual use). Practically, the study suggests the necessity of tailored teacher training programs that reduce AI learning anxiety through hands-on experience and positive mastery, as well as multidimensional support systems that address different types of AI anxiety and strengthen teachers’ psychological security and professional identity. Lastly, bridging the intention–behavior gap requires not only fostering positive attitudes but also creating enabling conditions, including physical infrastructure(networks and devices), institutional support(time and incentives), and social support(learning communities and collaborative research groups). Despite its contributions, this study has several limitations. The sample consisted of 150 teachers recruited through snowball sampling, with an overrepresentation of female, English, and metropolitan-area teachers, limiting generalizability. Future studies should include teachers from diverse regions and subject areas. All variables were measured through self-reported surveys, which may involve subjective bias; thus, subsequent research should incorporate classroom observations, log data, or usage records for more objective validation. As a cross-sectional design, the study cannot fully establish causal directionality; longitudinal or experimental studies are needed to verify temporal relationships among variables. Finally, given that only AI learning anxiety emerged as a significant mediator, follow-up intervention studies focusing on reducing teachers’ learning anxiety may provide practical strategies to promote actual AI use in educational settings.