학생들이 AI 챗봇을 사용하는 이유는 무엇인가? 대화형 AI에 대한 기술 수용

What Drives Students' Use of AI Chatbots? Technology Acceptance in Conversational AI

대화형 AI 도구는 학생들에 의해 빠르게 채택되고 있으며, 학습 루틴의 일부가 되고 있습니다. 이러한 채택을 이끄는 요인을 이해하기 위해, 우리는 기술 수용 모델(TAM)을 활용하여 학생들이 학습 과제에 대한 응답을 생성하는 대화형 AI를 사용하는 데 대한 의도에 대한 인식된 유용성과 인식된 사용 편의성의 관계를 분석합니다. 우리는 TAM에 신뢰, 인식된 즐거움, 주관적 규범을 추가하여 사회적 및 정서적 영향과 AI 출력에 대한 불확실성을 포괄하는 추가적인 요인을 포함시켰습니다. 부분 최소 제곱 구조 방정식 모델링을 사용하여, 인식된 유용성이 학생들의 대화형 AI 사용 의도를 가장 강력하게 예측하는 것으로 나타났습니다. 그러나 다른 요인이 고려될 때, 인식된 사용 편의성은 행동 의도에 직접적인 유의미한 영향을 미치지 않으며, 대신 인식된 유용성을 통해 간접적으로 영향을 미칩니다. 신뢰와 주관적 규범은 인식된 유용성에 유의미한 영향을 미치는 반면, 인식된 즐거움은 직접적 및 간접적 효과 모두를 사용 의도에 미칩니다. 이러한 결과는 대화형 AI 시스템에 대한 채택 결정이 노력과 관련된 고려 사항보다는 시스템 출력에 대한 신뢰, 정서적 참여 및 사회적 맥락에 의해 더 큰 영향을 받는다는 것을 시사합니다. 향후 연구에서는 이러한 수용 관계가 다양한 대화형 시스템 및 사용 맥락에서 어떻게 일반화되는지 추가적으로 연구할 필요가 있습니다.

Conversational AI tools have been rapidly adopted by students and are becoming part of their learning routines. To understand what drives this adoption, we draw on the Technology Acceptance Model (TAM) and examine how perceived usefulness and perceived ease of use relate to students' behavioral intention to use conversational AI that generates responses for learning tasks. We extend TAM by incorporating trust, perceived enjoyment, and subjective norms as additional factors that capture social and affective influences and uncertainty around AI outputs. Using partial least squares structural equation modeling, we find perceived usefulness remains the strongest predictor of students' intention to use conversational AI. However, perceived ease of use does not exert a significant direct effect on behavioral intention once other factors are considered, operating instead indirectly through perceived usefulness. Trust and subjective norms significantly influence perceptions of usefulness, while perceived enjoyment exerts both a direct and indirect effect on usage intentions. These findings suggest that adoption decisions for conversational AI systems are influenced less by effort-related considerations and more by confidence in system outputs, affective engagement, and social context. Future research is needed to further examine how these acceptance relationships generalize across different conversational systems and usage contexts.