텍스타일 및 패션 디자인 교육에 있어서의 창의적 자기효능감 향상 메커니즘: AI가 ‘초안 공포’(blank page anxiety)를 낮추는가

Mechanisms for Enhancing Creative Self-Efficacy in Textile and Fashion Design Education: Does AI Reduce Blank-Page Anxiety?

본 연구는 패션디자인 교육의 초기 단계(텍스타일 모티프 발상–패턴 전개–실루엣/의복 적용)에 생성형 AI 기반 ‘스타터 초안’을 도입했을 때, 학습자의 초안 공포(Blank-Page Anxiety, BPA) 완화와 창의적 자기효능감(Creative Self-Efficacy, CSE) 및 창의 산출 향상에 미치는 영향을 혼합방법으로 검증하였다. 2025년 3월 2일부터 10월 24일까지 단국대학교 패션산업디자인전공 3학년 37명을 무작위 배정하여 AI 스타터 집단과 통제 집단을 비교하는 준실험을 실시하고, 반구조화 인터뷰(12명)와 집중 사례(3케이스)의 스크린 리플레이·프롬프트/버전 로그를 분석하였다. 측정은 상태불안(STAI(State-Trait Anxiety Inventory, State)-S 단축형), CSE(사전·사후), 과정 로그(착수 지연, 아이디어 수·다양성, 버전 수, 작업시간), 전문가 블라인드 CAT(Consensual Assessment Technique, 창의성·일관성·기술정확성; ICC(Intraclass Correlation Coefficient) 보고)로 구성하였다. 결과적으로 AI 스타터는 시작 임계값을 낮추어 착수 지연을 단축하고 상태불안을 유의하게 감소시켰으며, 이 불안 감소가 CSE 상승을 매개하여 CAT 성과 향상으로 이어지는 연쇄 메커니즘이 확인되었다(직접효과보다 간접효과 우세). 질적 분석은 ‘빈 화면→선택·수정 화면’ 전환, 작은 성공의 빠른 축적, 스케일·리피트·팔레트 변주 루틴, 근거화된 간단 비평, 윤리·저작권 체크의 설계 제약화를 통해 위 메커니즘을 구체화하였다. 본 연구는 AI를 산출 자동화가 아니라 학습의 심리–인지적 구조를 재배열하는 메타 도구로 위치짓고, 수업 내 5분 스타터–변주–간단 비평 루틴과 로그 기반 형성평가를 제안한다. 결과는 디자인·창의 교육과 AI 활용 교육연구에서 메커니즘 중심의 수업 설계에 실증적 근거를 제공한다.

This study investigates whether introducing generative-AI ‘starter drafts’ into the early stages of fashion design education—textile motif ideation, pattern development, and silhouette/garment application—reduces blank-page anxiety (BPA), enhances creative self-efficacy (CSE), and improves creative outcomes. From March 2 to October 31, 2025, we conducted a mixed-methods inquiry with a randomized quasi-experiment and qualitative analyses involving 37 third-year undergraduates in fashion design at Dankook University, assigned to either an AI-starter or control condition. Measures comprised state anxiety (short STAI-S), CSE (pre/post), process logs (onset latency, number/diversity of ideas, version count, time-on-task), and expert blind CAT ratings (creativity, consistency, technical accuracy; ICC reported). Quantitatively, AI-starters lowered the initiation threshold, shortened onset latency, and significantly reduced anxiety; anxiety reduction mediated gains in CSE, which in turn predicted higher CAT scores, evidencing a sequential mediation with indirect effects exceeding the direct effect. Qualitatively, the mechanism unfolded as a transition from ‘blank canvas’ to ‘choose-and-edit’, rapid accumulation of first-success experiences, formal variation routines (scale/repeat/palette), scaffolded evidence-based critiques, and embedding ethics/copyright checks as design constraints. We therefore position AI not as an automation device but as a meta-tool that re-arranges the psychological and cognitive structure of learning. An implementable in-class routine—5-minute starters, guided variation, and concise critique, supported by log-based formative assessment—is proposed. These findings provide empirical grounds for mechanism-driven instructional design in design/creative education and AI-enabled learning research, emphasizing how well-designed AI interventions restructure early-stage cognition, reduce anxiety, elevate CSE, and ultimately improve creative performance without increasing time-on-task.