대학생의 인공지능 기반 의사결정 수용도 분석: 사회인지영역이론에 따른 영역별 판단 비교

Acceptance of AI-Based Decision-Making among University Students: A Comparative Analysis of Domain-Specific Judgments Based on Social Domain Theory

본 연구는 대학생의 인공지능 기반 의사결정 수용이 단일한 기술 태도가 아니라, 판단 장면이 어떤 사회인지 영역으로 해석되는지에 따라 달라지는 ‘영역별 조건부 수용’ 구조를 갖는다는 점을 탐색하였다. 강원대학교 사범대학 3학년 재학생 43명을 대상으로 개인적, 사회인습적, 도덕적 영역을 대표하는 9개 시나리오를 제시하고 수용도를 반복측정 분석으로 비교한 결과, 영역 간 차이가 유의했으며(Friedman test p<.001, Kendall’s W=0.52), 사회인습적 영역(평균 3.86)이 개인적 영역(평균 3.26)과 도덕적 영역(평균 2.46)보다 높고 도덕적 영역이 가장 낮았다. 개방형 응답 387개를 내용분석한 결과, 개인적 영역에서는 유용성과 편의, 자율성과 선택권이 핵심 정당화 논리로 나타났고, 사회인습적 영역에서는 유용성과 함께 공정성 및 객관성 기대가 결합되어 수용을 지지했으며, 도덕적 영역에서는 안전, 해악, 생명 준거가 압도적으로 우세하여 위임을 제한하는 논리가 강하게 나타났다. 이를 통해 본 연구는 엘리엇 튜리엘(Elliot Turiel)의 사회인지영역이론에 근거해 대학생의 AI 수용 판단이 자율성, 절차적 정당성, 해악 및 권리 보호라는 서로 다른 준거에 의해 구조화됨을 제시하고, 교육설계와 제도 도입에서 설명 가능성, 책임 귀속, 이의제기, 안전장치를 기본 조건으로 포함해야 함을 시사한다. 다만 본 연구는 강원대학교 사범대학 3학년 재학생으로 구성된 대학생 표본을 대상으로 한 탐색적 연구이므로, 결과를 일반 대학생 전체나 청소년 일반으로 확대 해석하는 데에는 신중할 필요가 있다.

This study explores whether university students’ acceptance of AI-based decision-making reflects a single general attitude or a domain-specific, conditional structure depending on how a situation is interpreted within social domains. A total of 43 third-year students from the College of Education at Kangwon National University participated in a repeated-measures design using nine scenarios representing personal, social-conventional, and moral domains. The results indicated significant differences across domains (Friedman test, p < .001; Kendall’s W = .52), with the highest acceptance in the social-conventional domain (M = 3.86), followed by the personal domain (M = 3.26), and the lowest in the moral domain (M = 2.46). Content analysis of 387 open-ended responses revealed that utility, convenience, and autonomy were central justifications in the personal domain, while utility combined with expectations of fairness and objectivity supported acceptance in the social-conventional domain. In contrast, concerns about safety, harm, and life dominated moral reasoning and strongly constrained acceptance. Drawing on Turiel’s social domain theory, the findings suggest that AI acceptance is structured by distinct criteria—autonomy, procedural legitimacy, and protection from harm. The study implies that explainability, accountability, contestability, and safety should be treated as essential conditions in educational and institutional AI implementation, while acknowledging limited generalizability.