AI 시대의 부모 역량 측정도구 개발

1. 서론

인공지능(Artificial Intelligence, 이하 AI) 시대가 도래하였다. AI 발전의 속도는 과거 어느 때보다 빠른 속도로 진행되고 있으며[1], 이에 따른 사회변화도 빠르게 이루어지고 있다. 즉, 인공지능의 장기적 영향이 농업혁명이나 산업혁명과 비교할 수 있는 수준으로, 다층적이며 변화를 수반한다 의미의 변혁적 인공지능(Transformative AI, TAI)라는 표현이 등장하기도 하였다[2]. 특히 사회 전 분야의 인공지능의 영향은 특히 그동안 기술발전에 느리게 반응했던 교육 분야의 변화도 빠르게 진행시키고 있다[3].

공교육에서의 혁신적 AI 교육 변화가 이루어질 수 있도록 『디지털 기반 교육혁신 방안』[4], 『에듀테크 진흥방안』[5], 『디지털 기반 교육혁신 역량강화 지원방안』[6] 등과 같은 정책들을 추진하고 있다. 이러한 정책은 교육 공동체의 핵심 구성원인 교사와 학생을 중심으로 AI 교육의 실행과 변화가 이루어질 수 있도록 지원하고 있다. 구체적으로 교육과정, 디지털 기술 활용 교수·학습모델 개발, 교사 연수 강화를 통한 관련 역량 함양, 디지털 인프라 확충 등을 통해 AI 교육이 이루어 질 수 있는 토대를 마련하고 있다.

그러나 이러한 정책의 실행 과정에서 교육 공동체의 중요한 축인 학부모에 대한 구체적이고 체계적인 지원방안 논의는 미흡한 실정이다. 다만 일부 사업에서 학부모를 위한 AI 디지털교과서 의미와 활용[7], 디지털 기반 수업 혁신을 지원하기 위한 사업 중 하나인 ‘찾아가는 학교 컨설팅’에서 공동체 이해 제고 과정 중 하나로 학부모 대상의 ‘교실혁명을 위한 학부모의 이해’가 제시되어[8] 있지만, 주로 일회적 성격의 교육이다. 즉, AI 시대의 부모 역량을 정의하여 체계적으로 다루지 못한다는 제한점을 가지고 있다.

부모 역량은 자녀를 효과적으로 양육하기 위해 요구되는 지식, 기술, 태도, 능력 등의 복합적인 구성요소들의 집합으로[9], 이는 단순한 양육 기술을 넘어 자녀의 성장과 더불어 미래 사회에 성공적으로 적응할 수 있도록 돕는 전반적인 부모 역할 수행 능력을 포함한다. 특히 AI를 비롯한 디지털 기술이 일상과 교육 전반에 영향을 주고 있는 상황에서 부모가 갖추어야 할 역량의 성격과 범위도 과거와는 다르게 확장될 필요가 있다. 따라서 부모 역량을 체계적으로 이해하고 이를 효과적으로 지원하기 위한 논의는 학문적 탐구뿐 아니라 정책적 실천 측면 모두에서 시급하고 필수적인 과제이다[10]. 최근 강조되는 AI 교육의 확산은 교사와 학생 중심의 변화에만 머물러서는 충분하지 않으며, 가정에서 자녀의 디지털 학습과 경험을 함께 조력하는 학부모의 역할을 요구한다[11, 12]. 이러한 맥락에서 학부모의 디지털 리터러시를 포함한 다양한 관련 역량의 강화는, 단순한 개인적 역량 함양을 넘어 AI 기반 교육 혁신의 실질적 요인으로 기능할 수 있다는 점에서 주목해야 할 것이다.

본 연구는 AI 시대의 부모 역량을 구체적으로 정의하고, 이를 구성하는 핵심 영역과 행동 지표를 도출하여, 측정 가능하고 타당한 부모 역량 도구를 개발하는 것을 목적으로 한다. 특히 초등학교 3학년부터 중학교까지의 학부모를 대상으로 부모 역량을 개발하고자 하였다. AI 기반 맞춤형 교육의 대표적인 AI 디지털교과서의 적용 학년이 초등학교 3학년임을 고려함과 동시에 이 시기가 아동에서 청소년으로 이행하는 전환점이자, 인지적·정서적·사회적 발달에서 매우 중요한 시기임을 고려하였다. 개발된 도구는 자녀를 효과적으로 지원할 수 있는 부모의 실제 역량 수준을 파악하고, 향후 부모 대상 교육프로그램 설계 및 정책 수립의 기초자료로 활용될 수 있을 것이다.

본 연구의 구체적인 연구 문제는 다음과 같다.

첫째, AI 시대의 부모 역량은 어떻게 정의되는가?

둘째, AI 시대의 부모 역량을 측정하기 위해 개발된 측정 도구는 타당하고 신뢰로운가?

2. 이론적 배경

2.1 부모 역량

부모 역량(parental competency)은 부모가 자녀를 효과적으로 양육하고 보호하며 교육하는 데 필요한 지식, 기술, 태도 등을 포함한 능력을 의미하며, 긍정적 양육의 핵심적 요소로 간주되고 있다[13]. 부모 역량은 단순한 양육 기술. 행동뿐만 아니라, 양육에 대한 가치관, 신념, 동기와 같은 내적 요인까지 포괄하는 개념으로, 부모로서의 양육 역할에서의 능력과 성공을 종합적으로 포함하는 개념으로 이해된다[14]. 즉, 부모가 자녀를 어떻게 바라보고 어떤 방식으로 상호작용할 것인지는 부모 개인의 심리적·사회문화적 맥락과 밀접하게 연관되어 있으며, 이에 따라 부모 역량은 정적인 특성이 아니라 환경적 요인에 따라 변화 가능한 가변적 특성을 지닌다[15].

Johnson 외는 자녀 나이, 발달 단계, 기질, 반응성, 부모 소셜 네트워크, 교육, 갈등, 나이, 약물 사용 여부, 미디어, 또래, 형제자매, 사회경제적 배경, 문화와 같은 맥락과 함께 기초 역량(부모의 특성)과 기능적 역량(핵심 양육 기술 영역)으로 구분하였다[9]. 기초 역량은 ① 인지 능력(양육을 위한 부모의 지식과 인지 자원), ② 심리적 건강(부모의 정신적 및 정서적 안녕감), ③ 자기 관리(부모가 자신의 건강을 유지하고 스트레스를 관리하는 능력)이며, 기능적 역량은 ① 행동 지도(규율, 한계 설정, 자녀 행동 감독 기술), ② 인지 발달 촉진(자녀의 학습과 지적 성장 촉진 활동 참여), ③ 정서적 건강 촉진(따뜻함, 공감 표현, 자녀의 감정 관리 지원), ④ 기본적 필요 충족(안전, 영양, 주거 등 자녀의 신체적 필요 보장) 이 충족되도록 보장하는 것), ⑤ 사회화(가치관, 사회적 규범을 가르치고, 자녀가 대인 관계 기술을 발달하도록 돕는 것)로 설명하였다. 이와 함께 부모가 양육하는 맥락의 중요성을 강조하여 발달단계와 문화적·상황적 맥락에 따라 부모 역량이 조정될 수 있음을 언급하였다.

Reparaz 외도 부모 역량을 인지적·정서적·행동적 자원을 바탕으로 자녀의 발달에 적절하고 책임감 있게 양육 역할을 수행하는 능력으로 정의하고, 이를 ‘양육방식’과 ‘가치교육’으로 구분하였다[13]. 먼저, ‘양육방식’은 애정, 수용, 정서적 지원을 강조하는 양육 태도인 ‘따뜻함’과 규칙, 기대, 감독 등 요구 수준과 행동 지도를 강조하는 태도인 ‘요구수준’으로 구분하였다. ‘가치교육’은 인내, 자기조절, 용기를 포함한 정서적·도덕적 강인함을 길러주는 ‘강인함’과 자녀의 사생활, 개별성, 정체성을 존중하는 태도인 ‘사생활 존중’으로 구분하여 총 35개 문항을 개발하였다.

Table 1.

Research about parental competency

이외에도 부모 역량을 측정하기 위한 구체적인 시도들은 다음과 같이 주로 유아교육에서 이루어졌다. 먼저, Reed 외는 양육기술 평가도구(parenting skills assessment)을 개발하여, 유아부모의 역량을 측정하고자 하였다[16]. 기본적 돌봄을 제공하는 ‘양육’, 자녀와의 대화 능력인 ‘의사소통’, 자녀의 행동 관리와 모니터링에 대한 ‘자녀 관리 및 감독’, 부모-자녀가 함께하는 활동의 질과 양을 측정하는 ‘부모-자녀 활동’, 학습과 성장을 위한 환경을 구축해 주는 ‘풍부한 환경 조성’으로 다섯가지 영역을 구분하고, 각 영역은 5문항을 통해 부모의 역량을 측정하였다. 정계숙과 최은실도 유아가 자녀를 둔 어머니를 대상으로 ‘발달적. 긍정적 양육 능력’, ‘자기 이해와 대인관계 능력’, ‘자율적 행동 조절 능력’, ‘공동체 생활 능력’, ‘자기 성장. 관리 능력’이라고 하는 5가지 요인을 도출하여 43문항의 측정도구를 개발하였다[15]. 또한 정계숙 외는 유아교육 공동체 구현을 위하여 부모 역량을 ‘동반자 역할 수행을 위한 심리적 역량’과 ‘가치 공유를 위한 사회적 역량’으로 구분하고, 하위로 각각 7개(상호신뢰감 갖기, 기관의 활동에 자발적, 적극적 참여하기, 배려, 다름에 대한 수용하기, 부모 역할에 대한 자기반성하기, 셀프리더십, 건강한 풍토 형성하기), 7개(긍정적 관계를 위한 기회조성, 주체 철학 갖기, 민주적 의사소통, 함께 배우기, 정체성확립, 사회성장을 위한 돌봄 실천, 네트워크 형성하기) 요인을 개발하여 이를 측정하고자 하였다[17].

기존에 개발된 부모 역량 측정도구는 주로 유아부모를 대상으로 이루어져 있으며, AI 변화와 같은 시대적 요구를 반영하지 못하여 본 연구에서는 AI 시대의 초등학교 3학년부터 중학교까지의 학생들을 자녀로 둔 부모들을 대상으로 관련된 역량을 측정할 수 있는 도구를 개발하고자 한다.

3. 연구 방법

3.1 연구 절차

AI 시대의 부모 역량을 탐색하고 이를 측정할 수 있는 도구를 개발하기 위해 본 연구에서는 다음과 같은 절차를 거쳤다.

첫째, 부모 역량에 대한 국내외 선행연구를 바탕으로 부모 역량(안)에 대한 예비 틀을 도출하고, 이에 근거한 반구조화된 인터뷰지를 구성하였다(Table 2 참조). 부모의 인구사회학적 특징을 바탕으로, 양육 가치관, 양육태도, 디지털 역량(부모/자녀), 학업지원, 미래사회 대비 등을 다루고 실제 부모가 어떻게 자녀를 양육하고자 하는지 확인하는 질문지로 구성하였다.

Table 2.

Interview questions

둘째, 역량은 우수한 성과자가 다른 성과자와 비교되는 구체적인 행동 특성으로[37], 이를 확인하기 위해 초·중등 교사들이 AI 시대의 우수 부모로 추천한 사람들을 대상으로 인터뷰를 실시하였다. 추천 사유는 주로 자녀와의 관계가 상호존중기반의 관계를 가지고 있으며, 디지털 기술과 새로운 교육방식에 대한 수용성이 높았으며, 주변 사람들로부터 양육관련하여 신뢰와 존경을 받는 인물로 평가되었기 때문이었다. 인터뷰는 총 11명을 대상으로 실시되었으며, 인터뷰 방식은 대면, 서면, 온라인 등을 통해 이루어졌다.

셋째, 인터뷰 내용을 근거로 질적 분석을 실시하고, 핵심 주제어와 반복되는 행동 패턴을 추출하여 구체적인 부모 행동 지표를 도출하였다. 이를 바탕으로 AI 시대 부모 역량 측정도구의 예비 문항을 개발하였다.

넷째, 개발된 측정도구의 타당성과 신뢰성을 확보하기 위해 초등학교 3학년부터 중학교 3학년 자녀를 둔 학부모를 대상으로 편의표집을 통해 온라인 설문조사를 실시하였으며, 문항 분석 및 신뢰도, 타당도 분석을 통해 최종 도구를 확정하였다. 모든 문항은 Likert 5점 척도를 사용하였다.

3.2 연구 대상 및 자료 수집

3.2.1. 예비 문항 개발

AI 시대 부모 역량의 구체적인 행동지표를 마련하기 위해 해 2024년 11월 다음 Table 3에 제시된 11명의 참여자를 대상으로 반구조화된 인터뷰를 실시하였다. 인터뷰 참여자의 연령대는 주로 30, 40대였으며, 성별은 남성 5명, 여성 6명이다. 이들의 자녀는 대부분 초등학생과 중학생이다. 한편, 초등학교 이하 자녀를 둔 일부 부모에게는 ‘자녀가 스스로 스마트폰 사용을 절제할 수 있다고 생각하십니까?’와 같이 발달 수준에 적절하지 않은 질문은 생략하거나, 자녀의 연령과 부모의 양육철학을 고려하여 융통성 있게 응답하도록 하였다.

Table 3.

Interview participants

인터뷰 내용을 바탕으로 반복적으로 읽고 비슷한 주제나 키워드를 도출하여 인터뷰 대상자들의 공통점을 바탕으로 역량의 특성을 고려한 구체적인 행동지표를 개발하였다. 측정지표마다 3개 문항 이상을 추출하고자 하였다. 해당 과정에는 초중등 교사들이 참여하고, 최종으로 선별된 문항에 교육공학 전문가가 타당도 등을 점검하여 수정하였다. 이러한 반복적인 과정을 통해 ‘AI 시대 부모 역량’을 안정적인 양육환경을 조성하고 자녀가 미래사회에 필요한 역량을 기를 수 있도록 지원하는 능력으로 정의하고, ‘양육환경 구축’과 ‘성장 지원’이라는 두 개의 상위 영역으로 구분하였다. 실제 인터뷰 결과에 따르면, 부모들은 자녀가 안정적이고 지원적인 환경에서 성장할 수 있도록 양육하는 것을 목표로 하고 있었으며, 자녀의 정서적 안녕과 미래 준비를 위한 직·간접적인 지원을 수행하고 있었다. 이에 따라 ‘양육환경 구축’과 ‘성장 지원’이라는 상위 영역을 설정하고, 각 영역에 해당하는 하위 행동요인을 도출하여 분류하였다.

최종 개발한 AI 시대의 부모 역량의 정의이다(Table 4 참조). ‘양육환경 구축’은 자녀가 정서적으로 안정되고 신뢰할 수 있는 가족 안에서 성장할 수 있도록 양육 환경을 조성하고 유지하는 능력, ‘성장 지원’은 디지털 환경 속에서 자녀가 건강하게 성장할 수 있도록 다양한 발달 영역에서의 성장을 직·간접적으로 촉진하고 지원하는 능력으로 정의하였다.

Table 4.

Define parent competency in the AI era

각 역량의 하위 역량으로는 ‘양육환경 구축’은 3개 영역인 가족 유대강화 10문항, 안정과 공감 6문항, 양육노력 6문항이 개발되었다. ‘성장 지원’은 5개 영역인 자기주도 지원 4문항, 진로 지원 8문항, 학습 지원 5문항, 사회성 지원 5문항, 디지털 지원 4문항이 개발되었다.

3.2.2. 설문 조사

개발된 측정도구의 타당성과 신뢰성 확보를 위하여 설문조사를 실시하였다. 온라인 설문조사로 진행되어서 무응답의 경우, 설문이 종료되지 않아서 설문에 응답한 198명 모두의 데이터를 사용하였다. 수집된 198명의 데이터를 무선 표본추출로 반분하여, 교차타당도를 검증하였다. 탐색적 요인분석(Exploratory Factor Analysis, EFA)을 위해 최소 100개 이상의 샘플 수를 확보해야 하며, 확인적 요인분석(Confirmatory Factor Analysis, CFA)을 위해서는 부분 최소제곱 구조방정식(PLS-SEM)을 적용하기 위해, 최소 100명 이상의 표본이 필요하다[28]. 이에 본 연구는 탐색적 요인분석 100명, 확인적 요인분석 98명의 데이터를 활용하였다.

구체적인 설문 조사 대상자의 특성은 다음 Table 5와 같다. 자녀가 초등학교 3-6학년의 부모가 64.6%, 중학교 1-3학년의 부모가 35.4%이다. 연령대는 40대가 81.3%, 50대 9.6%, 30대 9.1%순이다. 성별은 여성 80.8%, 남성 19.2%이며, 부모 교육 경험이 있는 부모가 67.5%로 경험이 없는 부모 34.3%보다 많았다.

Table 5.

Survey participants

본 연구는 SPSS와 SmartPLS를 이용하여 분석되었다. 모든 통계적 검정은 유의수준 .05 기준이다.

첫째, 탐색적 요인분석을 시행하기 위한 자료의 정상성을 확인하기 위하여 기초통계분석을 실시하였다.

둘째, 구인타당도를 확인하기 위해 탐색적 요인분석을 실시하였다. 탐색적 요인분석은 주축요인(principal axis factoring), 요인 회전은 프로맥스(promax) 방식을 적용하였다. Kaiser-Guttman 기준에 따라 고유값(eigen value)이 1.0 이상인 요인을 추출하였다[29]. 분석의 적합성은 KMO(Kaiser-Meyer-Olkin) 표본 적합도와 바틀렛 구형성 검정(Bartlett’s Test of Sphericity)을 확인하였다. 요인 부하량이 .30 이하이거나 다중 요인에 유사하게 부하되는 문항은 삭제하였다.

셋째, 확인적 요인분석(CFA)을 시행하기 전, 자료의 분포 특성과 정상성을 점검하기 위해 기초통계 분석을 실시하였다.

넷째, 확인적 요인분석은 SmartPLS를 활용한 부분 최소제곱 구조방정식(Partial Least Squares Structural Equation Modeling, PLS-SEM)으로 수행하였다. 본 연구는 측정도구 개발과 구조 확인을 목적으로 하므로, 예측 능력에 강점을 지닌 PLS-SEM을 채택하였다. 또한 PLS-SEM은 공분산 기반 구조방정식(Covariance-Based Structural Equation Modeling, CB-SEM)에 비해 상대적으로 작은 표본으로도 안정적인 추정을 가능하게 한다[30]. 이러한 이유로 최근 사회과학 전반에서 PLS-SEM의 활용이 크게 증가하고 있다[30].

특히, 본 연구는 부모 역량이라는 개념의 측정지표를 경험적 자료를 통해 도출하는 초기 탐색 단계로, 측정모형의 구성 개념이 합성적일 가능성이 있으며, 다중공선성에 대한 우려가 존재하므로 PLS-SEM 접근이 적절하다고 판단하였다[31]. 모형 적합도 평가는 SRMR(Standardized Root Mean Square Residual)을 활용하였으며, 수렴타당도(AVE), 구성 신뢰도(CR), 판별타당도(HTMT 지표)를 기준으로 측정모형의 타당성과 신뢰성을 평가하였다[28].

4. 연구 결과

4.1. 예비 검사

4.1.1. 문항별 기술 통계

AI 시대 부모 역량을 측정하기 위한 48문항에 학부모가 응답한 결과를 토대로 문항분석을 실시하였다. 다음 Table 6은 평균, 표준편차, 왜도, 첨도를 확인한 결과이다. 각 문항 평균값은 3.40-4.65, 표준편차는 .57-1.28이다. 정규성 분포를 확인하기 위해 왜도, 첨도를 확인한 결과, 왜도 절대값 .31-2.11, 첨도 절대값 .02-5.24로, 측정변수의 왜도가 3보다 작고 첨도가 10보다 작아 정상분포가 확인되었다[32].

Table 6.

Descriptive statistics for preliminary questions

또한 문항-총점 간 상관은 .340-.764로 나타났으며, 전체 48개 문항의 Cronbach’s α는 .959이다. 문항과 총점 간 상관이 .30-.70 범위에 있을 때 적합한 상관이라고 판단하는 Fleury의 기준[33]에 따라, ‘안정과 공감 2’와 ‘진로 지원 1’을 삭제하였다.

4.1.2. 탐색적 요인분석

‘양육환경 구축’에 대한 탐색적 요인분석을 한 결과이다(Table 7 참조). 먼저, 탐색적 요인분석을 실시하기에 앞서 자료가 요인분석에 적합한지를 확인하기 위해 KMO 표본 적합도 지수와 Bartlett의 구형성 검정을 실시하였다. 분석 결과, KMO 값은 .830로 .80 이상으로 나타나 요인분석을 수행하기에 매우 적절하다[34]. 또한 Bartlett의 구형성 검정 결과, χ²(120) = 865.75, p < .05로 변수 간 상관관계가 요인분석에 적합하였다. Kaiser의 기준[29]에 따라 초기 고유값이 1.0 이상인 요인을 추출하였으며, 총 3개의 요인이 추출되었다. 이들은 전체 변량의 63.636%를 설명하였다.

Table 7.

Results of an exploratory factor analysis of build a nurturing environment

각 문항의 공통성은 .369 - .743 범위로 나타났으며, ‘가족활동 1’, ‘양육노력 5’은 2개 요인의 부하량이 차이가 없어 삭제하고, ‘가족활동 6’, ‘가족활동 8’, ‘양육노력 3’은 공통성이 낮아 삭제하였다. ‘가족활동’의 2개 문항 ‘가족활동 9’과 ‘가족활동 10’가 탐색적 요인분석 결과 ‘안정과 공감’ 요인에 포함되었으며, 문항의 내용을 검토한 결과 정서적 유대 및 감정 표현과 관련된 문항으로, 해당 요인으로의 이동이 타당한 것으로 판단되었다. 최종 ‘양육환경 구축’에 대한 문항은 16문항으로 확정되었다.

‘성장 지원’에 대한 탐색적 요인분석을 한 결과이다 (Table 8 참조). 먼저, KMO 표본 적합도 지수와 Bartlett의 구형성 검정을 실시하였다. 분석 결과, KMO 값은 .832로 .80 이상으로 나타나 요인분석을 수행하기에 매우 적절하였다[34]. 또한 Bartlett의 구형성 검정 결과, χ²(153) = 1172.561, p < .05로 변수 간 상관관계가 요인분석에 적합하였다. 초기 고유값이 1.0 이상인 요인을 추출하였으며, 총 5개의 요인이 추출되었다. 이들은 전체 변량의 74.754%를 설명하였다. 각 문항의 공통성은 .589-.761 범위로 나타났으며, 2개 요인의 부하량이 차이가 없거나 공통성이 낮아 ‘진로지원 3’, ‘진로지원 5’, ‘진로지원 7’, ‘학습지원 5’, ‘사회성 지원 1’, ‘사회성 지원 2’, ‘사회성 지원 3’, ‘디지털 5’인 8개 문항을 삭제하였다. 최종 ‘성장 지원’에 대한 문항은 18문항으로 확정되었다.

Table 8.

Results of an exploratory factor analysis of support for growth

4.2 본 검사

측정모형은 5가지 단계로 이루어 진다[35]. (1) 요인부하량(λ): 지표의 요인 부하량은 .70 이상이 이상적이나, .40과 .70 사이의 값도 이론적 정당성이 있는 경우 수용 가능하다[28]. (2) 측정변수 신뢰도(indicator reliability): 개별 요인 부하량(λ)이 .50 이상인 경우, 이를 제곱하여 지표신뢰도를 산출한다. (3) 내적 일관성 신뢰도: Cronbach's α와 복합신뢰도(Composite Reliability, CR)를 통해 검증하며, 일반적으로 두 지표 모두 .70 이상이면 적절하다, (4) 수렴 타당도: 평균분산추출값(AVE, Average Variance Extracted)이 .50 이상일 경우 수렴 타당도가 확보된 것으로 판단한다. (5) 판별 타당도: 상이한 구성개념 간의 구분 가능성을 확인하기 위해 HTMT(heterotrait-monotrait ratio)를 활용하며, 일반적으로 .85 이하일 경우 판별 타당도가 확보된 것으로 간주한다[28].

‘양육환경 구축’에 대한 측정모형을 확인하였다(Table 9 참조). 모형 적합도 SRMR는 0.092로, 일반적으로 제시되는 기준값 .08 이하 또는 .10 이하를 만족하였다[36]. 각 요인부하량(λ)을 살펴본 결과, 모든 문항의 요인부하량(λ)이 .636-.815 범위에 있어, 대부분 .70 이상의 기준을 충족하였다. 다음으로 각 문항의 지표 신뢰도는 요인부하량 제곱을 통해 산출되었으며, 대부분 .50 이상으로 기준을 만족하였다. 이는 각 문항이 해당 요인을 적절히 설명하고 있음을 의미한다. 다만, ‘가족활동3’과 ‘가족활동4’는 .50 미만의 지표 신뢰도를 나타냈으나, 전체 모형의 타당도 및 신뢰도를 고려하여 유지하였다[35]. 다음으로 Cronbach’s α는 각 .768 - .896로 .70이상의 기준을 만족하였다. rho_A와 CR 역시 기준을 충족하여 높은 내적 일관성을 나타났다. 수렴타당도를 ‘가족활동’는 .538, ‘안정감과 공감’은 .615, ‘양육노력’은 .584로 각각 .50 이상의 기준을 충족하여 수렴 타당도가 확보되었음을 확인하였다. 마지막으로 판별타당도를 확인하기 위해 HTMT를 살펴본 결과 ‘가족활동’과 ‘안정감과 공감’ 간의 HTMT 값은 .800, ‘가족활동’과 ‘양육노력’간의 값은 .630, ‘안정과 공감’과 ‘양육노력’간의 값은 .654로 나타났다. 이는 일반적으로 수용 가능한 기준인 .85 미만[28]을 충족하여 두 구성개념 간의 판별타당도가 확보되었다.

Table 9.

Results of confirmatory factor analysis of build a nurturing environment

‘성장 지원’에 대한 측정모형을 확인하였다(Table 10 참조). 먼저, 모형 적합도 SRMR는 0.089로, 수용 가능한 수준이다[36]. 각 요인부하량(λ)을 살펴본 결과, 모든 문항이 .729 - .940 범위에 있었으며, 모두 .70 이상의 기준을 충족하였다. 다음으로 각 문항의 지표 신뢰도는 요인부하량 제곱을 통해 산출되었으며, 모두 .50 이상의 기준을 만족하였다. 다음으로 Cronbach’s α는 .814 - .860으로 .70이상의 기준을 만족하였으며, rho_A와 CR역시 기준을 충족하여 높은 내적 일관성을 나타났다. 수렴타당도도 각각 .50 으로 기준을 충족하였다.

Table 10.

Results of confirmatory factor analysis of support for growth

마지막으로 판별타당도를 확인하기 위해 HTMT을 살펴본 결과 모두 .85미만으로 나타나, 구성개념 간의 판별타당도가 확보되었음을 시사한다(Table 11 참조).

Table 11.

Discriminant validity for support for growth

4.3 최종 측정도구

AI 시대의 부모 역량을 측정하기 위한 최종 측정도구를 다음 Table 12와 같이 확정하였다. 전체 34문항에 대한 신뢰도 Cronbach’s α는 .950이다.

Table 12.

Measurement scale for parental competency in the AI era

5. 결론 및 제언

본 연구는 AI 시대의 부모 역량을 정의하고, 이를 측정하기 위한 도구를 개발하는데 목적을 가지고 있다. 이를 위하여 부모 역량에 대한 선행연구를 분석하고, AI 시대의 부모 역량을 실천하고 있는 부모를 추천받아 11명을 대상으로 인터뷰를 실시하여 이들의 공통점을 중심으로 한 행동기반의 48개 문항을 개발하였다. 개발한 문항은 초등학교와 중학교 학부모 199명을 대상으로 설문조사를 실시하여 탐색적 요인분석과 확인적 요인분석을 통해 구성타당도와 판별타당도를 검증하고, 신뢰성을 확인하였다. 최종적으로 부모 역량은 ‘양육환경 구축’과 ‘성장 지원’의 두 상위 요인과 총 8개의 하위 요인으로 구성된 34문항을 확정하였다.

이상의 결과를 바탕으로 한 본 연구의 결론 및 제언은 다음과 같다.

첫째, 본 연구는 AI 시대 부모 역량을 안정적인 양육환경을 조성하고 자녀가 미래사회에 필요한 역량을 기를 수 있도록 지원하는 능력으로 정의하였다. 또한 하위요인은 ‘양육환경 구축’과 ‘성장 지원’으로 구분하였다. 기존 선행연구 [9, 13, 15, 16]는 주로 ‘양육환경 구축’에 초점을 맞추어 부모가 제공할 수 있는 안정적 환경에 주목했다. 그러나 본 연구에서는 미래사회에 적응할 수 있도록 자녀를 지원하기 위한 ‘성장 지원’을 추가하였다는데 의의가 있다.

둘째, 본 연구는 ‘양육환경 구축’과 ‘성장 지원’이라는 두 개의 영역에 대해 각기 하위 요소를 기준으로 한 구체적인 행동지표를 개발하였다. 기존의 관련 도구들이 주로 부모의 태도나 가치에 초점을 맞춘 데 반해, 본 연구는 실제 상황에서 부모가 즉시 실행할 수 있는 구체적 행동에 중점을 두었다는 점에서 실용적인 강점을 가진다. 이러한 접근을 통해 부모 교육을 제공할 때, 구체적인 실천방안을 제공할 수 있다.

셋째, 본 연구는 AI 시대 부모 역량을 측정할 수 있는 도구를 개발하였다. 실제로 본 도구를 통해 부모들은 자신의 역량을 객관적으로 측정하고, 자신의 강점과 약점을 확인할 수 있도록 기초자료를 제공할 수 있을 것이다. 또한 34개의 간명한 문항으로 개발되어 적은 시간과 비용으로 도구의 활용이 가능하다. 특히 이 도구는 향후 맞춤형 부모 교육 제공을 위한 요구도 조사나, 부모 교육 프로그램의 효과검증 등의 용도로 활용될 수 있을 것이다.

이상 본 연구의 제한점을 바탕으로 후속연구를 다음과 같이 제안하고자 한다. 첫째, 본 연구는 편의표집을 통해 198명의 제한된 수로 도구개발이 진행되어 일반화 하는 데의 한계를 가지고 있다. 향후 연구는 보다 다양한 맥락에서의 많은 수의 표본을 확보하여 이 도구를 적용가능성과 활용가능성을 폭넓게 탐색할 수 있을 것이다. 둘째, 본 도구를 활용하여 AI 시대에 필요한 구체적인 부모 교육 프로그램을 설계할 수 있다. 셋째, 본 도구의 예측 타당도를 검증하기 위한 종단연구가 필요하다. 실제 부모의 이러한 역량이 자녀의 학습성과, 디지털 리터러시 등에 어떠한 영향을 미치는지 추적관찰을 함으로 본 도구의 실용적 가치를 확인할 수 있을 것이다.

Acknowledgments

이 논문은 한신대학교 학술연구비 지원에 의하여 연구되었음

References

• Tang, X., Li, X., Ding, Y., Song, M., & Bu, Y. (2020). The pace of artificial intelligence innovations: Speed, talent, and trial-and-error. Journal of Informetrics, 14(4), 101094. [https://doi.org/10.1016/j.joi.2020.101094]
• Gruetzemacher, R., & Whittlestone, J. (2022). The transformative potential of artificial intelligence. Futures, 135, 102884. [https://doi.org/10.1016/j.futures.2021.102884]
• Serdyukov, P. (2017). Innovation in education: what works, what doesn’t, and what to do about it?. Journal of Research in Innovative Teaching & Learning, 10(1), 4-33. [https://doi.org/10.1108/JRIT-10-2016-0007]
• Ministry of Education. (2023a). Digital-based education innovation plan. February 2023.
• Ministry of Education. (2023b). EdTech promotion plan. September 2023.
• Ministry of Education. (2024). Support plan for strengthening digital-based educational innovation competencies for classrooms with teachers. April 2024.
• Ministry of Education, & Korea Education and Research Information Service. (2023). AI digital textbook development guidelines.
• Korea Foundation for the Advancement of Science and Creativity. (2025). Visiting school consulting. Retrieved June 12, 2025, from https://dx.kosac.re.kr/
• Johnson, B. D., Berdahl, L. D., Horne, M., Richter, E. A., & Walters, M. G. (2014). A parenting competency model. Parenting, 14(2), 92-120. [https://doi.org/10.1080/15295192.2014.914361]
• Graf, F. A., Grumm, M., Hein, S., & Fingerle, M. (2014). Improving parental competencies: Subjectively perceived usefulness of a parent training matters. Journal of Child and Family Studies, 23, 20-28. [https://doi.org/10.1007/s10826-012-9682-1]
• Druga, S., Christoph, F. L., & Ko, A. J. (2022). Family as a Third Space for AI Literacies: How do children and parents learn about AI together?. In Proceedings of the 2022 CHI conference on human factors in computing systems (pp. 1-17). [https://doi.org/10.1145/3491102.3502031]
• Nurhayati, S., Taufikin, T., Judijanto, L., & Musa, S. (2025). Towards Effective Artificial Intelligence-Driven Learning in Indonesian Child Education: Understanding Parental Readiness, Challenges, and Policy Implications. International Journal, 15, e2025155. [https://doi.org/10.22521/edupij.2025.15.155]
• Reparaz, C., Rivas, S., Osorio, A., & Garcia-Zavala, G. (2021). A parental competence scale: Dimensions and their association with adolescent outcomes. Frontiers in Psychology, 12, 652884. [https://doi.org/10.3389/fpsyg.2021.652884]
• Mohammadi, F., Rakhshan, M., Molazem, Z., & Gillespie, M. (2019). Parental competence in parents of children with autism spectrum disorder: A systematic review. Investigacion y Educacion en Enfermeria, 37(3), 25-39. [https://doi.org/10.17533/UDEA.IEE.V37N3E03]
• Chung, K. & Choi, E. (2013). A study on the development of「Authentic parental competence scale」for mothers with young children. The Journal of Korea Open Association for Early Childhood Education, 18(3), 225-257.
• Reed, C. S., Van Egeren, L. A., & McKelvey, L. (2009). Psychometric study of the parenting skills assessment. Michigan State University.
• Chung, K., Park, H., & Kang, I. (2017). Development of the parental competence scale for building early childhood educational community. The Journal of Learner-Centered Curriculum and Instruction, 17(6), 599-621. [https://doi.org/10.22251/jlcci.2017.17.6.599]
• Chaudron, S., DI, G. R., & Gemo, M. (2018). Young children (0-8) and digital technology-A qualitative study across Europe. European Union. [https://doi.org/10.2760/294383]
• Hark Söylemez, N. (2023). Views of Parents on Digital Parenting Competencies. International Journal on Social and Education Sciences, 5(3), 452-474. [https://doi.org/10.46328/ijonses.500]
• Imran, A., Khanom, N., & Rahman, A. (2023). Parental perception of children’s online behaviour: a study on ethnic communities in Australia. International Journal of Environmental Research and Public Health, 20(7), 5342. [https://doi.org/10.3390/ijerph20075342]
• Balakrishnan, R., & Charania, A. (2023). Parental digital competence and influences on parenting mediation. Studies in Technology Enhanced Learning, 3(3). [https://doi.org/10.21428/8c225f6e.e3307987]
• Radesky, J., & Moreno, M. A. (2018). How to consider screen time limits… for parents. JAMA Pediatrics, 172(10), 996-996. [https://doi.org/10.1001/jamapediatrics.2018.2550]
• Clark, L. S. (2011). Parental mediation theory for the digital age. Communication theory, 21(4), 323-343. [https://doi.org/10.1111/j.1468-2885.2011.01391.x]
• Su, J. (2025). Kindergarten parents’ perceptions of the use of AI technologies and AI literacy education: Positive views but practical concerns. Education and Information Technologies, 30(1), 279-295. [https://doi.org/10.1007/s10639-024-12673-4]
• Jung, J. & Son, C. (2022). How parents’ digital literacy affects elementary school students’ distance learning. Journal of Education & Culture, 28(6), 5-26. [https://doi.org/10.24159/joec.2022.28.6.5]
• Choi, S, & Park, I. (2025). Analyzing elementary school parents' perspectives: Expectations and concerns about AI digital textbooks. Journal of Korean Association for Educational Information and Media, 31(2), 347-372. [https://doi.org/10.15833/KAFEIAM.31.2.347]
• Choi, S, & Lim, J. (2025). Exploring Issues in the Implementation of AI Digital Textbooks: Parental Perceptions. CNU Journal of Educational Studies, 46(2), 5-36.
• Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). SAGE. [https://doi.org/10.1007/978-3-030-80519-7]
• Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141-151. [https://doi.org/10.1177/001316446002000116]
• Hair, J., & Alamer, A. (2022). Partial Least Squares Structural Equation Modeling (PLS-SEM) in second language and education research: Guidelines using an applied example. Research Methods in Applied Linguistics, 1(3), 100027. [https://doi.org/10.1016/j.rmal.2022.100027]
• Choi, B. & Kim, S. (2023). Exploratory Study for Handling Multicollinearity. Journal of Social Science, 62(2), 159-189. [https://doi.org/10.22418/JSS.2023.4.62.2.159]
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
• Fleury, J. (1998). The index of self-regulation: Development and psychometric analysis. Journal of Nursing Measurement, 6(1), 3-17. [https://doi.org/10.1891/1061-3749.6.1.3]
• Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31-36. [https://doi.org/10.1007/BF02291575]
• Hair, J. F., & Sarstedt, M. (2020). Factors versus composites: Guidelines for choosing the right structural equation modeling method. Project Management Journal, 50(6), 619–624. [https://doi.org/10.1177/8756972819882132]
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: a Multidisciplinary Journal, 6(1), 1-55. [https://doi.org/10.1080/10705519909540118]
• Boyatzis, R. E. (1982). The competent manager: A model for effective performance. John Wiley and Sons, Inc.