청년층 AI 판단권 이양 전망과 책임 있는 AI 리터러시의 계층 격차에 대한 LASSO·위계 회귀 교차 확인과 다층 지원 방안
Not Everyone Is Ready for the Age of Delegating Judgment to AI: LASSO and Hierarchical Regression Evidence on Class Gaps in Korean Youth's Expectations of Ceding Judgment to AI and Responsible AI Literacy
방법: 후보 383·385개 LASSO(학교 단위 절반 분할)와 이론변수 위계 회귀의 교차 확인, 50회 반복 분할, 종속변수 포함 다중대체(m=20), 학교 집락 부트스트랩
핵심 발견
AI가 사람의 중요한 판단을 대신하리라는 전망은 청년 64%가 동의하고 계층을 가로질러 넓게 퍼져 있다. 부모 학력에 따른 총연관은 작고 오히려 역방향이다(표준편차 1당 OR .907).
반면 그 판단을 따져 물을 전제인 책임 있는 AI 리터러시(강점·한계, 윤리적 의무, 법적 책임의 인지)는 부모 학력별 3.49 → 3.62 → 3.84, 대학 유형별 3.34 → 3.44 → 3.85로 뚜렷이 갈린다(OR 1.280).
두 기울기의 절댓값 차이 .104는 학교 집락 부트스트랩 95% 신뢰구간 [.065, .140]으로 0을 배제한다. AI 앱 사용률도 부모 학력별 34.3 → 42.4 → 44.7%다.
정책이 겨눌 집단은 행정 자료로 식별되는 비진학·전문대 진학 청년과 저학력 가정 청년이다. 인식 제고가 아니라 책임 있는 이용 역량이 표적이다.
다층 지원 방안
교육 현장
초·중등 AI 교육에 산출물이 틀릴 수 있다는 사실, 결과를 사람이 되돌릴 통로, 이용자가 지는 책임의 범위를 넣기
교육부 학습지원 소프트웨어 선정기준에 '산출물 근거의 교사 제시'와 '교사 재검토 권한' 항목 추가
비진학·전문대 진학 청년을 위한 별도 리터러시 과정
기업
인공지능 기본법 제34조의 사람의 관리·감독에 감독자의 역량 요건과 개입 권한을 사업자 책무로 추가
자동화된 결정의 고지·설명 형식을 이용자의 조건에 맞게(개인정보 보호법 제37조의2)
설명 방안과 감독자 접근 경로를 공개한 사업자에게 자율 인증과 조달 반영의 유인
정부
관리·감독이 실질이 될 최소 조건을 고시로 제시(제34조 제2항)
인공지능 취약계층 인정 기준(시행령 제1조의2 제10호)에 이용 어려움 평가와 청년 하위 집단 반영
실태조사에 판단권 인식·책임 인지 문항군을 넣고 AI 기본계획의 리터러시 이행지표를 표적화
초록
본 연구는 청년층이 인공지능에게 중요한 판단을 넘기게 되리라 전망하는 정도와 책임 있는 인공지능 리터러시의 계층 격차를 물었다. 앞 문항은 "10년 후 미래에 AI가 가져올 부정적 영향"을 묻는 문항군에 속해 개인의 위임 의향이 아닌 3인칭 전망이다. 한국교육고용패널조사Ⅱ 1~8차로 2016년 고2 코호트를 분석했다(7차 7,742명·8차 7,507명). 이 전망의 계층 총연관은 작고 역방향이며(표준편차 1당 승산비(OR) .907), 선행연구가 쓴 위험 4문항 합산에서는 0에 가깝다. 고교 시기 변수를 통제하면 계수가 줄지만, 이는 총연관의 부재가 아니라 매개일 수 있다. 부모 학력 표준점수에 대한 기울기는 전망 −.049, 리터러시 .153이고 두 기울기의 절댓값 차이 .104의 부트스트랩 신뢰구간이 0을 배제한다. 리터러시는 부모 학력별 3.49, 3.62, 3.84, 대학 유형별 3.34, 3.44, 3.85, 앱 사용률은 부모 학력별 34.3, 42.4, 44.7%로 계층과 교육 위치를 따라 갈렸다. 조건부 고유 기여는 탐색적이다. 전망 동의와 이후 역량의 연관은 무시할 만큼 작았다(r=−.045). 정책의 표적은 비진학·전문대 진학 청년과 저학력 가정 청년이다. 교육 현장·기업·정부의 다층 방안을 제시한다.
