본 연구는 생성형 AI 기술의 맥락에서 AI 리터러시를 측정하고 이해해야 할 필요성에 대한 연구이다. 총 517명의 참가자를 대상으로 한 3개의 연구를 통해 AI 리터러시를 교육, 인력 개발 및 사회적 형평성에 중요한 의미를 지닌 일관되고 측정 가능한 구성 개념으로 확립하였다. 연구 1(N=85)에서는 다양한 AI 상호 작용 과제에서 44.16%의 분산을 설명하는 "A-요인"이라는 주요 잠재 요인을 밝혀냈다. 연구 2(N=286)에서는 AI 리터러시의 네 가지 주요 차원(의사소통 효과, 창의적인 아이디어 생성, 콘텐츠 평가, 단계별 협업)을 검토하여 18개 항목으로 구성된 평가 도구를 개발하였다. 연구 3(N=146)에서는 통제된 실험실 환경에서 이 도구의 타당성을 검증하여 실제 과제 수행에 대한 예측 타당성을 입증하였다. 결과는 AI 리터러시가 복잡한 언어 기반 창의적 과제 수행을 상당히 예측하지만, 그 예측력은 영역 특이성을 보이는 것을 나타낸다. 또한 회귀 분석을 통해 인지 능력(IQ), 교육 배경, 이전 AI 경험 및 교육 이력 등 AI 리터러시의 몇 가지 중요한 예측 변수를 확인하였다. AI 리터러시의 다차원적 특성과 그 독특한 요인 구조는 효과적인 인간-AI 협업에는 일반적인 능력과 전문적인 능력이 결합되어야 함을 시사한다. 이러한 결과는 인간-AI 협업의 이론적 틀에 기여하는 동시에 생성형 AI 기술의 혜택에 대한 공평한 접근을 촉진하기 위한 표적 교육 개입을 개발하기 위한 실용적인 지침을 제공한다.
