earticle

영어

This study aimed to restructure the 'AI-based video production education competency model' and to develop specific evaluation indicators for nurturing future talents in the video industry, focusing on the paradigm shift in video production that was caused by the rapid advancement of Generative AI technology. First, in terms of job competency, the core indicators were established as the ability to ensure visual continuity based on cinematography grammar—moving beyond individual shot generation—and the integrated control of multimodal tools. Second, regarding creative competency, the study emphasized ‘curatorial creativity,’ the ability to critically accept the randomness of AI outputs and reconstruct them according to artistic intent, and collaborative competency based on the TMSI (Thinking, Making, Sharing, Interaction) model. Third, to verify the model’s validity, it was applied to video production cases in university settings, and evaluation indicators were refined through expert surveys. The results indicate that AI-based video education is most effective in improving practical job competencies when transitioning from outcome-oriented evaluation to ‘process-oriented evaluation’ using prompt design logs and reflection journals. In particular, the study demonstrated that industrial utility is maximized when human directing skills compensate for the limitations of AI technology. The competency model and rubrics proposed in this study can serve as standard guidelines for university video education in the rapidly changing AI media environment. Furthermore, this research holds academic and practical significance by providing foundational data for establishing adaptive educational systems that include AI ethics and copyright awareness.

한국어

본 연구는 생성형 인공지능(Generative AI) 기술의 급격한 발전으로 인한 영상 제작 패러다임의 변화에 주목하여, 미래 영상 산업 인재 양성을 위한 ‘AI 기반 영상 제작 교육 직무 역량 모델’을 재구조화하고 구체적 인 평가지표를 개발하는 것을 목적으로 했다. 최근 생성형 AI의 등장은 영상 제작의 기술적 장벽을 낮추는 동시에, 창작자에게 단순 숙련도를 넘어선 고차원적인 조율 역량을 요구하고 있다. 이에 본 연구는 기존의 영상 교육 체계를 분석하여 공통 역량, 직무 역량, 창의 역량의 세 가지 차원에서 모델을 재설계하였다. 첫째, 직무 역량 측면에서는 개별 숏(shot) 생성 단계를 넘어 영상 문법에 기초한 시각적 연속성(Continuity) 확보와 멀티모달 도구의 통합적 제어 능력을 핵심 지표로 설정하였다. 둘째, 창의 역량 측면에서는 AI 산출물 의 우연성을 비판적으로 수용하고 자신의 예술적 의도에 맞게 재구성하는 ‘큐레이션 적 창의성’과 TMSI(탐 색·제작·공유·상호작용) 모형에 기반한 협업 역량을 강조하였다. 셋째, 개발된 모델의 타당성을 검증하기 위해 실제 대학 교육 현장의 영상 제작 사례에 적용하고 전문가 조사를 통해 평가지표를 정교화하였다. 연구 결과, AI 기반 영상 교육은 결과물 중심 평가에서 벗어나 프롬프트 설계 로그(Prompt Log)와 성찰 저널(Reflection Journal)을 활용한 ‘과정 중심 평가’가 이루어질 때 학습자의 실질적인 직무 역량 향상을 확인할 수 있었다. 특히 AI 기술의 한계를 인간의 연출력으로 보완하는 지점에서 산업적 효용성이 극대화됨을 입증하였다. 하지만 AI 기술의 빠른 발전에 따른 평가지표의 유효성에 대한 문제는 여전히 연구의 한계로 남는다. 본 연구에서 제안한 역량 모델과 루브릭은 급변하는 AI 미디어 환경에 대응하는 대학 영상 교육의 표준 가이드라인으로 활용될 수 있을 것이며, 향후 AI 윤리와 저작권 인식을 포함한 적응형(adaptive) 교육 체계 구축의 기초 자료를 제공한다는 점에서 학술적, 실무적 의의를 지닌다.