ChatGPT 기반 디자인 과정 분석: 디자인 사고 마인드셋 수준에 따른 차이를 중심으로 = Analysis of ChatGPT-Based Design Processes: Focusing on Differences in Design Thinking Mindset Levels

국문 초록 (Abstract)

본 연구는 생성형 AI 기반 디자인 학습 맥락에서 학습자가 디자인 과제를 수행할 때 ChatGPT와 어떠한 디자인 활동 간 상호작용 패턴을 보이는지, 그리고 디자인 사고 마인드셋 수준에 따라 그 양상이 어떻게 달라지는지를 탐색하고자 하였다. 서울 소재 4년제 대학 학부생 16명을 대상으로, 4인 1조의 4개 그룹이 ChatGPT를 활용해 교육용 챗봇 디자인 과제를 수행하였다. 상호작용 로그는 Safoutin 외(2000)의 디자인 속성(design attributes) 프레임워크를 기반으로 요구 인식, 문제 정의, 계획 수립, 정보 수집, 아이디어 생성, 모델링, 실현 가능성 분석, 평가, 실행, 문서화의 10개 범주로 코딩하였다. 이후 디자인 사고 마인드셋 점수를 기준으로 그룹을 고수준(2개 그룹)과 저수준(2개 그룹)으로 구분하고, 순서화된 네트워크 분석(Ordered Network Analysis, ONA)을 통해 디자인 활동 간 전이 구조를 시각화·분석하였다. 분석 결과, 전체 네트워크에서는 ‘모델링’이 중심 허브로 작동하며 다양한 디자인 활동 간 순환적 전이 패턴이 나타났다. 또한 고수준 집단에서는 ‘실행’을 중심으로 아이디어 생성, 계획 수립, 평가 간 전이가 두드러진 반면, 저수준 집단에서는 ‘모델링’과 ‘문제 정의’를 중심으로 한 전이가 상대적으로 강조되었다. 이러한 결과는 동일한 AI 기반 학습 환경에서도 학습자의 마인드셋 수준에 따라 ChatGPT 활용 방식과 디자인 과정이 달라질 수 있음을 보여주며, 생성형 AI 기반 디자인 교육에서 학습자 특성을 고려한 차별화된 교수 설계와 AI 활용 지원 전략의 필요성을 시사한다.

다국어 초록 (Multilingual Abstract)

This study examines how learners interact with ChatGPT across design activities when performing a design task and how these patterns vary by levels of design thinking mindset in a generative AI–based design learning context. Sixteen undergraduate students from a university in Seoul, organized into four groups of four, completed an educational chatbot design task using ChatGPT. Interaction logs were coded using Safoutin et al.’s (2000) design attributes framework across ten categories: need recognition, problem definition, planning, information gathering, idea generation, modeling, feasibility analysis, evaluation, implementation, and documentation. Design thinking mindset scores were used to divide teams into high- and low-mindset groups, and Ordered Network Analysis (ONA) was used to examine transitions among design activities. Results showed that modeling functioned as a central hub, forming recurring transition patterns across activities. Transitions centered on implementation, linking idea generation, planning, and evaluation, were more prominent in the high-mindset group, whereas transitions centered on modeling and problem definition were more salient in the low-mindset group. These findings suggest that even within the same AI-based learning environment, learners’ use of ChatGPT and the unfolding of design processes may differ by mindset level. The results further indicate that ChatGPT can function as an interactional resource connecting diverse design activities throughout the learning process, providing implications for differentiated instructional design and AI-supported pedagogical strategies in generative AI–based design education.