3D 애니메이션 교육에서의 전통 수업 방식과 생성형 AI 기반 제작 수업 비교 - 단편 애니메이션 제작 과정을 중심으로 - = Comparison of Traditional and Generative AI- Based 3D Animation Education –Focusing on the Short Animation Production Process–

국문 초록 (Abstract)

최근 생성형 AI 기술의 발전은 대학의 3D 애니메이션 교육 내용과 교수법 전반에 걸쳐 근본적인 패러다임 변화를 야기하고 있다. 생성형 AI 도구들은 스토리 구성, 콘셉트 디자인, 스토리보드 제작, 나아가 실제 영상 생성과 편집까지 애니메이션 제작 파이프라인 전 과정에 관여할 정도로 고도화되었다.
본 연구는 Maya를 중심으로 기술적 숙련도를 단계적으로 배양하는 3학기 과정의 전통적 제작 수업과, 생성형 AI 도구를 활용하여 기획부터 완성까지의전 공정을 한 학기로 압축하여 운영한 수업 모델을 단편 애니메이션 제작 사례를 중심으로 비교 분석하였다. 실제 수업에 참여한 수강생 138명을 대상으로 정량적 설문조사를 실시하여 분석 데이터를 도출하였다.
분석 결과, AI 기반 수업은 제작 속도 및 효율성(4.72점/5.0점)과 수업 흥미및 몰입도(4.65점) 항목에서 매우 높은 평가를 받았으며, 툴 사용 편의성(4.58 점)과 향후 활용 의향(4.31점)에서도 긍정적인 성과를 거두었다. 이는 초심자들의 제작 진입장벽을 낮추는 데 효과가 있음을 입증한다. 또한 AI 특유의 예측 불가능한 결과물은 학습자에게 시각적 자극을 부여하여 실험적 시도와 창의적 폭을 넓히는 계기를 제공하였다. 그러나 이러한 효율성 이면에는 명확한기술적 한계도 공존했다. 특히 캐릭터의 외형, 연기 및 움직임에 대한 일관성(Consistency)과 재현성(Reproducibility) 유지 항목은 2.28점으로 가장 낮은 점수를 기록하였으며, 세밀한 동작 및 연기 제어 역시 2.54점에 그쳐 통제 불능의문제를 드러냈다. 이는 장면 간의 부자연스러운 연결과 결과물 도출을 위한반복적인 재생성 과정에서 발생하는 학습자의 피로도 누적으로 이어져 제작지연을 초래하기도 하였다.
결론적으로 생성형 AI는 강력한 보조 도구로 기능하나, 전통적 제작 역량과 애니메이션 원리에 기반한 창작자의 비판적 통제 능력이 결여될 경우 완성도 있는 서사와 예술적 깊이를 구현하는 데 한계가 있음이 실증되었다. 또한교육 현장에서는 AI 활용에 따른 윤리적 가이드라인과 저작권 문제에 대한 체계적인 교육이 병행되어야 한다. 본 연구는 전통적 제작 방식의 이론적 기반위에 AI 활용 능력을 유기적으로 결합한 차세대 하이브리드 애니메이션 교육모델의 지향점을 제시하고자 한다.

다국어 초록 (Multilingual Abstract)

The rapid evolution of generative AI is fundamentally reshaping the content and pedagogical methods of 3D animation education in universities. Generative AI tools such as ChatGPT, Midjourney, and Kling AI have evolved beyond merely assisting with creative ideas to becoming deeply involved in the entire animation production pipeline, including story development, concept design, storyboarding, and actual video generation and editing. This study conducted a comparative analysis between a traditional three-semester Maya-centered curriculum, which emphasizes step-by-step technical mastery, and a compressed one-semester course model utilizing generative AI tools to integrate the entire pre-production, production, and post-production processes . To ensure empirical validity and objectivity, a quantitative survey was administered to 138 students who participated in these courses.
The findings reveal that the AI-driven approach received exceptionally high marks in production speed and efficiency (4.72/5.0) and student interest and engagement (4.65/5.0). It also showed positive results in ease of tool use (4.58) and intention for future use (4.31), proving particularly effective in lowering entry barriers for novices and non-majors. Furthermore, the inherent unpredictability of AI-generated outputs provided creative stimuli for experimental exploration and expanded the creative horizons of learners. However, significant technical challenges coexisted with these efficiencies. Specifically, maintaining character Consistency and Reproducibility in terms of appearance and motion received the lowest score of 2.28/5.0, while fine-grained motion and acting control remained limited at 2.54/5.0, highlighting the issues of uncontrollability stemming from AI’ s randomness. This led to unnatural scene transitions and accumulated student fatigue due to repetitive generation tasks, occasionally causing production delays.
In conclusion, while generative AI serves as a powerful instrument for maximizing production efficiency, this study empirically demonstrates that without a foundation in traditional animation principles and critical control by the creator, it remains limited in achieving narrative completeness and artistic depth. Furthermore, educational institutions must concurrently provide systematic instruction on ethical guidelines and copyright issues, such as specifying data sources. Based on these empirical findings, this study proposes a direction for a next-generation hybrid animation education model that organically integrates traditional craftsmanship with AI-driven workflows to cultivate creators capable of critical technological control .