생산성 AI를 활용한 대응표본 t-test(Paired Samples t-test)

같은 집단의 사전·사후 평균 차이를 검증하는 분석

연구를 하다 보면 특정 교육, 훈련, 프로그램, 정책 시행 전후에 변화가 있었는지 확인해야 하는 경우가 많습니다.

예를 들어,

• AI 교육 전후의 AI 활용역량은 향상되었는가?
• 운동 프로그램 참여 전후 체력 수준은 변화했는가?
• 상담 프로그램 참여 전후 스트레스 수준은 감소했는가?
• 신약 복용 전후 건강지표는 개선되었는가?

이러한 질문에 답하기 위해 사용하는 분석이 대응표본 t-test(Paired Samples t-test) 입니다.

최근에는 ChatGPT와 같은 생산성 AI를 활용하여 연구설계, 가설설정, 데이터 해석, 논문 작성까지 효율적으로 수행할 수 있습니다.

---

대응표본 t-test란?

동일한 대상의 두 시점 평균 차이가 통계적으로 유의한지를 검증하는 분석입니다.

즉,

사전(Pre-test) VS 사후(Post-test)

를 비교하는 분석입니다.

---

대응표본 t-test의 기본 구조

AI 교육 실시 → 교육 전 측정 → 교육 후 측정 → 평균 차이 검증

 

---

대응표본 t-test는 언제 사용할까?

교육분야

AI 교육 전 VS AI 교육 후
> AI 활용역량 변화

경영분야

직무교육 전 VS 직무교육 후
> 직무역량 변화

사회복지분야

상담 프로그램 전 VS 상담 프로그램 후
> 스트레스 감소 효과

의료분야

약물 복용 전 VS 약물 복용 후
> 건강상태 변화

---

대응표본 t-test의 핵심

• 일표본 t-test

평균 VS 기준값

 

• 독립표본 t-test

집단 A VS 집단 B

 

• 대응표본 t-test

사전 VS 사후

---

대응표본 t-test 사용 조건

• 대응표본 t-test는 동일한 대상이 두 번 측정되어야 합니다.

가능

학생	교육 전	교육 후
학생1	3.2	4.1
학생2	3.5	4.3

불가능

집단	평균
남학생	3.8
여학생	4.1

→ 독립표본 t-test 사용

---

연구 예시

연구문제

AI 교육 전후의 AI 활용역량은 차이가 있는가?

연구가설

귀무가설(H₀)

AI 교육 전후 AI 활용역량 평균은 차이가 없다.

연구가설(H₁)

AI 교육 전후 AI 활용역량 평균은 차이가 있다.

---

생산성 AI 활용 대응표본 t-test 분석 절차

1단계. 연구문제 및 가설 설정

왜 하는가?

• 비교할 사전·사후 변수를 명확하게 설정하기 위함

예시

AI 교육 전후 AI 활용역량은 변화하였는가?

 

ChatGPT 활용

대응표본 t-test를 위한 연구문제와 가설을 작성해줘.

 

---

2단계. 데이터 수집 및 정리

왜 하는가?

• 동일 대상의 사전·사후 데이터가 필요하기 때문

예시

ID	교육 전	교육 후
1	3.2	4.1
2	3.5	4.3
3	2.9	4.0

ChatGPT 활용

대응표본 t-test를 위한 데이터 구조를 설명해줘.

 

---

3단계. 기술통계 분석

왜 하는가?

• 사전·사후 평균 수준을 확인하기 위함

확인항목

항목	의미
Mean	평균
SD	표준편차
N	표본수

ChatGPT 활용

사전·사후 평균과 표준편차를 분석해줘.

 

---

4단계. 정규성 검토

왜 하는가?

• 대응표본 t-test의 가정을 확인하기 위함

기준

항목	기준
왜도	±2 이하
첨도	±7 이하

(Kline, 2023)

---

5단계. 대응표본 t-test 실시

왜 하는가?

• 사전·사후 평균 차이를 검증하기 위함

확인항목

항목	의미
Mean Difference	평균차이
t	차이 크기
p	유의성
95% CI	신뢰구간

판단기준

항목	기준
p < .05	유의
p ≥ .05	비유의

ChatGPT 활용

대응표본 t-test를 실시하고 Mean, SD, t, p를 제시해줘.

 

---

6단계. 효과크기(Cohen's d)

왜 하는가?

• 통계적으로 유의한 차이가 실제로도 의미 있는 변화인지 확인하기 위함

판단기준

d 값	해석
.20	작은 효과
.50	중간 효과
.80 이상	큰 효과

(Cohen, 1988)

---

최종 논문 제시용 분석결과

표 1. 사전·사후 기술통계

구분	N	Mean	SD
교육 전	120	3.42	.68
교육 후	120	4.15	.62

표 2. 대응표본 t-test 결과

변수	산전 평균	사후 평균	Mean Difference	t	p
AI 활용역량	3.42	4.15	-.73	-8.74	.000

표 3. 효과크기 결과

변수	Cohen's d
AI 활용역량	.95

해석

Cohen's d=.95 → 큰 효과크기

논문 결과 작성 예시

AI 교육 전후의 AI 활용역량 차이를 검증하기 위해 대응표본 t-test를 실시하였다. 분석 결과, AI 활용역량은 교육 전 평균 3.42점(SD=.68)에서 교육 후 평균 4.15점(SD=.62)으로 증가한 것으로 나타났다. 대응표본 t-test 결과 이러한 차이는 통계적으로 유의한 것으로 확인되었다(t=-8.74, p<.001). 또한 효과크기(Cohen's d)는 .95로 나타나 큰 효과크기를 보였다. 따라서 AI 교육은 학습자의 AI 활용역량 향상에 긍정적인 영향을 미치는 것으로 확인되었다.

---

생산성 AI 활용 핵심 프롬프트

다음 데이터를 이용하여

1. 기술통계 분석
2. 정규성 검토
3. 대응표본 t-test
4. Cohen's d 계산
5. 논문 결과 작성

을 수행해줘.

다음 결과를 표로 제시해줘.

N
Mean
SD
Mean Difference
t
p
Cohen's d

그리고 최종 논문 제시용 결과표와
논문 결과 작성 예시까지 작성해줘.

 

---

대응표본 t-test 해석 순서

① 사전·사후 평균 확인
② 정규성 확인
③ 평균차이 확인
④ t값 확인
⑤ p값 확인
⑥ Cohen's d 확인
⑦ 가설 채택 여부 판단

 

대응표본 t-test는

"같은 집단이 시간의 흐름에 따라 변화했는가?"

를 검증하는 가장 대표적인 사전·사후 비교 분석입니다.

생산성 AI(ChatGPT)를 활용하면 연구문제 설정, 기술통계 분석, 대응표본 t-test, 효과크기 계산, 논문 결과 작성까지 효율적으로 수행할 수 있습니다.