Kernekoncepter
생성형 AI를 활용하여 학생들의 협력 토론 내용을 반영한 상황 기반 반성 트리거를 생성할 수 있다.
Resumé
이 연구는 대학 수준의 클라우드 컴퓨팅 과정에서 데이터베이스 설계를 위한 쿼리 최적화 작업에 ChatGPT를 활용하여 학생들에게 상황 기반 반성 트리거를 제공하는 프로토타입을 설계하고 평가했다.
주요 내용은 다음과 같다:
상황 기반 반성 트리거를 생성하기 위한 프롬프트 엔지니어링 기법을 개발했다.
온라인 협력 소프트웨어 개발 플랫폼에 동적 반성 지원 기능을 추가했다.
34명의 학생을 대상으로 한 파일럿 연구에서 반성 트리거가 학생 학습에 미치는 영향을 분석했다.
반성 트리거 설계 공간 탐색과 학습 목표와의 연관성, 학생 학습에 미치는 영향을 심도 있게 논의했다.
Statistik
데이터 검색 효율성, 쓰기 성능, 디스크 저장 공간, 유지보수성 등 데이터베이스 최적화 기준을 고려해야 한다.
정규화와 비정규화, 데이터 타입, 인덱싱 등 관련 개념을 학습하는 프라이머를 제공했다.
모 프로그래밍 기법을 활용하여 3-5명의 학생이 다양한 역할(운전자, 탐색자, 안내자)을 수행하며 협력했다.
Citater
"생성형 AI (GenAI)와 대형 언어 모델 (LLM)의 최근 발전으로 다중 모드 학생 입력 평가와 실시간 피드백 기능이 향상되어 응용 가능성 탐색이 활발해졌다."
"과거 연구에서 협력 학습을 위한 효과적인 동적 지원 설계 원칙이 입증되었지만, LLM 기반 코드 생성 기술의 발전에 따른 새로운 기회가 생겼다."