Konsep Inti
대규모 언어 모델을 교육 현장에 효과적이고 윤리적으로 통합하기 위한 프레임워크를 제안하고, 이를 기반으로 한 피드백 생성 도구 "Feedback Copilot"의 개발 및 평가 결과를 제시한다.
Abstrak
이 연구는 교육 현장에서 대규모 언어 모델(LLM)의 활용을 위한 프레임워크를 제안한다. 프레임워크는 두 가지 주요 구성 요소로 이루어져 있다:
애플리케이션 설계: 교육 과제 선택, 교육 이론 적용, 출력 평가 기준 설정, 데이터 및 LLM 모델 선택 등을 다룬다.
사용자 상호작용 설계: 사용자 인터페이스 설계, 프롬프트 생성 및 검토, 출력 평가 및 검토 등을 다룬다.
이 프레임워크를 바탕으로 "Feedback Copilot"이라는 도구를 개발했다. Feedback Copilot은 교수자가 학생들의 과제에 대한 개인화된 질적 피드백을 제공할 수 있도록 지원한다. 338명 학생의 과제를 대상으로 한 평가 결과, 추가적인 프롬프팅과 안내를 제공한 고급 버전의 Feedback Copilot이 기본 버전보다 우수한 피드백을 생성했다. 또한 낮은 과제 점수를 받은 학생들에게 제공된 피드백의 질이 상대적으로 낮은 것으로 나타났다. 이는 교수자의 감독이 중요하다는 것을 보여준다.
이 연구는 교육 현장에서 대규모 언어 모델의 활용을 위한 새로운 방향을 제시하며, 향후 GenAI 기반 교육 도구 개발에 시사점을 제공한다.
Statistik
338명의 학생들의 과제가 분석되었다.
학생들의 과제 점수가 낮을수록 생성된 피드백의 질이 낮은 것으로 나타났다.
Kutipan
"대규모 언어 모델을 교육 현장에 효과적이고 윤리적으로 통합하기 위한 프레임워크를 제안한다."
"Feedback Copilot은 교수자가 학생들의 과제에 대한 개인화된 질적 피드백을 제공할 수 있도록 지원한다."
"낮은 과제 점수를 받은 학생들에게 제공된 피드백의 질이 상대적으로 낮은 것으로 나타났다."