Core Concepts
대규모 언어 모델을 활용하여 자동으로 튜터링 스크립트를 생성하고 자유로운 대화형 튜터링을 수행할 수 있는 새로운 유형의 대화형 튜터링 시스템 Ruffle&Riley를 소개하고 평가한다.
Abstract
이 논문은 대화형 튜터링 시스템(CTS)의 새로운 유형인 Ruffle&Riley를 소개하고 평가한다. Ruffle&Riley는 대규모 언어 모델(LLM)을 활용하여 기존 수업 자료에서 자동으로 튜터링 스크립트를 생성하고, 두 개의 LLM 기반 에이전트(Ruffle과 Riley)가 학생과 교수의 역할을 맡아 자유로운 대화형 튜터링을 수행한다.
두 차례의 온라인 사용자 연구(총 200명 참여)를 통해 Ruffle&Riley의 성능을 평가했다. 첫 번째 연구에서는 Ruffle&Riley가 기존 QA 채팅봇 및 읽기 활동 대비 학습 경험 측면에서 우수한 성과를 보였지만, 학습 성과 측면에서는 유의미한 차이가 없었다. 이에 따라 두 번째 연구에서는 Ruffle&Riley와 읽기 활동 간 성과를 비교하고, 대화 로그 분석을 통해 사용 패턴과 학습 성과의 관계를 탐구했다.
분석 결과, Ruffle&Riley 사용자들은 읽기 활동 참여자에 비해 지각된 지식 수준이 유의미하게 높았다. 또한 대화 중 도움 요청 횟수가 적고 대화에 집중한 사용자들이 더 높은 학습 성과를 보였다. 이를 통해 LLM 기반 CTS의 설계 및 평가에 대한 다양한 통찰을 제공한다.
Stats
Ruffle&Riley 사용자의 평균 학습 시간은 20.8분으로, 읽기 활동 참여자의 5.5분보다 길었다.
Ruffle&Riley 사용자의 지각된 사전/사후 지식 수준이 읽기 활동 참여자에 비해 유의미하게 높았다.
Ruffle&Riley 사용자 중 도움 요청 횟수가 적고 대화에 집중한 사용자들이 더 높은 학습 성과를 보였다.
Quotes
"대화형 튜터링 시스템(CTS)은 자연어 기반 상호작용을 통해 학습 경험을 제공한다. 이는 인지적 몰입을 촉진하고 특히 추론 과제에서 학습 성과를 향상시키는 것으로 알려져 있다."
"CTS 콘텐츠 개발에 드는 비용이 광범위한 채택과 효과적인 교육 설계 연구의 주요 장애물이다."