Core Concepts
대규모 언어 모델(LLM)을 활용하여 수학 선다형 문제를 자동으로 생성할 수 있지만, 학생들의 일반적인 오류와 오개념을 반영하는 데 한계가 있다. 따라서 교육자와 LLM의 협업이 수학 선다형 문제 생성의 효율성과 효과성을 높일 수 있다.
Abstract
이 논문은 대규모 언어 모델(LLM)과 교육자 간의 협업을 통해 수학 선다형 문제를 생성하는 프로토타입 도구인 HEDGE를 소개한다.
HEDGE는 2단계 프로세스를 통해 수학 선다형 문제를 생성한다. 첫 번째 단계에서는 LLM이 문제 제시, 정답, 설명을 생성하고 교육자가 이를 평가 및 편집한다. 두 번째 단계에서는 LLM이 일반적인 학생 오류/오개념과 이에 해당하는 오답지 및 피드백을 생성하고, 교육자가 이를 평가 및 편집한다.
파일럿 연구 결과, 교육자들은 LLM이 생성한 문제 제시, 정답, 설명의 70%를 유효하다고 평가했지만, 오류/오개념, 오답지, 피드백의 37%만을 유효하다고 평가했다. 이는 LLM이 실제 학생들의 일반적인 오류와 오개념을 포착하는 데 한계가 있음을 보여준다. 이러한 결과는 수학 선다형 문제 생성 과정에서 교육자의 전문성이 필수적임을 강조한다.
Stats
LLM이 생성한 문제 제시, 정답, 설명 중 70%가 유효하다고 평가되었다.
LLM이 생성한 오류/오개념, 오답지, 피드백 중 37%만이 유효하다고 평가되었다.
Quotes
"LLM은 문제 제시, 정답, 설명을 생성하는 데 능숙하지만, 학생들의 일반적인 오류와 오개념을 포착하는 데는 한계가 있다."
"수학 선다형 문제 생성 과정에서 교육자의 전문성이 필수적이다."