학술지
학술지
지능정보융합과 미래교육
- HOME
- 학술지
- 지능정보융합과 미래교육
[제4권 제7호]LLM을 이용한 맞춤형 학습 지원 시스템 개발
- 작성일
- 2025-05-23
- 작성자
- 운영자
- 조회
- 24
|
LLM을 이용한 맞춤형 학습 지원 시스템 개발 Development of Customized Learning Support System with LLM 손시형†⋅이선화†⋅정원대†⋅조재춘†† SiHyeong Son† Seonhwa Lee† Wondae Jeong† Jaechoon Jo†† 요 약 기존 교사 주도형 교육 방식은 개별 학습자의 수준과 필요를 충분히 반영하지 못하며, 맞춤형 학습 지원이 부족하다. 인공지능 기술을 활용하면 학습자의 패턴을 분석하고 최적화된 교육 콘텐츠를 제공할 수 있어, 자기주도적 학습을 촉진할 수 있다. 본 논문은 인공지능 기반의 LLM을 이용한 맞춤형 학습 지원 서비스를 개발한다. 본 시스템은 ChatGPT를 이용한 자동 문제 생성 및 채점, BERT 모델을 통한 유사 문제 추천, GPT와 BERT 모델을 혼합한 유사 문제 생성으로 구성된다. 이를 활용하여, 기존의 교사 주도형 교육 방식의 한계를 극복하고, 더 나아가 학생 개인별 학업성취도를 고려한 맞춤형 학습 환경을 조성하는 데 중점을 두었다. 검증 실험을 위해, 개발한 BERT 기반 문제 추천 시스템과 기존 ChatGPT 기반 문제 추천 모델을 비교하였고, 학교 수업에 적용하여 효과성을 분석하였다. 실험 결과, BERT 모델의 유사도 점수는 0.99, ChatGPT 모델의 유사도 점수는 0.90으로 나타났다. 또한, BERT 기반 문제 추천을 받은 학습자의 평균 점수는 88점, ChatGPT 기반 문제 추천을 받은 학습자의 평균 점수는 77점으로, BERT 모델이 학습 성취도 향상에 더 효과적인 것으로 분석되었다. 만족도 조사 결과, 학습자의 80% 이상이 추천된 문제가 학습 목표에 부합하며, 자기주도적 학습에 도움이 되었다고 응답하였다. 본 연구를 통해, 개발된 맞춤형 학습 지원 시스템이 학생들의 개별 학습 수준을 고려한 효과적인 교육 환경을 제공할 수 있을 것으로 기대된다. 주제어: 거대언어모델, 맞춤형 학습, 프로그래밍 학습 지원, 학습 데이터 분석, 자기주도학습 ABSTRACT The existing teacher-centered education method does not sufficiently reflect individual learners' levels and needs and lacks personalized learning support. Artificial intelligence technology enables the analysis of learners' patterns and the delivery of optimized educational content, thereby fostering self-directed learning. This study presents a personalized learning support system utilizing an AI-based Large Language Model (LLM). The system consists of automatic problem generation and grading using ChatGPT, similar problem recommendations through a BERT model, and similar problem generation by combining GPT and BERT models. By leveraging these technologies, this study seeks to address the limitations of traditional teacher-centered education and establish a personalized learning environment tailored to individual students' academic performance. To validate the system, we compared the developed BERT-based problem recommendation system with an existing GPT-based model and assessed its effectiveness through implementation in school classrooms. The experimental results showed that the BERT model achieved a similarity score of 0.99, while the GPT model scored 0.90. Additionally, learners who received BERT-based problem recommendations had an average score of 88, whereas those who received GPT-based recommendations had an average score of 77, indicating that the BERT model is more effective in enhancing learning achievement. According to the satisfaction survey, over 80% of learners responded that the recommended problems aligned with their learning objectives and supported self-directed learning. This study suggests that the developed personalized learning support system can offer an effective educational environment tailored to students' individual learning needs. Keywords: LLM, Personalized Learning, Programming Learning Support, Learning Data Analysis, Self-Directed Learning |