PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.24348v1cs.SE

응용 AI 교육을 위한 경량 사양 주도 AI 지원 소프트웨어 개발 수명 주기: AI-SDLC 접근법

A Lean and Spec-Driven AI-Assisted Software Development Lifecycle for Applied AI Education: The AI-SDLC Approach

AI 코딩 에이전트는 코드 완성을 넘어 계획, 구현, 테스트, 저장소 수준 작업 실행까지 소프트웨어 개발을 점점 더 지원한다. 그러나 실무에서의 사용은 종종 기존 소프트웨어 공학 관행과 약하게만 연결되어 있다. 본 연구의 목표는 거버넌스가 적용된 에이전트형 소프트웨어 공학을 위한 경량의 사양 주도 수명 주기를 개발하고 평가하는 것이다. 이 수명 주기는 기존 소프트웨어 공학 관행과 사양(specifications), AGENTS.md, 단계별 에이전트 스킬 파일을 통한 저장소 로컬 가이던스를 결합한다. 이 접근법은 FHNW 과정 AI-assisted Software Development 맥락에서 개발되었으며, 학생들이 비즈니스 지향 소프트웨어 사용 사례에 적용하였다. 교육적·실무적 적용 가능성은 폐쇄형 평점 항목과 개방형 질문을 결합한 학생 설문을 통해 탐구하였다. 본 연구의 기여는 AI 코딩 에이전트가 명시적이고 검토 가능하며 테스트 지향적인 소프트웨어 개발 수명 주기 내에서 제한된 자율성으로 동작하도록 하는 프로세스 중심 프레임워크이다.

arXiv:2607.21603v1cs.HC

Ordered Network Analysis를 활용한 협력적 AI 챗봇 개발 중 중학생의 대화 및 행동 분석

Analyzing Middle School Students' Dialogue and Behaviors during Collaborative AI Chatbot Development Using Ordered Network Analysis

인공지능(AI) 교육이 K-12 교육과정의 핵심 구성 요소가 되면서, 대화형 에이전트(conversational agent)를 설계하고 개발하는 활동이 점점 더 많이 교수학습 실천으로 활용되고 있다. 기존 연구는 주로 학생들의 학습 성과나 최종 AI 산출물의 품질에 초점을 맞춰 이러한 활동을 살펴보았으며, AI 시스템 개발 과정에서 학습이 전개되는 협력적 과정에 대한 통찰은 제한적이었다. AIED(인공지능 교육) 커뮤니티는 STEM 및 컴퓨팅 교육에서 협력 학습을 연구해 온 오랜 역사가 있지만, 학생들이 AI 시스템을 구축하는 AI 학습 환경의 등장은 AI 교육 맥락에서 협력이 어떻게 전개되는지 이해할 새로운 기회를 제시한다. 이러한 기초 연구에 기반하여, 본 연구는 AI 챗봇의 설계 및 개발에 참여한 중학생들 간의 협력적 상호작용을 조사한다. 학생들의 대화와 개발 행동에 대한 Ordered Network Analysis를 활용하여, 협력이 시간에 따라 어떻게 조직되는지, 그리고 상호작용 패턴이 챗봇 품질 및 AI 지식 성과와 어떻게 관련되는지를 규명한다. 결과는 더 높은 품질의 챗봇이 설명, 테스트, 정제(refinement)를 연결하는 더 통합적인 순서와 관련이 있음을 보여준다. 명료한 추론과 챗봇 출력에 대한 반복적인 테스트 및 수정을 수반하는 상호작용 패턴또한 더 강한 AI 지식 성과와 관련이 있었다. 이러한 발견은 협력적 AI 챗봇 개발에 대한 과정 지향적 설명을 제공하며, 협력 학습 과정에 대한 AIED 연구를 AI 교육 맥락으로 확장한다.

arXiv:2606.12428v1cs.CY

미국 내 AI 프로그램 매핑: 2026년 초 현황 보고 및 AI 전공·부전공 분석

Mapping AI Programs in the U.S: A Status Report from Early 2026 and an Analysis of AI Majors and Minors

미국 내 560개 이상의 교육기관에서 학부 AI 프로그램을 동적으로 추적 및 분석하는 도구를 개발하여 350개 이상의 프로그램 데이터를 제공한다. 66개의 전공과 87개의 부전공 요건 분석 결과, 일반 AI 과목 대신 기계학습(Machine Learning) 과목을 필수로 하거나 전공에서 AI 윤리(Ethics in AI) 과목을 더 많이 요구하는 등 요건에 상당한 차이가 있음을 확인했다.