PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.01592v2cs.CY

질문 유형, 인지 부하, CEFR 정렬: LLM이 생성한 EFL 문법 드릴 연습문제 평가

Question Type, Cognitive Load, and CEFR Alignment: Evaluating LLM-Generated EFL Grammar Drill Exercises

이 연구는 대규모 언어 모델(LLM)이 생성한 외국어로서의 영어(EFL) 학습 콘텐츠의 교육적 타당성을 평가한다. 문법 드릴 애플리케이션에서 연습하는 일본 중학생들의 로그 데이터를 활용하여, 다양한 질문 양식이 학생 수행도에 미치는 영향과 이론적으로 현지화된 CEFR 난이도 단계가 실증적 과제 난이도를 정확히 예측하는지를 분석하였다. 결과는 명확한 수행도 위계를 보여준다: 객관식 문제는 인지 부하가 가장 낮았고, 클로즈(빈칸 채우기) 과제는 능동적 회상에 가장 큰 장벽을 형성하였으며, 드래그앤드롭 연습은 가장 큰 시간적 부담을 유발하였다. 또한, 학습자 데이터는 CEFR-J 문법 프레임워크를 검증하였으며, 숙달도 수준이 높아질수록 정확도가 꾸준히 감소하고 응답 시간이 증가함을 보여주었다. 이러한 결과는 LLM이 학습 콘텐츠를 성공적으로 생성할 수 있음을 입증하는 동시에, 학습자를 수동적 인식에서 능동적 언어 산출로 전환시키기 위해 개발자들이 질문 양식을 전략적으로 순서화할 필요성을 강조한다.