PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.19699v1cs.CY

앨리스는 잘못했을까? 대학 컴퓨팅 교육에서 생성형 AI 사용에 대한 학생 인식의 문화 간 차이

Did Alice Do Wrong? Cross-Cultural Differences in Student Perceptions of Generative AI Use in University Computing Education

고등교육에서 생성형 AI(GenAI)의 확산이 학문적 정직성과 윤리적 사용을 둘러싼 긴급한 논쟁을 촉발했다. 본 연구는 캐나다와 한국 대학 학생들의 응답을 비교하여 GenAI 사용에 대한 학생 인식의 문화 간 차이를 조사한다. 2024년 가을에 실시한 시나리오 기반 설문을 사용하여, 학생들이 AI 보조 코딩 실습의 윤리성과 규정 준수 여부를 어떻게 판단하는지 분석했다. 결과는 기능적으로 동일한 기관 정책에도 불구하고, 캐나다 학생들이 한국 학생들에 비해 GenAI 사용을 부도덕하고 기관 정책에 위배된다고 인식할 가능성이 일관되게 더 높았음을 보여준다. Mann-Whitney U 검정과 상관계수를 포함한 통계 분석은 거의 모든 시나리오에서 유의미한 차이가 있음을 입증했다. 시나리오 생성에 사용된 요인 분석에 따르면, 과제에 포함된 AI 생성 코드의 양이 윤리적 판단에 가장 강하게 영향을 미친 것으로 나타났다. 연구 결과는 Hofstede의 문화 차원 이론을 통해 해석되었으며, 권력 거리(power distance), 개인주의(individualism), 불확실성 회피(uncertainty avoidance)와 같은 문화적 요인이 GenAI에 관한 학생들의 윤리적 추론을 크게 형성한다는 것을 시사한다. 본 연구 결과는 교육에서 공평한 AI 통합이 학문적 정직성에 대한 다양한 개념을 고려하는 문화적으로 반응적인 접근이어야 한다고 강조하는 증거의 축적에 기여한다. 우리는 학문적 정직성의 근본 원칙을 지키면서 지역 문화적 맥락에 민감한 세밀한 AI 사용 지침의 개발을 주장한다. 본 연구는 글로벌 고등교육 환경에서 윤리적 AI 정책을 수립하고 책임 있는 GenAI 사용을 지원하기 위한 지속적인 문화 간 연구의 필요성을 강조한다.

arXiv:2607.12296v1cs.CY

고등교육 내 기관 및 강좌 수준 생성형 AI 정책의 비교 분석: 컴퓨팅 교육 지도에 대한 시사점

A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education

ChatGPT와 같은 생성형 AI(GenAI) 애플리케이션의 사용이 증가하면서, 고등교육 기관(HEI)들은 기관 내 도입을 안내하기 위해 다양한 가이드라인과 정책을 발표해 왔다. 컴퓨터 과학(CS) 강좌에서 GenAI 도입은 특히 높으며, 학생 학습에 미치는 영향도 크다. 동시에 학생들이 다양한 용도로 GenAI를 사용하기 시작하면서 강사들도 그 사용을 다루도록 요구받고 있다. 현재 기관이 제공하는 지침과 강의 현장에서의 수용에 대한 비교 분석은 부족한 상태다. 본 논문에서는 이 공백을 메우기 위해 기관 수준과 컴퓨팅 강좌 수준의 지침을 비교하여 이러한 영역을 더 잘 이해하고자 한다. 미국 내 연구 중심 대학으로 분류되는 고등교육 기관의 기관 및 강좌 실라버스 지침에 대한 이차 분석을 활용한다. 분석 결과, 기관 수준 지침은 사용을 더 적극 권장하는 편이지만, 강좌 수준에서는 여전히 신중하게 수용되고 있음을 보여준다. 시사점을 논의하고, 향후 GenAI 도입을 안내하기 위한 강사 중심 프레임워크를 제안한다.

arXiv:2607.02432v1cs.AI

Automated grading of Linux/bash examinations using large language models: a four-level cognitive taxonomy approach

Linux/bash 명령어 시험을 GPT, Claude Opus, Gemini, GLM 등 4개의 최신 대규모 언어 모델(LLM)로 자동 채점할 수 있는지, 인지적 복잡도와 운영 영향도를 결합한 4단계 분류 체계(taxonomy)를 적용해 전문 강사와의 일치도를 평가한 연구로, 루브릭 기반 프롬프트를 적용한 Gemini 3.0 Pro가 ICC(3,1) = 0.888로 가장 높은 인간-AI 일치도를 달성했으며 모델 선택보다 루브릭 품질이 채점 정확도에 더 큰 영향을 미치는 것으로 나타났다.