PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.00870v1cs.AI

개념적 데이터베이스 설계를 위한 비계 설정 피드백 제공 교육자 유도형 LLM 교육용 에이전트

An Educator-Guided LLM Pedagogical Agent for Scaffolded Feedback in Conceptual Database Design

본 논문에서는 개념적 데이터베이스 설계에서 비계 설정(scaffolded) 피드백을 제공하기 위한 교육자 유도형 대규모 언어 모델(LLM) 교육용 에이전트를 제시합니다. 개체-관계 다이어그램(ERD) 편집기에 통합된 이 시스템은 학생의 산출물, 과제 요구사항, 교육자가 작성한 루브릭 및 교육 자료에 피드백을 그라운딩(grounding)합니다. 해당 아키텍처는 산출물에 그라운딩된 비공개 진단과, 학생에게 노출되는 지원의 형태 및 공개 수준을 제어하는 워크플로를 분리합니다. 우리는 이 아키텍처를 개념 확인과 안내형 적용에서부터 세부도가 낮은 피드백 및 국소적 설명으로 나아가는 4단계 워크플로로 구현했습니다. 각 피드백 요청은 버전 관리된 ERD 상태와 연결된 상태 유지형(stateful) 에피소드를 생성합니다. 3개의 ERD 환경과 383개의 피드백 에피소드에 걸친 실환경 배포 결과, 관찰된 목표 수준 변경 사항의 71.1%가 비공개 진단 목표를 전체적 또는 부분적으로 반영했으며, 이 중 다수는 1~2단계 이후에 반영되었습니다. 정성적 분석에 따르면 단계적 정보 공개는 때때로 부정확한 세부 정보를 보류하거나, 선택적 수용을 지원하거나, 추후 수정을 가능하게 했으나, 일부 오류는 여전히 수정에 영향을 미친 것으로 나타났습니다. 자발적 표본을 대상으로 한 설문조사 응답에서는 지연 공개와 학생의 주도성을 선호했으나 간접성과 반복성에 대해서는 아쉬움을 표했습니다.