From Sentiment Classification to Actionable and Responsible Feedback: A Scoping Review and Evidence Map of NLP in Student Evaluation of Teaching, 2015-2026
서술형 강의 평가 댓글(Student Evaluation of Teaching, SET)에 적용된 자연어 처리(NLP)는 어휘 사전과 기존 분류기에서 트랜스포머와 대규모 언어 모델(LLM)에 이르는 분야의 기술적 진화를 따라왔으나, 이러한 기술 다양화에 교육적 가치와 증거의 견고성에 상응하는 이득이 동반되었다는 점은 분명하지 않다. 본 범위 검토(PRISMA-ScR)는 421편의 연구(2015–2026, 2026년 부분 포함)를 기술 축(RQ1)과 네 가지 가치 차원(RQ2–RQ5)을 따라 지도한다. 이중 상호 맹검 LLM 스크리닝과 표본 추출 인간 판정으로 일곱 추출 도메인을 코딩했으며, 종합 단계에서 표적화된 코드북 경계 검토를 수행했다. 공동 지도에서 가장 뚜렷한 정량적 격차는 실행 가능성 단절(actionability discontinuity)이다: 입증된 산출 또는 그 이상(A2+: 258/421; 61.3%) 대 의도된 사용자 평가 또는 그 이상(A3+: 49/421; 11.6%), 49.7%p 하락이다. 감성 분석은 여전히 최빈 과제(300/421)이며, 진단적·생성적 깊이는 상당한 소수(D4–D5: 해결된 사례의 28.2%)이고, 공식적 공정성(fairness) 지표는 드물다(1.9%). 본 결과는 기술적 공존과 불균등한 보고가 지도의 일부이지만, A2+에서 A3+로의 절벽이 기여이지 품질 사다리가 아님을 밝힌다.
대규모 언어 모델(LLM)은 교육을 개인화할 수 있지만, 현재의 정적 프롬프트 튜터링 시스템은 다양한 학문 분야에 적응하는 데 어려움을 겪습니다. 우리는 원본 대화 기록에서 추출한 14가지 교육적 특징(예: 튜터 스캐폴딩, 학생 이해도)을 기반으로 과목 인식 프롬프팅(subject-aware prompting)을 적용한 시스템을 개발하고 테스트했습니다. 우리는 먼저 시뮬레이션 환경에서 프롬프트 라우팅 모델을 학습시킨 후, 실제 고등학생과의 상호작용을 통해 온라인 적응을 위해 이를 배포했습니다. 시뮬레이션 벤치마크 결과, 라우터가 두 가지 정적 기준선(baseline)보다 우수한 성능을 보였습니다($0.694$ vs. $0.647$ 및 $0.64$, $p<0.001$). A/B 테스트(359명의 학생으로부터 수집한 656개의 대화)를 통해 모델이 분석적 학습 전략에서 스캐폴딩 학습 전략으로 전환하는 시뮬레이션-현실 전이(sim-to-real transfer)가 확인되었습니다. 우리의 적응형 프롬프트 선택 메커니즘은 교육 효율성을 개선하고 교육적 품질을 유지하며, 상호작용 횟수를 약 3턴 줄였습니다($p=0.007$). 탐욕적 라우터(greedy router)는 기준선과 유사한 연습 문제 전환율을 달성한 반면($19.1\%$ vs. $19.6\%$), 전략을 샘플링하는 확률적 라우터(stochastic router)는 더 높은 전환율($28.1\%$)을 보였습니다.
교육 환경에 배포된 대규모 언어 모델(LLM)은 종종 직접 답변자처럼 행동한다. 소크라테스식 교육법이 권장하는 점진적 탐구를 통해 학생을 안내하는 대신, 첫 턴에서 목표 개념을 공개한다. 우리는 지도학습 워ーム업과 Group Relative Policy Optimization(GRPO)을 통해 Qwen2.5-7B를 소크라테스식 튜터링 방향으로 정렬하는 2단계 파이프라인 HeuristicEdu를 제안한다. 학습에는 실시간 플랫폼에서 재구성한 797개의 다중 턴 중국어 아동 과학 대화 데이터셋 SocraticEdu를 사용하며, 인지적 깊이(R_cog), 호기심 참여(R_eng), 직접성(R_dir)에 대한 휴리스틱 보상과 학생이 도입한 용어에 대한 K_query 보정을 함께 적용한다. 표면적 유창성을 넘어 결과를 평가하기 위해 Scaffolding Effectiveness(SE)와 Conversation Depth(CD)를 도입한다. 30개의 홀드아웃 질문에서 최고의 GRPO 변형은 SE를 30.0%에서 63.3%로 향상시키고 키워드 유출을 30.0%에서 13.3%로 낮춘다. 특히, 이 최고 변형은 최적화 중 직접성 페널티를 생략하며, 이는 명시적 반유출 항이 그래디언트 기반 행동 정렬과 충돌할 수 있음을 시사한다. 정렬되지 않은 Qwen-72B 기준선은 SE 0%와 유출 96.7%에 도달하며, 이는 규모만으로는 소크라테스식 행동이 유도되지 않음을 보여준다.
학생들이 자연어 응답과 프로그램 코드를 생성하는 데 대규모 언어 모델(LLM)을 점점 더 많이 사용하면서, LLM 자체가 AI 생성 작업과 인간이 작성한 제출물을 구별하는 데 사용될 수 있는지에 대한 관심이 커지고 있다. 본 논문에서는 프로그래밍 연습, 성찰적 글쓰기, 단답형 질문 등 여러 교육 과제 유형에 걸쳐 LLM이 자신이 생성한 콘텐츠를 어느 정도 탐지할 수 있는지 조사한다. 실제 학생 응답과 여러 변형의 LLM 생성 답변을 사용하여, 서로 다른 프롬프트 전략과 출력 형식 하에서 탐지 성능을 평가한다. 본 연구는 세 가지 연구 질문을 다룬다: (1) LLM이 과제 영역 전반에 걸쳐 자신의 출력을 얼마나 정확하게 식별할 수 있는가, (2) 프롬프트 설계, 응답 길이, 과제 유형과 같은 요인이 탐지 효과에 어떻게 영향을 미치는가, (3) LLM 생성 응답의 어떤 특성이 탐지 성공 또는 실패에 기여하는가. 연구 결과, LLM 기반 탐지는 과제에 매우 크게 의존한다: 프로그래밍 과제와 더 긴 성찰적 응답에서는 탐지가 훨씬 더 신뢰할 수 있지만, 단답형 질문에서는 성능이 낮으며 LLM이 자신의 출력을 실제 학생 응답보다 더 인간적이라고 판단하는 경우가 빈번하다. 또한 성찰적 글쓰기 과제에서 프롬프트 프레이밍과 응답 장황함(verbosity)이 탐지 가능성에 뚜렷한 영향을 미치며, 상대적으로 사소한 프롬프트 변화만으로도 탐지 정확도가 크게 감소하는 반면, 프로그래밍 관련 탐지는 프롬프트 변화에 더 강건하다. 이러한 결과는 교육 환경에서 LLM 자기 탐지(self-detection)의 잠재력과 한계를 모두 부각하며, AI 생성 학생 작업을 식별하기 위한 독립 도구로 LLM에 의존할 때는 신중함을 권고한다.
비판적 사고는 학습자가 단순 암기를 넘어서도록 돕는 기본적인 역량이다. 이 역량을 기르는 한 방법은 고차 질문하기를 통하는 것이다. 그러나 이러한 질문을 만드는 일은 여전히 교육자들에게 어려운 과제이며, 교실 수업은 저차 질문에 의존하는 경향이 있다. 대규모 언어 모델(LLM)은 특히 Bloom의 분류체계(Bloom's Taxonomy)에 기반한 프롬프트로 유도될 때 고차 질문 생성에서 뛰어난 역량을 보여주었다. 그러나 기존 연구는 대체로 이 프레임워크에 집중해 왔으며 영어에만 국한되어 왔다. 본 연구는 Claim-Evidence-Reasoning과 Divergent Questioning이라는 두 가지 대안적 프레임워크에 기반한 프롬프트를 도입하고, 바스크어, 스페인어, 영어를 사용하는 다국어 맥락에서 이러한 공백을 해소한다. 결과에 따르면, 오픈소스 모델과 독점 모델 모두 세 언어에서 상당히 효과적으로 질문을 생성했지만, 답변 가능한 질문 중 약 절반만 교사들이 고차 질문으로 인식했다. 긍정적인 발견은 대안적 프레임워크가 구조적으로·개념적으로 다양한 질문을 생성한다는 점이며, 이는 두 프레임워크가 서로를 보완할 수 있고 Bloom의 분류체계에 대한 실행 가능한 대안을 제시할 수 있음을 시사한다.
대규모 언어 모델(LLM) 기반 AI 교육 콘텐츠 생성 시스템이 점점 더 개발되고 있지만, 이를 체계적으로 평가할 표준화된 벤치마크는 아직 존재하지 않는다. 본 연구는 수학, � physics, 화학, 컴퓨터 과학에 걸친 240개 STEM 주제에서 647개의 사람이 작성한 수업과 LLM 기반 역공학(reverse-engineered) 수업 계획이 쌍을 이루는 벤치마크 데이터셋인 LessonBench-V1을 소개한다. 수업은 LibreTexts, Brilliant.org, GeeksForGeeks 등 97개의 신뢰할 수 있는 오픈 소스에서 가져왔다. 각 수업 계획은 사람의 검토를 거쳤으며, Bloom's Taxonomy, Gagné's Events, Merrill's First Principles, 5E Instructional Model을 종합하는 교육학적으로 근거 있는 방법론을 통해 생성되었다. 수업 계획은 교육학적 메타데이터와 함께 3,620개의 학습 목표를 포함하며, 수업 생성 AI 에이전트의 체계적이고 재현 가능한 평가와 추가 연구를 지원한다. 본 연구는 이 데이터셋과 함께 사용할 3차원 평가 파이프라인을 추가로 제안한다.
본 논문은 기존에 구현된 교육용 로봇공학 프로젝트를 바탕으로 검색-증강 생성(RAG) 기반 대화형 AI 어시스턴트를 통합한 하이브리드 교육 프레임워크인 Earthquaker-AI를 제시한다. 이는 초등학생의 지진 대비 태도와 의식적 행동을 향상시키는 것을 목표로 한다. 이 시스템은 수상 경력이 있는 STEM 프로젝트 Earthquaker를 확장하여 Lego WeDo2를 이용한 기계적 시뮬레이션에서 인지 및 메타인지 처리로 나아간다. 로봇공학 구성 요소는 Lego WeDo2 자동화를 사용하여 지진 반응을 시뮬레이션하며, 학생들이 센서와 액추에이터와 상호작용하면서 보호 행동의 구체적 표현을 경험하게 한다. 어시스턴트는 유도 학습 메커니즘으로 작동하여 학생의 응답을 안전 지침과 정렬하고, 동시에 자기조절 학습과 비상 상황에서의 침착함을 지원하는 루브릭 기반 구두 피드백을 제공한다. Earthquaker-AI는 인지 발달에 맞춘 점진적 학습 궤적을 따른다. 저학년에서는 객관식 문항을 통해 안전 행동의 기본 인식에 초점을 두며, 2차원 루브릭으로 평가한다. 중학년에서는 학생들이 객관식 문항을 통해 올바른 행동 순서를 식별하며, 3축 루브릭으로 평가한다. 고학년에서는 접근 방식이 구두 산출로 전환되어, 표현의 명확성을 포함하는 4차원 루브릭으로 평가되는 짧은 서면 응답을 요구한다. 대화 모듈은 RAG를 사용하여 학생 질의를 공식 지침과 의미적으로 매칭하고, 안전하고 정확한 응답을 생성한다. 실험 평가는 높은 그라운딩(groundedness)과 정확도, 낮은 환각(hallucination) 비율을 보여준다. 전반적으로 Earthquaker-AI는 직접 체험형 참여, 정보 처리, 성찰적 실습을 결합한다. 로봇공학, 루브릭, AI의 결합은 기술 리터러시, 자기조절, 디지털 시스템의 책임 있는 사용을 촉진하여 조기 위기 관리 능력에 기여한다.
교육에 인공지능(AI)과 생성형 AI(GenAI)가 빠르게 통합되면서 교수와 학습을 향상시킬 수 있는 중요한 기회를 제공하는 한편, 교육 환경에서 이러한 기술을 책임 있게 사용한다는 윤리적 우려를 제기한다. 대중이 이러한 문제를 어떻게 인식하고 토론하는지를 이해하는 것은 AI를 책임 있고 공평하게 통합하려는 교육자, 기관, 정책 결정자에게 점점 더 중요해지고 있다. 이러한 논쟁이 빈번하고 대규모로 펼쳐지는 소셜 미디어 플랫폼은 주요 변화가 나타날 때 이에 대한 대규모의 실시간 대중 반응을 포착하는 데 유용한 렌즈를 제공한다. 본 연구에서는 트위터(현 X)에서 5년간(2019-2024)의 담론을 분석하여 교육 분야 AI 윤리를 둘러싼 변화하는 공공 대화를 추적하며, 특히 ChatGPT 출시가 해당 담론의 성격과 어조를 재편한 전환점으로서 주목한다. BERT 기반 토픽 모델링과 SetFit 감성 분석을 사용하여 주요 주제를 식별하고 시간에 따른 감성을 추적한 결과, 관찰 기간 전반에 걸쳐 담론은 대체로 긍정적이었으며, 부정적 감성은 특정 윤리적 논란 주변에 집중되어 있었다. 최근에는 학문적 정직성에 대한 불안과 생성형 AI의 광범위한 함의가 대화를 지배하게 되었다. 양극화된 논쟁을 반영하기보다, 공공 담론은 실용적이며 AI 통합에 대체로 수용적인 것으로 보이나, 윤리적 감독과 기관의 책임에 대한 요구가 커지고 있다. 교육 분야 AI 윤리를 둘러싼 대중 감성에 대한 종단적 기록을 제공함으로써, 본 연구는 교육자, 기관, 정책 결정자에게 대중의 기대에 대한 경험적으로 뒷받침된 이해를 제공하며, 다양한 교육 맥락에서 AI 통합에 대한 책임 있고 투명하며 공평한 접근 방식의 개발을 위한 정보를 제공한다.
본 논문은 2023년 1월 1일부터 2025년 8월 31일까지 아랍 대학교 교실(AUC)에서 영어를 제2언어/외국어(EL2)로 학습하는 학습자를 지원하기 위해 사용된 AI 도구에 관한 실증 연구를 종합하는 것을 목표로 한다. 데이터 소스로는 Google Scholar, Web of Science, Scopus의 3개 대규모 데이터셋을 활용하였다. 이들 주요 데이터베이스에서 PRISMA 가이드라인에 따른 검색을 수행하여 출판된 논문만을 포함하였다. 검색 결과 184편의 연구가 도출되었으나, 포함 기준을 충족한 연구는 11편에 그쳤다. 연구 결과, EL2 학습자들은 초안 작성, 수정, 연습을 위한 AI 활용에 긍정적인 태도를 보이는 것으로 나타났다. 실증적 효과는 표면적 수준의 성과 향상에서 가장 일관되게 나타났으며, 고차원적 쓰기 품질 및 말하기 능숙도 향상은 혼재된 결과를 보였고 교사 매개에 따라 달라지는 경우가 많았다. 본 논문은 EL2 교수에 있어 증거 기반의 AI 통합을 추구하는 아랍 대학교를 위한 연구 의제와 실용적 지침을 제안하는 것으로 마무리된다. 또한 AI 도구에 대한 과도한 의존을 줄이기 위해 단계적 통합, 교사 연수, 성찰적 과제를 권장한다.
대규모 언어 모델(LLM)은 학습에서 개인화된 지원을 제공할 수 있지만, 교육 분야에서의 활용에 대한 우려를 제기한 연구들이 다수 존재한다. 중요한 점은, 학습 효과가 학생이 LLM과 상호작용하는 방식에 달려 있다는 것이다. 본 연구는 두 가지 유형의 LLM 기반 튜터가 학생의 프롬프트 작성 방식, 학습, 그리고 이후의 LLM 활용에 어떠한 영향을 미치는지 분석하였다. 대상 튜터는 대화식 질문을 통해 상호작용을 구조화하는 소크라테스식 안내(Socratic-Guidance, SG) 튜터와, 효과적인 프롬프트 작성을 유도하는 프롬프트 개선(Prompt-Refinement, PR) 튜터이다. 연구는 대학원 수준의 모바일 로보틱스 강좌에서 2단계로 진행되었다. 1단계에서는 66명의 학생이 6주간의 중재 기간 동안 SG 또는 PR 튜터를 사용하였고, 2단계에서는 52명의 학생이 3주간의 강좌 프로젝트에서 제약 없는 LLM을 사용하였다. 결과에 따르면, SG 튜터와 PR 튜터는 안내된 사용 기간 동안 과제 수행 및 프롬프트 작성 패턴에서 유사한 결과를 보였으나, 학습 성과와 이후 LLM 활용 방식에서는 차이를 보였다. SG 집단 학생들은 PR 집단 학생들에 비해 후반 세션에서 더 높은 학습 향상도를 달성하였으며, 제약 없는 LLM을 사용할 때 이해 지향적 프롬프트 전략을 채택할 가능성이 높았고, 이는 높은 이해도를 예측하는 요인이었다. 학습자들은 SG 튜터를 덜 효율적이라고 인식하였음에도 불구하고, 본 연구의 결과는 소크라테스식 안내가 시간이 지남에 따라 학생이 LLM을 활용하여 학습하는 역량을 발달시키는 데 기여함을 시사하며, LLM 튜터 설계에서 이의 중요성을 강조한다.
Epistemic thinking plays a central role in students' learning processes when applying generative artificial intelligence (GenAI), particularly in programming contexts where learners must construct queries, evaluate and validate AI-generated outputs, and regulate problem-solving strategies. This study introduces the conceptual framework of Epistemic AI Literacy (EAIL), reframing AI literacy as a process-oriented epistemic phenomenon that emerges through dynamic human-AI interactions across different domains. Drawing on the AIR (epistemic aims, ideals and reliable epistemic processes) framework, this study examines how epistemic aims and epistemic processes are enacted in GenAI-supported co-programming activities and explores scalable approaches for operationalizing these constructs in interaction data. Using a large dialogue dataset of human-AI co-programming, this study identifies observable dimensions of epistemic aims (i.e., mastery-oriented aims) and epistemic processes (i.e., outsourcing, explanation seeking, verification seeking, prompt monitoring, and epistemic justification). The results reveal a prevalent lack of EAIL, with 78.8% of student-GenAI interactions relying on non-mastery-oriented aims and less reliable epistemic strategies like outsourcing and verification-seeking. Conversely, only 11.1% of interactions showed high epistemic engagement, where mastery-oriented aims were coupled with advanced epistemic strategies like epistemic justification in a more reliable epistemic process.
컴퓨터 기반 적응형 검사(CAT)는 맞춤형 교육의 핵심 기술로, 현재 능력 추정치에 부합하도록 문항을 동적으로 선출하여 수험자의 숙련도를 정확히 평가하는 것을 목표로 한다. 그러나 기존 CAT 연구는 정적 오프라인 데이터의 한계와 개별 구성요소 최적화에 기인한 제약에 막혀 있다. 오프라인 로그의 부분적 레이블 제약으로 인해 연구자들은 동적 평가 과정을 정적 시퀀스 예측으로 퇴화시킨다. 현재 연구는 문항 선택이나 진단 등 고립된 관점에 집중하면서 전체 CAT 상호작용 과정을 간과한다. 이를 해결하기 위해, 우리는 동적 검사를 위한 고충실도 벤치마킹 환경을 구축하기 위해 언어 모델 기반 다중 에이전트 시뮬레이션 시스템 AgentCAT를 제안한다. 이 프레임워크는 세 가지 모듈로 구성된다: (1) 기억 검색과 사고의 연쇄(Chain-of-Thought) 추론을 갖춘 수험자 에이전트는 인지 프로필에 기반해 응답을 시뮬레이션한다; (2) 선택 에이전트는 거친-세밀(coarse-to-fine) 버킷팅과 지식 그래프 탐험을 사용해 국소적 난이도와 전역적 범위를 균형 있게 맞춘다; (3) 감독자는 이중 감사(dual-auditing)와 강건한 업데이트를 통해 수렴과 타당성을 보장한다. 이를 검증하기 위해, 우리는 두 개의 실제 데이터셋에서 거시 수준의 능력 수렴, 미시 수준의 상호작용 논리, 데이터 희소성 견고성이라는 세 차원에서 프레임워크를 평가했다. 결과는 AgentCAT가 효과적인 능력 추정을 달성하고, 그 선택 전략이 난이도 적응과 교수적 일관성을 균형 있게 맞추며 인간의 교육학적 직관과 일치함을 보여준다.
고등 교육의 모든 단계에 있는 학생들은 정보 과잉이라는 형태의 중대한 장벽에 직면하며, 이는 종종 연구 과정의 초기 단계를 마비시키고 동기를 저하시킵니다. 이에 대응하여, 본 논문은 과학적 동향의 요약을 자동으로 생성하도록 설계된 대규모 언어 모델(LLM)로 구동되는 플랫폼인 AI SciBrief를 활용하는 교육학적 프레임워크를 소개합니다. 우리는 금융, 의학, 교육을 초기 범위로 포함하는 이 학제간 도구를 커리큘럼에 통합하여 이 '진입 장벽'을 극복하는 방법을 설명합니다. 이 프레임워크는 이러한 요약을 활용하여 학기말 과제의 주제 선정을 돕고, 논문의 문헌 조사를 가속화하며, 대학원생이 신흥 동향을 지속적으로 모니터링할 수 있게 하는 구체적인 방법론을 제공합니다. 우리는 AI SciBrief가 학생들의 인지 부하를 효과적으로 줄이고 정보 검색에서 지식 창출로 더 빠르게 전환할 수 있도록 지원하는 '연구의 관문'으로 기능한다고 결론지습니다.
K-12 그룹 학습에서 서로 다른 목소리 억양을 가진 GenAI 음성 에이전트가 인간-AI 협력에 미치는 영향을 조사한 결과, 에이전트의 억양이 학습자의 인식과 그룹 내 역할을 결정짓는 핵심 요소임을 밝혔다. 영국 억양의 에이전트는 도구로 여겨진 반면 인도 및 아프리카계 미국인 억양의 에이전트는 동료로 인식되어 신뢰도와 참여에 긍정적인 영향을 미쳤다.
생성형 AI(generative AI)와 로우코드(low-code) 워크플로 플랫폼이 소프트웨어 실무에서 일상화됨에 따라, 차세대 컴퓨터 공학자들이 이러한 도구를 유용하고 사용 가능하며 지속적으로 활용할 가치가 있는 것으로 수용할 것인지가 핵심적인 교육적 질문으로 떠오르고 있다. 본 논문은 태국에서 동일한 스크립트로 진행된 세 차례의 워크숍(n = 103)에서 오픈소스 플랫폼 n8n을 통해 구현된 AI 자동화 툴링에 대한 컴퓨터공학 학부생들의 수용도를 혼합 방법론 횡단 연구로 보고한다. TAM/UTAUT의 여섯 가지 구성 요인—성과 기대(PE), 노력 기대(EE), 행동 의도(BI), 자기 효능감(SE), 쾌락적 동기(HM), 출력 품질(OQ)—에 매핑된 12문항 5점 리커트 척도 도구를 사용하였으며, 개방형 피드백에 대한 귀납적 주제 분석을 병행하였다. 분석에는 서열형 신뢰도 추정, 부트스트랩 신뢰구간, 비모수 검정, 다중 비교 보정 상관분석, 다분형 차원성 진단, 동일 방법 편향 검증, 세션 간 비교가 포함되었다. 수용도는 여섯 구성 요인 모두에서 큰 효과 크기와 함께 긍정적으로 나타났으며, PE가 가장 강한 구성 요인으로, HM이 가장 약한 구성 요인으로 확인되었다. 차원성 진단을 통해 이 단기 사후 워크숍 맥락에서 TAM/UTAUT의 정준 하위 요인들이 단일 일반 수용 요인으로 수렴된다는 사실이 밝혀졌으며, 이는 방법론적·이론적으로 중요한 시사점을 지닌다. 질적 주제는 유용성 및 열의 측면에서 양적 프로파일과 수렴하였으나, 출력 품질 측면에서는 신뢰성에 회의적인 소수의 명확한 의견이 존재하여 양적 결과와 다소 상이하였다. 연구 결과는 학부 컴퓨팅 교육 과정에서 AI 자동화 툴링의 채택을 지지하며, 이론에 근거한 세 가지 교수 설계 레버를 제시한다: 교수 순서 스캐폴딩, 자기 효능감 지원, 신뢰 보정 개입.
텍스트 기반 상호작용에만 국한된 기존 튜터링 데이터셋의 한계를 극복하기 위해, 도표 강조가 포함된 기하학 분야의 멀티모달 대화 데이터셋인 GeoDial을 제안합니다. 비전-언어 모델을 파인튜닝하여 평가한 결과 대화 품질은 개선되었으나 정확한 도표 강조 생성에는 여전히 어려움이 있어 시각적 추론과 교육적 상호작용의 효과적인 통합이 필요함을 확인했습니다.