PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.13399v1cs.AI

RegulaTutor: 장기 개인화 학습을 위한 이론 기반 프레임워크

RegulaTutor: A Theory-Informed Framework for Long-Term Personalized Learning

장기적인 개인화 튜터링은 언어 모델이 학습자의 점진적으로 변화하는 이력을 적절한 교수 지원으로 전환할 것을 요구합니다. 기존 대규모 언어 모델(LLM) 기반 튜터링 시스템은 기억(memory)과 검색을 활용하여 응답을 개인화하지만, 과거 이력의 근거와 교수 전략을 연결하는 교육학적 이론적 근거가 항상 명확한 것은 아닙니다. 본 논문에서는 과거 이력 근거, 학습자 해석, 학습자 대면 교수법을 연결하는 장기 개인화 튜터링을 위한 이론 기반 프레임워크인 RegulaTutor를 소개합니다. 자기조절학습(SRL) 연구에 기반한 이 튜터링 하네스는 근거 기반 학습자 해석 및 교수 정책을 도출하기 위해 인지적, 정서적, 상위인지적, 동기적(CAMM) 프레임워크를 작동시킵니다. 이를 통해 도출된 정책은 이를 뒷받침하는 근거와의 연결을 유지하며 새로운 관찰 데이터가 유입됨에 따라 업데이트됩니다. 이러한 단계별 워크플로는 중간 실행 기록을 사용하여 하네스 실패, 모델(model) 실패, 복합 실패를 구분하는 오프라인 절차인 PairRoute를 통한 체계적인 개선도 지원합니다. PairRoute는 목표 지향적인 하네스 수정을 제안하고 평가한 뒤, 선택된 하네스 하에서 여전히 남아 있는 확인된 모델 실패에 대해 검토된 단계별 지도(supervision) 데이터를 구축합니다. 본 연구는 개인화 교수를 뒷받침하고 출력을 학습 기록 및 참조 답변과 대조해 확인할 수 있도록 하는 과거 이력 근거 획득에 이러한 개선의 초점을 맞춥니다. RegulaTutor는 평가된 모델 구성 전반에서 평균적으로 과거 이력 근거 정확도, 학습자 진단, 평가된 교수 품질을 향상시킵니다. PairRoute 결과는 개선 궤적 전반에 걸쳐 단독 모델의 과거 이력 근거 정확도에서 최종 지점 개선을 보여줍니다. 종합적으로 이러한 결과는 학습자 이력에 맞춰 진화하는 교수 정책과 튜터링 시스템에 대한 표적 개선을 통해 평생 개인화 교육을 지원할 수 있는 RegulaTutor의 잠재력을 강조합니다.

arXiv:2606.22809v1cs.AI

자기조절학습 관점에서 본 프로그래밍 교육의 AI 보조 도움 요청 궤적

AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective

생성형 AI 도구는 초보 프로그래머에게 즉각적이고 개인화된 지원을 제공하지만, AI 사용이 학생의 문제 해결 조절을 지원하는지 아니면 우회하는지에 대한 우려도 제기한다. 기존 연구는 주로 정확성, 사용성, 또는 전반적인 사용 빈도에 초점을 맞추었으며, 학생과 AI 간의 도움 요청이 어떻게 전개되는지에 대한 관심은 상대적으로 부족했다. 본 연구는 대학 수준의 프로그래밍에서 AI 보조 도움 요청 궤적을 분석함으로써 이러한 공백을 다룬다. 프롬프트 수준의 도움 요청 코드를 개념적, 구현, 디버깅, 성찰적 지원 형태와 연결하는 자기조절학습(SRL) 기반 분석 프레임워크를 활용하여, 초급 Python 프로그래밍 과정을 수강한 71명의 학생이 제출한 17,190개의 코드 제출과 연결된 1,290개의 과제별 학생 프롬프트를 분석하였다. 구체적으로, 도움 요청 상호작용이 대화 턴과 시도 횟수에 걸쳐 어떻게 구조화되었는지, 그리고 궤적 패턴이 과제 점수 및 코드 제출 횟수와 어떻게 관련되는지를 살펴보았다. 결과에 따르면, 많은 학생들이 계획적이고 자기조절적인 문제 해결보다는 반응적인 문제 해결을 위해 AI를 주로 활용하였다. 궤적 패턴은 과제 점수의 유의미한 차이와 관련이 없었지만, 필요한 코드 제출 횟수에서는 상당한 차이를 보였다. 이러한 결과는 AI 지원의 교육적 의미가 학생들이 AI를 사용하는지의 여부뿐만 아니라, 프로그래밍 문제 해결 과정에서 도움 요청 궤적이 어떻게 발전하는지에도 있음을 시사한다.