Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Quantifying Student Success with Generative AI: A Monte Carlo Simulation Informed by Systematic Review

Created by
  • Haebom

저자

Seyma Yaman Kayadibi

개요

본 논문은 생성형 인공지능(GenAI) 기술, 특히 ChatGPT의 고등 교육 분야 활용에 대한 학생들의 인식, 활용 방식 및 학습 성과에 미치는 영향을 탐구한다. 2023년부터 2025년까지 Scopus 데이터베이스에서 PRISMA 기반 검색을 통해 선정된 19편의 경험적 논문을 대상으로 체계적 문헌 검토와 시뮬레이션 기반 모델링을 결합한 하이브리드 방법론을 사용하였다. 문헌에서 나타나는 패턴의 종합은 주제별 분류를 통해 이루어졌으며, 6편의 논문에서 정량적 정보(항목별 평균 및 표준 편차)를 확보하여 확률적 모델링을 수행하였다. 선정된 데이터셋 중 하나를 대표 사례로 선정하여 Monte Carlo 시뮬레이션을 통해 역분산 가중치를 적용하여 학생 인식과 학습 성취 간의 관계 강도를 예측하는 종합 "성공 점수"를 제공하였다. 결과적으로, 사용 편의성 및 실제 유용성과 관련된 태도 요인이 정의적 또는 신뢰 기반 요인보다 긍정적 학습 성취를 예측하는 데 훨씬 더 효과적인 예측 변수임을 밝혔다.

시사점, 한계점

시사점: GenAI 도구의 고등 교육 내 적절한 사용에 대한 오랜 논쟁과 관련하여, 주제별 결과를 예측 모델링과 연결하는 독특한 방법을 제공한다. 학생들의 GenAI 활용에 대한 긍정적 학습 성취 예측에서 사용 편의성 및 실제 유용성에 대한 태도가 정의적 요인보다 중요하다는 것을 보여준다.
한계점: 분석에 사용된 논문의 수가 제한적이며(19편), Scopus 데이터베이스에만 국한되어 검색 범위의 제약이 있다. 시뮬레이션에 사용된 데이터셋이 대표성을 갖는지에 대한 추가적인 검토가 필요하다. 모델의 일반화 가능성에 대한 추가 연구가 필요하다.
👍