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.

From Superficial Outputs to Superficial Learning: Risks of Large Language Models in Education

Created by
  • Haebom

저자

Iris Delikoura, Yi. R Fung, Pan Hui

개요

본 논문은 대규모 언어 모델(LLM)이 교육 분야에 미치는 영향에 대한 체계적인 검토를 제시한다. 개인화, 피드백 제공, 지식 접근성 향상과 같은 긍정적인 측면과 함께 학생과 학습 시스템에 대한 위험성에 대한 우려를 제기하며, 관련 연구들을 분석한다. 70개의 연구를 분석하여 LLM의 교육적 적용 분야, 영향 측정 방법, 위험 요소, 완화 전략을 살펴보고, 기술적 위험이 상호작용과 해석을 통해 교육적 결과에 영향을 미치는 과정을 설명하는 LLM-Risk Adapted Learning Model을 제안한다.

시사점, 한계점

시사점:
LLM의 교육적 활용 분야(운영 효율성, 개인화된 응용, 대화형 학습 도구)에 대한 연구 경향을 파악했다.
모델 수준의 위험(피상적인 이해, 편향, 제한된 견고성, 의인화, 환각, 개인 정보 보호, 지식 제약)을 확인했다.
학습자와 LLM 간 상호작용으로 인한 인지적 및 행동적 결과(뇌 활동 감소, 과도한 의존, 독립 학습 능력 저하, 학생 주도성 상실)의 위험을 제시했다.
기술적 위험이 교육적 결과에 영향을 미치는 과정을 설명하는 모델을 제시했다.
LLM의 교육적 활용에 대한 책임감 있고 인간 중심적인 통합을 위한 토대를 마련했다.
한계점:
논문에 구체적인 한계점에 대한 언급은 없음.
👍