본 논문은 원격 학습에서의 학생 중퇴 문제를 해결하기 위해 새로운 AI 프레임워크를 제시합니다. 기존의 머신러닝 모델이 구조화된 데이터만 사용하는 것과 달리, 본 논문에서는 RAG(Retrieval-Augmented Generation)를 활용한 도메인 특화 감정 분석, 프롬프트 엔지니어링을 통한 학업 스트레스 요인 해석, 그리고 다중 모달 어텐션 융합을 통해 텍스트, 행동, 사회인구학적 통찰력을 통합하는 방식을 제안합니다. 특히, 교육 관련 지식베이스를 활용하여 학생들의 코멘트를 맥락에 맞게 해석하고, 최적화된 프롬프트를 통해 학업 스트레스 지표를 식별합니다. 4,423명의 학생 데이터를 기반으로 평가한 결과, 기존 모델보다 7% 향상된 89%의 정확도와 0.88의 F1 점수를 달성했으며, 오탐을 21% 감소시켰습니다. 또한, 맥락에 맞는 개입 전략(예: 고립된 학습자를 위한 멘토링 프로그램)을 제시하여 예측 분석과 실질적인 교육적 개입을 연결합니다.
