AURA는 AI 기반 대화형 설문 조사를 위한 강화 학습 프레임워크로, 낮은 참여와 피상적인 응답을 유발하는 기존 설문 조사의 한계를 해결하고자 합니다. LSDE (Length, Self-disclosure, Emotion, and Specificity) 지표를 사용하여 응답 품질을 정량화하고, 각 세션 내에서 예상 품질 향상을 업데이트하는 엡실론-그리디 정책을 통해 후속 질문 유형을 선택합니다. 96개의 이전 캠퍼스-기후 대화에서 추출한 사전 정보를 사용하여 초기화된 시스템은 10-15개의 대화 교환에서 탐색과 활용의 균형을 유지하며, 개별 참가자에게 실시간으로 동적으로 적응합니다. 통제된 평가에서 AURA는 응답 품질에서 +0.12의 평균 이득을 달성했으며, 비적응적 기준선에 비해 통계적으로 유의미한 개선을 보였습니다 (p=0.044, d=0.66).
