본 논문은 체육 수업에서 학생 행동 분석을 위한 통합적인 엔드-투-엔드 프레임워크를 제안합니다. 기존의 AI 기반 모델들은 주로 교실 영상에 의존하여 학생 행동을 분석하지만, 야외 공간에서 다양한 활동이 이루어지는 체육 수업에서는 정확한 학생 행동 추적에 어려움을 겪습니다. 본 논문에서 제안하는 프레임워크는 모션 신호 기반의 인간 활동 인식 기술과 대규모 언어 모델을 결합하여 체육 수업에서 학생 행동에 대한 상세한 분석과 피드백을 제공합니다. 교사의 수업 설계와 학생들의 모션 신호를 입력으로 받아, 학습 및 수업 지도 개선을 위한 교육적 통찰력과 제안을 포함한 자동화된 보고서를 생성합니다. 실험 결과는 본 프레임워크가 학생 행동을 정확하게 식별하고 의미 있는 교육적 통찰력을 생성할 수 있음을 보여줍니다.
시사점, 한계점
•
시사점:
◦
체육 수업과 같이 다양하고 복잡한 환경에서의 학생 행동 분석에 대한 새로운 접근 방식 제시
◦
모션 신호 기반의 인간 활동 인식 기술과 대규모 언어 모델의 결합을 통한 정확하고 심도있는 분석 가능
◦
자동화된 보고서 생성을 통한 교사의 수업 설계 개선 및 효율적인 피드백 제공
◦
학생 개별 맞춤형 학습 및 수업 지도 개선 가능성 제시
•
한계점:
◦
제안된 프레임워크의 일반화 가능성 및 다양한 체육 활동에 대한 적용 가능성에 대한 추가 연구 필요
