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.

PustakAI: Curriculum-Aligned and Interactive Textbooks Using Large Language Models

Created by
  • Haebom
Category
Empty

저자

Shivam Sharma (CSIS Department, BITS Pilani K K Birla Goa Campus, India), Riya Naik (CSIS Department, BITS Pilani K K Birla Goa Campus, India), Tejas Gawas (CSIS Department, BITS Pilani K K Birla Goa Campus, India), Heramb Patil (CSIS Department, BITS Pilani K K Birla Goa Campus, India), Kunal Korgaonkar (CSIS Department, BITS Pilani K K Birla Goa Campus, India)

개요

본 논문은 대규모 언어 모델(LLM)을 교육 분야에 적용하기 위한 프레임워크인 "PustakAI"를 제시하고, 인도 NCERT(National Council of Educational Research and Training) 커리큘럼에 맞춰 설계된 질의응답 데이터셋 "NCERT-QA"를 소개합니다. NCERT-QA는 6-8학년 영어 및 과학 과목의 내용에 맞춰 Factoid, Inferential, Others(평가 및 추론) 유형으로 분류된 질의응답 쌍을 포함합니다. 다양한 프롬프트 기법과 평가 지표를 활용하여 데이터셋의 유용성을 평가하고, 오픈소스 LLM(Gemma3:1b, Llama3.2:3b, Nemotron-mini:4b)과 고성능 LLM(Llama-4-Scout-17B, Deepseek-r1-70B)의 교육 도구로서의 강점과 약점을 분석합니다.

시사점, 한계점

•
시사점:
◦
인도 교육 커리큘럼에 특화된 질의응답 데이터셋 구축을 통해 LLM 기반 교육 도구 개발 가능성을 제시.
◦
다양한 프롬프트 기법 및 LLM 성능 평가를 통해 효과적인 교육 적용 방안 모색.
◦
교육 자원이 제한적인 지역에서 개인 맞춤형 학습 경험 제공 가능성 제시.
•
한계점:
◦
특정 교육 과정(NCERT)에 국한된 데이터셋과 평가 결과는 일반화에 제한적일 수 있음.
◦
평가에 사용된 LLM의 종류가 제한적이며, 최신 모델에 대한 추가적인 검증 필요.
◦
교육적 효과에 대한 실증적 연구가 부족할 수 있으며, 교육 현장에서의 적용 사례와 피드백이 필요.
👍
Made with Slashpage