본 논문은 오픈 엔드 프로그래밍 과제에서 학생들의 계획 과정에 대한 피드백 제공을 목표로, 대규모 언어 모델(LLM)을 활용한 프로그래밍 계획 검출 접근 방식을 제안한다. LLM(GPT-4o 및 경량화 버전 GPT-4o-mini)을 이용하여 학생 프로그램의 구조를 분석하고, 상위 수준의 목표 및 패턴(프로그래밍 계획)을 검출하는 방법을 제시한다. 실험 결과, GPT-4o 및 미세 조정된 GPT-4o-mini가 기존 코드 분석 방식보다 높은 정확도로 계획을 검출하며, 특히 비용 효율적인 GPT-4o-mini는 성능 저하 없이 실시간 채점에 활용 가능성을 보여준다. 이는 오픈 엔드 코딩 과제 자동 채점 시스템에 통합되어 학생들의 암묵적인 계획 능력에 대한 피드백을 제공할 수 있음을 시사하며, 수학 및 물리 문제와 같이 상위 수준의 해결 단계를 거치는 다른 영역에도 적용 가능성을 제시한다.
