Scaling Equitable Reflection Assessment in Education via Large Language Models and Role-Based Feedback Agents
Created by
Haebom
Category
Empty
저자
Chenyu Zhang, Xiaohang Luo
개요
본 논문은 학생 학습에 효과적인 피드백을 제공하기 위해 5개의 역할 기반 LLM 에이전트(평가자, 공정성 모니터, 메타인지 코치, 집계자, 성찰 검토자)를 활용하는 시스템을 제시합니다. 이 시스템은 학생들의 성찰 내용을 채점하고, 편향성 여부를 확인하며, 메타인지 질문을 추가하여 학생들에게 간결하고 공정한 피드백을 제공합니다. 12주 AI 리터러시 프로그램에서 시스템을 평가한 결과, 전문가 수준의 채점 일치도를 보였으며, AI가 생성한 코멘트는 유용하고 공감적이며 교육 목표에 부합한다는 평가를 받았습니다.
시사점, 한계점
•
시사점:
◦
대규모 또는 자원 부족 강좌에서 공정하고 효과적인 피드백 제공 가능성 제시
◦
AI 기반 시스템을 통해 학생들의 메타인지 능력 향상 지원
◦
교육의 형평성, 접근성, 교육 역량 향상에 기여
•
한계점:
◦
논문에서 구체적인 한계점은 명시되지 않음 (하지만, 공정성 검사, 에이전트 성능, 다양한 학습 맥락에서의 일반화 가능성 등 추가 연구 필요)
