본 논문은 다수의 강좌 중 적절한 강좌 선택을 돕기 위해 강좌 정보 및 자료에서 핵심 개념과 그 관계를 추출하는 방법을 연구합니다. 기존의 수동적 방법은 노동 집약적이고 시간이 많이 소요되며, 기존의 머신러닝 기반 방법은 상세한 강좌 자료에 의존하여 자료 준비에 많은 노력이 필요합니다. 본 논문에서는 GPT와 같은 대규모 언어 모델(LLM)을 활용하여 자동으로 강좌 개념과 그 관계를 생성하는 방법을 제시합니다. 다양한 수준의 상세 정보를 담은 강좌 정보를 GPT에 입력하여 고품질의 강좌 개념 및 관계를 생성하는 프롬프트 세트를 설계하고, 광범위한 실험을 통해 생성된 개념 및 관계의 품질을 평가합니다. 실험 결과는 LLM이 교육 콘텐츠 선택 및 제공을 지원하는 도구로서의 가능성을 보여줍니다.
시사점, 한계점
•
시사점:
◦
대규모 언어 모델(LLM)을 활용하여 강좌 개념 및 관계를 자동으로 추출하는 방법을 제시함으로써, 기존의 수동적이고 노동 집약적인 방법의 한계를 극복할 수 있음을 시사합니다.
◦
상세한 강좌 자료 준비 없이도 강좌 정보만으로 고품질의 개념 및 관계를 추출할 수 있음을 보여줍니다.
◦
LLM 기반의 교육 콘텐츠 선택 및 제공 시스템 개발에 대한 가능성을 제시합니다.
•
한계점:
◦
본 연구에서 사용된 LLM의 성능에 대한 의존성이 높습니다. 다른 LLM 또는 모델을 사용할 경우 결과가 달라질 수 있습니다.
◦
생성된 개념 및 관계의 정확성과 완전성에 대한 추가적인 검증이 필요합니다.
◦
다양한 유형의 강좌 자료에 대한 일반화 가능성에 대한 추가적인 연구가 필요합니다.
◦
프롬프트 엔지니어링에 대한 의존성이 높으며, 최적의 프롬프트 설계는 추가적인 연구가 필요합니다.
