본 논문은 인공 에이전트의 자율성, 적응성, 강건한 학습 향상을 위한 잠재력으로 인해 주목받고 있는 메타인지에 대한 계산 메타인지 구조(CMAs) 연구의 단편적인 현황을 체계적으로 검토한다. 다양한 이론, 용어, 설계 선택으로 인해 시스템 간의 비교가 제한적이라는 점을 지적하며, 기존의 개요 및 설문조사는 광범위한 개념적 수준에 머물러 기저 알고리즘 및 표현과 그 성공에 대한 심층적인 통찰력을 종합하는 데 어려움이 있음을 언급한다. 본 연구는 Flavell (1979)의 메타인지 세 가지 기본 구성 요소 중 하나인 메타인지 경험의 모델링, 저장, 기억 및 처리 방식에 대한 탐색적 체계적 검토를 수행하여 이러한 간극을 해결한다. 상징적 이벤트 추적부터 하위 상징적 각성 측정값에 이르는 에피소드적 자기 성찰 데이터를 특징으로 하는 35개의 CMA를 식별하고, 기저 심리 이론부터 수집된 데이터의 내용 및 구조, 사용된 알고리즘 및 평가 결과에 이르기까지 다양한 측면을 고려하여, 서로 다른 CMA가 오류 진단, 자기 복구 및 목표 지향적 학습과 같은 작업에 메타인지 경험을 활용하는 방법을 심층적으로 비교할 수 있는 통합적 관점을 제시한다. 연구 결과는 적응성, 설명 가능성 및 전반적인 시스템 성능 향상에 대한 메타인지 경험의 약속과 공유 표준 또는 평가 벤치마크의 지속적인 부족을 모두 강조한다.
