본 연구는 교육 시스템의 평가 항목이 교육 과정 기준에 부합하는지 확인하는 과정에서 대규모 언어 모델(LLM)이 정확성을 유지하면서 속도를 향상시킬 수 있는지 조사했다. K-5학년의 12,000개 이상의 문항-기술 쌍을 사용하여 GPT-3.5 Turbo, GPT-4o-mini, GPT-4o의 세 가지 LLM을 테스트했으며, 부적합 항목 식별, 전체 기준에서 올바른 기술 선택, 분류 전 후보 목록 좁히기 등 실제 과제를 수행했다. GPT-4o-mini는 약 83-94%의 경우에서 미세한 부적합을 포함하여 정렬 상태를 정확하게 식별했으며, 후보 필터링 전략과 결합할 때 LLM이 항목 검토의 수작업 부담을 줄이면서 정렬 정확도를 유지할 수 있음을 시사한다.
