본 논문은 현대 디지털 교육에서 중요성이 증대하는 개인화된 프로그래밍 교육(예: 연습 문제 추천)을 위한 시스템 개발의 어려움을 해결하고자 제안된 연구이다. 기존의 접근 방식들이 충분하고 질 높은 프로그래밍 데이터의 부족과 오프라인 평가와 실제 학습 간의 불일치 문제에 직면하는 반면, 본 논문은 실제 데이터에 의존하지 않고 LLM 기반 에이전트인 CoderAgent를 제시한다. CoderAgent는 인지 아키텍처 프레임워크인 ACT-R에서 영감을 받아 학습자의 프로그래밍 과정을 세밀하게 시뮬레이션하며, 프로그래밍 지식 습득과 코딩 능력 적용에 중점을 둔다. 특히, 다층적인 인지 추론의 패턴을 인식하여 프로그래밍 사고의 트리(PTOT: Programming Tree of Thought)를 도입하여 문제 해결 과정을 '왜(why)', '어떻게(how)', '어디서(where)', '무엇(what)'의 네 단계로 세분화하여 분석한다. 실제 데이터셋을 이용한 실험 결과, CoderAgent는 학습 경로에 대한 해석 가능한 통찰력을 제공하고 정확한 시뮬레이션을 달성함을 보여준다. 이는 개인화된 프로그래밍 교육을 위한 길을 열어줄 것으로 기대된다.
