본 연구는 학부 회로 분석 과정의 숙제를 평가하는 대규모 언어 모델(LLM)의 성능 향상 파이프라인을 제시합니다. GPT-4o의 성능을 향상시키기 위해, 다단계 프롬프팅, 컨텍스트 데이터 증강, 그리고 맞춤형 힌트 제공 등의 전략을 활용했습니다. 이를 통해 GPT-4o가 간단한 프롬프트를 사용할 때 나타나는 일반적인 오류를 효과적으로 해결하고, 숙제 평가 정확도를 크게 향상시켰습니다.
시사점, 한계점
•
GPT-4o의 숙제 평가 정확도가 74.71%에서 97.70%로 향상되었습니다.
•
다단계 프롬프팅, 컨텍스트 데이터 증강, 맞춤형 힌트 제공이 핵심 전략으로 활용되었습니다.
•
회로 분석 교육, 나아가 공학 교육 전반에 LLM을 효과적으로 통합할 수 있는 기반을 마련했습니다.
•
연구는 특정 과목(회로 분석)에 국한되어 있으며, 다른 공학 분야 및 과목에 대한 일반화 가능성은 추가 연구가 필요합니다.
