본 논문은 대규모 문항 풀에서 지식 구성 요소(KC) 모델을 설계하는 어려움을 해결하기 위해, 대규모 언어 모델(LLM) 기반의 새로운 KC 발견 알고리즘인 KCluster를 제안합니다. KCluster는 LLM이 유도하는 새로운 유사성 척도에 따라 유사한 문항들을 군집화하여 KC 모델을 생성합니다. 세 가지 데이터셋을 통해 LLM이 효과적인 문항 유사성 척도를 생성하고, 이를 통해 최소한의 인력으로 KC 모델을 생성할 수 있음을 보여줍니다. LLM과 군집화의 강점을 결합한 KCluster는 설명적인 KC 레이블을 생성하고, 기존 전문가가 설계한 최고의 모델보다 학생 성적을 더 잘 예측하는 KC 모델을 발견합니다. 향후 연구를 위해 KCluster가 어려운 KC에 대한 통찰력을 제공하고 교육 개선을 제안하는 방법을 보여줍니다.
