본 논문은 디지털 학습 환경의 클릭스트림 데이터를 해석하여 학습 전략을 파악하는 새로운 파이프라인인 ClickSight를 제안합니다. ClickSight는 대규모 언어 모델(LLM)을 활용하여 원시 클릭스트림 데이터와 학습 전략 목록을 입력받아 학습자의 행동에 대한 텍스트 해석을 생성합니다. 기존의 수작업 특징 추출, 전문가 라벨링, 클러스터링 또는 지도 학습 모델에 의존하는 방식과 달리, ClickSight는 LLM 기반의 접근 방식을 통해 일반화 가능성과 확장성을 높이고자 합니다. 본 논문에서는 네 가지 프롬프팅 전략을 평가하고 자기 개선(self-refinement)의 영향을 조사하며, 두 개의 개방형 학습 환경에서 전문가 평가를 통해 성능을 검증합니다.
