본 논문은 인공지능 시대의 스마트 교육에서 대규모 언어 모델(LLM)의 활용을 제시하며, 특히 교육과정 및 학습 활동의 자동화된 일반화에 초점을 맞추고 있습니다. 학생의 다양한 학습 능력과 상태에 기반한 맞춤형 교육 콘텐츠 생성(Customized Generation)과 학습 효과 또는 시험 점수에 대한 피드백을 기반으로 콘텐츠를 반복적으로 최적화하는 지능형 최적화(Intelligent Optimization) 두 가지 핵심 측면에 집중합니다. 단일 LLM의 한계를 극복하기 위해 평가 에이전트, 최적화 에이전트, 질문 분석기로 구성된 다중 에이전트 시스템인 EduPlanner를 개발했습니다. 수학 수업을 예시로, 학생들의 수학적 배경 지식을 정확하게 모델링하는 Skill-Tree 구조와 명확성, 무결성, 심도, 실용성, 적절성을 평가하는 5차원 평가 모듈 CIDDP를 도입하여 교육과정 및 학습 활동의 지능형 설계를 생성하고 최적화합니다. GSM8K 및 Algebra 데이터셋을 사용한 실험 결과, EduPlanner는 교육과정 및 학습 활동 설계의 평가 및 최적화에 탁월한 성능을 보였으며, ablation study를 통해 각 구성 요소의 중요성과 효과를 검증했습니다. 소스 코드는 공개적으로 제공됩니다.
