대규모 언어 모델(LLM)의 대화 능력은 확장 가능하고 상호작용적인 튜터링을 가능하게 하는 데 큰 기회를 제공한다. 기존 연구는 소크라테스식 질문 생성 능력에 집중했지만, 학습자의 인지 상태에 따라 적응적으로 안내하는 중요한 측면을 간과했다. 본 연구는 질문 생성에서 벗어나, 교수적 안내 능력에 초점을 맞춘다. LLM이 학습자의 상태에 따라 전략을 동적으로 조정하는 전문 튜터를 모방할 수 있는지 질문한다. 이를 위해, 실제 교육 대화를 기반으로 한 벤치마크인 GuideEval을 제안하여, (1) 인식(학습자 상태 추론), (2) 조정(교수 전략 적응), (3) 유도(적절한 반성 자극)의 3단계 행동 프레임워크를 통해 교육적 안내를 평가한다.
