Access Timing as Scaffolding: A Reinforcement Learning Approach to GenAI in Education

작성자

Haebom

카테고리

Empty

저자

Janne Rotter, Pau Benazet i Montobbio, Davinia Hernandez-Leo

💡 개요

본 연구는 교육 환경에서 생성형 AI(GenAI)의 무분별한 사용으로 인한 문제점을 해결하기 위해, GenAI 접근 시점을 조절하는 새로운 방식인 '접근 시점 스캐폴딩'을 제안합니다. 강화학습(RL) 에이전트를 통해 메타인지 이론, 인지 부하 이론, 생산적 실패 등을 기반으로 한 보상 함수를 사용하여 학생들의 GenAI 사용 시점을 결정하도록 설계했습니다. 실험 결과, 전략적으로 조절된 GenAI 접근이 무제한 사용 대비 학습 성과와 메타인지 정확도를 향상시키고, 완전 제한 사용 대비 과제 오류 및 소요 시간을 줄이는 효과를 보였습니다.

🔑 시사점 및 한계

•

접근 시점 조절의 교육적 효과: GenAI 사용 시점을 전략적으로 조절하는 것만으로도 학생들의 학습 성과와 메타인지 능력을 향상시킬 수 있음을 실증적으로 보여줍니다.

•

강화학습 기반 자동 조절 가능성: 별도의 메타인지 프롬프트나 구조화된 스캐폴딩 없이 강화학습 에이전트를 통해 GenAI 접근 시점을 효과적으로 관리할 수 있음을 시사합니다.

•

자기 보고식 메타인지 인식에서의 차이 없음: 실험 결과, 스스로 인식하는 메타인지 능력에는 조건 간 유의미한 차이가 나타나지 않았으며, 이는 향후 추가적인 연구나 개선이 필요함을 시사합니다.

•

향후 연구 과제: 접근 시점 조절이 실제 교육 현장에 어떻게 효과적으로 통합될 수 있을지, 그리고 인간-AI 학습 시스템 설계에 있어 이 접근 방식이 어떻게 활용될 수 있을지에 대한 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage