AI 기반의 학습 지원 시스템

 

 

 

1. AI 기반 학습 시스템

 

 

  AI 기반의 지능형, 대화형, 맞춤형, 개인별 학습시스템은 점진적으로 배치되어 왔으며 빅데이터를 분석하며 점차 큰 영향을 끼치고 있습니다. 이것은 AI 기반 학습지원 도구들의 개발과 학습을 이해하기 위한 AI 도구 사용의 두 가지 상호 보완적 흐름을 포함합니다. 이러한 AI 기반 학습지원 시스템은 크게 지능형 튜터링 시스템 ITS: Intelligence tutoring system)과 대화형 튜터링 시스템(DBTS: Dialogue-Based Tutoring Systems), 탐구학습 시스템(ELE: Exploratory Learning Environment)으로 나눌 수 있습니다.

 

 

2. 지능형 튜터링 시스템(ITS), 대화형 튜터링 시스템(DBTS), 탐구학습 시스템(ELE)

 

 

  첫째, 지능형 튜터링 시스템(ITS)은 각 학생이 맞춤형으로 잘 정의된 지식의 구조를 갖는 영역에 대해 단계별 학습을 할 수 있도록 활용되고 있습니다. 또한 주제와 교수법에 대한 전문가의 지식을 활용해 개별 학생의 오개념을 바로 잡아주고 학습 성취를 돕는 방식으로 교재와 학습 활동들에 대한 최적의 단계별 학습 경로를 결정합니다. ITS는 학습해야 할 내용적 지식인 도메인 모델, 가르치는 데 있어 효과적인 접근법에 대한 지식인 교수 모델, 학생에 대한 지식인 학습자 모델이 있고 여기에 개방적 학습자 모델로 학생들의 메타 인지를 높이거나 교사들에게 개별 학습자의 학습 정보를 제공하여 시스템을 업그레이드 할 수 있습니다. 맞춤형 학습 활동을 위해 시스템을 사용해 온 모든 학생들의 정보를 바탕으로 교수법과 도메인 지식이 특정 학생의 특정 학습 단계에 가장 적절한지를 예측하기 위한 지속적인 학습을 실시합니다.

 

  둘째, 대화형 튜터링 시스템(DBTS)은 보통의 ITS처럼 학습 교재나 학습 활동들을 개인별 맞춤형으로 제시하는 대신에 학생들을 학습 주제에 대한 대화에 참여시킨다는 점에서 차별이 있습니다. 개발된 DBTS는 CIRCSIM, 오토튜터, 왓슨튜터가 있습니다. CIRCSIM은 일대일 대화 방식의 교수법으로 학생들이 시스템과 대화하며 이미 배운 내용을 더욱 깊이 살펴보고 이해하도록 도움을 주기 위한 목적으로 개발되었습니다. 오토튜터는 잠재 의미 분석의 통계 기법을 사용하여 글로 쓰여진 학생들의 커다란 말뭉치로부터 얻어진 다차원의 개념들의 행렬을 비교합니다. 왓슨튜터는 오토튜터나 CIRCSIM과 같이 새로운 지식을 전달하기 위함이 아니라 소크라테스 접근법을 사용하여 기존 지식을 좀 더 깊이 이해할 수 있도록 만들어졌습니다.

 

  셋째, 탐구학습 시스템(ELE)은 구성주의적 접근방식으로 학생이 학습 환경의 요소를 탐구하고 조작해 지식을 적극적으로 구성하도록 권장합니다. 학생들이 원하는 대로 탐구할 수 있는 비정형적이고 개방적인 학습 환경을 제공합니다. ‘프랙션즈 랩’은 분수의 개념적 지식과 기본 원리들을 학습할 수 있도록 설계되어 맞춤형 지원과 피드백을 통한 감정상태까지 관리합니다. ‘베티의 뇌’는 학생들이 베티라 불리는 가장 에이전트 학생을 가르치도록 하여 강의 생태계를 과학적이고 개념적으로 이해할 수 있도록 설계하였습니다. ‘크리스탈 아일랜드’는 먼 섬에서 불가사의한 병들을 조사하는 탐정 역할을 수행하여 몰입형, 일인칭, 컴퓨터 개인 접근법을 사용하고 자동화된 피드백을 받습니다. ‘에코즈’는 인공지능 기반의 사회적 파트너 역할을 수행하는 앤디라고 불리는 아이와 상호작용을 하며, 게임기반 접근법을 사용하지만 자폐 스펙트럼을 가진 아이들을 돕습니다.

 

 

3.  인공지능 교육 AIED (Artificial Intelligence in Education)

 

 

  한편, 학습을 이해하기 위한 AI 도구로서 자동서술형 평가(AWE)는 자연어 처리와 의미처리 기술을 활용하여 시스템에 제출된 학생의 글에 대해 자동적으로 피드백을 제공합니다. PEG(Project Essay Grade), 지능형 에세이 평가, 라이트 투런(Write To Learn), 이레이터(e-Rater), 리비전 어시스턴트(Revision Assistant), 오픈 에시이스트(Open Essayist), 인공지능 채점(AI Grading) 등이 있습니다.

  그 밖에도 AIED의 다른 사례로는 ITS+, 언어학습, 챗봇, 증강현실과 가상현실, 로봇과 함께하는 교육, 사물 인터넷과 웨어러블(Wearable) 교육, 3D 프린팅과 나노 기술, 머신러닝(지도학습, 비지도학습, 강화학습 포함), 인공신경망(심층학습 포함), 진화 알고리즘 등의 인공지능 기법은 학습 경험을 탈바꿈시키는 도구는 유비쿼터스(Ubiquitous) 환경과 만나 메타버스, 게임 기반 환경의 지능형 에이전트와 플레이 교육 등으로 확장하여 활용할 수 있습니다. 이러한 프로그램 외에도 AIED는 협력학습, 학생 포럼 모니터링, 과정평가, 인공지능 학습 동료, 인공지능 조교, 학습 경험 확장, 취약 계층 지원, 업무의 자동화와 효율과, 학습 과학을 발전시키는 연구 도구로서 더 다양한 학습의 형태로 구현 가능합니다. 더욱이 학생 중심으로 자신의 학습을 주도할 수 있도록 인공지능을 이용해 학생이 직접 교수자를 매칭하거나 학생들이 컴퓨터와 일대일로 상호작용하고, 교실 밖에서도 학교 전체로 접근할 수 있는 진정한 학습자 중심 맞춤형 기술로 활용 가능하다고 할 수 있겠습니다.

 

 

관련 포스팅

2023.01.16 - [AI와 미래] - 인공지능 시대에서의 교육 환경의 변화

인공지능 시대에서의 교육 환경의 변화