지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.4
- 수록면
- 39 - 50 (12page)
- DOI
- 10.32431/kace.2025.28.4.004
이용수
초록· 키워드
오류제보하기
컴퓨터기반 협력학습 (Computer-Supported Collaborative Learning, CSCL)에서 학습자의 인지적 참여는 협력학습의 질을 좌우한다. 특히 동시적 CSCL 환경에서 교수자가 적절한 지원을 제공하기 위하여 인지적 참여 수준을 실시간으로 분석하는 것이 필요하다. 본 연구는 생성형 인공지능이 텍스트 데이터를 인지적 참여 수준에 따라 정확하게 분류할 수 있는지 평가하는 데 목적이 있다. 이를 위하여 채팅 기반의 토론을 통해 텍스트 데이터를 수집하였다. 이후 GPT-3.5-turbo와 GPT-4o에 인지적 참여 수준별 예시를 제시한 퓨샷러닝 모델과 1,080개의 텍스트 데이터를 훈련한 파인튜닝 모델을 개발하고, 인지적 참여 수준별로 GPT 모델의 성능을 평가하였다. 분석 결과, 토론 주제와 무관한 내용인 인지적 참여 수준 0을 분류하는 모델의 성능은 GPT 모델의 종류나 데이터 훈련 정도와 관련 없이 높은 것으로 나타났다. 단편적 의견을 제시하는 인지적 참여 수준 1과 정교화된 설명을 나타내는 수준 2를 분류하는 경우, 퓨샷러닝을 실시한 GPT-3.5-turbo는 보통 수준의 성능을 나타냈으며 나머지 모델은 높은 성능을 보였다. 다양한 아이디어를 통합하는 내용인 인지적 참여 수준 3을 분류하는 성능은 파인튜닝 한 모델이 퓨샷러닝 모델보다 월등하게 높게 나타났다. 연구 결과를 토대로 생성형 인공지능을 활용하여 텍스트의 인지적 참여 수준을 분석하는 데 실질적으로 적용할 수 있는 LLM 모델 선택 및 데이터의 훈련 정도, 프롬프트 설계와 관련된 시사점을 제시하였다.
목차
요약
ABSTRACT
1. 서론
2. 이론적 배경
3. 연구 방법
4. 연구 결과
5. 결론 및 논의
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0