LLM은 교육을 어떻게 변화시킬까?
교육에 활용하는 AI모델
LLM은 무엇인가?
LLM(Large Language Model)은 방대한 양의 텍스트 데이터를 학습하여, 인간의 언어를 이해하고 생성할 수 있는 인공지능 모델이다. 단어나 문장간의 연관성을 학습하여 질문에 답하거나 텍스트를 생성하는 등 다양한 언어 관련 작업을 수행할 수 있으며, 이를 활용한 대표적인 서비스로 Chat GPT가 있다.
따라서 LLM모델은 지식이 풍부하고 언어 능력이 뛰어난 대화 상대자의 역할을 지원하는 서비스를 제공할 수 있다.
교육에 어떻게 활용되고 있는가?
개인 맞춤형 학습을 지원하는 보조교사(개인교사) 역할을 지원하고 있다. 그러다보니, 학습의 전반적인 과정에서 다양한 역할을 수행하며, 학생과 교사 모두에게 실질적인 도움을 제공하고 있다.
1. 목표 설정
-학생 수준 진단 : 학생의 현재 학습 수준을 진단한다.
-개인 맞춤형 학습 경로 제안 : 학생의 수준과 목표에 맞는 학습 계획을 수립하고, 목표 달성을 위한 학습 방향을 제시한다.
2. 학습 콘텐츠 제공
-맞춤형 학습 자료 제공 : 학습자의 수준과 학습 목표에 맞는 콘텐츠를 생성한다.
-멀티모달 학습 지원 : 이미지, 영상 등 다양한 형식의 학습 자료를 제공한다.
3. 학습 진행
-실시간 피드백 : 학생이 작성한 글이나 문제 풀이 과정에 대해 실시간 맞춤형 피드백을 제공한다.
-언어 학습 지원 : 문법 수정, 외국어 발음 가이드, 번역 등을 제공한다.
-질의응답 : 학생이 질문을 하면 즉각적으로 답변을 제공하며 더 깊이 있는 학습을 유도한다.
4. 학습 장애 극복
-학습 어려움 파악 : 학습 과정에서 발생하는 문제를 판별하고, 학생이 어려움을 겪는 개념이나 과제를 파 악하고, 추가 설명이나 학습 전략 등 해결책을 제안한다.
-정서적 지지 : 학습 동기를 잃지 않도록 격려하며, 긍정적인 학습 태도를 유지하도록 지원한다.
5. 평가 및 성과 분석
-자동 채점 및 분석 : 학생의 과제나 시험을 자동으로 채점하고 상세한 분석을 제공한다.
-학습 성과 관리 : 학습 데이터를 기반으로 학습 진척도를 시각화하고 보고한다.
-피드백 제공 : 학습자에게 개선점을 구체적으로 제안한다.
6. 복습 및 확장 학습
- 복습 계획 제공 : 학습자가 잊기 쉬운 내용을 예측하여 복습 계획을 제안한다.
- 확장 학습 제안 : 학생이 관심을 가질 만한 추가 학습 자료를 추천하여 자기주도 학습을 지원한다.
이처럼 LLM은 단순히 정보를 전달하는 도구가 아니라, 실시간 지원, 개인화된 학습 경험, 그리고 효율적인 평가 및 분석을 가능하게 하는 학습 파트너로서 역할을 수행하며, 교육의 패러다임을 변화시키고 있다.
학습 과정에서 LLM은 어떤 역할을 수행하는가?
개인 맞춤형 학습을 지원하기 위해서는 데이터 분석, AI 알고리즘, LLM 등 다양한 기술을 융합하여 AI 서비스를 설계해야 한다. 보다 자세히 살펴보기 위해 초등 3학년 수학 학습자를 가정하고, 개인 맞춤형 학습 경로 제시가 어떻게 이루어지는지, 그 과정에서 LLM은 어떤 역할을 하는지 살펴보자.
1. 학습자의 데이터 수집 및 분석
학습 이력 데이터: 학습자는 지금까지 덧셈, 뺄셈, 곱셈, 나눗셈, 분수, 소수 등의 개념을 배웠다. 최근에는 나눗셈 문제 풀이에서 오답이 잦고, 문제 풀이 속도도 느린 것으로 나타났다. 특히, 나머지가 있는 나눗셈 문제를 어려워했다.
학습 성취도 데이터: 단원 평가에서 나눗셈 영역의 점수가 다른 영역에 비해 낮게 나왔다.
학습 스타일 데이터: 학습자는 그림이나 시각 자료를 활용한 학습을 선호하며, 차근차근 단계를 밟아 문제를 푸는 것을 좋아하는 것으로 파악된다.
학습 목표 데이터: 이번 학기 수학 단원 평가에서 높은 점수를 받는 것이 목표이다.
2. 학습자를 위한 학습 경로 설계
1단계: 나눗셈 개념 복습 (시각 자료 활용)
나눗셈의 의미와 원리를 그림, 애니메이션, 실생활 예시 등을 활용하여 복습한다.
(예) 사과 12개를 3명에게 똑같이 나누어 주는 상황을 그림으로 보여주거나, 나눗셈 기호(÷)의 의미를 설 명하는 애니메이션을 제공한다.
2단계: 나머지가 없는 나눗셈 연습 (단계별 문제 풀이)
간단한 나눗셈 문제부터 시작하여 점차 난이도를 높여간다. 문제를 풀 때마다 정답 여부와 함께 해설을 제 공하고, 오답의 경우 오답 원인을 분석해준다.
3단계: 나머지가 있는 나눗셈 개념 도입 (구체물 활용)
구체물(예: 바둑돌, 사탕)을 활용하여 나머지가 있는 나눗셈의 개념을 시각적으로 설명한다.
(예) 바둑돌 13개를 4명에게 나누어 주는 상황을 연출하고, 남는 바둑돌이 나머지가 됨을 보여준다.
4단계: 나머지가 있는 나눗셈 연습 (다양한 문제 유형)
다양한 유형의 나머지가 있는 나눗셈 문제를 제공한다. 그림 문제, 문장제 문제 등 다양한 형태의 문제를 통해 문제 해결 능력을 향상시킨다.
5단계: 나눗셈 활용 문제 풀이 (실생활 연계)
실생활과 관련된 나눗셈 활용 문제를 제공하여 문제 해결 능력을 실생활에 적용하는 연습을 한다.
(예) "친구들과 함께 피자 2판을 시켰는데, 피자 한 판이 8조각으로 나누어져 있다면, 우리 6명이서 똑같이 나누어 먹으면 한 명당 몇 조각씩 먹을 수 있을까요?"
3. LLM의 역할
개념 설명 생성: 나눗셈 개념을 지민이의 눈높이에 맞춰 쉽게 설명해주는 텍스트, 그림, 애니메이션 등을 생성한다.
개념 설명 및 예시 제공: 학습자의 눈높이에 맞춰 쉽게 설명해 줄 수 있다. 예를 들어, 분수 개념을 설명할 때, "피자 한 판을 4조각으로 나눈 것 중 2조각은 1/2이라고 해요. 그림으로 보여드릴게요."와 같이 시각 자료와 함께 설명해 줄 수 있다.
문제 자동 생성: 다양한 유형의 나눗셈 문제를 자동으로 생성하고, 문제 난이도를 조절한다.
단계별 문제 풀이 안내: 문제 풀이 과정을 단계별로 안내하고, 각 단계에서 필요한 개념이나 공식을 설명해 줄 수 있다. 예를 들어, 나눗셈 문제 풀이 중 특정 단계에서 막히면, "나눗셈을 하기 전에 먼저 곱셈을 활용하여 몫을 예상해 볼까요?"와 같이 힌트를 제공할 수 있다.
맞춤형 피드백 제공: 학습자가 문제를 풀 때마다 정답 여부를 알려주고, 오답의 경우 오답 원인을 분석하여 맞춤형 피드백을 제공한다.
(예) "나머지를 구하지 않고 나눗셈 결과만 적었네요. 나머지를 다시 한번 확인해 보세요."
학습 동기 부여 및 칭찬: 학습자의 학습 상황에 맞춰 적절한 칭찬과 격려를 통해 학습 동기를 부여할 수 있다. 예를 들어, 어려운 문제를 풀었을 때, "정말 잘했어요! 어려운 문제인데 끈기 있게 풀어냈네요."와 같이 칭찬해 줄 수 있다.
학습 진도 관리: 학습자의 학습 진도를 추적하고, 학습 경로를 동적으로 조정한다.
(예) 나머지가 있는 나눗셈을 충분히 이해했다고 판단되면 다음 단계로 넘어가고, 여전히 어려움을 겪고 있 다면 추가적인 연습 문제를 제공한다.
사례에서 알 수 있듯이 LLM은 개인 맞춤형 학습 제공에서 더 나아가, 학습자와의 능동적인 상호작용을 통하여 실시간 맞춤형 피드백을 할 수 있다. 학습자의 질문에 답하고 추가 자료를 제공하기도 하기도 하며, 정서적 피드백도 가능하여 맞춤형 동기부여를 통해 학습을 촉진할 수도 있다. 학습자만을 위한 보조 교사가 항시 대기 중인 셈이다.
이미 LLM은 챗봇이라는 이름으로 교육 서비스에 등장했다. 그러나 아직은 정확도가 부족하고 문맥 이해에 한계가 있으며, 저작권 문제와 높은 비용도 이슈이다. 하지만 앞으로 성능이 향상되고 이용 비용이 낮아진다면, 학습자마다 개별 교사를 둘 수도 있을 것이다. 교사의 역할 뿐만 아니라 학습 방법, 교실의 모습 등 많은 것이 달라질 것이다.
