아동의 발달 평가를 위한 대규모 언어 모델 기반 아동 안전 다층 대화형 인공지능 아키텍처 : 검토 및 개념적 프레임워크
A Child-Safe Multilayer Conversational AI Safety Architecture (CMCASA) and Conversational Developmental Digital Biomarkers (CDDB) for Preschool Children's Developmental Assessment : A Conceptual Framework
Purpose: This study aims to address safety, developmental appropriateness, privacy, and human oversight issues in LLM-based conversational systems for preschool children, proposing an integrated framework that combines child safety with developmental observation. Method: Through a literature review on child-LLM interaction risks, developmental psychology, and international regulations (UNICEF, EU AI Act, COPPA), the study proposes CMCASA—a multilayer safety architecture consisting of rule-based safety, context-aware LLM safety, and multidisciplinary human review layers—and conceptualizes CDDB as explainable developmental observation markers extracted from natural conversations. Result: CMCASA provides a multi-layered governance structure that addresses explicit harmful content, emotional risks, privacy violations, and developmental inappropriateness, while the CDAE and CDDB offer continuous, explainable developmental observation evidence rather than diagnostic scores from naturalistic child-AI conversations. Conclusion: CMCASA integrates safety, developmental assessment, privacy, and human oversight into a single governance structure; however, the reliability, construct validity, cultural generalizability, and long-term efficacy of CDDB require systematic empirical validation before real-world deployment.
한국어
연구목적: 미취학 아동 대상 LLM 기반 대화형 시스템의 안전성, 발달적합성, 프라이버시 및 인간 감독 문제를 통합적으로 검토하고, 아동 안전과 발달 관찰을 결합하는 개념적 프레임워크를 제안한다. 연구방법: 아동-LLM 상호작용 위험, 발달 심리학 및 국제 규제(UNICEF, EU AI법, COPPA) 관련 문헌을 고찰하여, 규칙기반 안전 계층, 맥락인식 LLM 안전 계층, 다학제적 인간 검토 계층으로 구성된 CMCASA를 제안하고, 자연스러운 대화에서 추출되는 발달 특징을 CDDB로 개념화한다. 연구결과: CMCASA는 명시적 유해성, 정서적 위험, 개인정보 침해 및 발달부적합성을 다층적으로 관리하는 거버넌스 구조를 제공하며, CDAE와 CDDB는 진단 점수가 아닌 지속적이고 설명가능한 발달 관찰 증거를 제공한다. 결론: CMCASA는 안전성, 발달 평가, 프라이버시, 인간 감독을 하나의 거버넌스 구조로 통합하였으나, CDDB의 신뢰도, 구성 타당도, 문화적 일반화가능성 및 장기적 효과는 실제 적용 전 체계적인 실증 연구를 통해 검증되어야 한다.
목차
ABSTRACT 요약 서론 관련 연구 아동 대상 대화형 인공지능의 기회와 위험 발달적합성과 설명가능성 아동 대화 데이터와 프라이버시 아동 안전 다층 대화형 인공지능 안전 아키텍처(CMCASA) 설계 원칙 규칙기반 안전 계층 LLM 안전 계층 대화형 발달 평가와 대화형 발달 디지털 바이오마커 대화형 발달 평가 엔진(CDAE) 대화형 발달 디지털 바이오마커(CDDB) CDDB 생성 절차 통합적 거버넌스 구조 안전성의 다차원적 이해 프라이버시 보호와 공정성 결론 Acknowledgement References