Earticle

기존 교사 주도형 교육 방식은 개별 학습자의 수준과 필요를 충분히 반영하지 못하며, 맞춤형 학습 지원이 부족하다. 인공지능 기술을 활용 하면 학습자의 패턴을 분석하고 최적화된 교육 콘텐츠를 제공할 수 있어, 자기주도적 학습을 촉진할 수 있다. 본 논문은 인공지능 기반의 LLM을 이용한 맞춤형 학습 지원 서비스를 개발한다. 본 시스템은 ChatGPT를 이용한 자동 문제 생성 및 채점, BERT 모델을 통한 유사 문 제 추천, GPT와 BERT 모델을 혼합한 유사 문제 생성으로 구성된다. 이를 활용하여, 기존의 교사 주도형 교육 방식의 한계를 극복하고, 더 나아가 학생 개인별 학업성취도를 고려한 맞춤형 학습 환경을 조성하는 데 중점을 두었다. 검증 실험을 위해, 개발한 BERT 기반 문제 추천 시스템과 기존 ChatGPT 기반 문제 추천 모델을 비교하였고, 학교 수업에 적용하여 효과성을 분석하였다. 실험 결과, BERT 모델의 유사도 점수는 0.99, ChatGPT 모델의 유사도 점수는 0.90으로 나타났다. 또한, BERT 기반 문제 추천을 받은 학습자의 평균 점수는 88점, ChatGPT 기반 문제 추천을 받은 학습자의 평균 점수는 77점으로, BERT 모델이 학습 성취도 향상에 더 효과적인 것으로 분석되었다. 만족 도 조사 결과, 학습자의 80% 이상이 추천된 문제가 학습 목표에 부합하며, 자기주도적 학습에 도움이 되었다고 응답하였다. 본 연구를 통 해, 개발된 맞춤형 학습 지원 시스템이 학생들의 개별 학습 수준을 고려한 효과적인 교육 환경을 제공할 수 있을 것으로 기대된다.

The existing teacher-centered education method does not sufficiently reflect individual learners' levels and needs and lacks personalized learning support. Artificial intelligence technology enables the analysis of learners' patterns and the delivery of optimized educational content, thereby fostering self-directed learning. This study presents a personalized learning support system utilizing an AI-based Large Language Model (LLM). The system consists of automatic problem generation and grading using ChatGPT, similar problem recommendations through a BERT model, and similar problem generation by combining GPT and BERT models. By leveraging these technologies, this study seeks to address the limitations of traditional teacher- centered education and establish a personalized learning environment tailored to individual students' academic performance. To validate the system, we compared the developed BERT-based problem recommendation system with an existing GPT-based model and assessed its effectiveness through implementation in school classrooms. The experimental results showed that the BERT model achieved a similarity score of 0.99, while the GPT model scored 0.90. Additionally, learners who received BERT-based problem recommendations had an average score of 88, whereas those who received GPT-based recommendations had an average score of 77, indicating that the BERT model is more effective in enhancing learning achievement. According to the satisfaction survey, over 80% of learners responded that the recommended problems aligned with their learning objectives and supported self-directed learning. This study suggests that the developed personalized learning support system can offer an effective educational environment tailored to students' individual learning needs.

최근 SW 개발 분야로의 인력 수요가 늘어나면서 SW개발 역량을 키우기 위한 학습 프로그램에 대한 관심도 높아지고 있다. 특히 취업률은 대학의 중요한 평가 지표이므로 취업률을 높일 수 있는 SW 개발자 양성 프로그램에 대학들의 관심이 높은 것이 사실이다. 본 연구에서는 SW개발 직무에 종사하고 있는 재직자들을 대상으로 자신들의 개발 역량 향상에 효과적이었던 프로그램들에 대한 설문 조사를 실시하고 그 결과를 분석해보았다. 이 연구 결과는 대학들이 향후 취업 역량을 갖춘 SW개발자 양성 체계를 갖추는데 긍정적인 영향을 미칠 것으로 기대된다.

본 연구에서 초보 학습자인 비전공자의 프로그래밍 학습 지원을 위해 컴퓨팅 사고력 기반 파이썬 프로그래밍 학습지원시스템의 설계 가이드라인을 제안하고자 하였다. 이를 위해 먼저 파이썬 프로그래밍 언어와 컴퓨팅 사고력, 프로그래밍 학습 설계와 학습지원에 관련한 선행연구를 탐색하고 학습지원시스템 설계를 위한 시사점을 도출하였다. 이후, 설계․개발 연구방법을 활용해서 분석, 설계, 개발 및 평가 각 단계에서 4차례의 전문가 검토를 실시하여 최종 설계 가이드라인을 도출하였다. 그 결과, 최종 설계 가이드라인으로 1) CT 개념 측정과 피드백 설계, 2) 오류의 안내, 3) 자료 수집, 표현, 분석을 지원, 4) 협업과 커뮤니케이션 지원, 5) 학습결과의 시각화가 도출되었다. 본 연구는 비전공자의 대상의 프로그래밍 교육을 위해 컴퓨팅 사고와 같은 고등사고력에 집중했다는 점, 비전공자 대상의 프로그래밍 언어의 범위를 확장했다는 점, Brennan과 Resnick(2012)이 제안한 컴퓨팅사고력 개념, 수행, 관점에서의 지원 방안을 도출하여 연구의 확장을 이루었다는 점, 다양한 전공 분야의 전문가의 의견을 반영했다는 점에서 이론적 의의가 있으며, 프로그래밍 교육을 구성할 때 가이드라인을 각 문제해결 단계의 전략으로 활용할 수 있다는 점, 예비교사에게 컴퓨팅 사고력 계발을 위한 프로그래밍 교육 방법에 대한 통찰을 제공했다는 점, 설계 가이드라인을 적용한 학습지원시스템을 개발하여 대형 강의에서 유용하게 활용할 수 있다는 점에서 실천적 의의가 있다.

This study aims to provide a set of design guidelines and core functions of the computational thinking-based Python programming learning support system for non-major learners. To this end, this study explored the Python programming language research and derived implications for learning support system design. In addition, design and development research methods were utilized, and expert reviews were conducted at each research stage to derive the final design guidelines. As a result, the final design guidelines were derived from 1) the measurement and feedback design of CT concepts, 2) the design of functions to support errors, 3) support data collection, expression, and analysis, 4) the design of the community, and 5) visualization of learning result. The study presented theoretical implications such as the focus on computational thinking and the reflection of expert opinions from various majors, and practical implications such as that guidelines can be used as strategies for each problem-solving stage when constructing programming education, which it has provided pre-service teachers with insight into how to teach programming for the development of computational thinking, and that a learning support system with design guidelines can be developed and use in large lectures.