Earticle

본 연구는 생성형 인공지능의 교육적 활용 가능성을 모색하기 위해, 소크라테스식 문답법 기반의 질의응답 데이터셋(SocratiQ)의 한 국어 번역본을 활용하여 경량 온디바이스 대형언어모델(LLM) 두 종류(Gemma 1B, LLaMA 1B)에 대해 LoRA 방식의 파인튜닝을 수 행하고 그 성능을 비교하였다. 실험 결과, 두 모델 모두 BERTScore 기준 약 0.75 수준의 의미 유사도를 달성하였으며, Gemma 1B는 질문 표현의 정교성과 일관성 측면에서 우수한 성과를 보였다. 반면 LLaMA 1B는 평균 1초 미만의 추론 시간을 기록하여 실시간 응답 에 더 적합한 효율성을 나타냈다. 또한 일부 사례 분석을 통해 두 모델이 문맥에 따른 다양한 소크라테스식 질문 유형을 생성할 수 있음 을 확인하였다. 본 연구는 온디바이스 환경에서도 교육용 LLM이 실질적 질문 생성 도구로 활용될 수 있음을 실증적으로 제시하며, 향 후 경량 AI 기반의 자기주도 학습 지원 시스템 설계에 유의미한 기초 자료를 제공한다.

This study investigates the educational applicability of on-device lightweight large language models (LLMs) through fine-tuning with a Korean-translated version of the SocratiQ dataset, which is built upon the Socratic method of questioning. Two compact models, Gemma 1B and LLaMA 1B, were fine-tuned using the LoRA approach, and their performances were evaluated. Both models achieved a BERTScore F1 of approximately 0.75, indicating high semantic similarity with reference questions. Gemma 1B demonstrated slightly higher linguistic consistency and clarity, while LLaMA 1B showed superior inference efficiency, with an average response time of under one second. Sample analysis also revealed that both models were capable of generating diverse types of Socratic questions in contextually appropriate ways. The results suggest that fine-tuned lightweight LLMs can serve as viable educational tools for AI-assisted questioning, even in resource-constrained or privacy-sensitive environments. This work offers foundational evidence for integrating on-device AI in self-directed learning and classroom support systems.

We introduce an automated method for generating data structure questions using the SMT Solver 'Z3'. Recognizing challenges in traditional question-setting, which might contain logical errors or lack originality, we focus on generating logically consistent and diverse questions. We harness Z3's EnumSort() and Const() functions for conceptual question creation. For applied questions, three main approaches were employed: generating data structures with specific constraints, deriving accurate solutions for questions, and assessing data structure integrity pre and post specific code execution. The outcome not only refines problem creation but also provides a quality-assured learning platform. By transitioning our findings to a web service, we envision bridging educational gaps caused by location and financial constraints. This initiative offers a novel perspective in the realm of educational assessments.

본 연구는 한국 대학 EFL 맥락에서 AI 강화 구조화 탐구 모형이 말하기 수행, 비판적 사고 성향 및 질문 생성 관련 심리 요인에 미치는 영향을 검증하였다. 준실험 혼합연구로, 10주간 수업(N=40)에서 질문 생성 훈련과 AI 매개 리허설을 통합 적용하였다. 분석 결과 말하기 능력은 유의하게 향상되었고(η²p = .336), 비판적 사고성향은 증가하며 질문 불안·체면 우려·권력거리 인식은 감소하였다. 이러한 결과는 AI가 독립적 효과 요인이 아니라 근접발달 영역 내 조절 구조를 재분배하는 매개적 요소로 기능했을 가능성을 시사한다. 그러나 소규모 군집 설계의 한계가 있으므로, 다양한 EFL 맥락에서 일반화 가능성과 인과적 안정성을 검증하기 위한 대규모 후속 연구가 필요하다.

This quasi-experimental mixed-methods study examined an AI-mediated structured inquiry model in a participation-constrained Korean EFL university context. A 10-week intact-class intervention (N = 40), integrating question-generation training, iterative prompt refinement, AI-mediated rehearsal, and structured oral tasks, produced significant gains in CEFR-aligned speaking proficiency (η²p = .336), improvements in critical thinking disposition, and reductions in anxiety and perceived hierarchical barriers. Findings are preliminary and context-specific, suggesting that algorithmically responsive rehearsal embedded within structured inquiry may redistribute regulatory processes in the Zone of Proximal Development and expand functional participation space rather than functioning as an autonomous causal agent, highlighting the importance of instructional configuration over technological determinism. Future large-scale cluster-randomized studies are needed to establish the generalizability and causal stability of these findings across diverse EFL contexts.

이 연구는 거대언어모델(LLM)을 활용하여 수능 국어 문법 문제를 자동으로 생성하는 시스템을 개발하고, 그 가능성과 한계를 분석하였다. 기존 수능 문법 문제는 전문가가 수작업으로 출제하며, 이 과정에서 많은 시 간과 인적 자원이 소요되는 한편, 문제 유형과 난이도 조절에도 어려움이 있다. 이에 최근 4개년(2022~2025) 수 능 및 모의평가 문제를 수집하여 JSON 형식으로 변환한 후, GPT-4 기반 프롬프트 엔지니어링 기법을 적용하 여 자동 문제 생성 시스템을 구축하였다. 또한, 사용자가 원하는 문제 유형을 직접 선택하고 즉각적인 피드백 을 받을 수 있도록 설계하여 맞춤형 학습이 가능하게 하였다. 연구 결과, AI가 생성한 문제는 일정 수준 이상의 질적 완성도를 유지하였으며, 학습자와 교사 모두 시스템의 실용성과 학습 효과를 긍정적으로 평가하였다. 그 러나 중세국어 문제 생성의 어려움과 정답 해설이 충분하지 않은 점, 그리고 AI가 특정 유형의 문제를 반복 생 성하는 점 등이 확인되었다. 특히, 정답 해설은 개념을 명확히 설명하지 못하거나 단순하여 학습자의 이해를 돕기에 부족한 경우가 있었다. 또한, AI가 새로운 문제를 창의적으로 생성하기보다 기존 데이터에 의존하여 문 제 유형이 한정되는 한계도 드러났다. 이 연구는 특정 시험 유형(수능 국어 문법)에 한정되었으며, 향후 문제 생성 방식의 개선과 보완을 통해 교육 현장에서 유용하게 활용되기를 기대한다.

This study developed a system for automatically generating Korean grammar questions for the CSAT using the Large Language Model (LLM) and analyzed its possibilities and limitations. Existing CSAT grammar questions are presented manually by experts, and while this process requires a lot of time and human resources, it is difficult to control the type and difficulty of problems. Accordingly, after collecting the CSAT and mock evaluation questions for the last four years (2022-2025) and converting them to JSON format, an automatic problem generation system was constructed by applying the GPT-4-based prompt engineering technique. In addition, customized learning was possible by designing so that the user could directly select the desired problem type and receive immediate feedback. As a result of the study, the problems generated by AI maintained a certain level of qualitative completion, and both learners and teachers positively evaluated the practicality and learning effect of the system. However, it was confirmed that the difficulty of generating the medieval Korean language problem, the explanation of the correct answer was insufficient, and the AI repeatedly generated certain types of problems. In particular, there were cases in which the concept was not clearly explained or was insufficient to help learners understand because the explanation of the correct answer was simple. In addition, it was also revealed that AI has a limitation in that the type of problem is limited by relying on existing data rather than creatively generating new problems. This study was limited to a specific test type (CSAT Korean Grammar), and it is expected to be usefully used in the educational field through improvement and supplementation of the problem generation method in the future.

최근 생성형 AI의 활용이 증가함에 따라 교육적으로 이를 활용하기 위한 연구가 활발히 진행되고 있다. 특히, 2022 개정 교육과정에서 디지털 역량 강화가 강조되면서 초·중·고등학교에서 생성형 AI를 활용한 교육 방법이 개발되고 있다. 본 연구에서는 고등학생의 파이썬 프로그래밍 역량 평가에 초점을 두고, 교과서의 프로그래밍 예 제를 GPT-3.5- turbo 모델 기반으로 파인 튜닝한 후, 사용자가 원하는 구조의 문제를 자동 프롬프트를 통해 생 성하였다. 이때, 5개의 객관식 선지 및 정답을 함께 생성하였다. 생성된 문제의 정확성을 검증하였다. 이를 통해 교사는 지필평가 시 문제 출제 부담을 줄이고 다양한 유형의 문제를 효과적으로 개발할 수 있다. 또한 학생들의 이해도를 향상시킬 수 있다. 본 연구는 다른 학령을 위한 언어로의 적용도 가능하다.

With the increasing use of generative AI, research on its educational applications has been actively progressing. In particular, as the 2022 revised curriculum emphasizes the enhancement of digital literacy, educational methods utilizing generative AI are being developed for elementary, middle, and high schools. This research focuses on assessing high school students' Python programming skills. It fine-tunes programming examples from textbooks using the GPT-3.5-turbo model to automatically generate questions with the desired structure via prompts. During this process, five multiple-choice options and the correct answer were generated. The accuracy of the generated questions was verified. This allows teachers to reduce the burden of creating questions for written assessments and effectively develop various types of questions, ultimately improving students' comprehension. Additionally, this study suggests that the approach can be adapted to other grade levels and programming languages.

디지털 교육 환경의 보편화에 따라 다양한 멀티미디어 학습 자료가 활용되고 있으나, 이는 종종 학습자의 수동적인 정보 습득으로 이어지는 한계를 가진다. 기존의 텍스트 기반 자동 문제 생성 기술 역시 이러한 한계를 극복하기에는 부족하다. 이에 본 연구는 동영상 강의와 서면 자료를 통합 분석하는 멀티모달 기반 학습 자료 요약 및 문제 생성 시스템(MLSQ)을 제안한다. 이 시스템은 OCR과 STT로 추출된 데이터뿐만 아니라, 강의 영상에서 탐지된 필기 정보를 핵심 강조점으로 활용하여 이 모든 데이터를 시간 정보를 기준으로 정밀하게 융합하고, 이를 대형 언어 모델(LLM) 에 입력하여 학습 내용을 요약하며 주관식 및 객관식 문제를 자동 생성한다. 성능 평가 결과, 제안된 멀티모달 융합 방식은 단일 모달 방식 대비 BLEU 점수에서 최대 3.4%p, ROUGE-L 점수에서 최대 3.1%p 향상된 성능을 보였다. 또한, 5점 척도의 사용자 만족도 평가(MOS)에서 음성 변환 신뢰도 및 문제 생성의 학습 적합성 항목이 평균 4.33점을 기록하는 등 모든 항목에서 4.0 이상의 높은 점수를 획득하여 제안 시스템의 교육적 실용성과 효과성을 입증하였다.

While the proliferation of digital learning environments has increased the use of diverse multimedia materials, this often leads to passive learning. Existing text-based automatic question generation technologies are insufficient to overcome this limitation. Therefore, this study proposes an AI-based system (MLSQ) that integrates and analyzes video lectures and written materials. This system precisely fuses text data extracted via OCR and STT, along with handwriting information detected from the lecture video as a key emphasis point, based on temporal information and inputs it into a Large Language Model (LLM) to summarize learning content and automatically generate both short-answer and multiple-choice questions. Performance evaluation results showed that the proposed multimodal fusion method demonstrated improved performance over single-modal approaches, with a maximum increase of 3.4%p in BLEU score and 3.1%p in ROUGE-L score. Furthermore, in a 5-point Mean Opinion Score (MOS) user evaluation, the system demonstrated its educational practicality and effectiveness by achieving high scores above 4.0 in all categories, with 'Speech Conversion Reliability' and 'Learning Suitability of Question Generation' receiving an average of 4.33.

본 논문은 각종 프로그램과 이벤트식 교육에 빠져 있는 한국 교회교육의 위기와 침체된 한국 교회교육의 상황을 극복하려는 시도에서 연구하였다. 오늘날 교회교육은 교사의 일방적인 설교와 성경공부, 학습자들의 흥미와 관심도 없는 프로그램과 이벤트가 진행되고 있으므로 이에 대한 대안을 하브루타 신앙공동체 교육에서 찾고자 한 것이다. 하브루타는 처음에 우정(friendship), 교우(companionship), 친구(friend) 등 토론하는 짝을 의미했으나 현대에서는 ‘두 명이 짝을 이루어 텍스트를 공부하는 행위’로 사용한다. 하브루타 교육방법은 학습자들이 스스로 하나님의 말씀을 읽고 생각하고 사고하고 토론하며 진리의 보화를 발견해 나가는 기쁨을 얻는다. 그러나 하브루타를 하려면 먼저 하브루타와 그 구성요인 및 과정을 매우 익숙하게 잘 알아야 하고, 질문을 생성할 수 있는 능력이 있어야 한다. 하브루타는 상대방과 짝을 지어 주어진 텍스트를 읽고, 진술하고, 질문하고, 대답하고, 반박하며, 자기주장이 정당한지 논리적으로 설명하거나 논리적인 증거를 제시해야 하며, 새로운 증거에 대해 사실이나 진실이 아닌 것을 찾아내어 지적하면서 해결책을 찾고 바람직한 방향을 모색하며 마무리 하는 과정을 거치기 때문이다. 하브루타의 성공여부는 질문생성을 어떻게 하느냐에 따라 좌우된다. 하브루타를 위한 가장 기본적인 질문생성 전략은 6하 원칙에 따라, 질문카드를 사용한 질문의 틀에 따라, 9개의 질문유형에 따라 질문을 생성할 수 있다. 질문생성 전략을 통해 질문생성이 어느 정도 자유롭게 되면 가정과 교회에서 성경으로 하브루타를 하여 자녀들에게 신앙을 전수하고 하나님의 말씀과 자녀들을 연결하여 말씀이 삶의 핵이 되도록 돕는 것이다. 따라서 본 논문은 첫째, 스스로 하나님의 말씀을 읽고 생각하고 사고하고 토론하며 보화를 발견하는 기쁨을 얻을 수 있는 하브루타와 그 과정에 대해 알아보고 둘째, 하브루타를 할 수 있는 기본적인 질문생성을 어떻게 할 것인가를 살펴보며 셋째, 질문생성을 통한 하브루타 교육방법을 신앙공동체인 가정과 교회교육에 적용하여 말씀에 근거한 신앙공동체를 굳건히 하는데 목적이 있다.

This article attempts to find ways to overcome the stagnant Korean church education system that focuses primarily on diverse programs and events, which proved fruitless in its endeavors. Currently, many the sermons and bible studies are practiced in a one-sided manner, with teachers mainly talking and giving lectures. Furthermore, the various programs and events which have been offered thus far frequently fail to bring forth the expected results. Hence, this article proposes Havruta as an alternative strategy that could meet the needs and interest of the participants and ultimately solidifies the faith community. Havruta, which used to mean “discussing partners”(i.e. friendship, companionship, and friend), now signifies “studying texts with partners.” By using the Havruta method, participants read, think, and discuss God’s word with each other, through which they experience the joy of discovering the value of truth together. However, in order to practice Havruta, it is necessary to become accustomed to the elements and the processes of Havruta itself. The process of Havruta requires that the participants be able to read the given text, summarize it, make questions, answer what’s being questioned, refute the arguments, explain the logic of one’s arguments with evidence, point out anything from the evidence that is not right/true, and further reach the conclusion with a satisfying solution. The success of Havruta depends primarily on how to generate questions. The basic questions can be generated as follows: firstly, according to the 5W’s and 1H’s, secondly, according to question frames using the question cards, and lastly, according to the nine question types. Once the participants can freely generate questions using the above question generation strategies, they can use the Havruta method with the Bible at home and in church, which would ultimately help to pass down our faith to our children and to put God’s word at the center of their lives. In conclusion, this article attempts to achieve the following: firstly, to examine the meaning and the process of Havruta, secondly, to look into the ways of generating questions that could help practice Havruta, and lastly, to show how the Havruta method, using its question generating strategies, can be applied in faith communities such as the home and the church so that faith communities can be solidified through God’s word.

The study aims to investigate the effect of post-reading question-generation activities on Korean middle school students’ English reading abilities with respect to cooperative learning. Two groups of students read the same reading materials; however, one group as an experimental group generated questions of three types, literal, inferential, and evaluative questions, while the other group as a control group answered comprehension questions. Each group was further divided into two sub-groups by cooperative and individual learning. A statistical analysis of the recall test scores reveals a positive effect of post-reading question-generation activities and cooperative learning on English reading abilities. The reading test scores by the three question types further illustrated variations across the question types: the experimental group outperformed the control group in the inferential and evaluative questions and individual learning was detected to be more effective than cooperative learning in the evaluative questions. Interactional effects were observed between post-reading activities and cooperative learning in the literal and evaluative questions. The findings suggest question-generation activities as a beneficial post-reading task, though their effectiveness can vary by question types and learning context.

Over the last few decades, researchers have been investigating the uses of student-generated questions (SGQs) in multifarious areas. In understanding the potential benefits of SGQ, this action research is designed to examine a group of students’ perceptions after experiencing interventions of web-based student generated questions (e-SGQs) and paper-based student-generated questions (PB-SGQs) in the classroom. For this research, ten students were recruited to construct test items for their own mid-term preparation. The student generated items were split fairly evenly with about half of the items being e-SGQs and the other half being PB-SGQs. The two modes were compared through the analyses of a survey, a group interview, and individual in-depth interviews. The data analyses reveal that the participants perceived their experiences of generating questions to be very helpful for understanding their class content. Although many of them clearly recognized the advantages of e-SGQs as an educational tool, most of the participants chose PB-SGQ over e-SGQ. This result can be explained by the survey and interview data which illustrate that the respondents preferred the test taking strategies that they were used to such as marking, underlining, and skimming through the test items on a paper.

질의응답시스템에서 사용자 질의로 입력된 자연어문장을 완벽하게 분석하는 것은 쉬운 일이 아니며, 사용자의 질의 의도의 불명확성으로 키워드 여러 개의 질의문이 존재할 수 있다. 본 논문에서는 질의를 하기 전에 사용자가 안게 되는 자연어 질의문의 작성 부담감을 줄이고, 키워드만으로 자신이 원하는 질의문을 선택할 수 있는 시스템을 제안하고자 한다. 제안 시스템은 평서문에서 자동으로 질의문을 생성한다. 질의문 생성은 장문형질의문생성과 단문형질의문생성으로 구분하며, 장문형질의문은 문장의 전체형태를 유지하면서 특정고유명사를 질의하는 것이고, 단문형질의문은 주어진 고유명사를 질의하는 최소한의 요소를 갖춘 단순 형태의 질의 문장이다. 또한 제안 시스템은 생성된 질의문이 유한 해답을 도출할 수 있는 의미있는 질의문을 선별하는 과정을 포함한다. 본 논문에서 제안한 방식이 사용자에게 의미있는 질의문을 제시하여주고 사용자가 원하는 질의문을 선택하게 함으로써 검색의 시간단축과 자연어문장 질의어 자체에 대한 고민을 해소시킬 수 있다. 또한 이는 자연어 문장처리의 한계를 극복할 수 있는 시스템을 구현할 수 있는 기반을 마련한 것이다.

전자우편과 같이 일정한 질의 형식을 가지고 있는 긴 자연어 질의에 대해서 사용자 질의 단어에 가중치를 부과하는 방법과 질의에 대한 정답을 기존의 질의응답 집합에서 유사한 질의를 검색하여 그 정답을 사용자에게 제공하는 전자우편 질의응답 시스템을 제안한다. 사용자의 긴 자연어 질의가 주어지면 질의의 범주와 문장의 중요도 정보를 이용하여 질의에서 사용된 단어가 주제어로 쓰였을 확률을 계산하고, 계산된 확률에 기반하여 중요도를 할당하는 질의생성 모델을 제안한다. 또한 사용자 질의와 기존에 문의되어진 전자우편 질의의 유사도를 단어의 빈도를 고려한 어휘유사도, 한글 시소러스(Thesaurus)를 이용한 의미유사도와 본 논문에서 제안한 질의생성 모델을 이용한 주제 유사도를 이용하여 계산한다. 실험을 위하여 실세계에서 사용 중인 질의응답 집합을 이용하여 실험을 하였으며 각 유사도 계산 방법의 기여도를 비교 평가하고 제안한 질의생성모델이 성능향상에 미치는 영향을 평가하였다.

This study investigated the changes in elementary school students' question generation ability, scientific achievement, and program perception after applying scientific argument generation inquiry learning in elementary science classes. To this end, the experimental group applied scientific argument generation inquiry learning to fourth graders of P Elementary School in G-si, Gyeonggi-do, and the comparative class gave traditional classes presented in textbooks. The results are as follows. First, after applying scientific argument generation inquiry learning, the experimental group's question generation power was higher on average than that of the comparative group in the post-test, which showed a statistically significant difference. Second, after the scientific argument generation inquiry learning, the average of the experimental group was higher than that of the comparative group in the post-test, which showed a statistically significant difference. This helped improve the achievement of science. Third, there was a statistically significant difference in the average of post-testing in students' perceptions of the program in which students generate questions and provide claim, evidence, and reasoning in scientific argument generation inquiry learning. Regarding the class, the students suggested that the scientific argument generation activity was fun and exciting, and there was an opinion that they wanted to continue the scientific argument generation program.

본고의 학습자 날개 질문생성을 통한 텍스트 깊이 읽기는 지식과 정보 습득의학습 능력 신장을 위한 학습독서의 성격을 지닌다. 학습자가 주어진 문제를 지속적으로 확인하면서 ‘인지적 혼란→질문생성→실제 질문’의 질문 과정에 관심을두고, 질문 주체-학습자 질문과 질문 위치-날개 질문을 전략으로 제시하였다. 질문 과정에서 학습자는 인지적 혼란을 겪는 주체라는 점에서 매우 중요하다. 학습자의 인지적 혼란이 일어나지 않으면 질문생성이 원천적으로 봉쇄되기 때문이다. 따라서 학습자 질문은 불완전한 학습 징표가 될지라도 지식 및 사고를 자극해서 스스로 답을 찾아가는 자기주도적 읽기라는 점에서 의미 있는 학습이 이루어진다. 날개 질문은 텍스트 페이지 ‘바로 그 위치에’ 배치함으로써 학습자 질문 효과를 배가시킨다. 날개는 위치 특성으로 인해 손가락으로 페이징 혹은 스크롤링 하듯 훑어보기ㆍ건너뛰기ㆍ대충읽기에서 벗어나 첫 페이지부터 마지막페이지까지 꼼꼼히 읽기를 유도하고 실제 질문을 완성하도록 이끈다. 이때, 실제 질문은 말하기든 글쓰기든 언어적으로 구조화되기 때문에 학습자의 질문표현능력이 강화된다. 디지털 시대 읽기 매체가 변화하면서 읽기 대상 및 방법과 과정이 바뀌고 있다. 정답을 맞히는 문제해결 능력보다 ‘왜’의 의문을 제기하는 질문생성 능력은능동적이고 주체적인 자기주도적 학습자 그리고 평생 독자로 성장할 수 있도록도울 것이다.

This paper reports an in-depth study of deep reading in whichquestions were generated for learners’ better comprehension andinformation acquisition in terms of reading to learn. This maintains thelearners’ interest in the process of questioning, which involvescognitive confusion, question generation, and actual questioning. Thestrategies presented include the subject of questioning-learnerquestioning and the issue of the placement of “winged questions.”In the process of asking questions, it is crucial that learnersexperience cognitive confusion; otherwise their ability to generatequestions is blocked. Therefore, even though learner-generatedquestions might indicate incomplete learning, they lead to meaningfullearning by stimulating knowledge and thinking, prompting learners tofind their own answers through self-directed reading. “Wingedquestions” enhance the effect of learner questions by being placed onthe text page next to the point to which they pertain. Through suchpositioning, the “wings” encourage learners to read thoroughly from thefirst page to the last, moving beyond quick glances, skipping, andskim-reading through paging or scrolling. They guide learners todevelop complete questions, which at this point, whether spoken or written, become linguistically structured. As a result, learners’ ability toexpress questions is strengthened. The digital age is seeing vast changes in reading materials andmethods. Instead of focusing solely on solving problems and findingcorrect answers, the ability to generate questions that explore the“why” behind things is becoming more important, fostering active,self-directed learners who can grow into lifelong readers and thinkers.

이 연구는 초등과학 수업에서 논변 생성 활동을 지도한 후 초등학생의 의문생성, 과학학업성취도 및 과학에 대한 태도에 미치는 효과를 알아보았다. 이를 위해 경기도 G시에 있는 H초등학교 5학년 학생들을 대상으로 실시하였고, 결과는 다음과 같다. 첫째, 논변 생성 활동을 지도한 후, 학생들의 의문생성력은 통계적으로 유의미하게 향상되었음을 알았다. 둘째, 학생들의 과학학업성취도는 통계적으로 유의한 차이가 나타나지 않았다. 그러나 교사 성찰일지에 의하면, 논변 활동과 모둠 친구들의 설명을 통해 학생들의 개념 변화를 볼 수 있었다. 셋째, 과학에 대한 태도에 있어서 통계적으로 유의한 차이가 나타나지 않았다. 반면, 과학 수업에 대한 참여태도의 변화가 있었는데, 과학에 대한 관심과 과학 공부를 더 열심히 해야 한다는 반응에서 과학수업 참여의 긍정적인 변화가 보였다.

This study investigated the changes in elementary school students' question-generation abilities, science achievements, and attitudes toward science after attending an argument generation class. The study was conducted with 5th grade students of H Elementary School in G-si, Gyeonggi-do, and the following results were noted. First, after attending the argument generation class, the students' question-generation ability significantly improved. Second, there was no significant difference in the students' science achievement. However, according to the teacher's reflection journal, conceptual changes could be seen in the students' thinking as a result of participating in the argument-generation activities, which was confirmed by the students' reports. Third, there was no statistically significant difference in the students' attitudes toward science. However, there was a change in their attitude toward participating in the science classes, and there was a positive change in the number of the students participating in the science classes as a result of the activities.

본 연구는 검색 기반의 질문 자동 생성 시스템에서 사용자가 이미 답변한 내용을 재질문하지 않도록 사용자의 응답과 유사도가 높은 응답을 질문-데이터베이스에서 찾는 방법을 제안한다. 유사도가 높게 검출된 응답의 질문은 이미 사용자가 아는 내용일 확률이 높기 때문에 질문 후보군에서 제거한다. 유사 응답 검출에는 두 응답간의 동일 단어, 바꿔쓰기 표현, 문장 내용을 모두 사용하였다. 바꿔쓰기 표현은 통계기반의 기계번역에서 사용하는 구절 테이블을 사용하여 구축하였다. 문장 내용은 두 문장을 주의-기반 컨볼루션 신경망으로 압축하여 유사도를 계산하였다. 평가를 위해 구축한 100개의 평가 응답에 질문-응답 데이터베이스로부터 가장 유사한 응답을 추출해서 얻은 결과는 MRR값 71%의 성능을 보였다.

In this paper, we propose a method to find the most similar answer to the user's response from the question-answer database in order to avoid generating a redundant question in retrieval-based automatic question generation system. As a question of the most similar answer to user's response may already be known to the user, the question should be removed from a set of question candidates. A similarity detector calculates a similarity between two answers by utilizing the same words, paraphrases, and sentential meanings. Paraphrases can be acquired by building a phrase table used in a statistical machine translation. A sentential meaning's similarity of two answers is calculated by an attention-based convolutional neural network. We evaluate the accuracy of the similarity detector on an evaluation set with 100 answers, and can get the 71% Mean Reciprocal Rank (MRR) score.

본 연구는 인공지능 기반의 문식 환경에서 독자가 소통하고 자원을 운용하는 과정이 ‘질문’을 통해 이루어진다는 점에 주목하고, 읽기 교육에서 질문 생성 교육의 방향성을 논의하였다. 질문은 최근 인간과 인공지능을 매개하는 언어적 수단으로서 점차 그 비중이 커지고 있다. chat GPT와 같은 언어 생성형 인공지능이 만들어낸 텍스트는 추상적이며 부정확하고 편향될 가능성을 내포한다. 또한 텍스트를 선별하고 통합하는 과정을 인공지능이 대신하기 때문에, 독자가 텍스트를 통해 지식을 탐구하려는 능동성이 저하될 여지가 있다. 읽기 교육에서는 독자가 지식 탐구의 과정을 협력하는 도구로 인공지능을 활용하게 함으로써, 비판적으로 텍스트를 수용하고 인공지능과의 소통 과정에서 주체성을 회복하도록 이끌어야 함을 제안하였다. 독자의 탐구적 읽기를 추동하기 위해 질문의 주체와 대상, 수준과 내용, 방식 측면에서 교육의 방향성을 탐색하고, 구체적인 질문 전략으로서 학습자가 생성하는 ‘질문 연속체’의 적용 가능성을 모색하였다.

This study noted that the process of readers communicating and managing resources in an artificial intelligence-based literacy environment takes place through ‘question’, and discussed the direction of question-generating education in reading education. Questions have recently become increasingly important as a linguistic means of mediating humans and artificial intelligence. Texts generated by language-generated artificial intelligence such as chat GPT are abstract, inaccurate, and possibly biased. In addition, since artificial intelligence replaces the process of selecting and integrating text, there is room for readers to be less active in exploring knowledge through text. In reading education, it was suggested that readers should use artificial intelligence as a tool to cooperate with the process of knowledge exploration, critically accepting text and restoring subjectivity in the process of communication with artificial intelligence. In order to drive the reader’s exploratory reading, the direction of education was explored in terms of the subject, object, level, content, and method of questions, and the applicability of the ‘question continuum’ generated by learners as a specific question strategy was sought.

본고는 한국어 교육방식의 하나라고 할 수 있는 한국어 어휘를 대상으로 한문제 출제 방식에서 문제 은행식 출제 방식이 갖고 있는 여러 가지 문제점을 해소할 수 있는 하나의 방법으로서 한국어 어휘 학습 시스템을 위한 자동문제 생성 기술을 제시한다. 먼저 기존 한국어 어휘 문제의 문항 분석 결과를 바탕으로 8가지 어휘력 평가 유형 및 각 유형별 자동 문제 생성 패턴을 구축하고, 한국어 어휘에 대한 풍부한 정보를 담고 있는 국어사전을 기반으로 한 자동 한국어 어휘 문제 생성 기술을 제시한다.

최근 영상 매체의 발달 및 짧고 자극적인 영상의 유행으로 인하여 책, 신문 등과 같은 문자 매체를 접하는 빈도가 줄어들었다. 이로 인해 해당 소비층인 10대~20대의 문해력이 현저히 낮아지고 있으며 이에 따른 사회적 문제도 발생하고 있다. 본 연구에서는 이러한 문제를 해결하기 위해 LLM(: Large Language Model)을 기반으로 한 문제 생성 시스템을 개발하여 사용자의 문해력 향상을 도모하는 방법을 제시한다. 본 시스템은 사용자가 문제 유형(읽기, 말하기, 듣기)을 선택한 후, 원하는 텍스트(뉴스 기사, 문학·비문학 지문, 논문 등)의 일부를 입력하면, 이를 바탕으로 선택한 유형의 문제를 자동으로 생성한다. 또한 사용자가 문제에 답변을 입력하면 정답 여부와 함께 상세한 풀이를 생성한다. 해당 시스템의 높은 접근성과 사용자 맞춤형 문제 생성은 기존의 문해력 학습방법과는 확연한 차이점을 보이며, 문해력 학습의 새로운 방향성이 될 것으로 기대한다.

Due to the recent development of video media and the popularity of short and stimulating content, the frequency of exposure to text media such as books and newspapers has decreased. As a result, literacy skills among consumers in their teens and twenties have significantly declined, leading to various social problems. In this study, we propose a solution by developing a problem generation system based on a Large Language Model (LLM) aimed at improving users' literacy skills. The system allows users to select a question type (reading, speaking, listening) and input part of a desired text (e.g., news articles, literary/non-literary passages, research papers), based on which it automatically generates the selected type of question. Additionally, when the user inputs an answer, the system generates feedback on the correctness of the response along with a detailed explanation. The system's high accessibility and personalized problem generation make it distinctly different from existing literacy education methods and is expected to present a new direction for literacy learning.

이 연구의 목적은 하브루타 수업모형 모형에서 질문생성 전략을 탐색하여 하브루타 수업모형을 적극적으로 활성화하도록 하는 것이다. 연구 방법은 문헌 연구를 통하여 하브루타 수업모형과 질문생성전략을 다음과 같이 제시하였다. 하브루타 수업모형은 질문 중심, 논쟁 중심, 비교 중심, 친구 가르치기 중심, 문제 만들기 중심 수업모형을 살펴보았다. 5가지 하브루타 수업모형 모두 핵심은 질문이다. 질문을 강조하고 대화하고 토론하는 교육 방법 중 대표적인 것이 하브루타이다. 그러나 질문하는 방법에 대해서는 가르쳐 주지 않는다. 질문하는 방법은 개인의 역량으로 두고 있다. 따라서 이 연구에서는 질문생성 전략을 세 가지로 제시하였다. 희망점 열거법, 결점열거법, 점검법이다. 이 세 가지 질문생성 전략을 하브루타 수업모형에서 활용함으로써 하브루타 수업모형을 현장에서 적극적으로 활용할 수 있도록 하였다. 또한 질문생성전략을 통하여 학교 현장에서 하브루타 수업할 때 질문기법들을 사전에 가르쳐서 하브루타 수업이 활성화되도록 하는 것이 중요하다. 질문을 어떻게 하느냐가 수업의 질을 결정할 수 있기 때문이다. 질문생성전략 기법을 충실히 가르치는 것이 중요하다. 하브루타 수업이 현장에서 적극적으로 활용되기 위해서는 수업시간을 충분히 가지는 것 또한 중요하다고 사료된다. 토론시간이 충분하지 않을 경우 하부루타 수업방법은 하지 않는 것이 좋다. 왜냐하면 하브루타 수업은 충분한 토론시간이 필요하기 때문이다. 충분한 토론시간을 마련하고 질문생성전략 수업을 사전에 한 후 하브루타 수업을 할 것을 권장한다.

The purpose of this study is to explore the question generation strategy in the Havruta instructional model and to implement it actively in the field. For the research method, the Havruta class model and its question generation strategy were presented through literature research as follows. The researchers analyzed the question-, argument-, comparison-, friend-, and problem-centered Havruta class models. The core of all five Havruta teaching models is a question. Havruta is a typical educational method that emphasizes questioning, talking, and discussing, but it is not used to teach students how to ask questions, which depends on an individual's ability. Therefore, in this study, three question-generation strategies were presented: the hope point enumeration, defect enumeration methods, and the check method. By using these strategies, the Havruta class model can be actively used in the field. In addition, it is important to teach questioning techniques in advance when having a Havruta class in the school field through a question generation strategy so that the Havruta class is activated. In addition, the manner of asking questions can determine the quality of a class. It is important to faithfully teach the question generation strategy technique. It is also considered important to have enough class time in order for the Havruta class to be actively used in the field. If there is limited time for discussion, it is better not to use the Havruta method because the it requires sufficient discussion time. It is recommended to set aside sufficient time for discussion and conduct a question-creation strategy class in advance, followed by the Havruta class.

이 연구는 고등학교 2학년 학생들을 실험 참가자로 하여 질문생성 조건과 교재 의미연결성 수준과 선행지식 수준이 설명적 교재의 중심내용 이해에 미치는 효과를 실험ㆍ검증한 것이다. 독립변인은 질문생성 조건(사고질문ㆍ기억질문ㆍ무질문), 교재 의미연결성 수준(하위ㆍ상위) 및 선행지식 수준(하위ㆍ상위)이며, 실험요인의 배치는 3×2×2의 요인설계로 하였다. 세 독립변인 모두 피험자간 변인이었다. 종속변인은 주요점 회상 점수와 글 전체 및 단락의 중심내용 파악 점수였다. 이상의 독립변인들의 주효과와 상호작용효과가 검증되었다. 그 주요 결과는 다음과 같다. 첫째, wh 신호단어를 사용하여 생각을 요구하는 사고질문을 생성하면서 글을 읽는 것은 질문을 생성하지 않고 글을 읽는 것보다 읽은 글 내용의 주요점 회상과 단락의 중심내용 파악을 촉진시켰다. 그리고 기억질문을 생성하면서 글을 읽는 것은 질문을 생성하지 않고 글을 읽는 것보다 단락의 중심내용 파악을 촉진시켰다. 한편, 주요점 회상, 글 전체 및 단락의 중심내용 파악에서는 사고질문 생성 조건과 기억질문 생성 조건 간에는 유의한 차이가 없었다. 둘째, 교재 의미연결성의 높고 낮음의 효과는 주요점 회상에서는 차이가 없었다. 그러나 의미연결성이 높은 교재보다 낮은 교재가 글 전체의 중심내용 파악을 촉진시킨 반면에, 의미연결성이 높은 교재는 낮은 교재보다 단락의 중심내용 파악을 촉진시켰다. 셋째, 질문생성 조건, 교재 의미연결성 수준 또는 선행지식 수준 간의 상호작용효과는 모두 통계적으로 유의하지 않았다. 즉, 사고질문 생성이 무질문 조건보다 주요점 회상과 단락의 중심내용 파악을 촉진시킨 효과는 교재 의미연결성 수준과 선행지식 수준에 관계없이 나타나며, 또한 교재 의미연결성 수준 간에 글 전체 또는 단락의 중심내용 파악이 차이가 있음은 선행지식 수준에 관계없이 나타난다. 이러한 결과들은 Wittrock의 생성학습이론과 Kintsch의 교재이해이론과 상황모형의 관점에서 논의되었다.