2025년 2월 12일 학습데이터 세미나(John Stamper 교수님)

 

  2025년 2월 12일에 학습데이터 관련 세미나가 진행되었습니다. 세미나 연사를 맡아주신 John Stamper 교수님은 컴퓨터 과학을 전공하셨지만 박사 과정을 거치며 교육 연구에 깊은 관심을 갖게 되셨다고 합니다. 특히 적응형 학습(adaptive learning)과 지능형 튜터링(intelligent tutoring)에 큰 흥미를 느끼셨다고 합니다. 교수님은 약 15년 전, 지능형 튜터링 시스템의 학습 성과가 뛰어남에도 불구하고 개발 과정의 어려움 등의 이유로 널리 사용되지 않는다는 점을 발견하셨습니다. 이러한 문제 인식에서 시작하여, 적응형 학습 시스템을 더 쉽게 개발할 수 있는 방법에 대해 고민하기 시작했고, 데이터를 활용하여 적응형 학습 효과를 생성하는 아이디어를 떠올리셨다고 합니다.

교수님은 교육에서 중요한 역할을 하는 지식 추적(knowledge tracing)에 대해 설명하면서, "학생이 어떤 문제의 정답을 맞추기도 하고 틀리기도 할 때, 그 학생이 실제로 해당 기술을 습득했는지를 어떻게 판단할 수 있을까? 이때 지식 추적이 중요한 역할을 한다."라고 말씀하셨습니다. 지식 추적은 학생이 무엇을 알고 있는지를 추적하는 기법으로, 학습 과정을 이해하는 데 필수적이라고 강조하셨습니다. 또한, 지식 추적은 시간을 거치면서 학생의 학습 과정을 추적할 수 있게 돕고, 이를 시각화하는 방법으로 학습 곡선을 언급하셨습니다. 학습 곡선은 학생이 연습을 거듭하면서 오류율이 점차 감소하는 모습을 보여주며, 학습 진행 상황을 평가하고 미래 성과를 예측하는 데 매우 유용한 도구임을 강조하셨습니다.

 지식 추적의 핵심 요소로 지식 요소(knowledge component, KC) 모델을 소개하며, 원래 "기술(skill)"이라고 부르려 했으나 교육 심리학자들의 반대로 "지식 요소"라는 용어가 사용되었다고 설명하셨습니다. 지식 요소 모델은 이러한 요소들을 개별 문제에 매핑하여 학생들이 어떻게 학습하는지를 가설적으로 설명하는 역할을 한다고 덧붙이셨습니다. 이를 통해 학생들이 습득해야 하는 개별 기술을 추적하고, 학습 과정에서 각 기술이 어떻게 적용되는지를 분석할 수 있게 됩니다. 이어서 "인간 탐색, 기계 검증(Hand-Search, Machine-Test)" 방법을 통해 학습 곡선에서 나타나는 이상 현상을 인간 분석가가 식별한 후, 모델 값을 활용하여 시스템을 개선하는 방식에 대해 설명하셨습니다. 이 방법은 시스템 개선을 위한 중요한 과정으로, 사람의 직관과 기계의 분석을 결합하여 더욱 정확한 학습 데이터를 도출해 낸다고 하셨습니다.

그뿐만 아니라, 크라우드소싱을 활용한 문제 품질 평가와 관련된 연구도 소개하셨습니다. 크라우드 워커를 활용하여 객관식 문제의 오류를 평가한 연구에서 높은 일치율을 보였지만, 확장성과 비용 효율성에는 한계가 있었다고 언급하셨습니다. 이를 해결하기 위해, 규칙 기반 방법과 대형 언어 모델을 결합하여 문제 품질을 자동으로 평가하는 Socket이라는 도구를 개발했다고 하셨습니다. 이 도구는 교육 자료의 품질을 향상시키는 데 중요한 역할을 할 수 있다고 합니다.

또한, 적응형 실험(Adaptive Experiments)을 통해 AI 알고리즘을 활용해 다양한 학습 조건 중 가장 효과적인 방법을 빠르게 찾아내고, 학생들에게 최적의 학습 경험을 제공하는 방식에 대해서도 설명하셨습니다. 이는 기존의 무작위 대조 실험보다 훨씬 효율적이고, 교육의 질을 향상시킬 수 있는 중요한 방법으로 주목받고 있습니다.

교수님은 마지막으로 우간다에서 구형 문자 메시지 기반 휴대전화를 활용하여 STEM 교육을 제공한 사례를 소개하며, 인터넷이 부족한 환경에서도 교육의 접근성을 높이기 위한 노력에 대해 설명하셨습니다. 이를 통해 다양한 환경에서도 교육 기회를 제공할 수 있는 혁신적인 방법을 제시하셨습니다.

 교수님께서는 AI와 학습 과학 연구의 융합을 통해 교육의 미래를 더욱 효과적으로 개선할 수 있다는 가능성을 강조하며, "AI는 교육에서 엄청난 기회를 제공"하지만, "지난 25년간의 학습 과학 연구를 무시하고 LLM을 이용한 단발성 학습에만 의존해서는 안 된다"고 하셨습니다. 데이터는 여전히 강력한 도구이지만 사람들이 아직 그 잠재력을 충분히 활용하지 못하고 있다고 덧붙이셨습니다. 

 교수님의 강연을 통해, 데이터 기반 학습 과학 연구가 지능형 튜터링 시스템 개발을 용이하게 하고, 학생들의 학습 과정을 더 깊이 이해하며, 궁극적으로 교육의 질을 향상시키는 데 얼마나 중요한 역할을 하는지 알 수 있었습니다. AI 기술과 학습 과학 연구의 융합을 통해 더욱 효과적인 교육 시스템이 구축될 것이라는 기대가 커졌습니다.