/ dev/color가 주최한 최근 해커톤에서는 선정된 기관들이 모여 스탠포드 아이디얼 러닝 랩의 Science Tutor for Effective Problem Solving (STEPS)를 탐구했습니다. STEPS는 학부 STEM 학생들의 문제 해결 능력을 강화하기 위해 설계된 AI 기반 교수법 에이전트입니다.
우리는 ETS 연구소를 대표하여 측정 과학이 AI 튜터링 환경에 어떻게 통합될 수 있는지 조사했습니다. STEPS가 이미 형성 평가 플랫폼으로 기능하기 때문에, 이번 해커톤은 학생 학습 증거를 실시간으로 AI 튜터링을 개인화하는 데 어떻게 활용될 수 있는지 시의적절하게 검토할 기회를 제공했습니다.
측정 과학과 LLM 프롬칭의 연결
우리의 주요 산출물은 STEPS 플랫폼에 내장할 수 있는 종단 간 폐쇄 루프 학습자 모델 파이프라인의 포괄적인 아키텍처 매핑이었습니다. 이 아키텍처는 ETS 팀과 /dev/color의 협업을 통해 개발했습니다. 저희 설계에서는 학생의 STEPS 사용 측정, 진단 평가 결과, 자기 보고 등 다양한 증거 출처를 활용하여 개인 맞춤형 학습을 지원합니다. 이 데이터 스트림은 학습자 프로필로 통합되어 튜터링 경험을 안내할 수 있습니다. 구체적으로, 우리는 학생과 챗봇 상호작용의 점수나 패턴과 같은 정량적 지표를 AI 튜터를 위한 교육적 지침으로 변환했습니다. 이 점들이 얼마나 많은 지원을 제공할지, 언제 성찰을 촉발할지 결정합니다. 이러한 교육적 지침은 STEPS 내 생성형 AI 튜터링 시스템의 프롬프트에 통합되어, 튜터가 각 학습자의 필요에 대한 증거를 바탕으로 지원을 조정하여 보다 개인화된 학습 경험을 만들 수 있습니다. /dev/color와의 협업은 연구 기반과 실용적인 실행 방식을 보장하는 데 도움을 주었습니다.
ETS에 대한 전략적 시사점
스탠포드 아이디얼 러닝 랩 소장인 시마 살레히 박사와 다른 해커톤 참가자들로부터 받은 긍정적인 피드백을 바탕으로, 우리는 ETS에 대한 여러 기회를 확인했습니다:
- 적응형 AI의 촉진자로서의 측정: AI 튜터링 시스템이 성숙함에 따라, 개발자들은 학생의 학습 진행 과정, 비인지 특성, 지속 능력을 모델링할 체계적이고 근거 기반의 방법을 적극적으로 찾고 있습니다. ETS는 이 공백을 메우기에 독보적인 위치에 있습니다.
- 우리 도구의 가치: ETS 측정 연구와 역량을 AI 튜터링 시스템에 통합하는 것은 차세대 학습 기술을 구동할 수 있는 우리의 연구가 명확한 경로를 보여줍니다.
- 미래 파트너십을 위한 모델: 해커톤은 ETS가 최상위 학술 연구소와 협력하여 교육 플랫폼의 기반 측정 인프라를 제공할 수 있는 강력한 개념적 청사진을 제공합니다.
ETS의 전문성과 신흥 AI 기술을 결합함으로써, 모든 학습자에게 더 반응적이고 이해심 깊은 지원 체계로 나아갈 수 있습니다.