AI 학습 추적, 불확실성까지 잡다

학생이 문제를 풀 때, 컴퓨터가 '이 학생이 이 개념을 알고 있을 확률'을 어떻게 계산할까요? 기존 방식은 하나의 숫자만 내놓지만, 이 연구는 '얼마나 확실한지'까지 알려줍니다.

스마트 학습 프로그램은 학생의 답변을 보고 어디를 모르는지 추적합니다. 전통적인 방법은 가장 그럴듯한 값 하나만 찾았습니다. 하지만 이렇게 하면 불확실성을 알 수 없었죠. 예를 들어 '학생이 70% 알고 있다'는 결과가 나와도, 실제로는 60%~80% 사이일 수 있습니다. 스탠퍼드 대학 연구진이 만든 스탠BKT는 이런 불확실성을 함께 보여줍니다.

연구진은 공개 소프트웨어 패키지 '스탠BKT'를 내놓았습니다. 이 패키지는 베이즈 추론이라는 방법을 씁니다. 쉽게 말해 하나의 정답을 찾는 게 아니라, 가능한 모든 값을 고려해 평균과 신뢰 구간을 계산합니다. 마치 '이 학생의 실력은 70% 정도인데, 60~80% 사이일 가능성이 95%다' 식으로 알려주는 겁니다. 기존 방식보다 훨씬 자세한 정보를 주죠.

학생마다 다른 학습 속도, 더 정확하게 파악

이 패키지는 세 가지 모델을 지원합니다. 기본 모델은 모든 학생을 똑같이 보지만, 그룹 모델은 반별로 다르게, 계층 모델은 학생 개개인의 차이까지 반영합니다. 연구진은 미국의 온라인 학습 데이터(ASSISTments 2020)로 실험했습니다. 그 결과, 계층 모델이 가장 정확했고, 특히 학생 수가 적은 경우에도 믿을 만한 결과를 냈습니다. 이는 각 학생의 특성을 무시하지 않고 고려했기 때문입니다.

교육 현장에 주는 의미

이 연구가 의미하는 바는 간단합니다. 선생님은 학생이 '무엇을 모르는지'뿐 아니라 '얼마나 불확실한지'까지 알 수 있게 됩니다. 예를 들어 시험 문제를 추천할 때, 자신 있는 부분은 건너뛰고 취약한 부분만 집중적으로 연습시킬 수 있습니다. 또한 여러 학습 조건(예: 수업 방식, 문제 유형)을 공정하게 비교할 수 있습니다. 패키지는 무료로 공개되어 누구나 쓸 수 있습니다.

📖 원문 보기: arXiv 원문

본 요약은 AI로 작성되었습니다. arXiv 논문을 바탕으로 재구성되었습니다.