[논문 리뷰] A Review of Digital Learning Environments for Teaching Natural Language Processing in K-12 Education

Xiaoyi Tian, Kristy Elizabeth Boyer|arXiv (Cornell University)|2023. 10. 02.

Online Learning and AnalyticsComputer Science인용 수 3

한 줄 요약

이 논문은 초중등 교육에서 자연어 처리(NLP)를 가르치기 위한 디지털 학습 환경을 검토하며, 감성 분석 및 텍스트 분류와 같은 NLP 작업을 직관적이고 코드 없는 인터페이스로 지원하는 도구들을 분석한다. 학생들의 접근성, 개인화, 교육적 지원 측면에서의 핵심 격차를 밝혀내고, 설명 가능성, 포괄성, 연령에 적합한 참여도를 향상시키기 위한 설계 개선 사항을 제안한다.

ABSTRACT

Natural Language Processing (NLP) plays a significant role in our daily lives and has become an essential part of Artificial Intelligence (AI) education in K-12. As children grow up with NLP-powered applications, it is crucial to introduce NLP concepts to them, fostering their understanding of language processing, language generation, and ethical implications of AI and NLP. This paper presents a comprehensive review of digital learning environments for teaching NLP in K-12. Specifically, it explores existing digital learning tools, discusses how they support specific NLP tasks and procedures, and investigates their explainability and evaluation results in educational contexts. By examining the strengths and limitations of these tools, this literature review sheds light on the current state of NLP learning tools in K-12 education. It aims to guide future research efforts to refine existing tools, develop new ones, and explore more effective and inclusive strategies for integrating NLP into K-12 educational contexts.

연구 동기 및 목표

• 초중등 교육 환경에서 NLP 개념을 가르치는 기존 디지털 학습 환경을 검토하는 것.
• 이러한 도구들이 감성 분석, 텍스트 분류, 품사 태깅과 같은 특정 NLP 작업을 어떻게 지원하는지 분석하는 것.
• 교실 환경에서의 설명 가능성, 사용성, 교육적 효과성을 평가하는 것.
• 특히 어린 학생들과 다양한 학생 집단을 대상으로 한 NLP 교육 도구의 핵심 격차를 규명하는 것.
• 포괄적이고 연령에 적합하며 교육적으로 효과적인 향후 NLP 학습 환경 개발을 위한 실천 가능한 설계 시사점을 제공하는 것.

제안 방법

• 초중등 교육에서 NLP 교육에 집중한 디지털 학습 환경에 대한 종합적인 문헌 검토를 수행함.
• 지원하는 NLP 작업, 인터페이스 설계, 대상 학년 수준에 따라 도구들을 분류함.
• 설명 가능성, 서포트 기능, 모델 평가 및 배포 기능 등을 평가함.
• 학습 결과와 교육 현장에서의 사용성 평가를 위해 사용자 연구 및 평가 자료를 분석함.
• 도구 기능과 보고된 결과를 통한 주제 분석을 통해 반복되는 설계 패턴과 한계를 규명함.
• 발견된 결과를 바탕으로 6개의 핵심 연구 격차를 요약하고, 향후 도구 개발을 위한 설계 시사점을 제안함.

Figure 1 . Distribution of types of the relevant reviewed publications

실험 결과

연구 질문

• RQ1 현재 초중등 교육에서 디지털 학습 환경이 어떤 종류의 NLP 작업을 지원하고 있는가?
• RQ2 이러한 도구들은 설명 가능성, 시각화, 서포트 기능을 통해 학생들의 이해를 어떻게 지원하는가?
• RQ3 기존 NLP 학습 도구에서 접근성, 개인화, 연령 적합성 측면에서 가장 큰 한계는 무엇인가?
• RQ4 현재 도구들은 교육적 맥락에서 학생의 학습과 모델 성능을 어떻게 평가하는가?
• RQ5 초중등 학생들이 NLP 학습에 참여하도록 유도하는 데 가장 효과적인 교육 전략과 설계 특징은 무엇인가?

주요 결과

• 대부분의 NLP 학습 도구는 중학교 및 고등학교 학생들을 중심으로 개발되어 있으며, 11세 이하 어린이 지원은 제한적이다.
• 기존 도구들은 종종 개인화된 서포트 기능이 부족하여 다양한 기초 수준의 학생들에게 최적의 학습 결과를 이끌어내지 못한다.
• 도구 내 평가 지표는 종종 미흡하며, 모델의 해석 가능성과 학생 피드백 지원이 제한되어 있다.
• 학생들이 NLP 모델이 어떻게 작동하는지에 대한 의미 있는 설명을 제공하는 도구는 극히 소수이며, 이는 핵심 NLP 과정에 대한 개념적 이해를 저하시킨다.
• 실생활의, 문화적으로 관련 있는 데이터가 학습 활동에 통합되어 있지 않아 학생들의 참여도와 윤리적 인식이 제한된다.
• Teachable Machine과 같은 일반적인 AI 도구는 존재하지만, 전문화된 NLP 학습 환경는 여전히 개발이 부족하고, 초중등 교육 현장에서 널리 채택되지 못하고 있다.

Figure 2 . Screenshots of example learning environments supporting NLP tasks. Top left: Machine Learning for Kids; Top right: Teachable Machine; Bottom left: Cognimates; Bottom right: Interactive Word Embeddings