[논문 리뷰] AI and personalized learning: bridging the gap with modern educational goals

Kristjan-Julius Laak, Jaan Aru|arXiv (Cornell University)|2024. 04. 03.

Online Learning and Analytics인용 수 19

한 줄 요약

이 논문은 AI 기반 개인화 학습이 OECD Learning Compass 2030 목표와 어떻게 정렬되는지 분석하고, 협력, 인지 참여, 일반 역량의 격차를 식별하며, 이러한 격차를 해결하기 위해 대형 언어 모델을 활용한 하이브리드 AI–교사 모델을 제안한다.

ABSTRACT

Personalized learning (PL) aspires to provide an alternative to the one-size-fits-all approach in education. Technology-based PL solutions have shown notable effectiveness in enhancing learning performance. However, their alignment with the broader goals of modern education is inconsistent across technologies and research areas. In this paper, we examine the characteristics of AI-driven PL solutions in light of the goals outlined in the OECD Learning Compass 2030. Our analysis indicates a gap between the objectives of modern education and the technological approach to PL. We identify areas where the AI-based PL solutions could embrace essential elements of contemporary education, such as fostering learner's agency, cognitive engagement, and general competencies. While the PL solutions that narrowly focus on domain-specific knowledge acquisition are instrumental in aiding learning processes, the PL envisioned by educational experts extends beyond simple technological tools and requires a holistic change in the educational system. Finally, we explore the potential of generative AI, such as ChatGPT, and propose a hybrid model that blends artificial intelligence with a collaborative, teacher-facilitated approach to personalized learning.

연구 동기 및 목표

• 현재의 AI 기반 개인화 학습(PL)이 OECD Learning Compass 2030 목표(일반 역량, 주체성, AAR 사이클)와 어떻게 정렬되는지 평가한다.
• PL이 협력, 인지 및 더 넓은 역량보다 효율성에 초점을 맞춘 영역의 격차를 식별한다.
• SRL(자기규제학습)과 일반 역량을 함양하는 데 있어 도메인 특화형 지식 그래프 기반 PL 시스템의 한계를 논의한다.
• 포괄적 PL 목표를 실현하기 위해 대형 언어 모델(LLMs)과 하이브리드 AI–교사 모델의 잠재적 역할을 탐구한다.

제안 방법

• PL 및 AIEd 문헌(적응 학습, ITS 및 관련 시스템)을 검토하고 합쳐 요약한다.
• PL 특성을 OECD Learning Compass 2030 목표(AAR, 주체성, 일반 역량)에 매핑한다.
• 성과 및 도메인 특화 지식에 대한 PL의 강조를 사회적 및 규제 학습 필요성과 비교하여 비판적으로 평가한다.
• SRL 발판(예: MetaTutor, Betty’s Brain) 증거와 이것이 더 넓은 역량과의 관련성을 논의한다.
• 교육적 에이전트로서 LLM(예: ChatGPT)의 잠재력과 협력 학습에서의 역할을 분석한다.
• AI가 교사가 주도하는 협력적 PL을 대체하기보다 supporting하는 하이브리드 모델을 제안한다.

실험 결과

연구 질문

• RQ1 현행 AI 주도 개인화 학습 시스템이 OECD Learning Compass 2030 목표에 얼마나 잘 정렬되어 있는가?
• RQ2 현대 교육의 어떤 핵심 요소들(인지, 협력, 일반 역량, SRL)이 PL에서 충분히 반영되지 않는가?
• RQ3 대형 언어 모델과 하이브리드 AI–교사 프레임워크가 확인된 격차를 해결하여 포괄적 개인화 학습을 실현할 수 있는가?
• RQ4 내재적 동기와 주체성을 저하시킬 수 있는 것을 피하기 위해 게이미피케이션과 AI를 통합할 때 필요한 주의사항은 무엇인가?

주요 결과

• 적응형 PL은 도메인 특화 지식과 학습 효율성을 효과적으로 지원하지만 협력, SRL 및 일반 역량은 종종 간과한다.
• 현행 PL은 일반적으로 단기 성과 향상을 강조하며 장기 학습, 주체성 또는 인지적 참여를 더 크게 강조하지 않는다.
• 도메인 특화 PL 및 지식 그래프 접근법은 학습자를 기존 지식 공간에 묶어 창의성과 도메인 간 전이를 제한한다.
• 자기규제학습 발판과 개방형 학습자 모델은 자기조절 및 메타인지를 향상시킬 수 있지만 실제 PL은 종종 이러한 기능이 부족하다.
• LLMs는 교사 촉진과 신중하게 설계·통합될 때 자기 규제, 성찰 및 협력 학습을 촉진하는 교육적 에이전트로서 가능성을 보인다.
• AI 보조와 협력적 교사 주도 학습을 혼합한 하이브리드 모델이 현대 교육 목표에 PL을 맞추기 위해 제안된다.