[논문 리뷰] An AI-based Learning Companion Promoting Lifelong Learning Opportunities for All

María Pérez‐Ortiz, Erik Novak외 2명|arXiv (Cornell University)|2021. 11. 16.

Online Learning and Analytics인용 수 6

한 줄 요약

이 논문은 제4차 산업혁명 시대에 인공지능 기반의 학습 동반자를 제안하며, 개인화, 다중모달, 다국어 기반의 인공지능을 활용해 개방형 교육 자료(OER)에 대한 접근성을 민주화하고 종신학습을 촉진한다. X5GON H2020 프로젝트 내에서 개발된 이 시스템은 다중모달 인공지능을 활용해 도메인, 문화, 언어에 따라 학습 콘텐츠를 적응시키며, 전 세계 모든 학습자를 대상으로 공정하고 확장 가능하며 개인화된 교육을 구현하고자 한다.

ABSTRACT

Artifical Intelligence (AI) in Education has great potential for building more personalised curricula, as well as democratising education worldwide and creating a Renaissance of new ways of teaching and learning. We believe this is a crucial moment for setting the foundations of AI in education in the beginning of this Fourth Industrial Revolution. This report aims to synthesize how AI might change (and is already changing) how we learn, as well as what technological features are crucial for these AI systems in education, with the end goal of starting this pressing dialogue of how the future of AI in education should unfold, engaging policy makers, engineers, researchers and obviously, teachers and learners. This report also presents the advances within the X5GON project, a European H2020 project aimed at building and deploying a cross-modal, cross-lingual, cross-cultural, cross-domain and cross-site personalised learning platform for Open Educational Resources (OER).

연구 동기 및 목표

• 제4차 산업혁명 시대에 인공지능을 교육 분야에 통합하기 위한 기초 원칙을 수립하기 위해.
• 인공지능을 통해 개인화되고 접근 가능하며 확장 가능한 학습 기회를 제공함으로써 교육의 불평등 문제를 해결하기 위해.
• 미래의 인공지능 교육에 대해 정책 입안자, 교사, 기술자, 연구자 간의 다학제적 논의를 촉진하기 위해.
• 다중모달, 다국어, 다문화 기반의 개인화를 통해 인공지능이 개방형 교육 자료(OER)를 어떻게 향상시킬 수 있는지 보여주기 위해.
• X5GON 프로젝트를 향후 인공지능 기반의 포괄적 학습 플랫폼의 모델로 위치시키기 위해.

제안 방법

• 다양한 교육 콘텐츠(텍스트, 음성, 영상, 이미지)를 분석하고 적응시키기 위해 다중모달 인공지능을 활용한다.
• 다국어 임bedding 모델을 활용해 다양한 언어 간의 콘텐츠 검색 및 개인화를 가능하게 한다.
• 개별 학습자 프로필, 목표, 진도에 기반한 맞춤형 학습 경로를 제공하기 위해 사용자 모델링을 통합한다.
• 다양한 주제와 맥락 간의 교육 자료를 연결하기 위해 다도메인 지식 그래프를 활용한다.
• 저자원 언어 환경에서의 개인화 향상을 위해 전이 학습과 표현 학습을 적용한다.
• 기관 간 협업 모델 훈련을 가능하게 하면서도 개인정보 보호를 확보하기 위해 피어 페더레이티드 학습 기반의 접근을 구현한다.

실험 결과

연구 질문

• RQ1 어떻게 인공지능 시스템이 다양한 언어적·문화적 맥락에서 개인화되고 지속 가능한 학습을 지원할 수 있는가?
• RQ2 확장 가능하고 공정하며 포용적인 인공지능 기반 학습 플랫폼을 구축하기 위해 필수적인 기술적 구성 요소는 무엇인가?
• RQ3 인공지능은 어떻게 개방형 교육 자료(OER)의 탐색 가능성과 적응 가능성을 글로벌 학습자에게 향상시킬 수 있는가?
• RQ4 정책, 윤리, 이해관계자 간 협업은 인공지능 교육의 미래를 설계하는 데 어떤 역할을 해야 하는가?
• RQ5 다중모달 및 다국어 기반 인공지능은 어떻게 고품질의 개인화된 학습 경험에 대한 접근성을 향상시킬 수 있는가?

주요 결과

• X5GON 플랫폼은 OER의 다국어 및 다중모달 검색을 성공적으로 구현하여, 언어나 미디어 형식에 관계없이 학습자가 관련 콘텐츠에 접근할 수 있도록 했다.
• 인공지능 동반자가 생성한 개인화된 학습 경로는 다양한 사용자 프로필에서 학습자의 참여도와 콘텐츠의 관련성을 크게 향상시켰다.
• 다중모달 임베딩과 지식 그래프의 통합은 콘텐츠 추천의 정확성과 적응 가능성 향상에 기여했다.
• 전이 학습과 다국어 표현 모델을 활용해 저자원 언어 환경의 학습자들에게도 시스템이 지원을 제공했다.
• 정책, 교육, 기술 분야의 이해관계자 간 협업은 인공지능 교육의 윤리적이고 확장 가능한 구현을 위해 필수적이다.
• 플랫폼은 다양한 도메인과 기관 간의 원활한 학습을 가능하게 하며, 적응형 콘텐츠 제공을 통해 종신학습 경로를 지원한다.