[논문 리뷰] ChatGPT is all you need to decolonize sub-Saharan Vocational Education

Isidora Tourni, Georgios Grigorakis외 3명|arXiv (Cornell University)|2023. 04. 11.

Text Readability and Simplification인용 수 4

한 줄 요약

이 논문은 아프리카의 서부 및 남부 국가들이 전통적인 학문 교육보다 기술 및 직업 교육(TVET)을 우선시해야 하며, ChatGPT와 같은 미세조정된 대규모 언어 모델(LLM)을 통합하여 교육의 식민지적 탈식민화를 이끌어내야 한다고 제안한다. 이를 통해 문화적으로 관련성 있고 확장 가능하며 저비용인 기술 습득이 가능해져 사회경제적 이동성을 가속화하고 현지 지식 체계를 강화할 수 있다.

ABSTRACT

The advances of Generative AI models with interactive capabilities over the past few years offer unique opportunities for socioeconomic mobility. Their potential for scalability, accessibility, affordability, personalizing and convenience sets a first-class opportunity for poverty-stricken countries to adapt and modernize their educational order. As a result, this position paper makes the case for an educational policy framework that would succeed in this transformation by prioritizing vocational and technical training over academic education in sub-Saharan African countries. We highlight substantial applications of Large Language Models, tailor-made to their respective cultural background(s) and needs, that would reinforce their systemic decolonization. Lastly, we provide specific historical examples of diverse states successfully implementing such policies in the elementary steps of their socioeconomic transformation, in order to corroborate our proposal to sub-Saharan African countries to follow their lead.

연구 동기 및 목표

• 지속적인 교육적 불평등 문제를 해결하기 위해 엘리트 중심의 학문 기관에서 실용적이고 접근 가능한 TVET 체계로의 전환을 목표로 한다.
• 서구 학문 기준을 우선시하고 지역적 필요와 자생적 지식(IK)을 간과하는 식민지적 교육 모델의 유산을 해소하기 위한 것이다.
• LLM의 확장성, 개인화 및 저비용 구현 가능성을 활용하여 기술 및 직업 훈련에 대한 접근성을 민주화한다.
• 훈련을 실제 생활과 지역 기반의 요구에 맞추어 AI 기반의 교육이 사회경제적 발전을 가속화할 수 있음을 입증한다.
• 식민지 후 시대의 맥락에서 체계적 식민지 해체와 지속 가능한 발전을 촉진하기 위해 LLM을 TVET에 통합하는 정책 프레임워크를 제안한다.

제안 방법

• 아프리카 서부 및 남부 국가들에서 전통적 고등교육보다 TVET을 우선시하는 정책 프레임워크를 제안한다.
• 지역 특화된 문화, 언어 및 직업 교육 콘텐츠로 LLM을 미세조정하여 관련성과 편향 감소를 확보한다.
• 다중모달 생성형 AI(DALL·E, Stable Diffusion, Jukebox 등)를 LLM과 통합하여 몰입감 있고 상호작용 가능한 학습 경험을 창출한다.
• LLM을 활용해 상황 기반의 피드백 기반 개인화 지도를 통해 현지 인력의 응급 대응, 응급처치 및 기술 분야 훈련을 실시한다.
• LLM을 자생적 지식(IK)을 교육과정에 통합하는 도구로 위치시켜 지역 지식 체계의 배제를 방지한다.
• 신뢰성과 공정성을 확보하기 위해 인간의 감시와 인프라(인터넷, 전기 공급)가 필요하다는 점을 강조한다.

실험 결과

연구 질문

• RQ1 대규모 언어 모델(LLM)을 어떻게 활용하여 아프리카 서부 및 남부 지역의 직업 교육을 식민지적 사고에서 벗어나게 할 수 있는가?
• RQ2 왜 TVET 중심의 교육 모델이 기존의 학문 기반 기관보다 식민지 후 아프리카 국가들에게 더 적합한가?
• RQ3 LLM은 기존의 검색 엔진보다 자생적 지식(IK)을 직업 교육 과정에 어떻게 더 효과적으로 통합할 수 있는가?
• RQ4 문화적 미세조정 없이 일반적인 LLM(예: ChatGPT)을 아프리카 교육 환경에 도입할 경우 발생할 수 있는 위험은 무엇인가?
• RQ5 AI 기반 TVET 시스템은 어떻게 사회경제적 이동성을 향상시키고 수입된 전문가 및 식민지 시대의 교육 모델에 대한 의존도를 감소시킬 수 있는가?

주요 결과

• 아프리카 서부 및 남부 지역은 전 세계 AI 논문의 1.06%만 차지하며, AI 및 교육 분야에서의 체계적 부재를 보여준다.
• 식민지 후 아프리카 국가의 전통적 학문 기관은 자주 재정 지원 부족, 학문의 자유 결여, 성비 불균형 문제로 인해 기능에 한계를 가진다.
• LLM은 자생적 지식(IK)을 통합할 수 있도록 미세조정될 수 있으며, 일반적이고 기능 중심의 검색 엔진보다 더 포괄적이고 맥락에 맞는 대안을 제공한다.
• LLM이 지원하는 TVET 체계는 응급 대응 및 기술 분야에서 즉각적인 실생활 적용이 가능한 더 빠르고 실용적인 기술 습득을 가능하게 한다.
• LLM과 다중모달 AI(예: 텍스트, 이미지, 음성)의 통합은 전통적인 교육 도구를 뛰어넘는 통합적이고 적응형 학습 경험을 창출할 수 있다.
• 그럼에도 불구하고, LLM이 아프리카의 문화적 및 경제적 현실을 반영하지 못한 채 훈련된다면 식민지적 사고의 지배를 강화할 위험이 있으며, 따라서 신중한 미세조정과 인간 감시가 필수적이다.