[논문 리뷰] Knowledge-Based Design Requirements for Generative Social Robots in Higher Education

Stephan Vonschallen, Dominique Oberlé외 2명|arXiv (Cornell University)|2026. 02. 13.

Intelligent Tutoring Systems and Adaptive Learning인용 수 0

한 줄 요약

이 논문은 고등교육에서 튜터링 지향 Generative Social Robots (GSRs)를 위한 지식 기반 설계 접근법을 제안하고, 학생 및 강사와의 인터뷰에서 도출된 self, user, context의 세 가지 지식 유형과 열두 가지 요구사항을 식별한다.

ABSTRACT

Generative social robots (GSRs) powered by large language models enable adaptive, conversational tutoring but also introduce risks such as hallucinations, overreliance, and privacy violations. Existing frameworks for educational technologies and responsible AI primarily define desired behaviors, yet they rarely specify the knowledge prerequisites that enable generative systems to express these behaviors reliably. To address this gap, we adopt a knowledge-based design perspective and investigate what information tutoring-oriented GSRs require to function responsibly and effectively in higher education. Based on twelve semi-structured interviews with university students and lecturers, we identify twelve design requirements across three knowledge types: self-knowledge (assertive, conscientious, and friendly personality with customizable role), user-knowledge (personalized information about student learning goals, learning progress, motivation type, emotional state, and background), and context-knowledge (learning materials, educational strategies, course-related information, and physical learning environment). By identifying these knowledge requirements, this work provides a structured foundation for the design of tutoring GSRs and future evaluations, aligning generative system capabilities with pedagogical and ethical expectations.

연구 동기 및 목표

• 고등교육에서 GSR가 의도된 튜토링 행동을 책임감 있게 표현하도록 하는 정보 요구사항을 식별한다.
• 자가 지식(self-), 사용자 지식(user-), 맥락 지식(context-)이 GSR 튜토링 성능과 윤리에 어떤 영향을 미치는지 특징짓다.
• 교육학적 및 윤리적 규범에 부합하도록 GSR 지식 기반을 구성하기 위한 체계적인 설계 기초를 제공한다.

제안 방법

• 스위스 및 독일의 기관에 걸친 대학생과 강사를 대상으로 12건의 반구조화된 인터뷰를 수행한다.
• 자가 지식(self-, user-, context-지식)와 유도적 코딩을 사용한 질적 내용 분석을 적용하여 하위 범주를 도출한다.
• 연구를 예비 등록하고 방법론의 윤리적 승인 및 투명성을 보장한다.

실험 결과

연구 질문

• RQ1 고등교육에서 책임감 있는 튜토링을 뒷받침하기 위해 로봇 자신(self-지식)에 대해 어떤 지식이 필요한가?
• RQ2 개인정보를 보호하면서 개인화되고 효과적인 튜토링을 가능하게 하는 학습자 관련 정보(user-지식)는 무엇인가?
• RQ3 정확하고 교육학적으로 근거 있는 설명과 프롬프트를 지원하는 강의, 콘텐츠 및 환경 관련 정보(context-지식)는 무엇인가?
• RQ4 이 세 가지 지식 유형이 상호 작용하여 책임감 있고 효과적인 GSR 행동을 어떻게 만들어내는가?

주요 결과

• 세 가지 지식 유형(self-지식, user-지식, context-지식)에 걸쳐 열두 가지 지식 요구사항이 식별되었다.
• 참가자들은 개인 맞춤형이 가능하고, 단호하면서도 친근하고 양심적인 로봇 역할을 지지한다. 예: 스터디 버디, 코치, 튜터.
• 사용자 지식은 학습 목표, 진행 상황, 동기 유형, 정서 상태, 배경 및 가능하면 인구통계 정보를 포함해야 하며, 프라이버시와 동의에 강하게 중점을 둔다.
• 맥락 지식은 교육 전략, 학습 자료, 강의 정보 및 잠재적으로 물리적 학습 환경을 다루어야 하며, 허위 정보 생성을 피하기 위해 코스 내용에 근거해야 한다.
• 참가자들은 GSR가 인간 상호작용을 대체하거나 감시나 강요를 가능하게 하지 않으면서 학습을 동기부여하고 지원해야 한다고 강조한다.
• 책임성 있는 GSR 행동을 위해서는 투명성, 정확성, 그리고 동의 없이 민감한 데이터를 처리하지 않을 수 있는 능력이 가장 중요하다.