[논문 리뷰] SocratiQ: A Generative AI-Powered Learning Companion for Personalized Education and Broader Accessibility

Jason Jabbour, Kai Kleinbard외 3명|ArXiv.org|2025. 02. 01.

Online Learning and Analytics인용 수 3

한 줄 요약

SocratiQ는 적응적이고 소크라테스식 대화를 활용하여 교육을 개인화하고 온라인 교과서에서 접근성을 넓히는 생성형 AI 학습 동반자를 도입합니다. 개인화된 설명, 적응적 평가, 한정 학습 및 게임화를 MLSysBook.ai에 통합합니다.

ABSTRACT

Traditional educational approaches often struggle to provide personalized and interactive learning experiences on a scale. In this paper, we present SocratiQ, an AI-powered educational assistant that addresses this challenge by implementing the Socratic method through adaptive learning technologies. The system employs a novel Generative AI-based learning framework that dynamically creates personalized learning pathways based on student responses and comprehension patterns. We provide an account of our integration methodology, system architecture, and evaluation framework, along with the technical and pedagogical challenges encountered during implementation and our solutions. Although our implementation focuses on machine learning systems education, the integration approaches we present can inform similar efforts across STEM fields. Through this work, our goal is to advance the understanding of how generative AI technologies can be designed and systematically incorporated into educational resources.

연구 동기 및 목표

• 생성형 AI를 활용하여 학습 경험을 개인화함으로써 개인화 교육의 확장성 격차를 해소한다.
• 참여도와 접근성을 높이기 위해 온라인 교과서에 소크라테스식의 생성 학습 프레임워크를 통합한다.
• 머신러닝 시스템 과목 맥락에서 실용적 통합 방법, 아키텍처 및 평가 통찰을 시연한다.

제안 방법

• 네 가지 핵심 기능: 개인화된 설명, 적응적 평가, 한정 학습, 게이미피케이션을 도입한다.
• 시스템 프롬프트를 사용하여 Bloom의 분류학에 정렬된 난이도 수준을 설정한다.
• 자동 프롬프트 파이프라인을 통해 교과서 섹션과 연결된 적응적이고 AI가 생성한 퀴즈를 활용한다.
• 맥락 내 프롬프트와 퍼지 단락 매칭 알고리즘을 사용하여 LLM 출력을 선별된 교과서 콘텐츠에 바인딩한다.
• 읽기 진행도와 퀴즈 성과를 추적하기 위한 지식 그래프를 구축하여 목표된 학습 지침을 제공한다.
• 프라이버시를 고려한 로컬 우선 데이터 아키텍처를 구현하여 큐레이션된 콘텐츠와 모델 지식을 균형 있게 조합한다.

Figure 1. Overview of SocratiQ’s integration into the online machine learning textbook, showcasing how students can generate quiz questions and engage in natural language conversations for further explanations. You can try it at https://mlsysbook.ai .

실험 결과

연구 질문

• RQ1 AI 기반 학습 동반자를 온라인 교과서에 어떻게 통합하여 학생 참여도와 개인화를 향상시킬 수 있을까?
• RQ2 ML 시스템과 같은 다학제 주제에 대해 효과적인 소크라테스식 생성 상호작용을 가능하게 하는 아키텍처적 및 교수학적 설계 선택은 무엇인가?
• RQ3 적응적 평가와 한정 학습이 대규모 강의에서 이해도, 기억 유지 및 수료에 어떤 영향을 미치는가?

주요 결과

• SocratiQ는 온라인 ML 교과서 환경 내에서 대화형 퀴즈, 실시간 피드백 및 맞춤형 설명을 가능하게 한다.
• Bloom의 분류학에 맞춘 초급에서 전문가까지의 네 가지 난이도 수준이 AI의 설명과 질문을 안내한다.
• 맥락 내 프롬프트와 텍스트 바운드 접근 방식은 LLM이 선별된 교과서 콘텐츠에 연결된 상태를 유지하면서도 더 넓은 사전 학습 지식을 활용하도록 돕는다.
• 지식 그래프는 읽기 진행도와 퀴즈 성과를 추적하여 학습자가 약한 영역에 집중하고 학습 단계를 계획하도록 돕는다.
• 적응형 평가가 챕터 섹션에서 필요에 따라 생성되어 다양하고 타깃된 연습을 제공한다.

Figure 2. Students can dynamically adjust the academic level to match their learning preferences.