[논문 리뷰] The Role of Artificial Intelligence (AI) in Adaptive eLearning System (AES) Content Formation: Risks and Opportunities involved

Suleiman Adamu, Jamilu Awwalu|arXiv (Cornell University)|2019. 03. 03.

Online Learning and Analytics인용 수 5

한 줄 요약

이 논문은 학습자 프로파일에 기반해 학습 자료를 개인화하는 데 있어 인공지능(AI)의 역할을 강조하며, 적응형 e러닝 시스템(AES) 내에서 AI의 통합을 통한 동적 콘텐츠 구성에 대해 조사한다. 적응형 웹 기반 e러닝 시스템(AWBES)에서 AI 기반 콘텐츠 집약에 대해 분석하며, 학습자 참여도 향상과 같은 주요 기회와 알고리즘 편향 및 데이터 프라이버시 문제와 같은 위험 요소를 밝혀낸다.

ABSTRACT

Artificial Intelligence (AI) plays varying roles in supporting both existing and emerging technologies. In the area of Learning and Tutoring, it plays key role in Intelligent Tutoring Systems (ITS). The fusion of ITS with Adaptive Hypermedia and Multimedia (AHAM) form the backbone of Adaptive eLearning Systems (AES) which provides personalized experiences to learners. This experience is important because it facilitates the accurate delivery of the learning modules in specific to the learner capacity and readiness. AES types vary, with Adaptive Web Based eLearning Systems (AWBES) being the popular type because of wider access offered by the web technology.The retrieval and aggregation of contents for any eLearning system is critical whichis determined by the relevance of learning material to the needs of the learner.In this paper, we discuss components of AES, role of AI in AES content aggregation, possible risks and available opportunities.

연구 동기 및 목표

• 적응형 e러닝 시스템(AES) 내 콘텐츠 구성에서 AI의 역할을 조사하는 것, 특히 학습 경험의 개인화에 초점 맞춤.
• AES의 핵심 구성 요소를 특정하고, AI가 학습자 준비도 및 능력에 따라 콘텐츠 제공 방식을 향상시키는 방식을 밝혀내는 것.
• e러닝 환경에서 AI 기반 콘텐츠 집약과 관련된 위험 요소, 예를 들어 데이터 프라이버시 침해 및 알고리즘 편향을 분석하는 것.
• AI가 e러닝 콘텐츠의 접근성, 관련성 및 적응 가능성 향상에 기여하는 기회를 탐색하는 것.
• 적응형 웹 기반 e러닝 시스템(AWBES)을 주요 AES 유형으로 간주하며, AI가 미치는 영향에 대한 종합적 개요 제공.

제안 방법

• 본 연구는 인공지능(AI) 통합을 분석하기 위한 개념적 및 분석적 프레임워크를 활용하며, 지능형 튜터링 시스템(ITS)과 적응형 하이퍼미디어 및 멀티미디어(AHAM)에 중점을 둔다.
• ITS와 AHAM의 융합이 AES의 기초를 형성하며, 개인화된 학습 경로를 가능하게 한다는 점을 분석한다.
• 콘텐츠 검색 및 집약에 사용되는 AI 기법을 평가하며, 학습자 요구에 부합하는 관련성에 중점을 둔다.
• 기존 문헌을 체계적으로 검토하여 e러닝 시스템 내 AI 구성 요소와 그 운영 메커니즘을 매핑한다.
• 콘텐츠 구성에서 AI의 주요 역할, 예를 들어 동적 적응 및 사용자 모델링을 특정하는 데 초점을 맞춘다.
• 윤리적 및 기술적 과제를 평가하기 위해 위험 평가 프레임워크를 분석에 통합한다.

실험 결과

연구 질문

• RQ1 인공지능(AI)은 적응형 e러닝 시스템(AES) 내 콘텐츠 구성과 개인화에 어떻게 기여하는가?
• RQ2 e러닝 환경에서 AI 기반 콘텐츠 집약과 관련된 주요 위험 요소는 무엇인가?
• RQ3 AI는 AWBES에서 학습 자료의 관련성과 적응 가능성 향상에 어떤 기회를 제공하는가?
• RQ4 ITS와 AHAM 같은 구성 요소들이 효과적인 AES 아키텍처를 형성하기 위해 어떻게 통합되는가?
• RQ5 콘텐츠 제공에서 AI의 영향은 학습자 준비도 및 능력 매칭에 어떤 함의를 지닌다?

주요 결과

• AI는 학습자 프로파일과 준비도 수준에 따라 동적으로 자료를 적응시킴으로써 AES 내 콘텐츠의 관련성을 크게 향상시킨다.
• 지능형 튜터링 시스템(ITS)과 적응형 하이퍼미디어 및 멀티미디어(AHAM)의 융합이 효과적인 AES의 핵심 아키텍처를 형성한다.
• 적응형 웹 기반 e러닝 시스템(AWBES)은 광범위한 웹 접근성 덕분에 가장 널리 사용되는 AES 유형으로 확인된다.
• AI 기반 콘텐츠 집약은 특정 학습자 요구에 맞는 자료를 확보함으로써 학습 성과를 향상시킨다.
• 주요 위험 요소로는 알고리즘 편향, 데이터 프라이버시 침해, 콘텐츠 제공에서 자동화된 의사결정에 대한 과도한 의존이 포함된다.
• 기회로는 스케일러블한 개인화, 실시간 적응, 맞춤형 콘텐츠 제공을 통한 학습자 참여도 향상이 있다.