[논문 리뷰] Intelligent Tutoring Systems: A Comprehensive Historical Survey with Recent Developments

Ali Alkhatlan, Jugal Kalita|arXiv (Cornell University)|2018. 12. 22.

Intelligent Tutoring Systems and Adaptive Learning인용 수 11

한 줄 요약

이 논문은 지능형 튜터링 시스템(ITS)의 종합적인 역사적 및 기술적 조사를 제시하며, 초기 컴퓨터 지원 교육(CAI)에서 현대의 인공지능 기반 적응형 학습 시스템으로의 진화를 추적한다. 핵심 아키텍처 구성요소, 교육적 모델, 그리고 AutoTutor와 GIFT와 같은 최근 혁신을 검토한 바, ITS는 인간 튜터에 가까워지고 있지만 개인화, 확장성, 장기적 영향 평가 측면에서 여전히 도전 과제가 남아 있다.

ABSTRACT

This paper provides interested beginners with an updated and detailed introduction to the field of Intelligent Tutoring Systems (ITS). ITSs are computer programs that use artificial intelligence techniques to enhance and personalize automation in teaching. This paper is a literature review that provides the following: First, a review of the history of ITS along with a discussion on the interface between human learning and computer tutors and how effective ITSs are in contemporary education. Second, the traditional architectural components of an ITS and their functions are discussed along with approaches taken by various ITSs. Finally, recent innovative ideas in ITS systems are presented. This paper concludes with some of the author's views regarding future work in the field of intelligent tutoring systems.

연구 동기 및 목표

• 초보자에게 지능형 튜터링 시스템(ITS) 분야에 대한 체계적이고 최신의 소개를 제공하기 위해.
• 컴퓨터 지원 교육(CAI)과 지능형 컴퓨터 지원 교육(ICAI)에서 유래된 ITS의 역사적 발전을 추적하여 주요 이정표와 전환점을 강조하기 위해.
• 학생 모델링, 도메인 모델링, 교육 전략과 같은 ITS의 핵심 아키텍처 구성요소와 그들의 기능적 역할을 분석하기 위해.
• 대화형 튜터링, 제약 기반 시스템, GIFT 및 AutoTutor와 같은 프레임워크를 포함한 최근 ITS의 발전을 검토하기 위해.
• 개방된 과제를 특정하고, 특히 장기적 학습 성과 추적 및 특수 필요 학습자를 위한 지원을 포함한 미래 연구 방향을 제안하기 위해.

제안 방법

• 1970년대부터 2018년까지의 ITS 분야 기초 및 최근 연구를 포괄하는 종합적 문헌 조사 수행 — 획기적인 연구와 종합 논문 포함.
• ITS 설계 및 구현에 있어 인공지능, 인지 심리학, 교육 이론의 통합을 분석하기 위해.
• 인지 튜터 모델, 제약 기반 튜터, 하이브리드 모델과 같은 주요 ITS 아키텍처를 조사하여 그 기능적 구성요소를 설명하기 위해.
• GIFT(Genaralized Intelligent Framework for Tutoring)와 AutoTutor와 같은 현대 ITS 프레임워크를 평가하여 유연성, 지식 표현, 학생 모델링 능력에 중점을 두기 위해.
• 데이터 마이닝 및 장기적 데이터 수집의 역할을 분석하여 ITS가 학습 성과에 미치는 장기적 영향을 평가하기 위해.
• 미래 연구 방향을 제안하기 위해, 초등 교육에서 대학 졸업 시점까지의 학생 추적을 통해 ITS 사용과 학업 성취도 및 전공 선택 간의 연관성을 분석할 잠재력을 고려하기 위해.

실험 결과

연구 질문

• RQ1 지능형 튜터링 시스템(ITS)은 초기 컴퓨터 지원 교육(CAI) 및 지능형 컴퓨터 지원 교육(ICAI) 시스템에서 어떻게 진화해 왔는가?
• RQ2 ITS의 핵심 아키텍처 구성요소는 무엇이며, 개인화 학습을 지원하기 위해 어떻게 상호작용하는가?
• RQ3 GIFT와 AutoTutor와 같은 현대 ITS 프레임워크는 어떻게 적응형 및 대화형 튜터링을 가능하게 하는가?
• RQ4 현재의 ITS 시스템은 독독증이나 주의력결핍과잉행동장애(ADHD)와 같은 특수 필요 학습자를 지원하는 데에 어떤 한계를 지니는가?
• RQ5 초기 ITS 상호작용과 대학 내 학점(GPA) 또는 전공 선택과 같은 장기적 학업 성과를 연결하기 위해 장기적 데이터 수집의 잠재력은 무엇인가?

주요 결과

• 연구 결과에 따르면 인간 튜터가 지도하는 학생들은 전통적인 그룹 수업에 참여하는 학생들보다 표준편차 2배 이상 높은 학업 성취도를 보이며, ITS의 강력한 교육적 효과를 입증한다.
• 인공지능 기법의 통합은 ITS가 학생의 해결 단계를 모니터링하고 인지 상태에 맞춰 적응하며 즉각적인 피드백을 제공할 수 있도록 해주며, 이는 전통적인 CAI 시스템에서 거의 찾아볼 수 없는 능력이다.
• GIFT와 AutoTutor와 같은 프레임워크는 지식 표현, 학생 모델링, 교육 전략 제어를 위한 표준화된 서비스를 제공함으로써 ITS의 모듈화 및 재사용 가능한 개발을 지원한다.
• 진전이 있음에도 불구하고, 현재의 ITS는 인간 튜터의 인지 인식력과 적응 능력을 완전히 재현하지 못하고 있으며, 확장성과 일관성 측면에선 점점 경쟁력이 높아지고 있지만 여전히 한계가 존재한다.
• 장기적인 학업 성과인 대학 내 학점(GPA) 또는 전공 선택과 같은 결과와 초기 ITS 상호작용을 연결하는 종단간 데이터셋이 부족한 상황이지만, 이러한 데이터는 개인화된 교육 경로 설계에 도움이 될 잠재력이 있다.
• 증명된 교육 전략에 기반한 특수 ITS 모듈은 독독증, ADHD, 다운증후군 등 인지 장애가 있는 학습자를 지원하는 데 강력한 잠재력을 보이고 있다.