[논문 리뷰] Promises and challenges of generative artificial intelligence for human learning

Lixiang Yan, Samuel Greiff외 2명|arXiv (Cornell University)|2024. 08. 22.

Engineering Education and Technology인용 수 6

한 줄 요약

이 Perspective는 GenAI가 학습을 개인화된 지원, 다양한 자원, 피드백 및 평가를 통해 어떻게 변화시킬 수 있는지에 대해 고찰하면서도 윤리적, 방법론적, 실용적 도전과제를 강조한다.

ABSTRACT

Generative artificial intelligence (GenAI) holds the potential to transform the delivery, cultivation, and evaluation of human learning. This Perspective examines the integration of GenAI as a tool for human learning, addressing its promises and challenges from a holistic viewpoint that integrates insights from learning sciences, educational technology, and human-computer interaction. GenAI promises to enhance learning experiences by scaling personalised support, diversifying learning materials, enabling timely feedback, and innovating assessment methods. However, it also presents critical issues such as model imperfections, ethical dilemmas, and the disruption of traditional assessments. Cultivating AI literacy and adaptive skills is imperative for facilitating informed engagement with GenAI technologies. Rigorous research across learning contexts is essential to evaluate GenAI's impact on human cognition, metacognition, and creativity. Humanity must learn with and about GenAI, ensuring it becomes a powerful ally in the pursuit of knowledge and innovation, rather than a crutch that undermines our intellectual abilities.

연구 동기 및 목표

• 학습 과학, 교육 기술, HCI 관점에서 GenAI를 인간 학습에 통합하는 것을 동기 부여하고 틀을 잡는다.
• GenAI가 개인화 학습 지원을 확장하고, 자원을 다양화하며, 피드백을 제공하고 혁신적인 평가를 가능하게 하는 방법을 식별한다.
• 책임 있는 배치를 위한 윤리적, 방법론적 및 평가 관련 도전과제를 평가한다.
• 인간 중심 설계와 정책을 이끄는 연구 의제와 필요성을 제안한다.

제안 방법

• GenAI, 학습 과학, 교육 기술에 관한 여러 연구 흐름의 통찰을 종합한다.
• GenAI 적용의 기초가 되는 근접발달영역(Zone of Proximal Development)과 탐구 기반 학습과 같은 이론적 토대를 논의한다.
• 튜터링, 자원 생성, 피드백, 적응형 평가 등 구체적인 GenAI 기반 학습 활동을 설명한다.
• 실증적 격차를 강조하고 GenAI 영향 평가를 위한 엄밀한 연구 설계를 제안한다.
• 윤리성, 형평성 및 AI 리터러시 고려사항을 개략하고 인간과 AI의 루프를 통한 개발의 필요성을 촉구한다.

Figure 1: Overview of the impacts of generative artificial intelligence on human learning. The left side of the figure lists various learning impacts, which are categorised into promises (green), challenges (red), and needs (blue). The middle column presents key components associated with each learn

실험 결과

연구 질문

• RQ1 학습 지원, 자원, 피드백 및 평가를 위한 GenAI의 핵심 약속은 무엇인가?
• RQ2 교육 현장에서 GenAI와 함께 제기되는 윤리성, 형평성 및 방법론적 도전은 무엇인가?
• RQ3 학습에서 GenAI를 안내하기 위해 AI 리터러시, 증거 기반 의사결정, 방법론적 엄밀성을 어떻게 개발해야 하는가?
• RQ4 인간-인공지능 학습 상호 작용을 평가하기 위해 필요한 미래 연구 방향과 방법론적 표준은 무엇인가?

주요 결과

• GenAI는 확장 가능한 인지적 촉진자 역할을 하여 피드백, 자원 및 적응형 평가를 풍부하게 한다.
• GenAI를 이용한 콘텐츠 생성을 통해 다양한 멀티미디어 자료를 지원하지만 정확성과 교수학적 적합성을 위해 교사의 검증이 필요하다.
• 환각과 투명성 부족은 학습 콘텐츠 및 평가 무결성에 위험을 초래한다.
• 윤리적 우려에는 투명성, 프라이버시, 평등, 선익추구가 포함되며 거버넌스와 AI 리터러시가 필요하다.
• 평가 관행은 인간-AI 하이브리드 인지 및 진정성 있는 다중모드 평가로의 전환이 필요할 수 있다.
• 방법론적 엄밀성과 증거 기반 의사결정은 GenAI 혜택을 과대평가하지 않도록 필수적이다.

Figure 2: Examples of human-AI interactions in human learning. a, Learners receive personalised and adaptive support from generative AI tutors, which are co-designed with educators and have access to prior learner data and domain knowledge. b, Educators use generative AI to create multimodal learnin