프롬프트 엔지니어링을 통한 일반 목적 AI 교육 보조 도구의 개인화 접근법

A Prompt-Engineering Approach to Develop Scalable, Flexible, and Real-Time Hybrid Micro-Level Personalization in a General Purpose AI Teaching Assistant

대규모 언어 모델(LLM)을 기반으로 한 AI 교육 보조 도구는 확장 가능한 교육 지원을 제공하지만 개인화가 제한적이다. 본 연구는 Jill Watson과 같은 LLM/RAG 기반 AI 교육 보조 도구의 개인화를 위한 프롬프트 엔지니어링 기반 프레임워크를 제시한다. 이 프레임워크는 자기 평가, 추상화 선호, 장황함 선호, 지각적 방향, 정보 처리 스타일, 이해 수준의 여섯 가지 학습자 특성을 사용하여 응답을 조정하며, 96개의 고유한 학습자 프로필을 생성한다. 학생의 질문은 Bloom의 분류학을 사용하여 인지 복잡성을 추정하고, 학습자 특성과 인지 평가를 구조화된 프롬프트에 인코딩하여 모델 재훈련 없이 LLM을 조정한다. 실험 결과는 개인화 조건에 따른 응답 스타일과 구조의 차이를 보여주며, 통계 분석을 통해 측정 가능한 응답 변화와 관련된 학습자 특성을 확인하였다.