GraphRAG를 활용한 오답 원인 AI 진단 시스템 설계
Design of AI Diagnostic System for the Cause of Incorrect Answer Using GraphRAG
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 기존 AI 교육 서비스의 지식 요소에 편중된 진단을 극복하고 정교화 피드백 시스템 개발의 선행 연구로서, GraphRAG를 활용한 학생별 오답 원인 진단 시스템을 설계하였다. 연구는 첫째, 전기와 자기 단원 지식, 오개념, 인지 요소를 포함하는 지식그래프 모델을 Graph DB에 구축하여 오개념, 인지 오류까지 진단 가능한 기반을 마련하였다. 둘째, Graph DB 쿼리용 GraphRAG 워크플로우와 자연어 응답 생성 Prompt를 설계하여 생성형 AI의 Hallucination 현상을 최소화하는 학생 맞춤형 피드백 제공 방안을 제시하였다. 본 연구는 지식그래프 및 GraphRAG를 활용하여 학생별 오답 원인을 다각적으로 진단하고 정교화된 피드백을 제공할 수 있는 시스템 설계의 기초를 마련했다는 점에서 의의를 갖는다. 향후 AI 교육 서비스가 학생의 학습 상황을 세밀하게 진단하고 학습 결손을 체계적으로 보완하는 데 기여할 것으로 기대된다.
Abstract
This paper designs a GraphRAG-based system for diagnosing student-specific error causes, addressing the limitation of current AI education services that focus primarily on knowledge-based diagnosis. This preliminary study for elaborated feedback systems features two main contributions. First, a knowledge graph model (incorporating knowledge, misconception, and cognitive elements for the Electricity and Magnetism unit) was built in a Graph Database to enable the diagnosis of misconception and cognitive errors. Second, a GraphRAG workflow for Graph DB queries and a natural language response Prompt were designed, proposing a method for personalized student feedback that minimizes generative AI hallucination. This study is significant for establishing a foundation for a system using knowledge graph and GraphRAG for multi-faceted error diagnosis and elaborated feedback. It is expected to enhance future AI education by enabling precise diagnosis and systematic learning deficit remediation.