생성형 인공지능 기반 실시간 3D 물리 시뮬레이션 콘텐츠 생성: 직선운동 문제 사례를 중심으로
Generative AI-Based Real-Time 3D Simulation Content Generation for Physics Education: Focused on Linear Motion Problems
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 생성형 인공지능 중 하나인 GPT 기반 모델을 활용하여 이미지로 저장된 과학 문제를 자동으로 학습용 실시간 3D 과학 콘텐츠를 생성하는 기법을 제안한다. 콘텐츠는 미리 생성된 3D 과학 실험 모델링 데이터와 시뮬레이터, 그리고 인공 지능으로부터 생성된 결과를 활용하여 생성된다. 이 과정에서 인공지능 활용의 핵심은 이미지를 분석하고 시뮬레이터에 필요한 파라미터를 자동으로 추출하는 것이다. 인공지능이 적용되지 않은 방법은 사용자가 문제 조건을 해석하고 파라미 터를 직접 입력해야 하는 불편함이 있으며, 이로 인해 학습 과정에서의 오류나 비효율이 발생할 수 있다. 제안된 시스템은 과학 문제의 이미지를 분석 후, 핵심 조건들을 추출하여 시뮬레이터에 필요한 위치, 속도 등의 파라미터를 자동으로 구성함 으로써 문제 상황에 적합한 실시간 3D 시뮬레이션을 생성한다. 이를 통해 학습자는 시각적이고 직관적인 방식으로 문제를 이해할 수 있으며, 문제 풀이에 대한 몰입도와 효율성을 높일 수 있다. 본 연구는 고등학교 물리학1 교과서 기반의 문항을 활용하여 실제 문제 상황에 맞는 시뮬레이터가 자동 생성될 수 있음을 확인하였다. 이러한 접근은 생성형 AI의 활용 가능성 을 실시간 3D 시뮬레이션 기반 학습으로 확장하는 새로운 사례로 볼 수 있다.
Abstract
This study proposes a method for automatically generating real-time 3D science learning content using GPT-based generative artificial intelligence. The content is constructed by combining pre-built 3D science experiment models, a simulation engine, and outputs generated by the AI. The core function of the AI in this process is to analyze images of science problems and automatically extract the parameters required for the simulator. In conventional methods without AI support, users must manually interpret problem conditions and input parameters, which can lead to inefficiencies and errors during the learning process. The proposed system analyzes images of science problems, extracts key conditions, and automatically generates parameters such as positions and velocities required for the simulator, thereby creating real-time 3D simulations tailored to the problem scenario. This allows learners to understand the problems in a more visual and intuitive manner, enhancing engagement and learning efficiency. The proposed method was tested using physics problems from high school Physics I textbooks, and it was confirmed that the simulator can be automatically generated in accordance with the given scenarios. This approach demonstrates the potential of generative AI in expanding into real-time 3D simulation-based learning and is expected to contribute to the development of diverse science education content in the future.