대학 메타버스 기반 교육환경에서 교수․학습 지원을 위한 AI 에이전트 구성요소 및 프레임워크 개발 연구
The Development of AI Agent Components and Framework to Support Teaching and Learning in the University Metaverse-Based Education Environment
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
대학 메타버스 기반 교육환경은 온․오프라인 학습의 한계를 극복할 수 있을 것으로 기대되고 있으나 학습활동 모니터링의 한계와 윤리적 문제, 수업 상황 이외의 상호작용의 제한 등의 한계 역시 지적되고 있다. 본 연구는 대학 메타버스 기반 교육환경에서 교수․학습 지원을 위한 AI 에이전트 프레임워크의 구체적인 설계 방안을 제시함으로써 대학 메타버스 기반 교육환경의 한계를 극복하기 위한 시사점을 제안하는 데 그 목적이 있다. 연구목적의 달성을 위해 체계적 문헌분석을 통해 AI 에이전트의 구성요소 및 프레임워크 초안을 구성하고, 18인의 교육공학 및 플랫폼 전문가 패널을 대상으로 3차에 걸친 델파이 조사를 시행하여 최종적인 AI 에이전트 구성요소 및 프레임워크를 개발하였다. 이후 사용성 평가를 거쳐 실제 적용 가능성을 검토하였다. 연구 결과 최종 도출된 AI 에이전트는 기능과 플랫폼, 인프라 등 3개의 영역 및 10개 소영역, 20개 범주, 96개의 구성요소를 포함하고 있다. 기능 영역은 사용자를 대상으로 개별화 맞춤형 서비스 제공에 초점을 맞추며, 플랫폼 영역은 AI 에이전트 및 사용자 간 상호작용을 촉진하는 데 중점을 둔다. 또한 인프라 영역은 AI 에이전트가 원활하게 서비스를 제공하기 위해 요구되는 각종 기술 및 인프라를 설명한다. 이러한 AI 에이전트의 설계 및 개발 시 AI 에이전트 생성 콘텐츠의 정확도 향상을 위한 방대한 학습 데이터가 구축이 필요하며, 할루시네이션 현상 예방 방법과 관련 법안의 검토가 이루어져야 한다. 본 연구 결과는 대학 메타버스 기반 교육환경의 개별화 맞춤형 교육의 질적 제고와 함께, 대학 교육 내 확산, 상호작용성의 극대화에 기여할 것으로 기대한다.
Abstract
This study aims to develop the components and framework of an AI agent to support teaching and learning in the university Metaverse-based Education Environment (MEE). Although MEE is expected to overcome the limitations of traditional online and offline learning, challenges remain, including limited monitoring of learning activities, ethical issues, and restricted interactions beyond classroom contexts. To achieve this goal, a systematic literature analysis was conducted to draft the AI agent components and a preliminary framework, followed by a three-round Delphi survey with 18 experts in educational technology and platform development to refine it. A usability evaluation was also performed to assess the framework’s practical applicability. The final AI agent framework consists of three domains-functions, platform, and infrastructure-ten subdomains, twenty categories, and ninety-six components. The functions domain focuses on providing personalized services; the platform domain promotes interaction between users and AI agents; and the infrastructure domain specifies the required technologies and systems. Developing such AI agents requires large-scale training datasets, hallucination prevention strategies, and legal and ethical review. The framework validated through usability testing is expected to enhance personalized learning quality and interactivity in the university MEE.