자동문항생성과 생성형 인공지능을 활용한 MST 기반 맞춤형 어휘 평가 개발 연구
Developing an MST-based Adaptive Vocabulary Assessment System Using Automatic Item Generation and Generative AI
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구의 목적은 생성형 인공지능과 자동문항생성(AIG) 기술을 활용하여 다단계 적응형 검사(MST) 기반의 맞춤형 어휘 평가 체제를 개발하여 효과적인 개별화 어휘 학습을 지원하기 위한 평가 개발 접근을 제안하는 데 있다. 이를 위해 맞춤형 어휘 평가가 갖추어야 할 요건을 고찰하여, 다양한 맞춤형 알고리즘을 비교하여 교실 환경에 적합한 MST의 이론적․방법론적 토대를 탐색하였다. 또한 규칙 기반 방식과 거대 언어 모델(LLM)을 결합한 혼합형 자동문항생성 모형의 핵심 요소로서 어휘 온톨로지의 중요성을 논의하고, 생성형 인공지능 에이전트를 활용한 평가 시스템의 구현 가능성을 검토하였다. 이를 바탕으로 어휘 평가 온톨로지의 설계 및 구축, MST 기반 맞춤형 평가 알고리즘의 설계, 규칙 기반 및 생성형 인공지능을 활용한 혼합형 어휘 평가 문항 생성 시스템의 개발 사례를 포함한 실제적인 맞춤형 어휘 평가 개발 과정을 구체적으로 제시하였다. 본 연구는 체계적이고 실용적인 맞춤형 어휘 평가 체제의 개발 방법론을 제공함으로써, 디지털 기반 국어 교육 환경에서 교사 주도 평가를 지원하고 실질적인 개별화 어휘 학습을 촉진하는 데 기여할 수 있다.
Abstract
This study develops an adaptive vocabulary assessment system based on Multistage Testing (MST) that leverages Automatic Item Generation (AIG) and generative artificial intelligence to support adaptive vocabulary learning. The research first examines essential requirements for adaptive vocabulary assessment and explores the theoretical foundations of the MST algorithm, demonstrating its suitability for classroom-based assessment. Central to this approach is vocabulary ontology, which is a foundational component for a hybrid AIG model that integrates rule-based methods with large language models (LLMs). Three key components comprise the practical implementation: (1) designing a vocabulary assessment ontology, (2) architecting an MST-based adaptive assessment algorithm, and (3) implementing a hybrid vocabulary item generation system that combines rule-based and LLM-based approaches. This research provides a systematic methodology for developing adaptive vocabulary assessment frameworks that enhance learning effectiveness through personalized evaluation, reduce teacher workload in assessment processes, and enable authentic individualized vocabulary learning experiences in digital-based Korean language education.