본문 바로가기
KERD
논문KCI 등재

텍스트 기반 생성형 인공지능의 이해와 과학교육에서의 활용에 대한 논의

Understanding of Generative Artificial Intelligence Based on Textual Data and Discussion for Its Application in Science Education

조헌국
한국과학교육학회 (The Korean Association for Science Education)|2023.06|한국과학교육학회지 (Journal of the Korean Association for Science Education)|제43권 제3호|pp. 307-319

0

조회

0

다운로드

37

인용

0

참고문헌

키워드

생성형 인공지능자연어 처리natural language processing연결주의generative artificial intelligence대화형 인공지능conversational artificial intelligenceadaptive learningconnectivism적응 학습
주제분류교육학

초록

본 연구는 최근 주목받고 있는 텍스트 기반 생성형 인공지능에대해 관심과 활용이 증가함에 따라 과학교육적 측면에서의 활용을위해 생성형 인공지능의 주요 개념과 원리를 설명하고, 이를 효과적으로 활용할 수 있는 방안과 그 한계를 지적하며 이를 토대로 과학교육의 실행과 연구의 측면에서 시사점을 제공하는 것을 목적으로 한다. 최근 들어 증가하고 있는 생성형 인공지능은 대체로 인코더와 디코더로 이뤄진 트랜스포머 모델을 기반으로 하고 있으며, 인간의 피드백을 활용한 강화학습과 보상 모델에 대한 최적화, 문맥에 대한 이해등을 통해 놀라운 발전을 이루고 있다. 특히, 다양한 사용자의 질문이나 의도를 이해하는 능력과 이를 바탕으로 한 글쓰기, 요약, 제시어추출, 평가와 피드백 등 다양한 기능을 수행할 수 있다. 또한 교수자가제시하는 예를 토대로 주어진 응답을 평가하거나 질문과 적절한 답변을 생성하는 등 학습자에 대한 진단과 실질적 교육내용의 구성 등많은 유용성을 가지고 있다. 그러나 생성형 인공지능이 가지고 있는한계로 인해 정확한 사실이나 지식에 대한 잘못된 전달, 과도한 확신으로 인한 편향, 사용자의 태도나 감정 등에 미칠 영향의 불확실성등에 대한 문제 등에 대해 해가 없는지 검토가 필요하다. 특히, 생성형인공지능이 제공하는 응답은 많은 사람들의 응답 데이터를 기반으로한 확률적 접근이므로 매우 거리가 멀거나 새로운 관점을 제시하는통찰적 사고나 혁신적 사고를 제한할 우려도 있다. 이에 따라 본 연구는 과학교수학습을 위해 인공지능의 긍정적 활용을 위한 여러 실천적제언을 제시하였다.

Abstract

This study aims to explain the key concepts and principles of text-based generative artificial intelligence (AI) that has been receiving increasing interest and utilization, focusing on its application in science education. It also highlights the potential and limitations of utilizing generative AI in science education, providing insights for its implementation and research aspects. Recent advancements in generative AI, predominantly based on transformer models consisting of encoders and decoders, have shown remarkable progress through optimization of reinforcement learning and reward models using human feedback, as well as understanding context. Particularly, it can perform various functions such as writing, summarizing, keyword extraction, evaluation, and feedback based on the ability to understand various user questions and intents. It also offers practical utility in diagnosing learners and structuring educational content based on provided examples by educators. However, it is necessary to examine the concerns regarding the limitations of generative AI, including the potential for conveying inaccurate facts or knowledge, bias resulting from overconfidence, and uncertainties regarding its impact on user attitudes or emotions. Moreover, the responses provided by generative AI are probabilistic based on response data from many individuals, which raises concerns about limiting insightful and innovative thinking that may offer different perspectives or ideas. In light of these considerations, this study provides practical suggestions for the positive utilization of AI in science education.

참고문헌 (59)

  1. Bailey, J. O., "A perspective on building ethical datasets for children’s conversational agents", Frontiers in Artificial Intelligence, 4, pp.637532~ (2021)
  2. Boden, M. A., "Artificial intelligence: A very short introduction" (2018), Oxford University Press
  3. Cameron, L., "Metaphors in the learning of science : A discourse focus", British Education Research Journal, 28(5), pp.673~688 (2002)
  4. Cao, Q., "Attention-aware face hallucination via deep reinforcement learning", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.690~698 (2017)
  5. Chiang, T. T. C., "Impact of artificial intelligence news source credibility identification system on effectiveness of media literacy education", Sustainability, 14, pp.4830~ (2022)
  6. Chiang, T. T. C., "Investigating the difference of fake news source credibility recognition between ANN and BERT algorithms in artificial intelligence", Applied Sciences, 12, pp.7725~ (2022)
  7. Chowdhary, K. R., "Fundamentals of artificial intelligence" (2020), Springer
  8. Cooper, G., "Examining science education in ChatGPT : An exploratory study of generative artificial intelligence", Journal of Science Education and Technology, 32, pp.444~452 (2023)
  9. Copeland, J., "Artificial intelligence: A philosophical introduction" (2015), Blackwell
  10. "BERT: Pre-training of deep bidirectional transformers for language understanding" (2018)[URL]
  11. Duit, R., "On the role of analogies and metaphors in learning science", Science Education, 75(6), pp.649~672 (1991)
  12. Eisenstein, J., "Introduction to natural language processing" (2019), The MIT Press
  13. Fergus, S., "Evaluating academic answers generated using chatGPT", Journal of Chemical Education, 100, pp.1672~1675 (2023)
  14. Fiori, A., "Trends and applications of text summarization techniques" (2019), IGI Global
  15. Foster, D., "Generative deep learning" (2023), O’Reilly
  16. Goldenthal, E., "Not all AI are equal : Exploring the accessiblity of AI-mediated communication technology", Computers in Human Behavior, 125, pp.106975~ (2021)
  17. Goldie, J. G. S., "Connectivism : A knowledge learning theory for the digital age?", Medical Teacher, 38(10), pp.1064~1069 (2016)
  18. Goodfellow, I., "Deep learning: Adaptive computation and machine learning series" (2016), The MIT Press
  19. Han, S., "Evolution of large language models and cloud services such as ChatGPT", Digital Service Issue Report, 3, pp.3~12 (2023)
  20. Hinton, G. E., "A fast learning algorithm for deep belief nets", Neural Computation, 18, pp.1527~1554 (2006)
  21. Hu, P., "Dual humanness and trust in conversational AI : A person-centered approach", Computers in Human Behavior, 119, pp.106727~ (2021)
  22. Humphry, T., "Potential ChatGPT use in undergraduate chemistry laboratories", Journal of chemical Education, 100, pp.1434~1436 (2023)
  23. 조헌국, "물리교육에서의 인공지능의 활용 방안에 대한 논의", 새물리, 70(11), pp.974~984 (2020), 한국물리학회[DOI]
  24. 조헌국, "머신러닝을 활용한 영재 학생들의 졸업논문 주제 경향 분석", 과학영재교육, 14(1), pp.13~22 (2022), 한국과학영재교육학회
  25. Kabudi, T., "AI-enabled adaptive learning system : A systematic mapping of the literature", Computers and Education : Artificial Intelligence, 2, pp.100017~ (2021)
  26. 강동훈, "챗지피티(ChatGPT)의 등장과 국어교육의 대응", 국어문학, 82(82), pp.469~496 (2023), 국어문학회
  27. 김수환, "K-12 학생 및 교사를 위한 인공지능 교육에 대한 고찰", 컴퓨터교육학회 논문지, 23(4), pp.1~11 (2020), 한국컴퓨터교육학회[DOI]
  28. Kizito, R. N., "Connectivism in learning activity design : Implications for pedagogically-based technology adoption in African higher education contexts", International Review of Research in Open and Distributed Learning, 17(2), pp.19~39 (2016)
  29. Ko, B., "Achievements in AI education of elementary school teachers and awareness of AI education training", Korean Association of Artificial Intelligence Education Transaction, 2(1), pp.29~43 (2021)
  30. Langr, J., "GANs in action: Deep learning with generative adversarial networks" (2019), Manning
  31. 이재봉, "합성곱 신경망(CNN)을 활용한 그래픽 답안 자동 채점 가능성 탐색", 새물리, 73(2), pp.138~149 (2023), 한국물리학회[DOI]
  32. Issues about copyright of ChatGPT, "Lee, S.", Korean Copyright Commission, ~ (2023)
  33. "LLM+P: Empowering large language models with optimal planning proficiency" (2023)[URL]
  34. Liu, C., "Face hallucination : Theory and practice", International Journal of Computer Vision, 75, pp.115~134 (2007)
  35. Lu, Z., "The expressive power of neural networks: A view from the width", Proceeding of the 31st conference on Neural Information Processing Systems (2017)
  36. Many, I., "Advances in automatic text summarization" (1999), The MIT Press
  37. McCulloch, W. S., "A log ical calculus of the ideas immanent in nervous activity", Bulletin of Biophysics, 5, pp.115~133 (1943)
  38. 박가영, "교사의 인공지능 융합교육 교수역량 척도 개발 및 타당화", 교육공학연구, 39(1), pp.315~344 (2023), 한국교육공학회[DOI]
  39. Partala, T., "The effects of affective interventions in human-computer interaction", Interacting with Computers, 16(2), pp.295~309 (2004)
  40. "Deep contextualized word representations" (2018)[URL]
  41. "Improving language understanding by generative pre-training" (2018)[URL]
  42. "Exploring the limits of transfer learning with a unified text-to-text transformer" (2019)[URL]
  43. "On the expressive power of deep neural networks" (2016)[URL]
  44. Rapp, A., "The human side of human-chatbot interaction : A systematic literature review of ten years of research on text-based chatbots", International Journal of Human-Computer Studies, 151, pp.102630~ (2021)
  45. Ravichandiran, S., "Hands-on deep learning algorithms with python" (2019), Packt
  46. Rosenblatt, F., "The Perceptron : A probabilistic model for information storage and organization in the brain", Psychological Review, 65(6), pp.386~408 (1958)
  47. 신동광, "내용중심 영어 교수 학습의 도구로서 ChatGPT의 활용 가능성 탐색", 영어교과교육, 22(1), pp.171~192 (2023), 한국영어교과교육학회
  48. Shu, K., "Disinformation, misinformation, and fake news in social media" (2020), Springer
  49. "Proximal policy optimization algorithms" (2017)[URL]
  50. Sutton, R. S., "Reinforcement learning: An introduction" (2018), The MIT Press
  51. Sutskever, I., "Sequence to sequence learning with neural networks", Proceeding of the 27th International Conference on Neural Information Processing Systems (2014)
  52. Tilli, A., "What if the devil is my guardian angel : ChatGPT as a case study of using chatbots in education", Smart Learning Environments, 10, pp.15~ (2023)
  53. Transue, B. M., "Connectivism and information literacy : Moving from learning theory to pedagogical practice", Public Service Quarterly, 9(3), pp.185~195 (2013)
  54. Tunstall, L., "Natural language processing with transformers" (2022), O’Reilly
  55. "ChatGPT and artificial intelligence in higher education: Quick start guide" (2023)[URL]
  56. "Attention is all you need" (2017)[URL]
  57. "T-SciQ : Teaching multimodal chain-of-thought reasoning via large language model signals for science question answering" (2023)[URL]
  58. "When A.I. chatbots hallucinate" (2023)[URL]
  59. "Zero-shot learning: A comprehensive evaluation of the good, the bad and the ugly" (2020)[URL]

관련 논문AI추천

생성적 인공지능의 교육적 활용 방안 탐색: 생물학습을 위한 ChatGPT 활용을 중심으로권용주, 변정호뇌·AI기반교육연구소 · Brain, Digital, & Learning2023 · 제13권 제1호생성형 AI를 활용한 과학교육 분야의 국내외 연구 동향 -수업 설계와 학습 도구로서의 활용 분석-유선아, 이주아한국과학교육학회 · 한국과학교육학회지2025 · 제45권 제1호초등 예비교사의 과학 글쓰기에서 생성형 AI의 활용과 질문 양상 분석박상우, 신정윤한국초등과학교육학회 · 초등과학교육2025 · 제44권 제2호과학 교육에서 인공지능의 활용 방안 제안 : 과학 탐구 활동을 중심으로최종근대한지구과학교육학회 · 대한지구과학교육학회지2025 · 제18권 제1호생성형 인공지능의 교육적 도입에 대한 내러티브 검토박판우, 배영권, 신주은한국정보교육학회 · 정보교육학회논문지2023 · 제27권 제6호생성형 인공지능 기반 창의성 증진 교육 방안 탐색이준, 서순식, 정영식한국정보교육학회 · 정보교육학회논문지2023 · 제27권 제5호

이 간행물의 다른 논문 (9건)

과학탐구실험의 ‘역사 속의 과학 탐구’에서 과학교사의 NOS 평가 실행에 대한 사례 연구노태희, 장지수, 김민환, 김혜린pp. 191-207초⋅중학생 대상 극지 소양 교육 프로그램의 효과정수임, 신동희pp. 209-223초등 예비교사의 VR/AR 활용 과학 수업 계획 과정에서 나타나는 TPACK 특징 -인식적 네트워크 분석을 중심으로차현정, 가석현, 윤혜경pp. 225-236합성곱 신경망 기반 채점 모델 설계 및 적용을 통한 운동학 그래프 답안 자동 채점한재상, 김현주pp. 237-251상호작용적 독해 과정에서 생성된 질문과 답변의 분석을 통한 교사용 지도서와 초등예비교사의 내용지식 사이의 불일치 탐색 -‘그림자와 거울’ 단원을 중심으로-이지원, 고아라pp. 253-263
원문 보기