|
|
|
¡ã ·òÀ̵å, µö·¯´× Á¡¼ö¿¹Ãø ¸ðµ¨ ÇнÀ È¿°ú Áõ¸í ³í¹® |
[´º½º¿¡µà½Å¹®] ±è¼øº¹ ±âÀÚ = ·òÀ̵尡 µö·¯´× ±â¼úÀÇ ½ÇÁúÀû È¿°ú¸¦ ±³À° ½ÃÀå¿¡¼ ÀÔÁõÇØ ³Â´Ù.
·òÀ̵å´Â ÀÚ»ç AI ¿¬±¸ÁøÀÌ Á¦ÃâÇÑ µö·¯´× ±â¹Ý Á¡¼ö¿¹Ãø ¸ðµ¨ÀÇ ÇнÀ Âü¿©µµ Çâ»óÈ¿°ú °ËÁõ¿¡ ´ëÇÑ ³í¹® (³í¹®¸í: Prescribing Deep Attentive Score Prediction Attracts Improved Student Engagement)ÀÌ ±¹Á¦ ÃÖ°í ±ÇÀ§ÀÇ ±³À° ÀΰøÁö´É ÇÐȸÀÎ EDM¿¡ Á¤½Ä ³í¹®À¸·Î äÅõƴٰí 1ÀÏ ¹àÇû´Ù.
EDM(Educational Data Mining)Àº È¿°úÀûÀÎ ÇнÀ ȯ°æÀ» Á¦°øÇϱâ À§ÇÑ ¸Ó½Å·¯´× ¹× µ¥ÀÌÅÍ °úÇÐ ±â¹Ý ¿¬±¸¸¦ ¼±µµÇÏ´Â ¼¼°èÀû ±ÇÀ§ÀÇ ±³À° ÀΰøÁö´É ÇÐȸ´Ù. ¿ÃÇØ Çà»ç´Â ‘ÇнÀÀÚÀÇ ÇнÀ ¼º°ú °³¼±’À̶ó´Â ÁÖÁ¦·Î ¿À´Â 7¿ù¿¡ ¿Â¶óÀÎÀ¸·Î °³ÃֵȴÙ.
·òÀ̵å´Â À̹ø ³í¹®À» ÅëÇØ ÀÚ»çÀÇ AI ÅäÀÍ Æ©ÅÍ ‘»êŸ’¿¡¼ µÎ °¡Áö Á¡¼ö ¿¹Ãø ¸ðµ¨¿¡ ´ëÇÑ ABÅ×½ºÆ®¸¦ ÁøÇàÇÑ °á°ú, ´õ ³ôÀº Á¤È®µµÀÇ µö·¯´× Á¡¼ö¿¹Ãø ¸ðµ¨ Àû¿ë½Ã »ç¿ëÀÚÀÇ ÇнÀ Âü¿©µµ°¡ ³ô¾ÆÁö°í, °á°úÀûÀ¸·Î ºñÁî´Ï½ºÀÇ ¼ºÀåÀ» °ßÀÎÇÑ´Ù´Â °ÍÀ» ¹àÇô³Â´Ù.
ƯÈ÷ À̹ø ³í¹®Àº µö·¯´× ±â¼úÀÇ Àû¿ëÀÌ ÇнÀÀÚ¿¡ ¹ÌÄ¡´Â ±àÁ¤Àû ¿µÇâÀ» ½ÇÁ¦ ÇнÀ ȯ°æ¿¡¼ ÀÔÁõÇس½ ÀüÇâÀû ¿¬±¸¶ó´Â Á¡¿¡¼ Å« Àǹ̸¦ °®´Â´Ù. ¼öÁýÇÑ µ¥ÀÌÅÍ·Î ÅëÁ¦µÈ ¿¬±¸½Ç¿¡¼ ½ÇÇèÇÑ °á°ú°¡ ¾Æ´Ñ ½ÇÁ¦ ¼ºñ½º ȯ°æ¿¡¼ ½Ç»ç¿ëÀÚ¸¦ ÅëÇØ ¹àÇô³½ °á°úÀÎ ¸¸Å º¸´Ù ½ÇÁúÀûÀ̶ó´Â Æò°¡´Ù. ½ÇÁ¦·Î ÇØ´ç ³í¹®ÀÇ ¸®ºä¾î´Â “¿¹Ãø¸ðµ¨ ¿¬±¸¿Í À̸¦ ÅëÇÑ ½ÇÁúÀû °¡Ä¡ ¹× ÀÌÀÍÀ» ¿¬°áÇس½ ÈǸ¢ÇÑ »ç·Ê ¿¬±¸”¶ó°í Æò°¡Çß´Ù.
³í¹®¿¡ µû¸£¸é ·òÀÌµå ¿¬±¸ÁøÀº Áö³ 1¿ù ÇÑ ´Þ°£, ÀÚ»ç AIÆ©ÅÍ Ç÷§ÆûÀÎ ‘»êŸ’ À¯Àú Áß 78,000¸íÀ» ´ë»óÀ¸·Î ABÅ×½ºÆ®¸¦ ÁøÇàÇß´Ù. ±×·ìÀ» ³ª´² ÇÑ ±×·ìÀº ÀÚü ¿¬±¸ °³¹ßÇÑ µö·¯´× Á¡¼ö¿¹Ãø ¸ðµ¨À», ´Ù¸¥ ±×·ìÀº ±âÁ¸ Á¡¼ö ¿¹Ãø ¸ðµ¨À» Àû¿ëÇß°í ´ë»óÀÚµéÀÌ ¹®Á¦¸¦ Ç® ¶§¸¶´Ù ½Ç½Ã°£À¸·Î ÀÚ½ÅÀÇ ¿¹»ó Á¡¼ö¸¦ È®ÀÎÇÒ ¼ö ÀÖµµ·Ï Çß´Ù.
½ÇÇè °á°ú, Á¡¼ö¿¹Ãø Á¤È®µµ°¡ ³ôÀº µö·¯´× ¸ðµ¨ÀÇ ½ÇÇ豺ÀÌ ±âÁ¸ ¸ðµ¨À» Àû¿ëÇÑ ½ÇÇ豺 º¸´Ù ÇнÀÂü¿©µµ¸¦ º¸¿©ÁÖ´Â ÃÑ 6°¡ÁöÀÇ ÁöÇ¥¿¡¼ ÀÏ°üµÇ°Ô ³ôÀº ¼öÄ¡¸¦ º¸¿´´Ù. ‘Áø´Ü°í»ç ¿Ï·áÀ²’, ‘¼ºñ½º °¡ÀÔ·ü’, ‘¼ºñ½º °¡ÀÔ ÈÄ ¹®Á¦Ç®ÀÌ ¼ö’´Â °¢°¢ 1.49%, 3.29%, 13.48% ´õ ³ô¾ÒÀ¸¸ç, º¸´Ù Àû±ØÀûÀÎ ÇнÀ Âü¿©µµ ÃøÁ¤ ÁöÇ¥ÀÎ ‘°áÁ¦ ÀüȯÀ²’, ‘»ç¿ëÀÚ´ç Æò±Õ ¸ÅÃâ’, ‘Àüü ¸ÅÃâ’¿¡¼µµ °¢°¢ 15.19%, 14.13%, 13.98% ´õ ³ôÀº ¼öÄ¡¸¦ ±â·ÏÇß´Ù.
ƯÈ÷ À̹ø ½ÇÇè¿¡ Àû¿ëµÈ µö·¯´× Á¡¼ö¿¹Ãø ¸ðµ¨Àº ·òÀ̵尡 ÀÚü ¿¬±¸ °³¹ßÇÑ Æ®·£½ºÆ÷¸Ó ±â¹ÝÀÇ ‘¾î¼¼½º¸ÕÆ® ¸ðµ¨¸µ’À¸·Î ±¸ÇöÇÑ »õ·Î¿î Á¡¼ö ¿¹Ãø ¸ðµ¨ÀÌ´Ù. Á¤È®ÇÑ Á¡¼ö ¿¹Ãø¿¡ ÇÊ¿äÇÑ ½ÇÁ¦ ½ÃÇèÁ¡¼ö µ¥ÀÌÅÍÀÇ ºÎÁ·À» ÇØ°áÇϱâ À§ÇØ ·òÀÌµå ¿¬±¸ÁøÀº ÇнÀ Ç÷§Æû¿¡¼ »ý¼ºµÇ´Â À¯ÀúÀÇ ¹®Á¦Ç®ÀÌ µ¥ÀÌÅ͸¦ ¸ðµ¨¿¡ ¿¹ºñÇнÀ(pre-train)½ÃÅ°°í À̸¦ Á¡¼ö ¿¹Ãø¿¡ ¸Â°Ô Á¤±³È(fine-tune)ÇÏ´Â ±â¼úÀ» Á¦¾ÈÇÑ ¹Ù ÀÖ´Ù. ÀÌ ±â¼úÀ» Àû¿ëÇÑ Á¡¼ö¿¹Ãø ¸ðµ¨Àº ±âÁ¸ ¸ðµ¨ ´ëºñ MAE(Mean Absolute Error)±âÁØ 36.8%³ôÀº ¿¹Ãø Á¤È®µµ¸¦ º¸ÀδÙ.
³í¹®ÀÇ Á¦1ÀúÀÚÀÎ ÀÌ¿µ³² ¿¬±¸¿øÀº “µö·¯´×À» ¿¬±¸ÇÏ´Â AI ¿¬±¸¿øµéµµ ÀÌ ±â¼úÀ» ¾î´À ºÐ¾ß¿¡ Àû¿ëÇÏ¿© ¾î¶»°Ô ÀÓÆÑÆ®¸¦ ¸¸µé¾î³¾ °ÍÀÎÁö¿¡ ´ëÇÑ ±¸Ã¼ÀûÀÎ ´äÀ» ÇÏ±ä ¸Å¿ì ¾î·Á¿îµ¥, ·òÀ̵忡¼´Â ±â¼ú ¿¬±¸¿Í ½ÇÁ¦ ¼ºñ½º ¿î¿µÀÌ ¸Å¿ì ¹ÐÁ¢ÇÏ°í À¯±âÀûÀ¸·Î ±â´ÉÇϱ⠶§¹®¿¡ À̹ø ¿¬±¸°¡ °¡´ÉÇß´ø °Í”À̶ó°í ¸»Çß´Ù. ¶ÇÇÑ “À̹ø ¿¬±¸´Â µö·¯´×À» ½ÇÁ¦ °í°´ ¼ºñ½º¿¡ Á÷Á¢ Àû¿ëÇÏ°í À̸¦ ÅëÇÑ ¼ÒºñÀÚ Çൿº¯È ¹× ºñÁî´Ï½º ¿µÇâ·ÂÀ» È®ÀÎÇÑ ¸î ¾ÈµÇ´Â »ç·Ê ¿¬±¸”¶ó°í µ¡ºÙ¿´´Ù.
·òÀ̵å À念ÁØ ´ëÇ¥´Â “µö·¯´× ±â¼úÀÇ ½ÇÁúÀûÀÎ È¿°ú °ËÁõ¾øÀÌ ½ÃÀåÀ» ¼³µæÇÏ´Â °ÍÀº ºÐ¸í ÇÑ°è°¡ ÀÖ´Ù”¸ç “·òÀ̵å´Â ¾ÕÀ¸·Îµµ »ê¾÷Àû Æı޷ÂÀ» ±â¹ÝÀ¸·Î AI¸¦ ¿¬±¸ÇÏ°í ºü¸¥ »ó¿ëȸ¦ ÅëÇØ ±â¼úÀÇ ½ÇÁ¦ È¿°ú¸¦ Áõ¸íÇÏ¸é¼ ÇÐ°è ¹× »ê¾÷°è ¸ðµÎ°¡ ÁÖ¸ñÇÏ´Â »õ·Î¿î »ç·ÊµéÀ» ¸¸µé¾î ³ª°¥ °Í”À̶ó°í ¸»Çß´Ù.