챗지피티의 사용을 떠올려 보면 사람이 챗지피티에게 질문하고 챗지피티는 답변을 한다. 기존의 검색용 사용성을 가지고 있는 것이다. 대화형 서비스가 가지는 특징을 충분히 활용하지 못하는 단순한 사용성이라 생각한다. 교육 분야에서는 단순히 검색용으로 활용되기보다 대화형 서비스에 조금 더 강점을 살리는 것이 필요할 것이다. 이렇듯 교육 분야에서 LLM을 적극적으로 활용하기 위해서는 교육적 목적에 맞는 형식의 언어, 내용으로 학습이 된 교육 특화 LLM이 필요하다.
-01_“범용적 LLM과 교육 특화 LLM” 중에서
학습 분석 데이터가 잘 수집되었다면 이 데이터를 기반으로 학습자에게 필요한 학습 정보와 피드백을 언어로 전달하는 것이 LLM의 역할이다. 누구에게나 똑같은 말을 하는 LLM이 아니라 나에 대한 이야기를 하는 개인 맞춤 LLM의 역할을 하는 셈이다. 예를 들어 학습자 A가 “수학 잘하고 싶어”라는 말을 했을 때 개인 맞춤 LLM은 수학 점수, 수학 학습 이력, 흥미도 등의 정보를 기반으로 학습자 A에게 맞는 정보를 전달할 수 있을 것이다. 수학 점수가 낮고 학습 이력도 없는 학습자와 수학 점수가 높고 학습 이력, 흥미도 모두 높은 학습자에게 주어지는 학습법은 다를 것이기 때문이다.
-03_“LLM과 개인 맞춤 학습” 중에서
교사가 PBL 수업 활동지를 만들 때 LLM을 활용할 수 있다. 프로젝트 주제, 즉 해결할 문제를 정하는 데 LLM의 도움을 받을 수 있다. 특히 수업 진도와 관련된 내용으로 연계 주제를 정하고 싶을 때 관련한 아이디어를 챗지피티에 물어볼 수 있다. 또한 그 과제를 해결하기 위한 방식, 예시, 실제 사례 등을 찾아 활동지를 구성할 수 있다. 다만, 챗지피티는 최신 정보에 대해 학습되어 있지 않고, 정확하지 않은 가짜 정보를 생산할 가능성이 크기 때문에 최종 수정과 사용의 선택은 교사의 검토를 거쳐야 한다.
-06_“LLM을 활용한 교수 학습 활동” 중에서
‘퀴즈릭스’라는 클라우드 기반 문제집 출판 서비스는 2024년 현재 GPT를 연동하여 문항 생성 서비스를 베타로 제공하고 있다. 하지만 아직 범용적 LLM은 교과 내용을 다루는 문항을 생성하는 데 한계가 있다. 그렇기 때문에 콘텐츠 제작 분야와 마찬가지로 문항의 초안을 작성하고 교사나 검수자의 검수를 거쳐 학생들이 사용하게 한다. 특히 영향도가 높은 평가의 경우 LLM이 생성한 문항을 활용하는 데 더욱 신중해야 한다. 하지만 그렇다고 LLM의 문항 생성을 부정적으로만 볼 필요는 없다. 사람이 직접 문항을 출제할 때도 내신, 대학 수학 능력 시험 등 영향도가 높은 시험이라면 여러 평가자들의 검토를 거치게 된다. 이와 같은 선상에서 LLM이 생성한 문항을 여러 사람의 검토를 거치는 것은 자연스러운 과정으로 받아들일 수 있을 것이다.
-09_“LLM과 평가” 중에서