• Annual Conference on Human and Language Technology
• /
• 2024.10a
• /
• pp.474-479
• /
• 2024

본 연구에서는 대화를 분석하여 질문자의 의도를 파악하고 효과적인 검색 서비스를 제공하기 위한 새로운 데이터 구축 및 전처리 방식과 Bidirectional Encoder Representations from Transformers와 Multilayer Perceptron을 활용한 대화 상태 분석 모델을 제안한다. 다양한 형식의 대화 내 연속성을 판별하기 위해 주제 및 맥락의 변화를 학습하는 대화 데이터를 구축하였으며 토큰화 규칙에 영향을 받지 않는 전처리 과정을 통해 다중 의도 인덱스 식별을 위한 레이블을 생성하였다. 또한, 효과적인 다중 턴 인식을 위해 담화와 발화 간의 의미적 유사성을 학습하는 post-training 과정을 통해 대화 상태 분석 모델의 성능을 향상시켰다. Ai-Hub의 지식검색 대화 데이터세트을 활용한 실험을 통해, 본 연구에서 제안하는 대화 상태 분석 모델이 높은 정확도로 대화의 연속성을 판별하고 질문 내 의도를 내포한 문구들의 시작 위치를 식별하는 것을 확인하였다.

• Journal of The Korean Association For Science Education
• /
• v.43 no.3
• /
• pp.307-319
• /
• 2023

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.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.672-676
• /
• 2023

지식 추적 (knowledge tacing)은 주어진 학습자의 과거 문제 해결 기록을 기반으로 학습자의 지식 습득 정도를 파악하여 목표 문제에 대한 정답 여부를 예측하는 것을 목표로 한다. 이전 연구에서는 이진 분류 기반의 모델을 사용하여 정답 유무만 예측하였기 때문에 학습자의 답변에 존재하는 정보를 활용하지 못한다. 최근 연구에서는 이를 생성 태스크로 변환하여 컴퓨터과학 분야에서 프로그래밍 질문에 대한 지식 추정을 수행하는 open-ended knowledge tracing (OKT)이 제안되었다. 하지만 최적의 OKT 모델에 대한 연구는 진행되지 않았으며 따라서 본 논문에서는 시간에 따라 변화하는 학습자의 지식 상태에 따라 답변 생성을 조정하는 새로운 OKT 방법론을 제안한다. 실험을 본 논문에서 제안하는 방법론의 우수성과 효율성을 증명한다.

• (The)Korea Educational Review
• /
• v.23 no.1
• /
• pp.113-138
• /
• 2017

Questions of why, what, and how represent the new perspective on goal construct. This paper proposed a novel approach toward the goal construct as a dynamic decision-making process. A number of researchers have agreed that goals initiate and sustain human motivation. In spite of the consistency in emphasis on goals, there are apparent inconsistencies in definitions of goal construct across theories and research. These inconsistences hinder interdisciplinary communication about goal construct, which in turn leads to jingle-jangle fallacy. Therefore, on the basis of systematic literature review, I defined the goal construct as a multifaceted and hierarchical decision-making process to structure desired end-states. The first process is generating goals, which can be also called "why" process. During this phase, individuals generate cognitive schema about general direction of desired end-states based on the conscious and nonconscious interpretation of subjective experience. The second process is goal setting, which can be called "what" process. Here, individuals clarify contents of multiple goals and structure hierarchy and priority of them. The last process is implementing goals, "how" process. This process contains decision making about whether he/she decides to implement the goal or not and how to execute goal-directed behaviors. In the last section of this paper, I tried to suggest several practical applications of this new perspective for adolescents, who struggle with why-what-how to have goals in learning context.

• Journal of The Korean Association For Science Education
• /
• v.27 no.5
• /
• pp.394-403
• /
• 2007

In this study, the effects of reciprocal peer questioning (RPQ) strategy upon students' concept learning were investigated. Ninety-two seventh graders at a co-ed middle school were assigned to control, reciprocal peer tutoring (RPT), and RPQ groups. The students were taught about 'three states of matter' and 'motion of molecules' for 12 class hours. Regardless of students' prior science achievement level, the RPQ group showed the highest scores among the three groups in the test of conceptual understanding, and the RPT group performed better than the control group. For high-level students, the scores of the RPQ group were significantly higher than those of the other groups in the test of the concept application, and those of the RPT group were higher than those of the control group. For low-level students, the scores of the RPT and RPQ groups in the concept application test were significantly higher than those of the control group, while those of the RPT and RPQ groups were not significantly different. These results indicated that verbal interaction by reciprocal tutoring helped students to understand chemical concept learning, and that using self-generated questions was more effective. Therefore, RPQ strategy is suggested to become one of the useful instructional methods to facilitate verbal interaction and concept learning in middle school science instructions.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.133-138
• /
• 2021

최근 다양한 분야에서 자동 고객 응대 시스템을 도입하고 있으며 이에 따른 대화형 질의응답 시스템 연구의 필요성이 증가하고 있다. 본 논문에서는 새로운 도메인의 대화형 질의응답 시스템 구축에 필요한 말뭉치를 자동으로 생성하는 대화형 질의-응답 생성 시스템을 소개한다. 또한 이전 대화 내용을 고려하여 문서로부터 사용자의 다음 질문 대상이 될만한 응답 후보를 추출하는 맥락 관련 응답 추출 과제와 이에 대한 성능 평가 지표인 Sequential F1 점수를 함께 제안한다. 대화형 질의응답 말뭉치인 CoQA에 대해 응답 후보 추출 실험을 진행한 결과 기존의 응답 추출 모델보다 우리의 맥락 관련 응답 추출 모델이 Sequential F1 점수에서 31.1 높은 성능을 보였다. 또한 맥락 관련 응답 추출 모듈과 기존에 연구된 대화형 질의 생성 모듈을 결합하여 개발한 대화형 질의-응답 생성 시스템을 통해 374,260 쌍의 질의-응답으로 구성된 대화형 질의응답 말뭉치를 구축하였다.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.209-213
• /
• 2023

최근 자연어 이해 분야에서 대규모 언어모델 기반으로 프롬프트를 활용하여 모델과 상호작용하는 방법이 널리 연구되고 있으며, 특히 상담 분야에서 언어모델을 활용한다면 내담자와의 자연스러운 대화를 주도할 수 있는 대화생성 모델로 확장이 가능하다. 내담자의 상황에 따라 개인화된 상담대화를 진행하는 모델을 학습시키려면 동일한 내담자에 대한 과거 및 차기 상담대화가 필요하지만, 기존의 데이터셋은 대체로 단일 대화세션으로 구축되어 있다. 본 논문에서는 언어모델을 활용하여 단일 대화세션으로 구축된 기존 상담대화 데이터셋을 확장하여 연속된 대화세션 구성의 학습데이터를 확보할 수 있는 프롬프트 기반 데이터 증강 기법을 제안한다. 제안 기법은 기존 대화내용을 반영한 요약질문 생성단계와 대화맥락을 유지한 차기 상담대화 생성 단계로 구성되며, 프롬프트 엔지니어링을 통해 상담 분야의 데이터셋을 확장하고 사용자 평가를 통해 제안 기법의 데이터 증강이 품질에 미치는 영향을 확인한다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.1363-1373
• /
• 2009

본 연구는 두 집단지성의 가장 대표적인 서비스인 네이버 지식iN과 위키피디아의 구조적, 경험적 차이를 바탕으로 생산의 차원에서 생산 주기, 생산 참여자, 생산물의 모델을 설정하고, 새롭게 탄생하는 지식을 중심으로 검증함으로써 최종 지식 소비 행위를 반영한 각각의 종합모델을 도출하였다. 우리는 웹에서 집단지성의 일상화를 확인할 수 있다. 지식 획득 매체가 매스미디어에서 인터넷으로 변화하는 과정에서 등장한 포털 및 검색사이트는 지식의 생산이 전문가패러다임에서 소비자 중심으로 재편될 수 있는 가능성을 열어주었다. 그리고 이러한 생산 방식의 변화는 '지식'의 개념 역시 변화시키고 있다. 즉, 집단지성이라는 새로운 웹2.0의 현상이 지식생산방식을 변화시키고 변화된 지식생산방식은 '지식'자체를 변화시킨다는 이론적 가설을 도출할 수 있는 것이다. 본 연구는 이러한 새로운 현상들을 분석하기 위해서는 먼저 보다 엄밀하게 집단지성의 개념을 규정할 필요성에 출발하였다. 현재 집단지성이라는 이름으로 불리면서 급격히 성장하고 있는 위키 방식의 인터넷 서비스와 지식검색 방식의 인터넷 서비스를 비교함으로써 보다 정교한 집단지성의 모델을 구축하고자 하였다. 위키형 집단지성과 지식검색형 집단지성의 차이점은 경험적으로도 뚜렷하게 확인할 수 있다. 본 연구는 이러한 경험적 차이와 기존의 문헌에서 밝혀진 사실들을 바탕으로 두 서비스의 지식생산 방식을 생산플로우, 생산참여자 성향, 생산물(지식)의 성향과 같이 세 영역으로 나누어 각각의 가설 모델을 설정하고 이 모델을 선정된 질의어를 바탕으로 검증한 뒤에 최종적인 모델을 도출하는 방식으로 진행되었다. 지식검색형 집단지성은 '질문-답변-채택'의 구조이고, 그 구조 속에서 '질문기-답변기-순서화기'를 거쳐 하나의 지식 덩어리인 'K-let'을 생산한다. 생산된 'K-let'들은 지식검색서비스의 데이터베이스에 축적되고, 이는 공통된 질의어를 기준으로 소비자들에 의해서 검색되어 소비된다. 하나의 질문에 대해 여러 개의 답변들이 존재하고, 답변자의 성향은 크게 전문성과 체계성을 바탕으로 한 전문가형 답변자와 경험적이고 의견지향적인 대화형 답변자로 나눠진다. 다수의 네티즌들의 참여에 의해서 지식의 생산이 진행되므로 질문의 성향 역시 사실, 의견, 경험 등 다양한 스펙트럼을 가지는 모델로 설정하였다. 반면에 위키형 집단지성은 개방형 플랫폼을 바탕으로 한 백과사전의 형식이며, 이러한 형식 속에서 최초의 개념어 등록과 다수의 편집활동을 거치면서 완성되지 않는 하나의 아티클인 'W-let'을 생산한다. 이러한 'W-let'은 생성 초기에 소수에 의한 활발한 내용 입력 활동으로 어느 정도의 안정화를 거친 후에는 꾸준한 다수의 수정활동을 통해서 'W-let'의 생명력을 유지함으로써 지식의 실제적인 변화를 반영한다. 생산된 'W-let'들은 위키형 집단지성 서비스의 데이터베이스에 축적되고, 이것들은 내부링크를 통해서 모두 연결되어 있다. 백과사전 형식으로 하나의 개념어를 설명하는 하나의 아티클은 오로지 사실적인 지식들로만 구성되나 내부링크와 외부링크를 통해서 다양한 스펙트럼을 가지는 모델로 설정하였다. 위와 같이 설정된 모델을 바탕으로 공통된 질의어 및 개념어를 선정하여 각각의 서비스에 노출시켰다. 이를 통해서 얻어진 각 서비스의 데이터베이스에 축적된 모든 데이터들 중에서 일정한 기간을 기준으로 각각의 모델 검증에 필요한 데이터를 추출하여 분석하는 방식으로 진행되었다. 그 결과 지식검색형 집단지성에서는 '질문-답변-채택'의 생산 구조 속에 다수가 참여하여 질문-채택답변-기타답변으로 배열되어 있는 완성된 형태의 K-let들을 지속적으로 생산하며 비슷한 성향을 가진 K-let들이 반복적으로 생산되어 지식검색 데이터베이스에 누적된다. 지식 소비자들은 질의어 검색을 통해서 다양한 K-let들을 선택하여 비교, 검토한 후에 선택된 K-let들의 배열은 해체되어 소비자들에 의해서 재배열됨을 발견할 수 있었다. 이에 지식검색형 집단지성이란 다수의 의해서 생산되고 누적된 지식들이 소비자의 검색과 선택에 의해 해체되어 재배열되는 지식의 맞춤화 과정이라고 정의내릴 수 있었다. 반면에 위키형 집단지성에서는 '내용입력-미세수정' 구조 속에서 생명력 있는 W-let을 생성한다. W-let은 백과사전처럼 정리되어 내부링크를 통해서 서로 연결되고, 외부링크를 통해 확장되고, 지식소비자들은 검색을 통해 최초의 W-let에 도달한 후에 링크를 선택함으로써 지식을 확장시킴을 검증할 수 있었다. 따라서 위키형 집단지성이란 다수의 의해서 생산되고 정리된 지식들이 소비자의 검색과 링크에 의해 무한히 확장되는 지식의 확대 재생산되는 과정이라고 정의 내릴 수 있다. 결국, 현재의 집단지성이란 지식이 다수의 참여로 생산됨으로써 개인에게 맞춤화되고, 끊임없이 확대 재생산되는 과정을 의미한다. 그리고 이러한 집단지성의 방식은 지식이라는 현재의 차원을 넘어서 정치, 경제를 비롯한 사회의 전 영역으로 점차적으로 확대되어갈 것이다. 앞으로 연구들은 두 가지 모델이 혼재되어 있는 현재의 집단지성이 어떠한 새로운 모델을 만들면서 다른 영역으로 확장되어갈 것인지에 대해서 초점을 맞춰 나가야할 것이다.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.792-793
• /
• 2024

RAG는 정보 검색과 셍성 모델을 결합하여 주어진 주제나 질문에 관련된 지식을 생성하는 방법이다. 본 연구는 RAG의 성능을 높이기 위해 문서 내 문장의 평균 길이에 따른 청크의 크기와 오버랩 크기를 비교하여 최적화한다. 이를 통해 참조 문서의 특징에 맞춘 RAG를 개발할 수 있고, 다양한 종류의 글에 대해 맞춤형 답변을 제공할 수 있을 것으로 예상된다.

• Journal of the Korean Society of Earth Science Education
• /
• v.9 no.3
• /
• pp.309-322
• /
• 2016

This study was conducted to investigate the effect of science based on question-centered Havruta learning on the logical thinking and the science related attitude of elementary students. The number of participants were 93, 4 classes of 4th graders in G elementary school in C city. The experimental group, 2 classes including 46 participants, took science lessons based on question centered Havruta learning while the comparative group, 2 classes including 47 participants, took teacher-driven lessons using teacher's guidebook. Pre and post tests were done before and after executing lessons to assess the changing in each group's logical thinking and the science related attitude. And targeting experimental group, a perception survey toward Havruta learning was carried out and the results were arranged. The results of this study can be summarized as follows: First, the pre and post test results of logical thinking revealed that the experimental group showed higher improvement compared to the comparative group and the difference was meaningful. This implies that question centered Havruta classe has the effect of improving students' logical thinking. Second, from the pre and post test results of the science related attitude, we saw that the experimental group showed higher improvement compared to the comparative group and the difference was meaningful. This confirms that question centered Havruta class has the effect of improving students' science related attitude. Third, the survey regarding perspectives of experimental group students toward Havruta learning showed that students had a high satisfaction level.