지능형 튜터링 시스템에서의 인지적 참여를 위한 적응형 스캐폴딩

Adaptive Scaffolding for Cognitive Engagement in an Intelligent Tutoring System

ICAP 프레임워크는 수동적(Passive), 능동적(Active), 구성적(Constructive), 상호작용적(Interactive)이라는 네 가지 인지적 참여 수준을 정의하며, 인지적 참여도가 높을수록 학습 효과가 향상될 수 있다. 그러나 최적의 인지적 참여 수준을 이끌어내는 학습 활동을 개인화하는 것은 지능형 튜터링 시스템(ITS)의 핵심 과제로 남아 있다. 본 연구에서는 두 가지 서로 다른 ICAP 모드인 (능동적) 유도된 예제(Guided examples)와 (구성적) 오류 예제(Buggy examples) 중에서 해결된 예제(worked examples)를 동적으로 선택하여 인지적 참여를 적응적으로 지원하는 시스템을 개발하고 평가한다. 우리는 논리학 ITS에서 예제 유형을 선택하는 데 있어 비적응형 베이스라인 방법과 대조하여, 적응형 방법인 베이지안 지식 추적(BKT)과 심층 강화 학습(DRL)을 비교 분석한다. 113명의 학생을 대상으로 한 실험 결과, 두 가지 적응형 정책 모두 테스트 문제에서 학생들의 성과를 유의미하게 향상시킨 것으로 나타났다. BKT는 사전 지식이 낮은 학생들에게서 가장 큰 사후 테스트 점수 향상을 이끌어내어 이들이 사전 지식이 높은 동료들을 따라잡는 데 도움을 주었으며, 반면 DRL은 사전 지식이 높은 학생들에게서 유의미하게 더 높은 사후 테스트 점수를 기록했다. 본 논문은 인지적 참여와 적응성의 복잡한 상호작용 및 이것이 학습 성과에 미치는 결과에 대해 새로운 통찰력을 제공한다.

The ICAP framework defines four cognitive engagement levels: Passive, Active, Constructive, and Interactive, where increased cognitive engagement can yield improved learning. However, personalizing learning activities that elicit the optimal level of cognitive engagement remains a key challenge in intelligent tutoring systems (ITS). In this work, we develop and evaluate a system that adaptively scaffolds cognitive engagement by dynamically selecting worked examples in two different ICAP modes: (active) Guided examples and (constructive) Buggy examples. We compare Bayesian Knowledge Tracing (BKT) and Deep Reinforcement Learning (DRL) as adaptive methods against a non-adaptive baseline method for selecting example type in a logic ITS. Our experiment with 113 students demonstrates that both adaptive policies significantly improved student performance on test problems. BKT yielded the largest improvement in posttest scores for low prior knowledge students, helping them catch up with their high prior knowledge peers, whereas DRL yielded significantly higher posttest scores among high prior knowledge students. This paper contributes new insights into the complex interactions of cognitive engagement and adaptivity and their results on learning outcomes.