대화와 사고의 연결: 협력적 문제 해결 맥락에서의 대화 역학 이해

Bridging Talk and Thought: Understanding Dialogue Dynamics Across Collaborative Problem-Solving Contexts

본 논문에서는 인간-AI 및 다중 에이전트 협업의 새로운 역학에 중점을 두고, 협력적 문제 해결 맥락에서 발생하는 대화를 분석하기 위한 개념적 프레임워크를 제시합니다. 지능형 시스템이 자율적인 추론과 전략적 협력을 수행할 수 있는 주체로 발전함에 따라, 협력적 문제 해결 과정에서의 상호작용을 이해하는 것은 이러한 파트너십을 최적화하고 평가하는 데 점점 더 중요해지고 있습니다. 본 연구는 인지 및 비인지적 문제 해결과 메타인지 조절 메커니즘을 통합하는 계층적 2단계 코딩 방식을 통해 기존 분석 방법의 주요 한계를 극복합니다. 우리는 9개의 데이터 세트를 활용하여 프레임워크의 효과성과 일반성을 입증하고, 인간과 에이전트가 복잡한 문제를 해결하기 위해 지식, 기술 및 노력을 어떻게 조율하는지에 대한 통찰력을 제공하며, 특히 메타인지 조절이 심층적인 협업을 판별하는 데 중요한 역할을 한다는 것을 보여줍니다.

We present a conceptual framework for analyzing dialogue in collaborative problem-solving contexts, with an emphasis on the emerging dynamics of human-AI and multi-agent collaboration. As intelligent systems become active agents capable of autonomous reasoning and strategic cooperation, understanding the dialogic interaction during collaborative problem solving is increasingly important for optimizing and evaluating such partnerships. Our framework addresses key limitations in current analytical approaches through a hierarchical two-layer coding scheme that integrates cognitive and non-cognitive problem solving with metacognitive regulatory mechanisms. We demonstrate its effectiveness and generalizability across nine datasets spanning multiple domains, and provide insights into how humans and agents coordinate their knowledge, skills, and efforts to solve complex problems, showing in particular that metacognitive regulation can be an essential discriminator of deeper collaboration.