교실 AI: 학년별 맞춤형 교사로서의 대규모 언어 모델

Classroom AI: Large Language Models as Grade-Specific Teachers

대규모 언어 모델(LLM)은 전통적인 교육을 보완하고 수억 명의 어린이에게 영향을 미치는 전 세계적인 교사 부족 문제를 해결할 수 있는 유망한 솔루션을 제공하지만, 다양한 교육 수준의 학생들에게 적절한 답변을 제공하는 데 어려움이 있습니다. 본 연구에서는 6개의 학년 수준(초등학교 저학년부터 성인 교육까지)에 걸쳐 연령에 맞는 교육 콘텐츠를 생성하도록 LLM을 미세 조정하는 프레임워크를 소개합니다. 저희의 프레임워크는 사실 정확성을 유지하면서 학생들의 이해 능력에 맞는 설명을 성공적으로 조정합니다. 이 접근 방식은 7가지 확립된 가독성 지표를 클러스터링 방법을 통해 통합하고, 학년별 콘텐츠 생성에 필요한 포괄적인 데이터 세트를 구축합니다. 208명의 참여자를 대상으로 여러 데이터 세트를 사용하여 평가한 결과, 저희의 프레임워크는 프롬프트 기반 방법과 비교하여 35.64% 포인트의 상당한 개선을 보여주었으며, 이는 학년 수준에 대한 적합성을 향상시키는 데 기여합니다. 학년별 맞춤형 AI 기반 학습은 교육 참여 및 형평성을 향상시킬 수 있는 잠재력을 가지고 있습니다.

Large Language Models (LLMs) offer a promising solution to complement traditional teaching and address global teacher shortages that affect hundreds of millions of children, but they fail to provide grade-appropriate responses for students at different educational levels. We introduce a framework for finetuning LLMs to generate age-appropriate educational content across six grade levels, from lower elementary to adult education. Our framework successfully adapts explanations to match students' comprehension capacities without sacrificing factual correctness. This approach integrates seven established readability metrics through a clustering method and builds a comprehensive dataset for grade-specific content generation. Evaluations across multiple datasets with 208 human participants demonstrate substantial improvements in grade-level alignment, achieving a 35.64 percentage point increase compared to prompt-based methods while maintaining response accuracy. AI-assisted learning tailored to different grade levels has the potential to advance educational engagement and equity.