교과를 넘어
학습을 돕는 방법을 배우다.

비계의 핵심 특성으로 학습자 상태에 따른 조정과 지원 감소 및 책임 이양을 정리합니다.

고정된 대화에서 다음 응답만 평가하면 시간에 따른 지원 감소와 책임 이양까지 입증할 수 없습니다.

수학 지식과 학생 이해 및 교수 능력을 구분하고 여러 데이터의 다음 교사 응답을 평가합니다.

긴 대화도 제한된 범위입니다. 벤치마크 개선은 실제 학생의 장기 학습 향상과 다릅니다.

튜터 응답을 여러 교수학적 차원으로 평가하는 분류 체계와 벤치마크를 제안합니다.

평가 차원이 많아도 한국어 수학 맥락의 내용 타당성이 자동으로 확보되지는 않습니다.

교수 계획과 평가 기반 메모리로 학생 상태를 추적하고 지도 행동을 선택합니다.

합성 수학 데이터와 제한된 평가 환경의 영향을 받습니다. 실제 학생의 예측하기 어려운 반응과는 차이가 있습니다.

양자화한 기반 모델을 고정하고 저랭크 어댑터를 학습하는 효율적 미세조정 방법입니다.

논문에 보고된 메모리 수치가 우리의 모델과 입력 길이에도 그대로 적용되지는 않습니다.

오류 식별과 오류 위치 및 안내와 실행 가능성 등을 평가하는 공동 과제입니다.

응답을 판정하는 평가자의 능력과 좋은 응답을 생성하는 튜터의 능력은 다릅니다.

문제 해결에서 튜터의 역할을 다룬 비계 연구의 역사적 출발 문헌입니다.

이번 조사에서는 서지만 확인했습니다. 세부 실험과 행동 범주는 원문 정독 후 인용해야 합니다.

교수 내용 지식에 관한 이론적 배경 문헌입니다.

이번 조사에서는 서지만 확인했습니다. 언어 모델의 교수 능력을 직접 검증한 연구가 아닙니다.

피드백의 영향은 일률적으로 긍정적이지 않으며 효과를 좌우하는 조건을 검토합니다.

일반적인 피드백 종합 연구를 특정 AI 응답의 효과 크기로 옮길 수 없습니다.

학습자의 사고와 행동을 바꾸기 위한 형성적 피드백의 특성과 설계 조건을 검토합니다.

학습자 특성과 과제에 따른 차이가 있으므로 한 가지 피드백 형식을 정답으로 삼기 어렵습니다.

학습 중 정보를 언제 제공하고 언제 학습자에게 남겨 둘 것인지의 문제를 다룹니다.

특정 인지 튜터의 결과가 대화형 생성 모델의 행동 정책을 곧바로 결정하지는 않습니다.

교사가 LLM 모의 학생을 지도한 수학 대화와 교수 행동을 제공하며 튜터 학습을 평가합니다.

모두 실제 학생과의 대화가 아닙니다. 모의 학생의 오류 분포와 교사의 상호작용 방식에 편향이 생길 수 있습니다.

실제 튜터 대화에 오류와 지도 전략 및 의도에 관한 전문가 주석을 더해 의사결정 모델링을 연구합니다.

전문가가 제공한 진단 정보를 사용하는 조건과 모델이 진단을 추론하는 조건은 구분해야 합니다.

학생 풀이의 단계별 오류 검증을 지도 피드백 생성과 연결합니다.

문제의 정답을 아는 것과 학생이 어디에서 잘못 이해했는지 판별하는 것은 다른 능력입니다.

합성 교수 대화와 SocraTeach를 활용한 교수학적 학습을 제안합니다. 기반 모델은 ChatGLM3-6B입니다.

합성 데이터 기반 평가의 개선만으로 실제 학생의 학습 효과를 결론낼 수 없습니다.

교육 목적의 지시 이행과 전문가 선호를 중심으로 학습용 모델 개선을 보고합니다.

전문가의 응답 선호는 학습 효과와 다른 결과 변수입니다. 기술 보고서의 근거 수준을 구분합니다.

7B급 모델에 모의 학생과의 상호작용을 활용한 강화학습을 적용해 풀이와 교수 목표를 조정합니다.

모의 학생의 성공이 실제 학습자의 개념 변화와 같지는 않습니다.

학생의 다음 응답에 대한 예측과 교수 기준을 활용한 선호 학습을 연구합니다.

예측된 정답 여부가 학습 결과 전체를 대변하지 않습니다. 부분 정답의 진전과 제한된 인간 평가 범위를 확인해야 합니다.

0.5B~1B급 모델 3종을 중학교 소수 수학 대화에서 평가했습니다. 평가자가 학생 역할을 수행했습니다.

질문 중심 지시와 짧은 문맥 설정의 영향을 받습니다. 동일 응답에 대한 평가자 간 신뢰도를 산출하지 않았습니다.

Phi-3-mini 3.8B에 다목적 보상을 적용한 소크라테스식 수학 튜터를 제안합니다. 교수 지표와 생성 품질 사이의 상충을 보고합니다.

본문은 이번 조사에서 확인하지 못했습니다. 보상의 retention 항목을 실제 학생의 지연 파지 실험으로 해석하면 안 됩니다.

블록 코딩의 다중 턴 상황에서 모델들의 튜터 응답을 평가합니다. 작은 모델과 큰 비교 모델을 함께 다룹니다.

행사 공식 초록을 확인했습니다. 수학 튜터가 아니며 동일 약칭의 다른 연구와 혼동하지 않아야 합니다.

교수 원리와 기술을 반영한 대화 평가와 학습 자료를 제안합니다.

KMP라는 이름을 한국어 데이터라는 뜻으로 해석하면 안 됩니다. 공개 자료의 언어와 이용 조건은 별도 확인이 필요합니다.

정보성이 높은 튜터 피드백을 위한 생성 개선과 충실성 및 정보성 평가를 연구합니다.

국내 기관 소속 저자가 있어도 한국어 학습자 실험이라는 뜻은 아닙니다.

실제 학생의 문제 해결과 교사 피드백을 바탕으로 정확성 판단과 오류 위치 및 피드백을 평가합니다.

과제별 개선이 다릅니다. 피드백은 길어져도 핵심 개념을 놓칠 수 있습니다.

실제 수학 대화와 비교해 모의 학생의 언어적 행동적 인지적 특성을 평가합니다.

학습된 모의 학생도 한계를 보입니다. 합성 대화의 그럴듯함이 실제 학습자 반응의 재현을 보장하지 않습니다.

다양한 인지 수준을 모사하는 방법과 Python 학습자 자료 기반 평가를 제안합니다.

프로그래밍에서 구성한 인지 수준을 한국어 수학 학습자에게 그대로 옮길 수 없습니다.

LLM 평가자의 유용성과 함께 위치 편향과 장황성 선호 등의 문제를 검토합니다.

일반 대화에서의 사람과의 일치도가 교육적 판단의 타당성을 보증하지 않습니다.

대학 물리에서 구조화된 AI 학습 환경과 수업 활동을 비교한 무작위 교차 실험입니다.

전문가 해설과 UI를 포함한 전체 학습 환경의 비교입니다. 소형 모델의 미세조정 효과만을 분리한 실험이 아닙니다.

고교 수학에서 연습 중 AI 도움의 이점과 도움을 제거한 뒤의 성취가 달라질 수 있음을 보였습니다.

보호 장치의 구성에 따라 결과가 다릅니다. 모든 AI 사용이 학습을 해친다는 결론은 아닙니다.

실제 튜터에게 AI 지원을 제공하는 현장 실험에서 학생의 숙달 결과를 평가합니다.

사람 튜터가 개입하는 시스템입니다. 초기 버전과 개정판의 표본과 결과를 섞어 인용하면 안 됩니다.

영국 중등학생 대상 실험에서 전문 튜터가 AI 초안을 검토하고 수정하는 수학 지도를 평가합니다.

전문가가 메시지를 감독한 조건입니다. 비유의 결과만으로 완전한 동등성을 주장할 수 없습니다.

수학 모델링 상황의 AI 지원을 국제 전문가가 정확성과 조건부 지원 등의 관점에서 평가합니다.

국내 학술지 게재가 국내 학습자 실험을 의미하지 않습니다. 상황에 맞지 않는 일반 질문의 문제도 다룹니다.

GPT-4를 활용한 개인화 비계와 초등 수학 논리 문제 해결을 다룹니다.

초록만으로 통제집단의 적절성과 인과 효과의 크기를 확정할 수 없습니다.

GPT-4 기반 난이도 조절과 피드백 시스템을 중학생 30명의 단기 사용으로 평가합니다.

재시도 성공과 만족도 중심 결과를 독립적인 장기 학습 향상으로 해석하기 어렵습니다.

기반 가중치를 고정하고 저랭크 행렬을 학습해 미세조정 비용을 줄입니다.

계산 효율을 위한 학습 방법입니다. 교수학적 품질을 보장하는 이론은 아닙니다.

별도 보상 모델 학습 없이 선호 데이터로 언어 모델을 조정하는 방법을 제안합니다.

사람이 좋아하는 답과 교육적으로 적절한 답은 다를 수 있습니다.

1.2B 이하 모델의 다중 턴 수학 설명과 비유 전략을 평가하며 교수 품질의 한계를 보고합니다.

행사 공식 초록을 확인했습니다. 비슷한 연구진과 모델 계열의 결과를 완전히 독립적인 반복 검증으로 세면 안 됩니다.

1B 미만 모델을 이용해 튜터 응답 평가 과제에 참여한 결과를 보고합니다.

좋은 평가 분류기를 만들었다는 결과가 같은 크기의 생성형 튜터가 잘 가르친다는 뜻은 아닙니다.

영어를 제2언어로 배우는 고교 4개 학급에서 대화형 숙제를 비교했습니다. 만족도 개선과 일부 집단의 학습 이점을 보고합니다.

수학 연구가 아닙니다. 일부 집단의 결과를 모든 과목과 학습자로 일반화할 수 없습니다.

교사 시험 문항을 활용해 언어 모델의 교수학적 지식을 평가합니다.

선택형 지식 문제를 잘 푸는 능력과 특정 학생에게 적절한 피드백을 만드는 능력은 다릅니다.

사람 간 영어 튜터 대화에 교수 행동을 주석하고 행동 예측 뒤 응답을 생성하는 접근을 평가합니다.

영어 교육의 행동 체계가 모든 교과에 그대로 적합하다고 볼 수 없습니다.

사람의 검토와 자동 생성 비율을 달리한 영어 튜터 피드백 선호 자료를 연구합니다.

특정 자료의 혼합 비율 효과를 우리 교과와 모델에 그대로 적용할 수 없습니다.

단계적 비계와 대화 자료를 결합한 설계를 제안하고 대학 입문 생물학 튜터를 예비 평가합니다.

전문가의 긍정적 응답 평가는 실제 학습 효과나 모든 교과의 일반화를 입증하지 않습니다.