자율 온라인 학습을 위한 튜토리얼 생성 방법

생성형 AI는 개인 맞춤형 학습 자원 생성에서 특히 지능형 교육 분야의 초점이 되었습니다. 현재 학습 자원 생성 방법은 학습 스타일과 관심사에 따라 맞춤형 코스를 추천하여 학습 효율성을 향상시키고 있습니다. 그러나 이러한 방법은 학습자의 선호에 따라 개인 맞춤형 튜토리얼을 생성할 수 없으며 기분이나 지식 수준의 변화에 따라 튜토리얼 내용을 조정할 수 없습니다. 따라서 본 연구에서는 인지 컴퓨팅과 생성 학습을 통합하여 학습자의 동적 선호를 포착하는 자기 지원 학습을 위한 지능형 튜토리얼 생성 시스템(Self-GT)을 개발합니다. Self-GT의 핵심 구성 요소는 순환적 심층 강화 학습(RL)에 기반한 튜토리얼 생성 모델과 복잡한 관계를 포함하는 다중 모달 지식 그래프입니다. 구체적으로, 제안된 RL 모델은 시간 차원에서 학습자의 선호를 동적으로 탐색하여 RL 에이전트가 학습 행동 특성을 정확하게 표현하고 개인 맞춤형 튜토리얼을 생성할 수 있도록 합니다. 그러고 나서, 내부의 자가 개발 교육 기반 및 외부 인터넷 소스에 의존하여 다중 자가 정의 관계를 가진 다중 모달 지식 그래프를 설계하여 튜토리얼 생성의 정밀도를 향상시킵니다. 마지막으로, 실험 결과는 Self-GT가 튜토리얼 생성에서 우수한 성과를 나타내며 “병원 네트워크 아키텍처 설계 및 계획” 튜토리얼 생성에 성공적으로 적용되었음을 보여줍니다.