학생들의 질문을 활용한 프로그래밍 교육 지식 추적 모델: SQKT의 등장

김도윤, 김수인, 조요한 연구원이 개발한 SQKT는 학생들의 질문을 활용하여 프로그래밍 교육의 지식 추적 정확도를 향상시킨 혁신적인 모델입니다. 다양한 실험을 통해 기존 모델보다 33.1%의 AUC 향상을 보였으며, 데이터 부족 문제에도 강점을 보였습니다. 개인 맞춤형 학습 시스템 구축에 기여할 것으로 기대됩니다.

학생들의 질문이 품은 잠재력: 프로그래밍 교육의 미래를 바꿀 SQKT

코딩 교육 현장은 복잡한 과제와 다양한 해결 방식으로 인해 학생들의 이해도를 정확히 파악하는 데 어려움을 겪고 있습니다. 하지만 학생들의 질문에는 그들의 이해 수준과 오류에 대한 귀중한 단서가 숨겨져 있습니다. 김도윤, 김수인, 조요한 연구원 팀은 이러한 점에 착안하여 기존의 지식 추적 모델의 한계를 뛰어넘는 혁신적인 모델, SQKT (Students' Question-based Knowledge Tracing) 를 개발했습니다.

SQKT는 학생들의 질문과 자동 추출된 기술 정보를 활용하여 학생들의 다음 문제 해결 능력을 예측하는 정확도를 높입니다. 단순히 질문의 표면적인 내용뿐 아니라, 학생의 숙련도와 개념 이해 수준까지 포착하는 의미적으로 풍부한 임베딩을 생성하는 것이 핵심입니다. 이는 마치 학생들의 질문 속에 숨겨진 '비밀 코드'를 해독하여 그들의 학습 상태를 정확하게 진단하는 것과 같습니다.

실험 결과는 놀라웠습니다. 다양한 난이도의 파이썬 프로그래밍 과정에서 SQKT는 기존 모델 대비 AUC(Area Under the Curve) 기준 33.1%의 압도적인 성능 향상을 보였습니다. 더욱 주목할 만한 점은, 고급 프로그래밍 과정처럼 데이터가 부족한 상황에서도 뛰어난 일반화 능력을 유지했다는 것입니다. 이는 마치 어떤 문제에도 적응하는 '만능 열쇠'와 같은 존재감을 보여주는 결과입니다.

SQKT는 단순한 예측 모델을 넘어, 학생 개인의 학습 요구에 맞춘 교육 콘텐츠를 제공하고, 컴퓨터 과학 교육에 있어서 진정한 의미의 적응형 학습 시스템을 구축하는 데 기여할 것으로 기대됩니다. 학생들의 질문이라는 소중한 자원을 활용하여 교육의 효율성을 극대화하는 SQKT의 등장은, 프로그래밍 교육의 미래를 밝게 비추는 등대와 같습니다.