챗GPT vs. 코파일럿: 소프트웨어 공학 교육의 미래를 엿보다

본 기사는 소프트웨어 공학 교육에 LLM(거대 언어 모델)을 활용한 연구 결과를 소개합니다. 126명의 학생을 대상으로 진행된 연구에서 학생들은 ChatGPT를 Copilot보다 선호했으며, ChatGPT가 생성한 코드의 계산 복잡도가 더 낮고 대화형 상호 작용이 코드 품질 향상에 효과적이라는 결과가 도출되었습니다. 이는 AI와의 협업 능력을 갖춘 소프트웨어 엔지니어 양성의 중요성을 강조합니다.

최근, 소프트웨어 공학 교육 현장에 거대 언어 모델(LLM)의 활용이 활발해지고 있습니다. 특히 코드 요약, 생성, 디버깅 등에서 LLM의 뛰어난 성능이 주목받으면서, 교육자들은 LLM을 교육 과정에 통합하는 방안을 적극적으로 모색하고 있습니다.

하지만, LLM이 학습 과정에 미치는 실질적인 영향에 대한 연구는 아직 부족한 실정입니다. Agrawal Naman 등 5명의 연구자는 13주 동안 126명의 학부생을 대상으로 한 연구를 통해 이러한 궁금증을 해소하고자 했습니다. 학생들이 AI 어시스턴트(챗GPT와 코파일럿)와 상호 작용하는 과정을 분석하여 LLM이 소프트웨어 공학 학습에 미치는 영향을 심층적으로 살펴본 것입니다.

흥미로운 결과가 도출되었습니다. 연구 결과에 따르면, 학생들은 챗GPT를 코파일럿보다 선호하는 경향을 보였습니다. 또한, 챗GPT가 생성하는 코드의 계산 복잡도가 코파일럿보다 낮다는 사실도 밝혀졌습니다. 이는 챗GPT가 더 효율적이고 간결한 코드를 생성한다는 것을 의미합니다. 더욱 놀라운 것은, 대화형 상호 작용을 통한 코드 생성이 자동 생성 코드보다 코드 품질이 더 높다는 점입니다. 이는 학생과 AI 간의 실시간 피드백과 수정 과정이 코드의 완성도를 높이는 데 중요한 역할을 한다는 것을 시사합니다.

이번 연구는 LLM을 활용한 소프트웨어 공학 교육의 가능성을 보여주는 중요한 사례입니다. 급변하는 기술 환경 속에서, 차세대 소프트웨어 엔지니어는 AI와 효과적으로 협업하는 능력을 갖추는 것이 필수적입니다. 본 연구는 이러한 능력 함양을 위한 교육 방향을 제시하는 중요한 이정표가 될 것입니다. 앞으로 더욱 다양한 LLM 기반 교육 방식에 대한 연구가 진행되어, 학생들의 효율적인 학습과 소프트웨어 개발 능력 향상에 기여할 것으로 기대됩니다.