적응형 교육 AI: 개인화 학습 기술 체계적 고찰

인공지능(AI)은 머신러닝, 딥러닝, 다중 모드 분석을 통해 개인 맞춤형 학습 경험을 제공하며 디지털 교육을 혁신하고 있습니다. 본 체계적 문헌 검토는 AI 기반 적응형 학습 기술을 분석하며, 특히 지도 및 비지도 학습, 강화 학습, 다중 모드 데이터 통합에 중점을 둡니다. 이 기술들이 개인화, 학습자 참여, 교육 형평성을 어떻게 향상시키는지 평가합니다. PRISMA 가이드라인에 따라 2015년부터 2025년까지 Scopus, Web of Science, IEEE Xplore 등에서 발행된 142편의 동료 심사 논문을 분석했습니다. 개인화된 디지털 학습 환경에 AI 기술을 적용한 연구들을 선별했습니다. SVM, 의사결정 트리와 같은 지도 학습 모델은 학습자 분류 및 성과 예측을 지원하며, 비지도 클러스터링은 행동 패턴을 파악합니다. 강화 학습은 동적 콘텐츠 배열로 학습자 자율성을 높이고, 감성 및 생체 데이터를 통합한 다중 모드 접근 방식은 개인화를 더욱 정교하게 만듭니다. 이러한 발전에도 불구하고 모델 해석 가능성, 데이터 프라이버시, 확장성, 특히 저자원 환경에서의 문제는 여전히 과제로 남아있습니다. 본 검토는 개인화 교육에서 AI의 영향력 확대를 강조하며, 설명 가능한 AI(XAI), 모듈형 시스템 설계, 문화 반응적 프레임워크 활용 등 미래 연구 방향을 제시합니다. 이는 윤리적이고 포괄적이며 확장 가능한 학습 시스템 개발에 필수적입니다.