Caramel LabCaramel Lab
#

인지부하

2편의 한국어 분석 — 최신순으로 정렬했어요

기계공학발표 2026.09· 1최근 1년 1회

건축 개념 설계: 생성 AI 워크플로우 분석

생성 AI(GenAI)의 디자인 교육 도입이 증가하고 있으나, 최종 결과물만으로 교육적 가치를 평가하는 데는 한계가 있습니다. 본 연구는 건축 개념 설계 과제에서 GenAI 기반 이미지 생성과 ArchDaily 기반 선례 검색이라는 두 가지 현실적인 워크플로우를 비교하여, 고립된 기여가 아닌 전체 워크플로우의 효과를 분석했습니다. 36명의 학생이 독립 설계 후 할당된 워크플로우로 수정하는 2단계 설계 과제를 수행했습니다. 스크린 녹화를 통해 활발한 참여를 확인했으며, 8명의 심사위원이 디자인 성능을 평가하고 참가자들은 단계별 창의적 자기효능감 및 인지 부하를 보고했습니다. 차이-의-차이 분석 결과, GenAI와 선례 검색 워크플로우 간에 디자인 성능, 인지 부하, 과제별 창의적 자기효능감에서 전반적인 유의미한 차이는 없었습니다. 그러나 세 가지 추가 패턴이 관찰되었습니다. GenAI 워크플로우에서 일반 창의적 자기효능감의 상대적 감소가 나타났습니다. 하위 그룹 분석에서는 GenAI를 사용한 초보 학생이 선례 검색을 사용한 학생보다 수정 단계 성능이 더 높았으나, 이는 탐색적 결과로 신중한 해석이 필요합니다. 또한, 반복적이고 과제별 프롬프트 전략이 인지 부하 감소와 연관될 수 있음을 시사했지만, 다중 비교 보정 후에는 유의미성을 잃었습니다. 결론적으로, GenAI 워크플로우는 일률적인 이득을 제공하지 않았습니다. 그 교육적 가치는 교수법적 틀, 학습자 특성, 인간-AI 상호작용 구조에 따라 달라질 수 있으며, 창의적 주체성 보존과 프롬프트 활용 능력 개발의 중요성을 강조합니다.

컴퓨터 과학발표 2025.11· 11최근 1년 11회

지능형 튜터링 시스템의 실시간 인지·정서 추적

지능형 튜터링 시스템(ITS)에서 학습자의 인지 부하와 성취 정서를 실시간으로 파악하고 이에 맞춰 교육을 조정하는 것은 여전히 어려운 과제입니다. 본 연구는 얼굴, 음성, 생리적 신호 및 상호작용 데이터를 감지하여 인지-정서 상태를 통합적으로 추정하고, 낮은 지연 시간 내에 맞춤형 개입을 제공하는 신뢰성 기반의 실시간 다중 모드 프레임워크를 제안합니다. 이 프레임워크는 인지 부하 이론과 성취 정서의 통제-가치 이론을 통합한 인지-정서 학습 모델을 기반으로 합니다. 다중 모달리티 데이터는 DTW와 PCA를 통해 정렬 및 정규화되며, 신뢰도 가중치가 적용됩니다. 감정 및 삼중 인지 부하 추정에는 Temporal Transformer와 GRU가 사용되며, 제한된 문맥적 밴딧 알고리즘을 통해 콘텐츠, 인터페이스, 초인지 또는 동기 부여 행동을 선택합니다. 총 271명의 참가자가 3주간 9회 세션에 걸쳐 수학 및 과학 학습 단위를 완료했습니다. 시스템은 200ms 미만의 종단 간 지연 시간과 82-88%의 감정 인식 정확도를 달성하며 실시간 목표를 충족했습니다. 적응형 교육은 정적인 ITS 기준선 대비 사후 테스트 성과를 향상시켰으며, 특히 중간 능력 학습자에게서 약 15% 포인트의 가장 큰 학습 효과를 보였습니다. 본 연구는 학습자의 실시간 인지 및 정서 상태를 효과적으로 추적하고 개입함으로써 지능형 튜터링 시스템의 학습 효과를 크게 향상시킬 수 있음을 입증했습니다. 이는 개인 맞춤형 학습 경험 제공 및 교육 기술 발전에 중요한 기여를 할 것으로 기대됩니다.

연구 트렌드로 돌아가기