지능형 튜터링 시스템을 위한 적응형 다중 에이전트 아키텍처
지능형 튜터링 시스템(ITS)은 고등 교육에서 개인 맞춤 학습 및 학업 모니터링을 지원하며 그 활용이 증가하고 있습니다. 그러나 기존 시스템은 정적 아키텍처와 경직된 규칙 기반 메커니즘에 의존하여 확장성이 제한되고, 이질적인 학습자, 변화하는 학습 행동 및 실제 교육 환경에 효과적으로 적응하기 어렵다는 한계가 있습니다. 본 논문은 실제 환경에 배포된 지능형 시스템의 자율적 의사 결정을 위해 강화 학습(RL) 기반의 자기 적응형 다중 에이전트 아키텍처를 제안합니다. 이 아키텍처는 사용자 상태, 행동, 상호작용 패턴을 고려하여 전문 에이전트 선택을 동적으로 최적화하는 RL 메타 에이전트를 통합합니다. 제안된 아키텍처는 Moodle에 구현되었으며, n8n, LLM, Django 기반 API, 실제 학업 데이터를 활용하여 오케스트레이션되었습니다. 실증적 평가를 위해 실제 및 시뮬레이션된 사례 연구가 설계되었습니다. 대학생들을 대상으로 사용성, 만족도, 유용성, 접근성 및 상호작용 측면의 설문조사를 실시하여 시스템에 대한 인식을 파악했습니다. 정량 데이터는 기술 통계 및 비모수 검정으로, 정성 데이터는 주제별 분류를 통해 분석되었습니다. 시뮬레이션 연구는 시스템의 행동 분석에 활용되었습니다. 연구 결과, RL 메타 에이전트가 시스템 효율성, 응답 관련성, 적응형 에이전트 선택을 크게 향상시키는 것으로 나타났습니다. 이는 자기 적응형 RL 기반 다중 에이전트 시스템(MAS) 아키텍처가 고등 교육과 같은 복잡한 시나리오에서 지능형 시스템을 위한 실현 가능한 솔루션임을 입증하며, 성능과 적응성에 대한 경험적 증거를 제공합니다.