생성형 AI 시대의 사용자 인식 탐구: e-교육 디지털 전환에서 AI 교육 앱의 역할에 대한 감정 기반 평가

Unveiling User Perceptions in the Generative AI Era: A Sentiment-Driven Evaluation of AI Educational Apps' Role in Digital Transformation of e-Teaching

December 12, 2025

저자: Adeleh Mazaherian, Erfan Nourbakhsh

cs.AI

초록

생성형 인공지능의 교육 분야 급속한 통합은 e-교수의 디지털 전환을 주도하고 있으나, AI 교육 애플리케이션에 대한 사용자 인식은 아직 충분히 연구되지 않고 있다. 본 연구는 효용성, 과제 및 교육학적 함의를 평가하기 위해 Google Play 스토어의 주요 AI 교육 앱 사용자 리뷰에 대한 감정 분석 기반 평가를 수행한다. 연구 파이프라인에는 앱 데이터 및 리뷰 스크래핑, 이중 감정 분류를 위한 RoBERTa, 핵심 포인트 추출을 위한 GPT-4o, 주요 긍정/부정 주제 종합을 위한 GPT-5가 활용되었다. 앱은 과제 도우미, 수학 문제 해결사, 언어 도구 등 7가지 유형으로 분류되었으며, 중복되는 기능은 다기능 설계를 반영한다. 결과는 주로 긍정적인 감정을 나타냈으며, Edu AI(95.9% 긍정) 및 Answer.AI(92.7% 긍정)와 같은 과제 앱이 정확성, 속도, 개인화 측면에서 선두를 차지한 반면, 언어/LMS 앱(예: Teacher AI, 21.8% 긍정)은 불안정성과 제한된 기능으로 인해 뒤처졌다. 긍정적 평가는 아이디어 창출, 문제 해결, 참여도 향상의 효율성에 주목한 반면, 부정적 평가는 유료 결제 장벽, 부정확성, 광고 및 오류에 집중되었다. 트렌드 분석 결과, 전문 도구보다 과제 도우미 앱의 성능이 우수하여 의존성 및 불평등 위험 속에서 AI의 민주화 잠재력이 부각된다. 논의에서는 하이브리드 AI-인간 협력 모델, 몰입형 학습을 위한 VR/AR을 포함한 미래 교육 생태계를 제안하고, 개발자(적응형 개인화)와 정책 입안자(포용성을 위한 수익화 규제)를 위한 로드맵을 제시한다. 이는 형평성 있고 혁신적인 환경을 조성하는 윤리적 개선을 통해 e-교수 발전에 있어 생성형 AI의 역할을 강조한다. 전체 데이터셋은 여기(https://github.com/erfan-nourbakhsh/GenAI-EdSent)에서 이용 가능하다.

English

The rapid integration of generative artificial intelligence into education has driven digital transformation in e-teaching, yet user perceptions of AI educational apps remain underexplored. This study performs a sentiment-driven evaluation of user reviews from top AI ed-apps on the Google Play Store to assess efficacy, challenges, and pedagogical implications. Our pipeline involved scraping app data and reviews, RoBERTa for binary sentiment classification, GPT-4o for key point extraction, and GPT-5 for synthesizing top positive/negative themes. Apps were categorized into seven types (e.g., homework helpers, math solvers, language tools), with overlaps reflecting multifunctional designs. Results indicate predominantly positive sentiments, with homework apps like Edu AI (95.9% positive) and Answer.AI (92.7%) leading in accuracy, speed, and personalization, while language/LMS apps (e.g., Teacher AI at 21.8% positive) lag due to instability and limited features. Positives emphasize efficiency in brainstorming, problem-solving, and engagement; negatives center on paywalls, inaccuracies, ads, and glitches. Trends show that homework helpers outperform specialized tools, highlighting AI's democratizing potential amid risks of dependency and inequity. The discussion proposes future ecosystems with hybrid AI-human models, VR/AR for immersive learning, and a roadmap for developers (adaptive personalization) and policymakers (monetization regulation for inclusivity). This underscores generative AI's role in advancing e-teaching by enabling ethical refinements that foster equitable, innovative environments. The full dataset is available here(https://github.com/erfan-nourbakhsh/GenAI-EdSent).