SRLAgent: 게이미피케이션과 대형 언어 모델 지원을 통한 자기조절 학습 능력 강화

초록

자기조절학습(Self-Regulated Learning, SRL)은 대학생들이 증가한 학업 요구와 독립성을 극복하는 데 있어 핵심적인 역할을 한다. 불충분한 SRL 기술은 체계적이지 못한 학습 습관, 낮은 동기 부여, 그리고 시간 관리의 실패로 이어져, 학습자들이 도전적인 환경에서 성공적으로 적응하는 능력을 저해할 수 있다. 59명의 대학생을 대상으로 한 형성적 연구를 통해, 우리는 학생들이 SRL 기술을 개발하는 과정에서 직면하는 주요 문제들, 즉 목표 설정, 시간 관리, 반성적 학습의 어려움 등을 확인하였다. 이러한 문제를 해결하기 위해, 우리는 대형 언어 모델(Large Language Models, LLMs)의 적응형 지원과 게임화를 통해 SRL 기술을 촉진하는 SRLAgent 시스템을 소개한다. Zimmerman의 3단계 SRL 프레임워크에 기반한 SRLAgent는 학생들이 인터랙티브 게임 기반 환경 내에서 목표 설정, 전략 실행, 자기 반성을 수행할 수 있도록 지원한다. 이 시스템은 LLM의 실시간 피드백과 스캐폴딩을 제공하여 학생들의 독립적인 학습 노력을 뒷받침한다. 우리는 SRLAgent를 기반 시스템(SRL 기능이 없는 Agent)과 전통적인 멀티미디어 학습 조건과 비교하는 피험자 간 설계를 통해 평가하였다. 그 결과, SRLAgent 그룹에서 SRL 기술의 유의미한 향상(p < .001, Cohen's d = 0.234)과 기존 조건 대비 높은 참여도를 확인하였다. 이 연구는 게임화된 환경 내에 SRL 스캐폴딩과 실시간 AI 지원을 내재화하는 것의 가치를 강조하며, 심층 학습과 메타인지 기술 개발을 촉진하고자 하는 교육 기술에 대한 설계적 함의를 제공한다.

English

Self-regulated learning (SRL) is crucial for college students navigating increased academic demands and independence. Insufficient SRL skills can lead to disorganized study habits, low motivation, and poor time management, undermining learners ability to thrive in challenging environments. Through a formative study involving 59 college students, we identified key challenges students face in developing SRL skills, including difficulties with goal-setting, time management, and reflective learning. To address these challenges, we introduce SRLAgent, an LLM-assisted system that fosters SRL skills through gamification and adaptive support from large language models (LLMs). Grounded in Zimmermans three-phase SRL framework, SRLAgent enables students to engage in goal-setting, strategy execution, and self-reflection within an interactive game-based environment. The system offers real-time feedback and scaffolding powered by LLMs to support students independent study efforts. We evaluated SRLAgent using a between-subjects design, comparing it to a baseline system (SRL without Agent features) and a traditional multimedia learning condition. Results showed significant improvements in SRL skills within the SRLAgent group (p < .001, Cohens d = 0.234) and higher engagement compared to the baselines. This work highlights the value of embedding SRL scaffolding and real-time AI support within gamified environments, offering design implications for educational technologies that aim to promote deeper learning and metacognitive skill development.

SRLAgent: 게이미피케이션과 대형 언어 모델 지원을 통한 자기조절 학습 능력 강화

SRLAgent: Enhancing Self-Regulated Learning Skills through Gamification and LLM Assistance

초록

Support