물리교육에서 생성형 인공지능의 활용과 문제 해결 방안: 거대 언어 모델의 환각 문제를 중심으로

조헌국, New Physics: Sae Mulli 74, 812 (2024).

이 논문은 최근 물리교육에서 생성형 인공지능(Generative AI)의 활용과 이로 인한 문제점을 분석한다. 특히 거대 언어 모델(Large Language Models, LLM)에서 발생하는 ‘환각’ 현상에 주목하며, 이를 해결하기 위한 다양한 접근법을 제시한다. 논문은 생성형 인공지능의 발전과 이를 교육 분야에서 활용할 가능성을 설명하면서, 학생들의 학습 경험을 극대화하고 교육의 질을 향상시키기 위한 방안을 모색한다. 구체적으로, 대화형 인공지능을 통해 학생들이 실시간으로 질문에 대한 답변을 얻거나, 맞춤형 학습 경로를 제공하는 등 다양한 사례를 들어 교육적 활용의 가능성을 탐구한다. 그러나 이러한 기술의 도입에는 비윤리적 편향성, 데이터 프라이버시 문제, 그리고 현실과 동떨어진 정보 생성 등의 여러 부작용에 대한 우려가 존재한다. 논문에서는 이러한 문제를 해결하기 위해 미세조정(finetuning), 논리적 추론(reasoning), 반복적 질문(iterative querying), 검색 증강 생성(Retrieval-Augmented Generation, RAG) 등 다양한 기술적 접근법을 제안하며, 이를 통해 인공지능의 정확성과 신뢰성을 높이고자 한다. 결론적으로, 이 논문은 생성형 인공지능이 물리교육에 미치는 긍정적 영향과 함께, 기술의 한계를 극복하기 위한 전략을 제시함으로써 교육의 질을 향상시키고 부정적인 영향을 최소화할 수 있음을 강조한다.

전기 회로에서 구간별 전압에 대한 초․중․고등학생과 예비물리교사의 이해 분석: 예상, 측정, 시뮬레이션 실험을 중심으로

윤지영, 지영래, New Physics: Sae Mulli 74, 837 (연도).

▲ Percentage of correct prediction in d-e interval voltage with the scientific explanation.

학생들은 일상생활에서 다양한 전자기기를 사용하고 있으며, 전류·전압·전력 등과 같은 전기 관련 용어들을 수시로 접하고 있다. 초중등 교육과정에서 전기 관련 개념·법칙은 물론 탐구활동이 다양하게 제시되어 있으며 전기회로는 다양한 맥락에서 교수·학습에 활용되고 있다. 본 연구는 전기 회로에서 구간별 전압에 대한 초·중·고등학생과 예비물리교사의 이해를 분석하였다. 이를 위해 초·중학생 12명, 고등학생 22명, 예비물리교사 11명을 대상으로 학교 밖 수업을 진행하였다. 수업은 전기 회로의 구간별 전압 예상하기, 실험 도구를 통한 측정하기, 시뮬레이션 실험 등의 활동으로 구성하였으며 이 과정에서 작성한 학생들의 활동지를 분석하였다. 그 결과 첫째, 수업 전 전압의 정의를 과학적으로 응답한 초·중·고등학생은 14.7%, 예비물리교사는 81.8%였다. 둘째, 전기 회로에서 구간별 전압을 바르게 예상하고 그 이유를 과학적으로 설명한 학생과 예비물리교사는 10% 미만이었다. 셋째, 학생과 예비물리교사는 실험 도구를 활용하는 실험 수업과 시뮬레이션을 활용하는 실험 수업의 두 가지 방식 모두에서 이론값과 거의 일치하게 구간별 전압을 측정하였다. 넷째, 수업 후 설문 결과 학생들뿐만 아니라 예비물리교사들도 측정하기 활동과 시뮬레이션 활동을 함께 활용하는 실험 수업 방식이 전기 회로에서 전압을 학습하는 데에 제시된 방법 중 가장 효과적이라고 응답하였다. 이러한 결과를 토대로 과학과 교육과정 및 교수 학습에 대한 시사점을 논의하였다.