패턴 기반 지식 구성 요소 (KC) 를 활용한 학생 코드 제출에 따른 개인화된 풀이 예제 생성

적응형 프로그래밍 연습은 종종 고정된 라이브러리의 풀이 예제와 연습 문제를 의존하는데, 이는 상당한 저작 노력을 필요로 하며 학생들이 코드를 작성하는 과정에서 발생하는 논리적 오류나 부분적 해결책과 잘 부합하지 않을 수 있습니다. 그 결과, 학생들은 이해하려는 개념을 직접적으로 다루지 않는 학습 콘텐츠를 받을 수 있고, 교수진은 콘텐츠 라이브러리를 확장하기 위해 추가적인 노력을 기울이거나 대략적인 수준의 개인화를 수용해야 합니다. 우리는 학생 코드에서 추출한 패턴 기반 지식 구성 요소 (KC) 를 활용한 KC 지향 교육 콘텐츠 생성 접근법을 제시합니다. 문제 진술과 학생 제출물을 주어진 경우, 우리의 파이프라인은 AST 기반 분석을 통해 학생 코드의 반복적 구조적 KC 패턴을 추출하고 이를 생성 모델의 조건으로 사용합니다. 이 연구에서는 우리는 이 접근법을 풀이 예제 생성에 적용하며, 전문가 평가를 통해 베이스라인 출력과 KC-조건부 출력을 비교합니다. 결과는 KC-조건부 생성이 주제적 초점과 학습자의 잠재적 논리적 오류에 대한 관련성을 개선한다는 것을 시사하여, KC 기반의 생성 모델 조향이 대규모 개인화된 학습을 지원할 수 있음을 입증합니다.