비판적 사고는 학습자가 단순 암기를 넘어설 수 있도록 돕는 근본적인 능력입니다. 이러한 능력을 개발하는 한 가지 방법은 고차 질문을 활용하는 것입니다. 하지만, 그러한 질문을 만드는 것은 교육자들에게 여전히 어려운 과제로 남아 있으며, 교실의 실제 관행은 낮은 수준의 질문에 의존하는 경향이 있습니다. 대규모 언어 모델(LLM)은 특히 Bloom의 분류학(Bloom's Taxonomy) 기반 프롬프트로 안내될 때 고차 질문을 생성하는 강력한 능력을 보여주었습니다. 그러나 기존 연구는 주로 이 틀에 초점을 맞추었으며 영어에만 국한되어 있었습니다. 본 연구는 Basque, Spanish, English를 사용하는 다국어 환경에서 Claim-Evidence-Reasoning과 Divergent Questioning이라는 두 가지 대안적 프레임워크에 기반한 프롬프트를 도입함으로써 이러한 격차를 해소합니다. 그 결과, 오픈 소스 모델과 독점(proprietary) 모델 모두 세 언어에서 효과적으로 질문을 생성했지만, 답변 가능한 질문 중 고차 질문으로 인식되는 비율은 약 절반에 불과했습니다. 긍정적인 발견은 대안적 프레임워크들이 구조적 및 개념적으로 다양한 질문을 생성한다는 점이며, 이는 이들이 서로를 보완하고 Bloom의 분류학에 실행 가능한 대안을 제공할 수 있음을 시사합니다.