적응형 학습 (Adaptive learning)은 학습자의 학습 진도를 추적하고 개별 학습자의 학습 성취도에 따라 교수 과정을 조정하는 교육 기술을 의미합니다. 이는 효과적인 학습 지원 도구를 개발하는 데 있어 매우 중요한 요소로 점점 더 인식되고 있습니다. 시각 언어 모델 (Vision language models, VLMs)은 수학 교육에 도입되어 왔으며, 학생들은 이를 개인화된 지도를 위한 학습 보조 도구로 사용해 왔습니다. 그러나 VLMs가 수학적 지도를 제공할 때 서로 다른 학습자 프로필 (learner profiles)에 적응할 수 있는 능력을 갖추었는지는 알려져 있지 않습니다. 현재의 VLMs는 수학 튜터링 과업에서 서로 다른 학습자 프로필에 대한 이러한 적응성을 평가할 수 있는 체계적인 평가 프레임워크가 부족한 상태입니다. 이러한 격차를 해소하기 위해, 본 연구에서는 적응형 학습 프레임워크 (Shute and Towle, 2018)의 학습자 모델 (learner model)을 활용하여 학습자 모델 기반 루브릭 (learner model-based rubric)을 제안합니다. 우리의 루브릭은 적응성 평가를 인지적 측면 (cognitive aspects), 동기적 측면 (motivational aspects), 그리고 복잡성 (complexity)의 세 가지 측면으로 공식화합니다. 또한 우리는 VLM 응답의 두 가지 추가 차원인 정답성 (correctness, 정답 및 풀이 과정의 정확성)과 품질 (quality, 응답 자체의 질)을 평가합니다. 실험 결과, 모델 간에 적응성에서 측정 가능한 차이가 있음을 보여주었으며, 현재의 VLMs가 특히 제한된 학습자 정보를 받았을 때 학습자 모델에 기반한 교수 응답을 일관되게 생성하는 데 어려움을 겪는다는 점을 밝혀냈습니다.