earticle

영어

The objective of this study is to propose a framework that utilizes a Large Language Model (LLM) and Retrieval-Augmented Generation (RAG) techniques to evaluate and provide feedback on lesson plans created by preservice teachers. The proposed framework is designed to integratively manage various reference materials, including national-level curricula, accompanying explanatory documents, and exemplary lesson plans, by embedding them into vector representations. When a preservice teacher's lesson plan is assessed against specific criteria (e.g., the suitability of learning objectives, the diversity of instructional activities, the alignment of evaluation methods), the framework dynamically retrieves relevant information and employs generative AI to present comprehensive improvement strategies and feedback. This approach enables preservice teachers to receive professional, systematic feedback in a timely manner, thereby enhancing their lesson planning process.

한국어

본 연구는 대규모 언어 모델인 LLM(Large Language Model)과 RAG(Retrieval Augmented Generation)를 활용하 여 예비교사가 작성한 수업 과정안에 대한 평가와 피드백을 제공하는 프레임워크를 제안하고자 한다. 제안하는 프레임워크는 국가수준 교육과정과 해설서, 수업 과정안 모범사례 등 다양한 형태 참고자료를 벡터 임베딩하여 통합적으로 관리할 수 있도록 설계하고 프로토타입을 제작하였다. 제작한 프로토타입은 예비교사가 설계한 수업 과정안에 대해 학습목표의 적합성, 수업활동의 다양성, 평가방법의 정합성 등 특정한 기준을 검증하는 질문에 대 해 정보를 동적으로 검색하여 생성형 인공지능을 통해 종합적인 개선방안과 피드백을 제시할 수 있다. 이를 통해, 예비교사는 단시간 내에 전문적이고 체계적으로 수업 과정안을 개선할 수 있는 피드백을 제공받아 수업설계에 도 움을 받을 수 있어 향후, 예비교사의 수업설계 역량강화에 도움을 줄 것으로 기대한다.