earticle

영어

This study explores the potential of Large Language Model (LLM) based AI agents in educational settings through developing and implementing a scientific writing assessment system. While recent advances in AI have increased demand for personalized education, conventional AI systems have limited flexibility for teachers to adjust according to their educational intentions. To overcome these constraints, this research constructs an LLM-based AI agent assessment system utilizing Model Context Protocol (MCP) technology. In evaluating scientific writing assignments, Claude functioning as an AI agent demonstrated the ability to assess student work using an evaluation rubric and provide detailed feedback on strengths and suggested improvements, thoroughly reflecting comprehensive assessment guidelines. Furthermore, the system exhibited flexibility in reconfiguring feedback when assessment parameters were modified to accommodate changes in learner characteristics. The findings suggest the potential of LLM-based AI agents as scientific writing assessment tools that reflect teachers' pedagogical intentions, and provide implications for the application of AI agents in developing customized AI systems for educational environments.

한국어

본 연구는 교육 현장에서 대규모 언어 모델(LLM) 기반 AI 에이전트의 활용 가능성을 탐색하기 위해 과 학 글쓰기 평가 시스템을 개발하고 적용하였다. 최근 교육 분야에서 인공지능 기술의 발전과 함께 맞춤형 교육에 대한 요구가 증가하고 있으나, 기존 AI 시스템 은 교사가 교육적 의도에 맞게 유연하게 조정하기 어 려운 한계가 있었다. 이러한 제약을 극복하기 위해 본 연구에서는 모델 컨텍스트 프로토콜(MCP) 기술을 활 용하여 LLM 기반 AI 에이전트 평가 시스템을 구축하 였다. 과학 글쓰기 과제에 대해 평가를 실시한 결과, AI 에이전트로 기능한 클로드는 평가 루브릭을 활용 하여 결과물을 평가하고, 종합적인 평가 지침을 충실 히 반영하여 학생이 작성한 글에 대해 구체적이고 자 세한 장점과 개선점을 제안하였다. 또한, 학습자 특성 변화와 같은 평가 지침 내용이 조정될 때 이에 맞추어 피드백을 재구성하는 유연성도 보여주었다. 본 연구 결과는 LLM 기반 AI 에이전트가 교사의 교육적 의도 를 반영한 과학 글쓰기 평가 도구로서 가능성을 보여 주며, 교육 현장에서 맞춤형 AI 시스템 구축을 위한 AI 에이전트의 활용에 대한 시사점을 제공한다는 점 에서 의의가 있다.