치위생학과

[학술] 생성형 AI와 프로세스 마이닝, 치위생학 교육의 새로운 가능성을 보다 – 자기조절학습 패턴 분석을 통한 개인 맞춤형 학습 전략의 시사점

치위생학 교육은 이론과 임상 술기의 유기적 통합을 요구하는 학문 분야로, 학습자는 방대한 내용의 국가시험을 준비하며 복잡한 개념과 실습을 동시에 습득해야 한다. 이러한 교육 환경 속에서 학습자의 자기주도성과 메타인지적 조절 능력은 중요한 성공 요인으로 작용한다. 최근에는 인공지능, 특히 생성형 AI 기술의 발전으로 인해 학습자의 자기조절학습을 지원할 수 있는 새로운 방식이 등장하고 있으며 이에 대한 교육적 관심이 높아지고 있다.
 
신라대학교 강현경 교수 연구팀은 이러한 흐름에 주목하여, 생성형 AI(ChatGPT)와 프로세스 마이닝 기법을 결합한 분석을 통해 치위생학과 학생들의 학습 과정을 정량적으로 탐색하였다. 본 연구는 단순한 학습 효과 측정이 아니라 학생이 실제로 AI와 상호작용하며 어떤 학습 경로를 따르고 있는지 반복하거나 막히는 지점은 어디인지 자기 점검은 어떻게 이뤄지는지 등을 데이터 기반으로 시각화하고 분석한 국내 최초의 시도이다.
 
연구는 국가시험 기출문항을 바탕으로 구성한 문제 세트를 활용하였고 치위생학과 학생들은 20분간 ChatGPT와 실시간으로 상호작용하며 개념 설명, 문제 풀이, 오류 점검 등을 수행하였다. 이후 학습 로그 데이터를 Alpha, Heuristic, Fuzzy, Inductive의 네 가지 프로세스 마이닝 알고리즘으로 분석하여 학습 흐름을 도출하였다.

분석 결과, 학습자들은 대체로 문제 풀이(D.G)를 시작으로 구조적 개념 설명(S.S) 및 오류 검토(E.RV) 단계를 거치는 순환적 학습 구조를 형성하고 있었다. 특히 오류 검토(E.RV) 단계는 학습 종료 지점과 직접 연결되어 있었으며, 해당 활동의 완료율은 95.3%에 달하였다. 이는 많은 학습자들이 AI의 피드백을 바탕으로 자신의 오류를 점검하고 수정하며 자기조절학습(Self-Regulated Learning)의 반성(Reflection) 단계를 자발적으로 실천하고 있음을 시사한다.
 
Heuristic Miner 분석에서는 문제 풀이의 반복 빈도가 68회, 개념 검토(E.RV)는 52회로 나타나, 학습자들이 특정 개념에 대한 이해를 AI와의 반복 상호작용을 통해 심화하고 있다는 점을 보여주었다. Fuzzy Miner와 Inductive Miner 분석에서는 학습 흐름 전반의 신뢰도가 90% 이상으로 높게 나타났고, 각 활동 간의 전환도 안정적인 것으로 확인되었다.

이러한 결과는 생성형 AI가 단순한 정보 제공자를 넘어, 학습자가 자신의 이해 수준을 점검하고 전략적으로 학습 경로를 조정하는 데 효과적인 ‘학습 파트너’로 기능할 수 있음을 보여준다. 아울러 교수자는 학습자의 실제 학습 패턴을 파악하여, 개별화된 피드백 제공, 진입 경로 및 병목 구간 개선, 실시간 학습 지원 전략 설계 등의 다양한 교육적 개입을 설계할 수 있는 기반을 확보할 수 있다.
 
치위생교육은 이론과 실무의 통합이 핵심인 분야로, 학습의 방향성과 깊이를 동시에 고려한 설계가 필요하다. 본 연구는 AI와 데이터 분석 기술을 활용해 개별 학습자의 흐름을 구체적으로 파악하고, 그에 기반한 맞춤형 학습 지원 시스템 개발 가능성을 실증적으로 제시하였다는 점에서 교육 현장에 시사하는 바가 크다.
 
향후에는 더 다양한 교과목과 확대된 표본을 통해 본 연구가 제시한 분석틀을 적용함으로써, 치위생학 교육 전반에 걸친 학습 혁신 모델로 확장될 수 있을 것이다. 특히, 자기조절학습을 강화하는 디지털 도구의 도입은 교육 환경의 다양화와 개인화된 학습의 실현을 앞당기는 중요한 발판이 될 것으로 기대된다.


출처 : 치위협보(http://news.kdha.or.kr)