마이크로소프트(Microsoft)와 일리노이대 연구진이 적은 학습 기록만으로 개별 학생의 실수를 재현하는 AI 시스템 ‘StudentSim’을 개발해 AI 튜터 개선에 활용했다. 시스템은 실제 학생 대신 빠른 피드백을 제공하며 체스·영어·수학에서 GPT-5.4보다 높은 학생 행동 예측 성능을 보였다. IT 전문 매체 더디코더는 9월 20일 연구 내용을 보도했다.
적은 학습 기록으로 학생 복제
StudentSim은 학생별로 별도의 복제 모델을 만들고, 해당 학생이 어떤 답을 내놓는지뿐 아니라 튜터의 설명을 들은 뒤 답을 얼마나 잘 수정하는지도 측정한다. 연구진은 학생의 전형적인 오답과 지도에 대한 반응을 함께 재현해야 개인 맞춤형 튜터를 제대로 훈련할 수 있다고 설명했다. 기존 방식은 실제 학생 자료를 학습해 행동을 재현하지만 설명에 반응하지 못하거나, 언어 모델에 학생 역할을 부여해 힌트는 따르지만 특정 학생의 능력과 실수를 재현하지 못하는 한계가 있었다.
영어 작문 데이터세트에서 학생 1명당 작성한 에세이 수의 중앙값은 3편이었고, 3분의 2를 넘는 학생은 5편 이하를 남겼다. 이 정도 자료만으로 개인 복제 모델을 직접 학습하면 일부 사례에 과도하게 맞춰지는 문제가 생긴다는 것이다. StudentSim은 먼저 한 과목의 전체 학생 자료를 모아 공통적인 실수와 힌트 뒤 답변을 고치는 방식을 학습한 뒤, 개인에게 उपलब्ध한 소수의 기록으로 모델을 조정하는 2단계 방식을 사용한다. 모든 과목에서 기본 모델로 알리바바(Alibaba)의 Qwen3-4B-Instruct를 사용했다.
GPT-5.4보다 높은 학생 행동 예측
연구진은 체스, 외국어로서의 영어, 수학 분야에서 실제 학습자 60명의 공개 데이터를 활용해 StudentSim을 시험했다. GPT-5.4에 학생 역할을 부여한 방식과 비교한 결과 세 과목 모두에서 StudentSim이 앞섰다. 체스에서는 다음 수를 약 2배 높은 비율로 맞혔고, 교정 지시도 거의 항상 따랐다. 한 체스 상황에서 실제 선수 3명이 서로 다른 수를 선택했을 때 StudentSim은 각 선수의 선택을 재현했지만, 기존 체스 모델은 가장 가능성이 높은 같은 수를 세 선수에게 모두 제시했고 GPT-5.4는 세 수를 모두 틀렸다.
연구진은 StudentSim으로 체스 튜터를 추가 훈련하는 실험도 진행했다. 전문 체스 선수들이 추가 훈련을 하지 않은 튜터, GPT-5.4를 학생으로 삼아 훈련한 튜터, StudentSim으로 훈련한 튜터를 평가한 결과 StudentSim 기반 튜터가 심각한 사실 오류가 가장 적었고 설명의 질과 개인별 적응 점수도 가장 높았다. 해당 학생은 직접 지시하기보다 질문으로 풀이를 유도하는 방식을 선호했으며, GPT-5.4 기반 튜터는 추가 훈련을 하지 않은 튜터보다 사실 정확도에서 낮은 평가를 받았다.
이번 결과는 최적의 AI 튜터를 완성했다는 뜻이 아니라 가능성을 확인한 개념증명이라고 연구진은 밝혔다. 체스는 엔진으로 수의 적절성을 객관적으로 평가할 수 있지만, 에세이와 자유형 수학 답변은 신뢰할 만한 채점 기준이 부족해 더 어렵다. 연구진은 앞으로 여러 연습 세션에서 학생이 지식을 습득하고 유지하거나 잊는 과정을 모델링할 계획이며, 관련 코드는 깃허브(GitHub)에 공개했다. 마이크로소프트는 실제 학생을 대상으로도 AI 튜터를 시험하고 있고, 오픈AI(OpenAI)와 구글(Google)은 각각 Study Mode와 Guided Learning을 제공하지만 개별 학습자 모델을 유지하지는 않는다.