연구진은 LLM 기반 자동 튜터링 도구 개발을 위해 학생 시뮬레이션 방법을 개선했어요. 기존 방식은 대화 내 정보만 활용해 학생의 지식과 행동 맥락을 반영하지 못했어요. 이 연구에서는 학생의 학습 이력을 활용해 대화 턴을 예측하는 방식인 '이력 기반 학생 시뮬레이션'을 제안했어요.
학생 프로필 생성기로 학습 이력을 요약하고, 생성된 프로필을 바탕으로 학생의 대화 턴을 예측하는 2단계 프레임워크를 사용해요. 강화 학습(RL)을 통해 프로필을 학습시켜 학생 시뮬레이션의 정확도를 높였어요.
수학 학습 플랫폼에서 수집한 실제 학생 대화 데이터셋으로 실험한 결과, 기존 방식보다 성능이 크게 향상되었으며, 학습 이력과 프로필의 중요성을 입증했어요.