서울과학기술대학교 바로가기

- ‘자기노출 LLM 챗봇’으로 학업 스트레스 평가 정확도 93.6% 달성
- 공감형 대화를 통해 사용자 참여를 높이는 자기노출 전략을 LLM에 적용
- 국제 저명 학술지 International Journal of Educational Technology in Higher Education (JCR 상위 0.5%) 게재

인공지능응용학과 서경원 교수 연구팀(인간중심 인공지능 연구실, https://hai.seoultech.ac.kr)이 개발한 대형언어모델(LLM) 기반 학업 스트레스 측정 방법론이 국제 저명 학술지 International Journal of Educational Technology in Higher Education (Impact Factor: 8.6, 상위 0.5%)에 게재되었다.

이번 연구는 기존 LLM이 단순 프롬프트 기반 응답에 의존해온 한계를 넘어, ‘자기노출(self-disclosure)’ 전략을 학습한 LLM 챗봇을 통해 스트레스 평가 정확도를 90% 이상 향상시킨 성과로 주목받았다. 연구는 서울과기대 박민영 학석사연계과정 학생이 제1저자로 참여했으며, 캐나다 브리티시컬럼비아대학교(UBC)의 Sidney Fels 교수와의 국제 공동연구로 수행되었다. 서경원 교수가 교신저자로 참여했다.

서 교수팀은 단순 프롬프트 설계에 의존하던 기존 LLM 기반 챗봇의 한계를 극복하기 위해, 사용자와의 공감적 대화를 유도하는 자기노출 전략을 LLM에 학습시켰다. 자기노출 LLM 챗봇은 먼저 공감적 사례를 제시한 뒤 질문을 이어가는 방식으로 설계되어, 사용자로 하여금 보다 진솔하고 깊이 있는 응답을 이끌어낼 수 있도록 했다. 그 결과, 기존 챗봇 대비 평균 대화 시간은 15.55분, 응답 단어 수는 240단어로 증가했으며, 학업 스트레스 평가 정확도(ACC1)도 93.6%를 기록하는 등 사용자 참여도와 평가 정확성 모두에서 의미 있는 향상을 이뤘다.

서경원 교수는 “이번 연구는 LLM 챗봇이 단순 정보 제공을 넘어, 사용자와의 공감을 통해 스스로를 돌아보게 하는 도구로 활용될 수 있음을 실증한 사례”라며, “향후 디지털 헬스케어와 교육 기술 등 다양한 분야에서 자기노출 LLM 기반 챗봇의 활용 가능성을 지속적으로 확장해나갈 계획”이라고 밝혔다.

이번 연구는 정보통신기획평가원(IITP)의 지원을 받아 수행되었다.

▲ 자기노출 LLM 기반 챗봇의 대화 설계 프레임워크