분수의 곱셈 오류에 대한 생성형 AI의 진단 및 피드백 역량 분석: ChatGPT, Gemini, DeepSeek를 중심으로

• 영문명: Analysis of Generative AI's Diagnostic and Feedback Capabilities Regarding Fraction Multiplication Errors: Focusing on ChatGPT, Gemini, and DeepSeek
• 발행기관: 대한수학교육학회
• 저자명: 황성환(Sunghwan Hwang) 이지은(Ji-Eun Lee) 은혜 플라빈(Eunhye Flavin) 강윤지(Yunji Kang)
• 간행물 정보: 『수학교육학연구』제35권 3호, 467~488쪽, 전체 22쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2025.08.31

국문 초록

본 연구는 생성형 AI의 수학교육적 활용 가능성을 탐색하고자, ‘분수의 곱셈’ 영역에서 생성형 AI의 오류 진단 및 피드백 제공 능력을 분석하였다. 선행연구를 바탕으로 분수의 곱셈에서 발생하는 오류를 계산형 오류와 문장제 오류로 분류하고, ChatGPT-4, Gemini-2.0 Flash, DeepSeek-R1에 동일한 프롬프트와 오류 유형을 입력하여 각 모델의 응답을 수집하였다. 분석 결과, 세 종류의 생성형 AI는 전반적으로 복합적이고 일관되지 않은 오류 진단 양상을 보였다. 계산형 오류의 경우, 세 모델 모두 낮은 진단 정확도를 보였으며, 모델 간 성능 차이는 크지 않았다. 반면 문장제 오류에서는 상대적으로 높은 진단 정확도를 보였고, AI 모델 간 역량 차이도 뚜렷하게 나타났다. 피드백 제공 측면에서도 문장제 오류에 대한 피드백이 계산형 오류보다 더 적절하고 구체적인 것으로 분석되었다. 이는 AI 모델의 유형별 강점과 약점이 교수적 맥락에 따라 구분되는 양상을 보이며, AI의 교육적 성공은 기술의 도입 자체가 아닌 그것을 선별하고 지도하는 교사의 전문적 역량에 달려있음을 시사한다.

영문 초록

This study aims to explore the potential of generative AI in mathematics education by analyzing its ability to diagnose student errors in solving fraction multiplication problems and provide feedback. Drawing on prior research, this study first categorized errors in fraction multiplication into computational errors and word problem errors. Prompts reflecting these error types were input into three generative AI models—ChatGPT-4, Gemini-2.0 Flash, DeepSeek-R1—and the responses from each model were collected for analysis. The results showed that the three generative AI models exhibited complex and inconsistent patterns in error diagnosis overall. In the case of computational errors, all three models demonstrated low diagnostic accuracy, with minimal differences in performance between models. In contrast, for word problem errors, the models showed relatively high diagnostic accuracy, and clear differences in capabilities were observed among the models. In terms of the feedback, the feedback for word problem errors was found to be more appropriate and specific than that for computational errors. This suggests that the strengths and weaknesses of AI models vary depending on the instructional context, and that the educational success of AI depends not on the adoption of the technology itself, but on the professional expertise of teachers who select and guide its use.

목차

Ⅰ. 서론

Ⅱ. 선행 연구

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 논의

CONFLICTS OF INTEREST

REFERENCES

키워드

생성형 AI 분수의 곱셈 수학적 오류 피드백 generative AI fraction multiplication mathematical errors feedback