일반대화와 전공추천이 가능한 대화형 전공추천 챗봇

Q: 이 논문에서 정의한 대화형 전공추천 챗봇이란 무엇인가?

대화형 전공추천 챗봇은 사용자의 발화를 KoELECTRA 모델로 일반대화와 전공 추천 의도로 분류하고, 일반대화 시 KoGPT2 모델로 대화를 진행하며, 전공 추천 시 사용자의 전공 및 학년에 기반하여 강의평 유사도가 높은 과목을 추천하는 시스템이다. 이를 통해 대학생들의 복잡한 수강 과목 설계 과정을 단축하고 효율적인 전공 설계를 돕는다.

Q: 대화형 전공추천 챗봇이 기존 과목 설계 과정을 어떻게 단축하는가?

연구 결과, 대화형 전공추천 챗봇은 기존 학교 홈페이지나 강의평 조회 사이트를 이용하는 것에 비해 페이지 전환 수와 클릭 수를 현저히 줄여 과목 설계 과정을 단축한다. 사용자는 챗봇과의 대화를 통해 자신의 조건에 맞는 과목을 추천받고, 이를 통해 수강 과목 설계에 필요한 시간과 노력을 최소화할 수 있다.

연희연; 신용하; 고우준; 이석준; 구명완

학술대회자료 Full-text

저자정보: 연희연 (서강대학교) 신용하 (서강대학교) 고우준 (서강대학교) 이석준 (서강대학교) 구명완 (서강대학교)

저널정보: 한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2022 학술대회 발표 논문집

오류 신고하기

피인용 0

검색

초록·키워드

산업현장에서 직무 적합성에 대한 중요성 증가로 진로에 따른 대학 전공 설계의 관심이 늘어나고 있다. 하지만 대학생들의 수강 과목 설계 과정의 복잡함으로 실질적인 전공 설계가 이뤄지지 못하고 있다. 따라서 대화형으로 전공 추천 및 일반 대화가 가능한 챗봇에 대한 연구를 진행했다.

#AI 전공추천 #언어공학 #인공지능 전공설계 #대화형 전공 추천 챗봇

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)