인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
대화형 인공지능이 이용자의 과거 경험에서 수집하는 정보와 그 정보가 대화 중 변화하는 양상은 실제 운영 환경에서 충분히 정량화되지 않았다. 본 연구는 진로상담의 구조화된 질문 절차를 구현한 대규모 언어모델(LLM) 기반 챗봇의 실사용 로그로 이용자 경험의 문서화 과정을 정량화하였다. 개별 항목을 관측 단위로 설정하고 요소와 계층 수준에서 결과를 집계하였다. 대상 챗봇은 9단계·최대 15턴 대화로 사실·해석·적용 세 계층의 50개 항목을 기록한다. 2026년 3월 3일부터 8월 7일까지 158일간 이용자 571명, 결과물 705건, 5,994턴, 생성 기록 31,741건을 분석하였다. 판정 규칙 세 가지 가운데 질문 유형과 저정보 응답 두 가지는 판정자 간 사전 기준(Cohen's κ ≥ 0.7)에 미달하여 제외하였으며, 주요 신뢰구간은 이용자 수준 군집 부트스트랩으로, 턴별 이탈 위험은 Wilson 이항 구간으로 산출하였다. 최초 등장 턴 중앙값은 설계 순서를 따라 초기 여섯 요소는 2–3턴, 역량 이후 요소는 8–11턴이었다. 생성 기록의 계층 구성비는 사실에서 적용으로 이동했으며 재기록은 사실 계층에 집중되었다. 예시 채택률은 64.0 %였으나 2–5턴 고정 관측 창에서는 채택 횟수에 따른 15턴 도달률의 일관된 증감이 관찰되지 않았다. 미제공 수치가 최종 결과물에 남은 비율은 결과물 기준 3.3 %였으며, 이는 토큰 일치 규칙의 산출값이다. 15턴 도달률은 33.3 %로 종료 시점은 첫 턴에 집중되었다. 본 연구는 정보의 생성·갱신·잔존을 추적하는 항목 단위 지표를 제시하여 대화형 AI의 문서화 과정 평가와 설계 개선을 위한 실증적 근거를 제공한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
