LLM과 교우관계 분석(AI 문고)

교우관계의 작은 균열을 조금 더 일찍 발견하는 법
학생의 관계 변화는 대개 큰 사건보다 작은 문장에서 먼저 드러난다. 친구의 이름이 사라지고, '우리'라는 표현이 줄며, "오늘은 그냥 혼자 있었다" 같은 문장이 반복된다. 하루만 보면 지나치기 쉽지만 여러 날의 기록을 이어 보면 하나의 흐름이 된다. 학생의 일기, 상담 기록, 자유 글쓰기, 온라인 학습 기록에 남은 언어의 변화를 대규모 언어 모델이 어떻게 읽을 수 있는지 탐색한다. 그렇다고 AI가 학생의 마음을 대신 이해할 수 있다고 말하지는 않는다. 표정과 침묵, 교실 분위기, 가정환경과 관계의 맥락을 이해하고 판단하는 일은 여전히 교사의 몫이다. 대신 LLM은 방대한 기록을 같은 기준으로 살피고, 사람이 놓치거나 잊기 쉬운 변화를 시간의 흐름 속에서 연결하는 데 강점을 가진다. 특정 표현의 감소와 반복, 관계를 암시하는 언어 패턴을 통해 "이 학생을 조금 더 살펴볼 필요가 있지 않은가"라는 질문을 교사에게 던질 수 있다. 이 책은 학생 언어에 교우관계가 어떻게 흔적을 남기는지, LLM이 이를 어떤 원리로 분석하는지, 그 결과를 학교 현장에서 어디까지 활용해야 하는지를 다룬다. AI를 판정자가 아니라 기록자이자 관찰의 보조자로 두고, 기술보다 교사의 책임과 해석을 앞세운다.

말 못한 마음을 조금 더 일찍 만날 수 있다면

01 아동 위기 신호의 지연과 학교 현장
02 교사 판단 과정과 확신의 공백
03 아동 일기 텍스트와 정서·관계 단서
04 LLM 기반 언어 해석 메커니즘
05 관계 맥락 정보로서의 문장 구조
06 교우 관계 문제 유형의 언어적 특성
07 아동 언어 데이터의 구성·전처리·윤리
08 LLM 활용 교우 관계 예측
09 정성적 관계 신호와 LLM 해석의 한계
10 AI 보조 판단 체계와 인간 책임성

이시훈 한국교원대학교와 청주교육대학교 등에서 AI 관련 강의를 하고 있다. 청주교육대학교에서 컴퓨터교육을 전공하고 교육학석사 학위(로봇교육)를 받았으며, 충북대학교에서 상담 챗봇으로 빅데이터 공학박사 학위를 받았다. 약 11년간 초등교사로 재직한 경험을 바탕으로 생성형 AI와 자연어 처리 기술을 교육 현장에 적용하는 연구를 수행하고 있다.
주요 연구 분야는 생성형 AI, 대규모 언어 모델(LLM), 자연어 처리, 교육 인공지능(AIED), 학습자 정서 및 상담 지원 시스템이다. 특히 초등학생의 언어 데이터를 활용한 정서·행동 분석, 생성형 AI 기반 상담 지원, AI 활용 교육평가, 교사와 AI의 협력적 의사 결정(Human-AI Collaboration), 설명 가능한 AI와 AI 윤리 분야를 중심으로 연구하고 있다. 관련 연구를 Brain, Digital & Learning, Sustainability, AIED 등 국내외 학술지와 국제학술대회에 발표하였다.
현재는 생성형 AI와 LLM을 활용하여 학생의 언어와 행동을 이해하고 지원하는 인간 중심 AI(Human-Centered AI)를 연구하고 있으며, 교육·상담·정신건강 분야에서 AI가 교사의 전문성을 보완하는 보조 판단 체계로 활용될 수 있는 방안을 모색하고 있다.