다국어 교실의 고차원 질문 생성, LLM은 어디까지 가능할까

들어가며

수업에서 어떤 질문을 던지느냐는 학습의 깊이를 결정한다. 단순 암기나 사실 확인을 요구하는 질문도 필요하지만, 비판적 사고를 기르기 위해서는 근거를 설명하고, 주장을 평가하며, 다른 가능성을 탐색하게 만드는 고차원 질문이 중요하다. 문제는 교사가 이러한 질문을 꾸준히 설계하는 일이 쉽지 않다는 점이다.

arXiv에 공개되고 LREC 2026에 채택된 논문 「High-Order Question Generation in a Multilingual Educational Context」는 대규모 언어모델이 이 과정을 얼마나 도울 수 있는지 다룬다. 특히 이 연구는 교육 질문 생성에서 널리 쓰여 온 블룸 분류법에만 의존하지 않고, 다른 질문 설계 프레임워크를 함께 검토했다.

핵심 내용

• 블룸 분류법을 넘어선 접근. 기존 연구는 분석, 평가, 창조 같은 범주를 활용하는 블룸 분류법 중심으로 프롬프트를 설계하는 경우가 많았다. 이번 논문은 Claim-Evidence-Reasoning, 즉 주장-증거-추론 프레임워크와 Divergent Questioning, 즉 발산적 질문 프레임워크를 도입해 다른 유형의 고차원 질문을 만들 수 있는지 살폈다.

• 다국어 교육 맥락을 반영. 연구 대상 언어는 바스크어, 스페인어, 영어다. 영어 중심 평가를 넘어 여러 언어에서 모델을 검토했다는 점은 실제 교육 현장과 더 가깝다. 언어별 자원 수준과 모델의 적응력이 다를 수 있기 때문이다.

• 질문 생성은 가능하지만 품질은 균일하지 않다. 논문 초록에 따르면 오픈소스 모델과 독점 모델 모두 세 언어에서 비교적 효과적으로 질문을 생성했다. 그러나 답변 가능한 질문 중 교사가 고차원 질문으로 판단한 것은 약 절반에 그쳤다. 겉으로 복잡해 보이는 질문이 반드시 깊은 사고를 유도하는 것은 아니라는 의미다.

• 대안 프레임워크는 다양성을 만든다. 긍정적인 결과도 있다. 두 프레임워크는 구조적, 개념적으로 다양한 질문을 만들어냈다. 이는 블룸 분류법을 완전히 대체하기보다는, 함께 활용해 교사의 질문 설계 선택지를 넓힐 수 있음을 시사한다.

의미와 영향

이 연구는 교육용 생성 AI를 평가할 때 단순히 “질문을 만들 수 있는가”만 봐서는 안 된다는 점을 강조한다. 중요한 것은 질문이 수업 목표에 맞는지, 학생 수준에 적합한지, 실제로 설명·분석·평가와 같은 사고 과정을 촉진하는지다.

교사 입장에서 LLM은 유용한 초안 작성 도구가 될 수 있다. 특히 여러 언어로 질문 후보를 빠르게 만들거나, 같은 학습 내용에 대해 다른 관점의 질문을 얻는 데 도움이 된다. 하지만 논문 결과는 교사의 검토가 여전히 필수임을 보여준다. 모델이 만든 질문을 그대로 쓰기보다는 교육적 맥락에 맞게 선별하고 수정해야 한다.

교육 기술 개발자에게는 또 다른 시사점이 있다. 질문 생성 시스템이 하나의 교육 분류법에만 묶일 필요는 없다. 여러 프레임워크를 지원하면 더 풍부하고 유연한 학습 자료를 만들 수 있다. 특히 다국어 환경에서는 언어적 자연스러움뿐 아니라 교수학적 효과도 함께 평가해야 한다.

결국 이 논문은 LLM이 고차원 질문 생성을 완전히 해결했다고 말하지 않는다. 다만 모델이 교사의 질문 설계 도구상자를 넓힐 수 있으며, 무엇이 진정한 고차원 사고를 이끄는지는 여전히 교육 전문가의 판단이 필요하다는 점을 분명히 한다.

출처: arXiv