IDL Lab의 석사 졸업생 김수진과 이초희의 연구가 각각 SSCI Q1 저널 British Journal of Educational Technology (BJET)와 Educational Technology & Society (ET&S)에 게재되었습니다.
British Journal of Educational Technology
본 연구는 LLM 기반 글쓰기 환경에서 학습자 주도성을 높이기 위해 설계된 Argument Outline과 Similarity Viewer 기능의 효과를 검증하였습니다. 두 기능을 함께 제공받은 학습자들은 글을 더 독립적으로 구성하고 AI 제안을 선택적으로 활용하며, 결과적으로 AI 출력물과의 의미적 유사성이 낮은 텍스트를 생성했습니다. 이는 생성형 AI 글쓰기 도구에서 구조화된 인터페이스 설계가 학습자의 AI 의존도를 조절하고 주도적 글쓰기를 촉진하는 핵심 요소임을 보여줍니다.
Educational Technology & Society
IDL Lab의 석사 졸업생 김수진과 이초희의 연구가 각각 SSCI Q1 저널 British Journal of Educational Technology (BJET)와 Educational Technology & Society (ET&S)에 게재되었습니다.
British Journal of Educational Technology
Sujin Kim, Hyo‐Jeong So, Kyudong Park
https://doi.org/10.1111/bjet.70015 (Early View)
본 연구는 LLM 기반 글쓰기 환경에서 학습자 주도성을 높이기 위해 설계된 Argument Outline과 Similarity Viewer 기능의 효과를 검증하였습니다. 두 기능을 함께 제공받은 학습자들은 글을 더 독립적으로 구성하고 AI 제안을 선택적으로 활용하며, 결과적으로 AI 출력물과의 의미적 유사성이 낮은 텍스트를 생성했습니다. 이는 생성형 AI 글쓰기 도구에서 구조화된 인터페이스 설계가 학습자의 AI 의존도를 조절하고 주도적 글쓰기를 촉진하는 핵심 요소임을 보여줍니다.
Educational Technology & Society
Chohui Lee, Hyo-Jeong So
v.28, no.4, 241-258, https://doi.org/10.30191/ETS.202510_28(4).SP04
IDL Lab alumni Sujin Kim and Chohui Lee have published their research in two international SSCI Q1 journals, British Journal of Educational Technology (BJET) and Educational Technology & Society (ET&S).
Kim et al. (2025) examines the effectiveness of the Argument Outline and Similarity Viewer features designed to enhance learner agency in LLM-powered writing environments. Students who used both features were able to construct their writing more independently and selectively incorporate AI-generated suggestions, ultimately producing texts with lower semantic similarity to AI outputs. These findings highlight the importance of structured interface design in managing learners’ reliance on AI and promoting agency-driven writing in generative AI–supported environments.
Lee and So (2025) investigate how middle school students utilize generative AI while solving social and scientific problems in the PISA 2022 Creative Thinking Assessment, revealing that their use of AI varies significantly depending on the problem domain and performance level. High-performing students employed diverse prompt strategies, effectively integrating AI suggestions with their own ideas to extend their thinking. In contrast, low-performing students tended to rely heavily on AI-generated responses with minimal modification. These results underscore the need for domain-sensitive and learner-level–appropriate prompt strategy instruction when integrating generative AI into creative problem-solving activities.
Together, the two studies provide important implications for designing AI-supported learning environments that foster autonomous learner engagement.