자기조절학습 지침 수준에 따른 비즈니스 한국어 학습 챗봇의 출력 특성 비교 연구 = A Comparative Study of the Response Characteristics of Business Korean Learning Chatbots According to the Specificity of Self-Regulated Learning Guidelines

국문 초록 (Abstract)

본 연구는 자기조절학습(self-regulated learning) 지침 수준에 따라 GPT 기반 비즈니스 한국어 학습 챗봇의 출력 구조와 교육적 기능이 어떻게 달라지는지를 비교‧분석하였다. 이를 위해 󰡔Pro 비즈니스 한국어 4󰡕(김선정 외, 2013)의 가격 결정 과업을 바탕으로 세 유형의 챗봇을 구성하였다. 챗봇 A는 SRL 관련 지침이 없는 일반 과제지원형 챗봇, 챗봇 B는 목표 설정‧자기점검‧성찰을 개괄적으로 지원하도록 지시한 챗봇, 챗봇 C는 과제 이해, 목표 설정, 전략 선택, 자기점검, 피드백, 재작성, 성찰 절차와 피드백 기준을 상세히 포함한 챗봇이다. 분석 자료는 개념 이해 과업과 자기점검‧피드백 과업에 대한 출력물이다. 본 연구에서는 이를 과제 이해, 목표 설정, 전략 실행, 자기점검, 피드백의 구체성, 한국어 표현 지원, 성찰‧전이, 학습자 주도성 보존의 범주에 따라 질적으로 비교하였다. 분석 결과, 세 챗봇은 모두 가격 결정 방법의 기본 개념을 대체로 정확하게 설명하였으나, SRL 지원의 구조화 정도에서는 차이를 보였다. 챗봇 A는 직접 설명과 수정 답안 제공 중심의 출력을 보였고, 챗봇 B는 일반적 자기점검 문장을 포함하였으나 과업 기준 및 학습자 산출물과의 연결성은 제한적이었다. 반면 챗봇 C는 과업 단계, 판단 기준, 오류 원인, 수정 방향, 문장 틀, 재작성 요청을 포함하여 학습자의 자기점검과 한국어 재산출을 상대적으로 더 구조화하였다. 다만 챗봇 C에서도 명시적 목표 설정과 성찰‧전이 지원은 제한적으로 나타났다. 본 연구는 생성형 AI 챗봇의 교육적 활용에서 SRL 지침의 단순한 포함 여부보다 지침의 실행 가능성, 과업 적합성, 피드백 기준의 구체성, 학습자 주도성 보존 장치가 중요함을 시사한다.

다국어 초록 (Multilingual Abstract)

This study examines how GPT-based chatbots for Business Korean learning differ in their response structures and pedagogical functions according to the specificity of self-regulated learning guidelines. Three chatbots were designed based on a pricing task from Pro Business Korean 4. Chatbot A was a general task-support chatbot without self-regulated learning guidelines; Chatbot B was instructed to support goal setting, self-monitoring, and reflection in a general manner; and Chatbot C was provided with detailed procedures and feedback criteria for task comprehension, strategy selection, self-monitoring, feedback, rewriting, and reflection. The three chatbots were controlled for learner proficiency level, textbook scope, response language, and input conditions.
The dataset consisted of chatbot-generated responses to two tasks: a conceptual understanding task and a self-monitoring and feedback task. The responses were qualitatively analyzed in terms of task comprehension, goal setting, strategy implementation, self-monitoring, feedback specificity, Korean expression support, reflection and transfer, and preservation of learner agency.
The findings showed that all three chatbots generally explained the basic concepts of pricing methods accurately, but differed in the degree to which self-regulated learning support was structured. Chatbot A mainly provided direct explanations and revised answers, while Chatbot B included general self-monitoring prompts that were only loosely connected to task criteria and learner-produced output. In contrast, Chatbot C offered step-by-step support by presenting task stages, judgment criteria, causes of errors, directions for revision, sentence frames, and rewriting prompts, thereby better preserving learners’ reasoning and language production. However, even Chatbot C provided limited support for explicit goal setting, reflection, and transfer.
These findings suggest that the pedagogical quality of generative AI chatbot responses depends not merely on the presence of self-regulated learning guidelines, but on their actionability, task alignment, feedback specificity, and capacity to preserve learner agency.