생성형 AI를 활용한 검색 증강 생성 기반 학습 QA 챗봇 구현 = Implementation of an Educational QA Chatbot Based on Retrieval-Augmented Generation Using Generative AI

국문 초록 (Abstract)

본 연구는 생성형 인공지능 기반 검색 증강 생성(RAG) 기법을 활용하여 학습자 중심 질의응답(QA) 챗봇 구현 방법을 제시한다. 기존 규칙 기반 및 기계학습 기반 챗봇은 제한된 데이터와 고정 응답 패턴으로 인해 맥락 이해와 적응성에 한계가 있다. 이에 외부 문서 검색 결과를 대규모 언어모델(LLM) 입력에 결합하여 정확하고 문맥적으로 풍부한 답변을 생성하는 RAG 기반 챗봇을 설계하였다. 구현 과정은 문서 로드·텍스트 추출, 청킹, 임베딩 생성, 벡터 저장, 검색, 응답 생성 단계로 구성되며, 벡터 데이터베이스를 활용해 관련 정보 근거를 검색하고 생성 과정에 통합한다. 제안 시스템은 특정 교과에 종속되지 않는 확장형 구조로 자율 학습과 맞춤형 피드백을 지원하며, 향후 성능 평가, 사용자 경험 분석, 지식 업데이트 자동화 및 윤리적 고려를 포함한 고도화가 필요하다.

다국어 초록 (Multilingual Abstract)

This study proposes a learner-oriented Question-and-Answer (QA) chatbot implementation method based on Retrieval-Augmented Generation (RAG) using Generative AI. Conventional rule-based and machine learning chatbots rely on limited data and fixed response patterns, which restrict contextual understanding and adaptability. To address this limitation, we design a RAG-based generative chatbot that combines external document retrieval with a Large Language Model (LLM) to generate accurate and contextually grounded answers. The architecture consists of document loading and text extraction, chunking, embedding generation, vector storage, retrieval, and answer generation, where a vector database provides relevant evidence for the generative process. The proposed chatbot is domain-independent and scalable across learning areas, supporting self-directed learning and personalized feedback. Future work includes performance evaluation, user experience analysis, automated knowledge updates, and ethical considerations.