그룹 학습은 다양한 수업에서 흔히 사용된다. 그러나 그룹을 구성하는 데 사용되는 효과적인 방법은 충분히 이해되지 않았다. 본 연구에서는 학생들의 프로젝트 제안서에 표현된 지식과 관심사를 바탕으로 프로젝트 팀을 구성하기 위한 정량적 방법을 탐구한다. 제안서는 벡터 표현으로 인코딩되며, 그 결과 서로 밀접하게 관련된 제안서일수록 유사한 벡터를 산출하도록 한다. 이 과정에서 널리 사용되는 두 가지 자연어 처리 알고리즘을 사용한다. 첫 번째 알고리즘은 텍스트에 사용된 단어의 빈도에만 기반하는 반면, 다른 알고리즘은 심층 신경망을 사용하여 문맥 정보를 고려한다. 두 알고리즘이 생성한 제안서 간 유사도 점수는 인간 평가자가 생성한 점수와 비교한다. 제안된 방법은 한국의 캡스톤 디자인 과정에서 고학년 학생들을 대상으로, 한국어로 작성된 자율주행차 관련 프로젝트 제안서를 기반으로 적용하였다. 결과는 문맥화된 인코딩 방식이 단어 빈도 기반 인코딩 방식에 비해 더 인간과 유사한 텍스트 유사도 벡터를 생성함을 나타낸다. 이러한 불일치는 본 연구에서 문맥 정보 관점에서 논의된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.