거대 언어 모델을 활용한 교육 콘텐츠 자동 번역 연구: 교육과정을 고려한 프롬프트 엔지니어링 방법의 효과성 탐색

Leveraging Large Language Model for Automatic Translation of Educational Content: Exploring the Effectiveness of Curriculum-Aware Prompt Engineering

정보통신기술의 발전과 함께 교육 콘텐츠의 세계화가 촉진되는 여건에서도 언어 장벽은 교육 접근성의 여전한 장애물로 남아 있다. 이러한 난맥을 타개하기 위한 방법으로 다국어 번역이 중요해지고 있으며, 특히 교육 콘텐츠의 번역은 대상국의 문화적 맥락과 학습자의 교육적 특성을 고려하는 것이 중요하다. 기존의 기계 번역 시스템은 이러한 맥락을 충분히 반영하지 못하는 한계가 있기에, 본 연구는 교육 콘텐츠 중 비판적 사고력 검사도구의 문항 번역을 중심으로 거대 언어 모델에 대한 맥락학습을 통해 자동 번역 기능의 향상 가능성을 탐구하였다. 맥락 학습을 위해 두 가지 프롬프트 엔지니어링 전략을 비교하였는데, 첫 번째는 검사 문항과 명세 정보만을 제공하는 ‘검사정보 프롬프트’, 두 번째는 검사 정보에 더하여 대상 국가의 교육과정 등 교육적 맥락 정보를 포함하는 ‘교육과정 프롬프트’이다. 두 가지 프롬프트로 산출된 결과에 대한 자연어 처리 특성에 기반한 양적 분석과 교육전문가의 질적 분석 비교를 통해, 교육과정 맥락을 반영한 번역이 현장 적용 가능성 관점에서 보다 타당한 결과를 생성하는 것으로 나타났다. 이는 거대 언어 모델 기반으로 교육과정의 맥락을 반영한 자동 번역 방법이 학습자들에게 상대적으로 더욱 적합한 교육 콘텐츠로 활용될 수 있음을 시사한다.

Despite the globalization of educational content, language remains a significant barrier. When translating educational content, multilingual translation has become crucial to meet this challenge, with an emphasis on incorporating the cultural context of the target country and the educational context of the learners. However, existing machine translation systems often fail to adequately account for these contextual factors. This study explores the potential of the Large Language Model(LLM) to improve the translation of assessment items through In-context Learning. Two prompt engineering strategies are compared: the ‘assessment-aware prompt’, which includes only the specifications of the assessment, and the ‘curriculum-aware prompt’, which includes the educational and cultural context of the target country in addition to the assessment specifications. From the comparison of linguistic features and the expert reviews, we found that the curriculum-aware translation produced more valid and feasible results, highlighting the effectiveness of LLM-based automatic translation methods that integrate curriculum context.