인공지능 기초 수업을 진행하면서 학생들에게 인공지능의 원리는 자세히 가르치지만 이를 활용할 방법에 대해 고민이 많았습니다. 그래서 여러 선생님들의 도움과 조언을 받아 <자신만의 챗봇 개발>이라는 주제를 알게 되었고 Google에서 제공하는 Dialogflow 도구를 활용해 챗봇 개발을 하는 프로젝트 수행평가를 진행했습니다. 챗봇을 개발하기 위한 과정과 사용 방법은 네이버 검색, 유튜브 강좌를 활용하여 학습했어요.
교과 : 인공지능 기초 챗봇을 적용한 교과 내용 : 기계학습(기계학습의 활용) 프로젝트 기간 : 11차시 Dialogflow에 대한 설명
Dialogflow는 Google에서 제공하는 자연어 이해(NLU) 플랫폼으로, 챗봇 및 음성 애플리케이션을 쉽게 개발할 수 있도록 지원합니다. 다양한 언어를 인식하고 머신러닝을 활용하여 사용자 입력을 이해한 후 적절한 응답을 생성하는 플랫폼입니다.
사이트 주소 : https://dialogflow.cloud.google.com/
인공지능 프로젝트 수행평가 결과물
인공지능 수업 프로젝트 사례와 특정 학생의 결과물을 보여드릴게요.
프로젝트 순서
‘Dialogflow 기능, 방법 설명 -> 주제 선정 -> 자료 수집 -> 정보 구조화 -> 챗봇 개발’의 순서로 진행했습니다.
챗봇 개발 프로젝트 진행 절차 및 지도 방법
프로젝트는 ‘자료 수집 - 정보 구조화 - 데이터 기계학습 – 챗봇 개발’의 네 단계를 거쳐 완성되도록 설정했습니다. 모든 학생은 1인 1작품을 목표로 진행하였으며, 계획서 작성부터 결과 발표까지 모든 과정을 체계적으로 수행하였습니다. 특히, 계획서 작성은 매차시 세부 계획을 세우고, 이를 바탕으로 해당 차시의 수행 결과와 비교하여 자기 평가를 할 수 있도록 했습니다.
주제 선정
학생들이 본인의 진로와 관련된 주제를 선정할 수 있도록 개별지도를 제공했습니다. 이를 통해 학생들은 자신의 관심 분야와 연계된 주제로 프로젝트를 진행할 수 있어 동기부여를 높였습니다. 예를 들어, 미술 분야에 관심 있는 학생은 전시물 해설사 챗봇을, 교육 분야에 관심 있는 학생은 학습 보조 챗봇을 개발하도록 했습니다.
자료 수집
신뢰도가 높은 자료를 찾을 수 있도록 지도하였는데 특히 자료의 출처를 명확히 기재하도록 하여 여러 자료를 찾으면 비교 분석할 수 있도록 안내했습니다.
정보 구조화
수집된 자료를 체계적으로 정리하고 분석하는 방법을 지도했습니다. 이 과정은 학생이 수집한 자료를 이해하고, 데이터 간의 관계를 명확히 파악하기 위함이었습니다.
데이터 기계학습 및 챗봇 개발
최종 단계로, 학생들은 Dialogflow와 같은 플랫폼을 활용하여 챗봇을 개발했습니다. 이 과정에서 대화 흐름 설계, 인텐트 및 엔티티 정의, 응답 생성 등을 다루었습니다.
사용자가 입력하는 내용에 따라 시나리오가 다르게 흘러갈 수 있도록 챗봇 시나리오를 작성하게 지도했으며,
위와 같이 데이터 학습량이 적으면 챗봇의 데이터 편향성과 챗봇 오류가 발생할 수 있음을 안내했습니다.
또한, 챗봇을 실제 환경에 배포하고 테스트하는 방법을 배우며, 사용자의 피드백을 반영하여 챗봇을 개선하는 과정을 경험했습니다.
결과 발표
모든 학생은 최종 프로젝트를 발표하여 자신이 수행한 작업과 그 결과를 공유했습니다. 발표 과정에서는 프로젝트 주제 선정 이유, 방법, 결과 및 향후 개선 방안 등을 포함하였습니다.
<소감>
수업을 진행하기 전 어려움이 많았습니다. 일단 Dialogflow가 지원하는 범위가 한정적이라 학생이 기획한 대로 실행하는 데에 여러 어려움이 있었습니다. 예를 들어 글 줄바꿈이 되지 않으며 데모 버전은 사진 첨부가 되지 않아 개발 도중 메신저 버전으로 변경해야 하는 상황도 발생했습니다. 하지만 학생들이 스스로 문제 상황을 해결하고 완성된 챗봇을 보며 성취감을 많이 느꼈고, 기존 개발된 챗봇 오류에 대해 공감하는 모습을 보였습니다. 장기간에 걸친 수행평가로 인해 결과에 대한 걱정이 많았지만, 1학기 인공지능 수업 중 가장 흥미롭게 느껴졌던 수업이 아니었을까 생각합니다.