최근 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

Recently, large language models (LLMs) have become a focal point of research in the field of artificial intelligence, demonstrating significant potential for educational applications. These models are being explored for their applicability across nearly all areas of education, and their relevance is also being noted in engineering curricula. However, the specific fields and methods of application require further extensive research. Particularly, the necessity for studies on curriculum design using LLMs is emerging as a critical research agenda in both AI and education. As an illustrative example and strategic approach to this need, this study leverages OpenAI's latest LLM, ChatGPT-4, to analyze the correlation between undergraduate major courses at the Korea Advanced Institute of Science and Technology (KAIST) College of Engineering and job descriptions in the semiconductor division of S Electronics (S Electronics DS Division). Based on this analysis, the study proposes practical application strategies for semiconductor workforce development and recruitment for both academic institutions and companies. To achieve this, all major courses offered in the KAIST College of Engineering undergraduate curriculum and the job descriptions of the S Electronics DS Division were trained on ChatGPT-4. The relevance of each course to specific product lines and job roles was quantified based on a defined range and criteria. Additionally, the collected data was evaluated through basic statistical analysis, focusing on the potential usability for job seekers and recruiters. The analysis encompassed the correlation of each major with various job roles, the correlation of each job role with various majors, and the correlation between specific job roles and majors in relation to semiconductor product lines. Furthermore, the feasibility of the proposed strategy was verified through feedback from professionals in the semiconductor industry. The analysis results indicated significant differences in job relevance by major and course, even with simple queries and analyses. Based on these findings, this study proposes strategies for improving university curricula and applying these findings to corporate recruitment processes. This research is expected to contribute to talent development and recruitment efficiency through collaboration between academia and industry. Additionally, as follow-up research, a large-scale survey targeting groups such as job seekers, employers, and educators is proposed to verify the effectiveness of this study and to conduct comparative analysis with real-world applicability. In conclusion, this study explores the specific application possibilities of designing educational curricula using large language models to cultivate the necessary talents. By doing so, it seeks to propose ways to contribute to the field of AI-based education.

Ⅰ. 서 론
Ⅱ. 이론적 배경
    2.1. 거대 언어 모델이 공학 교육에 미치는 영향
    2.2. GPT 기반 교육과정-직무 관련성 평가
Ⅲ. 연구방법론
    3.1. 연구대상
    3.2. 데이터 수집 및 분석 방법
Ⅳ. 분석 결과
    4.1. 직무 적합성 평가
    4.2. 전공 적합성 평가
    4.3. 제품군 적합성 평가
    4.4. 현업 및 인사 실무자 검토
Ⅴ. 결론 및 토의
    5.1. 연구 결과의 의의와 시사점
    5.2. 연구의 한계 및 향후 연구과제
참 고 문 헌

• 이호찬(한국과학기술원 문술미래전략대학원 석사과정) | Lee Hoc han
• 이상윤(한국과학기술원 문술미래전략대학원 교수) | Yi Sang Yoon Corresponding author