최근 BIM은 단순 3차원 모델링을 넘어 표준화된 속성 데이터의 품질 확보와 체계적 관리가 핵심 요구로 부각되고 있으며, 온톨로 지 및 지식그래프 기반의 데이터 관리･추론 방식이 주목받고 있다. 그러나 지식그래프 기반 BIM 데이터는 부재 간 구조 관계 분석, 설 계 검토, 물량･속성 정보 조회 등 실무 의사결정을 지원할 수 있으나, SPARQL･Cypher와 같은 그래프 질의어를 직접 작성해야 한다 는 점에서 실무 적용에 제약으로 작용한다. 이를 위해 본 연구에서는 사용자가 자연어 질문을 기반으로 그래프 질의를 자동 생성할 수 있는 GraphRAG 기반 질의 자동 생성 프레임워크를 제안하였다. 먼저 CSV 기반 속성/관계 테이블에 규칙을 적용해 노드･관계를 생 성하고 그래프 데이터베이스에 적재하는 CSV-to-LPG 파이프라인을 구현하여, LPG 지식그래프 구축 절차를 자동화하였다. 이후 Few-shot Learning 기반 프롬프트 설계를 통해 사용자의 자연어 질문을 Cypher 쿼리로 자동 변환하는 자동 질의 생성 모듈을 구현하 였다. 전체 프레임워크는 Graph-ACQ 시스템으로 개발하여 라멘교 BIM 데이터를 기반으로 적용하였다. 검증 결과 LPG 스키마 유효 성과 Cypher 자동 생성, Cypher 질의 수작업 과정에서 정확도 모두 100%를 달성하였고, 질의 생성 시간은 평균 7.1초에 처리되었다. GraphRAG 기반 질의 생성 방식은 부재 간 공간･구조 관계를 명시적으로 활용하므로, 설계･검토 과정에서 요구되는 연결 관계 분석, 구조 구성 파악, 물량･속성 정보 조회 등 관계 기반 질의를 자연어로 수행할 수 있다. 또한 Few-shot Learning 기반 접근을 적용하여 교 량 뿐만 아니라 다양한 공종 내에서도 질의 생성을 가능하게 함으로써, 프로젝트의 확장성을 확보 가능하다.

이 연구의 목적은 과학고등학교 학생들이 일정기간의 지속적인 학습프로그램 경험을 통해 그들의 가설지식 생성능력과 설명경향이 생물학자와 비교하여 어떻게 달라지는지 그 변화 양상을 분석하고 규명해 보는 것이다. 연구를 위하여 남부권 소재 과학고등학교 학생 14명과 생물학자 7인을 선정하였다. 학생들의 경우, 7명씩 실험집단과 비교집단으로 나누고 실험집단은 12주에 걸쳐 주 1회씩 생물학 가설에 관련된 지식생성형 학습프로그램을, 비교집단은 지식수용형 학습프로그램을 경험하게 하였다. 학습의 전과 후에 미리 제작된 생명현상에 관한 측정과제로 생성한 가설에 대한 설명경향과 가설생성능력을 파악하였다. 연구결과는 다음과 같다. 1) 과학고등학교 학생들은 두 집단 모두 사전-사후 변화 없이 설명대상을 분할하지 않고 가설을 생성하며, 2) 실험집단의 경우 사후에는 다차원적 설명자를 사용하는 변화를 보이나 비교집단은 그렇지 못했다. 3) 또한 실험집단은 사후에 현상적 설명자 뿐만 아니라 생물학자들처럼 이론적 설명자를 사용하는 빈도가 증가되는 것으로 나타났으며, 4) 설명자의 유사도 역시 증가된다. 이러한 결과는 지속적인 지식생성형 학습프로그램의 경험을 통해 학생들의 가설설명경향이 과학자와 유사한 형태로 변화되어갈 수 있고, 지식수용형 학습의 경험만으로는 학생들의 가설설명경향 및 가설생성능력의 변화를 유도하기 어렵다는 것을 시사해 주고 있다.