안녕하세요, 이신영입니다.

문제

• •문제집 수록용 지문·문항 제작 시 높은 비용과 시간을 부담함.

방법

• •Claude, Gemini, GPT, DeepSeek 비교 평가 : 형식(문단 구분·문장 길이·괄호)과 내용 완성도 기준으로 내용 전문가 블라인드 테스트 진행
• •GPT 파인튜닝을 위한 학습 데이터 구축 및 파인튜닝 시도
• •3개년 평가원 문항 분석 기반 프롬프트 설계, Gemini 멀티 에이전트로 자동 생성 파이프라인 구축
• •콘텐츠팀과 반복 회의를 통해 문제집 제작 불편사항 및 생성 문항 퀄리티 피드백 수렴·반영하며 고도화

결과

• •문항 제작 및 검토 시간을 수일에서 1시간으로 단축
• •PoC 검증 및 서비스 도입 전 단계로 마무리

문제

• •기존 서비스는 모든 학생이 동일한 시험을 응시하여 개인 수준을 반영하지 못함.
• •학습 추천은 제공하지만 학생이 자신의 단계와 선수·후속 학습을 파악할 수 없음.

방법

• •IRT·CAT 기반 적응형 평가를 설계 및 구현하여 학생 수준에 맞는 문항을 동적으로 출제
• •개념 간 선수·후속 학습 관계를 지식 맵으로 시각화하여 현재 위치와 다음 학습 경로를 직관적으로 제시

결과

• •개인 수준별 맞춤 학습 추천 및 지식 맵 시각화 구현 PoC 완료

문제

• •기존 키워드 기반 챗봇의 낮은 응답 정확도로 사용율이 저조함.
• •초등학생 대상 서비스 특성상 환각 우려로 생성형 AI 도입이 어려움.
• •사용자 이탈의 근본 원인(챗봇 성능)과 기획 목표(사용자 증대) 사이의 간극을 연결할 역할 필요함.

방법

• •질의응답 데이터 분석을 통해 문제 원인 파악
• •기존 키워드 기반 모델이 아닌 키워드 + 임베딩 앙상블 모델 도입 제안
• •오픈소스 기반 유사도 앙상블 모델 구축 및 정확도 검증

결과

• •학생이 자주 묻는 질문을 기준으로 테스트하여 정확도 20% 이상 향상 확인