전체 프로젝트RENI
교육·공공 · 레노소프트

RENI

AI 풀이 분석·학습 추천 시스템

기간
2025.09 – 2025.12
회사
레노소프트
역할
PL, 서비스 기획, 서비스 프로세스 설계, 정책 및 기능 정의
기여도
서비스 기획 및 화면 설계 100%
교육·공공AILMS학습 데이터관리자 어드민API 연동

개요

RENI는 기존 LMS 문제은행에 학습 메타 정보를 확장 적용해, 문제 풀이 과정과 결과를 더 정교하게 분석하고 활용하도록 설계한 AI 기반 학습 분석 시스템입니다.

문항 단위에 난이도·유형·개념 등 메타 정보를 구조적으로 결합해 학습자에게 더 풍부한 풀이 결과와 분석 정보를 주는 것이 목표였습니다. 여기에 AI로 풀이 결과를 분석해 학습 성취도와 취약 영역을 예측하는 알고리즘, 추천 학습 알고리즘을 적용해 반복 학습·난이도 조정·취약 개념 보완처럼 목적에 따라 학습 흐름을 유연하게 구성할 수 있게 했습니다.

서비스 전체 프로세스와 기능 구조, 화면 구성과 사용자 흐름을 정립했습니다. 기존 LMS와는 API로 데이터를 동기화하고, RENI 안에서 학습 데이터를 고도화·분석하는 구조로 설계해 기존 데이터는 유지하면서 기능을 확장할 수 있게 했습니다.

서비스 프로세스 수립

기존 LMS 문제은행 데이터를 연동해 RENI에서 메타데이터를 고도화하고, 그 데이터를 다양하게 활용하는 전체 프로세스를 세웠습니다.

문제은행 기반 메타데이터 확장과 정합 구조

  • 기존 문제은행과 API로 연동해 문항과 학습 데이터를 안정적으로 수집
  • 기존 메타데이터 정합성 검증과 표준화 기준 수립
  • 문항별 난이도·유형·개념·출처 등 학습 메타 정보 구조 정의
  • AI 자동 생성과 관리자 수동 입력을 함께 쓰는 메타데이터 추가 방식 설계
  • 관리자 검토·승인 프로세스를 포함한 메타데이터 품질 관리 체계 구축

학습 데이터 분석과 AI 예측·추천

  • 문항 세트 풀이 과정에서 정답 여부, 풀이 시간, 시도 횟수 등 학습 데이터 수집
  • 성취도, 난이도 체감, 취약 개념을 분석하는 데이터 로직 설계
  • AI로 학습 성취도를 예측하고 취약 영역을 도출하는 알고리즘 적용
  • 반복 학습, 난이도 조정, 개념 보완 등 목적별 추천 로직 정의
  • 분석 결과가 추천 학습으로 자연스럽게 이어지는 흐름 설계, 추천 학습 참여도·결과 통계 별도 제공

LMS 연동을 고려한 운영·확장 구조

  • LMS와 RENI 사이의 데이터 동기화와 역할 분리 구조 설계
  • RENI 안에서만 분석·가공되는 학습 데이터 관리 체계 정의
  • 관리자 중심의 메타 관리, 분석 결과 확인, 추천 설정 화면 설계
  • 다양한 LMS 환경에 적용할 수 있는 확장형 학습 분석 시스템 방향 수립
서비스 전체 프로세스 (Draw.io)
서비스 전체 프로세스 (Draw.io)

상세 화면 설계

기존 LMS와 안정적으로 연동되면서 관리자가 직접 제어할 수 있는 데이터 운영 화면을 설계했습니다.

데이터 연동 현황을 한눈에 보는 관리자 화면

  • 문항 정보, 풀이 정보, 과정 정보 3가지 데이터 연동 상세 화면 제공
  • 대시보드에서 주요 연동 현황을 그래프와 요약 정보로 파악
  • 연동 데이터의 흐름과 상태를 빠르게 점검하는 관리자 중심 UI

문항 메타 관리 편의성과 품질 검증

  • 문제은행의 많은 데이터를 카테고리화해 RENI 메타 정보를 일괄 등록하는 UI·기능
  • 자동 등록 뒤에도 관리자 검토로 품질을 확인하는 검증 장치
  • 기본 메타 외에 메타 정보를 자유롭게 추가·수정하는 유연한 운영 구조

추천 문항 풀이 현황 기반 난이도 조정

  • RENI가 추천한 문항을 학습자가 얼마나 풀었는지 이력 확인
  • 추천 문항 정답률로 추천 난이도의 적정성을 관리자가 판단하는 지표 제공
  • 학습자가 과도하게 이탈하지 않고 학습을 이어가도록 운영 관점의 조절 구조 마련
데이터 연동 현황 관리자 화면 (Figma)
데이터 연동 현황 관리자 화면 (Figma)
문항 메타 관리 화면
문항 메타 관리 화면

이 프로젝트가 궁금하다면

자세한 과정은 직접 설명드릴게요.