학습관리계층 · Learning Management
과목, 콘텐츠, 일정, 과제, 출석, 성적과 사용자권한을 관리하는 기본 교육운영 계층입니다.
- 역할: 과정·콘텐츠·사용자 관리
- 데이터: 등록, 진도, 과제, 평가
- AI 연결: LMS 데이터가 학습자 모델의 기초 입력이 됨
PLATFORM ARCHITECTURE · 플랫폼 구조
교육플랫폼의 6개 핵심 계층
학습자 모델계층 · Learner Model
학습자의 지식수준, 목표, 오류, 진도, 선호와 학습행동을 구조화해 현재 학습상태를 표현합니다.
- 핵심: 지속적 갱신과 오류정정
- 위험: 잘못된 초기판정의 고착
- AI 연결: 추천·난이도·피드백 결정의 근거
AI 튜터계층 · AI Tutor
질문, 설명, 힌트, 예시, 피드백과 재학습을 담당합니다. 단순 대화형 UI가 아니라 교수전략과 학습목표에 연결돼야 합니다.
- 역할: 설명·질문·피드백
- 입력: 학습목표와 학습자 모델
- 출력: 다음 학습행동과 학습지원
에이전트 계층 · Agentic Layer
계획, 탐색, 도구사용, 일정관리, 콘텐츠 조합 등 여러 단계의 행동을 수행합니다. 학습자 대신 무엇까지 실행할 수 있는지 권한제어가 핵심입니다.
- 권한: 추천·초안·승인후실행·자동실행
- 통제: 단계별 승인과 중단
- 위험: 과잉대행과 무단 행동
학습분석계층 · Learning Analytics
플랫폼에서 발생하는 행동데이터를 학습지표로 변환해 참여, 숙달, 이탈위험과 AI 의존성을 분석합니다.
- 기능: 진단·예측·경보
- 원칙: 설명 가능한 지표
- 연결: 결과를 다시 튜터와 교수자에게 전달
인간감독계층 · Human Oversight
고위험 판단, 성적, 개인정보, 부적절한 AI 행동과 이의제기 상황에서 사람이 개입할 수 있도록 합니다.
- 권한: 검토·승인·수정·중단
- 로그: 누가 무엇을 결정했는지 기록
- 핵심: 자동화보다 책임 있는 통제
SYSTEM FLOWS · 시스템 흐름
데이터와 권한이 어떻게 움직이는가
학습 데이터 흐름
LMS 활동 → 학습자 모델 → 분석 → AI Tutor/Agent → 새 학습행동 → 재분석의 순환을 구성합니다.
의사결정 흐름
저위험 추천은 자동화할 수 있지만 성적, 징계, 학습자 배제처럼 영향이 큰 판단은 인간검토를 요구합니다.
오류 대응 흐름
오류 탐지 → 사용자 신고 → 로그확인 → 인간검토 → 수정 → 영향받은 학습자 통지의 절차를 설계합니다.
개인정보 흐름
수집목적, 보관기간, 접근권한, 제3자 제공과 삭제를 데이터 생명주기 전체에서 관리합니다.
CORE CONCEPTS · 핵심 개념
플랫폼 설계의 핵심 용어
Interoperability · 상호운용성
LMS, 콘텐츠, 평가, 분석도구와 AI 서비스가 표준화된 방식으로 데이터를 교환하고 기능을 연동하는 능력입니다.
Learning Record · 학습기록
학습자의 활동과 성취를 시간순으로 축적한 데이터입니다. 단순 로그가 아니라 해석 가능한 교육기록으로 관리해야 합니다.
Role-Based Access Control · 역할기반 접근통제
학습자, 교수자, 관리자, AI 에이전트가 볼 수 있고 수정할 수 있는 데이터와 기능을 역할별로 제한하는 방식입니다.
Observability · 관찰가능성
AI와 플랫폼이 어떤 판단과 행동을 했는지 로그와 상태를 통해 추적할 수 있는 정도입니다.
Fallback · 대체경로
AI 오류나 서비스 장애 시 인간지원 또는 비AI 학습경로로 전환할 수 있도록 준비한 안전장치입니다.
CORE LITERATURE · 핵심 문헌축
표준과 설계문헌
ADL, Experience API (xAPI)『경험 API 학습기록 표준』
LMS 밖의 다양한 학습활동을 일관된 형식으로 기록하는 개념과 구조를 이해하는 데 사용합니다.
1EdTech, Learning Tools Interoperability (LTI)『학습도구 상호운용성 표준』
외부 학습도구를 LMS와 안전하게 연동할 때 필요한 역할·보안·데이터 교환 구조를 제공합니다.
Woolf, Building Intelligent Interactive Tutors『지능형 상호작용 튜터 설계』
학습자 모델과 교수전략을 시스템 구성요소로 분리해 설계하는 기초를 제공합니다.
NIST AI Risk Management Framework『AI 위험관리 프레임워크』
교육플랫폼의 AI 기능을 거버넌스, 측정, 관리와 문서화의 관점에서 검토할 때 참고합니다.
PLATFORM PRACTICE · 설계 사례
실제 플랫폼 구성 예시
성인학습자 AI 학습동반자
LMS 진도, 학습목표, 주간일정을 Learner Model에 반영하고 AI 코치는 계획·점검을 지원하되 일정변경은 사용자 승인을 받도록 합니다.
다중에이전트 학습플랫폼
튜터·평가자·검증자 에이전트를 분리하고 모든 고위험 행동은 감독계층을 통과하도록 구성합니다.
NEXUS Living Lab
연구·교육콘텐츠·학습웹앱을 연결해 사용행동 → 분석 → 설계개선 → 재배포의 연구순환을 검증합니다.
플랫폼 연구의 핵심은 기능목록이 아니라 데이터, 권한, 책임, 학습성과가 하나의 구조 안에서 어떻게 연결되는지 설명하는 것입니다.