정말똘망 - 편집 역사

Com239: /* 개념설계안 */

2024-06-21T04:02:01Z

‎개념설계안

Com239: /* 개발 과제 요약 */

2024-06-21T04:01:24Z

‎개발 과제 요약

Com239: /* 시장상황에 대한 분석 */

2024-06-21T02:05:12Z

‎시장상황에 대한 분석

Com239: /* 개발 과제 요약 */

2024-06-21T01:56:19Z

‎개발 과제 요약

2024년 6월 21일 (금) 01:54에 Com239님의 편집

2024-06-21T01:54:41Z

Com239: /* 시장상황에 대한 분석 */

2024-06-21T01:46:43Z

‎시장상황에 대한 분석

Com239: /* 관련 기술의 현황 및 분석(State of art) */

2024-06-21T01:43:31Z

‎관련 기술의 현황 및 분석(State of art)

Com239: /* 관련 기술의 현황 및 분석(State of art) */

2024-06-21T01:42:55Z

‎관련 기술의 현황 및 분석(State of art)

Com239: /* 관련 기술의 현황 및 분석(State of art) */

2024-06-21T01:37:13Z

‎관련 기술의 현황 및 분석(State of art)

Com239: /* 관련 기술의 현황 및 분석(State of art) */

2024-06-21T01:35:58Z

‎관련 기술의 현황 및 분석(State of art)

@@ 237번째 줄: / 237번째 줄: @@
 ====고객 여정 지도====
 [[파일: 고객여정지도_정말똘망_(2).png]]
 ====개념 설계안====

@@ 30번째 줄: / 30번째 줄: @@
 * OpenAI의 GPT-3(2020), ChatGPT(2022)와 같은 LLM은 자연어 이해와 관련된 태스크에서 뛰어난 성능을 보이며, 이러한 AI가 교육 분야에서 적용되는 사례가 증가하고 있다.
 * LLM 기술을 활용하면 개인의 이해도와 학습 속도를 고려하여 학습 효율을 증진시킬 수 있기 때문에, 학습자들에게 보다 효율적인 학습 경험을 제공할 것으로 기대된다.
-* 퀴즈 및 요약본 생성 LLM 모델 파인튜닝 목표로 개발 과제를 진행한다.
+* 퀴즈 및 요약본 생성 LLM 모델 프롬프트튜닝을 목표로 개발 과제를 진행한다.
 * 사용자가 선호하는 유형과 난이도에 맞는 문제들과 학습에 적합한 요약본을 제공하고, 문제풀이 결과에 기반하여 개인화된 학습을 지원하는 웹 서비스를 개발한다.
 * Deep Knowledge Tracing(DKT) 기술을 활용하여 학습자의 문제풀이 이력을 기반으로 학습 상태를 추적하여 개인화된 학습을 지원한다. 취약한 학습 개념에 대해 추가 문제를 생성하여 제공함으로써 개인별 맞춤 학습을 지원한다.

@@ 139번째 줄: / 139번째 줄: @@
+!
 ! Strength(강점)
 ! Weakness(약점)
 |-
 ! Opportunity(기회)
 * O1. 생성형 AI의 성장
 * O2. SW 인력의 수요 증가
-−
+|
 * S101. 생성형 AI와 knowledge tracing을 통한 맞춤 학습 계획 추천, 난이도 조절과 같은 개인화 서비스를 제공함으로써 사용자 만족도를 높임.
 * S202. SW 분야의 인력을 타겟으로, SW 관련 과목에 특화된 퀴즈와 요약본 제공.
 |-
 ! Threat(위협)
 * T1. PDF 기반 요약 및 퀴즈를 제공하는 유사 서비스의 존재
+|
 * S1T1. 단순 요약뿐만 아니라 사용자의 학습 데이터를 분석하여 제공
 * S2T2. C 및 객체지향 프로그래밍, 운영체제 및 컴퓨터 통신 과목에 우선 집중하여 해당 분야의 전문성 및 우위 확보
+|
 * W1T1. 유사 서비스에 대한 분석과 생성형 AI 이용으로 문제와 해설의 질을 높여 서비스 신뢰성 강화

@@ 29번째 줄: / 29번째 줄: @@
 * Large Language Model(LLM) 기술을 활용하여 PDF 컨텐츠로부터 학습용 퀴즈와 요약본을 생성하는 ‘학습 보조 웹 서비스(SQuiz)’를 개발한다.
 * OpenAI의 GPT-3(2020), ChatGPT(2022)와 같은 LLM은 자연어 이해와 관련된 태스크에서 뛰어난 성능을 보이며, 이러한 AI가 교육 분야에서 적용되는 사례가 증가하고 있다.
-* LLM 기술을 활용하면 개인의 이해도와 학습 속도를 고려하여 학습 효율을 증진시킬 수 있기
+* LLM 기술을 활용하면 개인의 이해도와 학습 속도를 고려하여 학습 효율을 증진시킬 수 있기 때문에, 학습자들에게 보다 효율적인 학습 경험을 제공할 것으로 기대된다.
 * 퀴즈 및 요약본 생성 LLM 모델 파인튜닝 목표로 개발 과제를 진행한다.
 * 사용자가 선호하는 유형과 난이도에 맞는 문제들과 학습에 적합한 요약본을 제공하고, 문제풀이 결과에 기반하여 개인화된 학습을 지원하는 웹 서비스를 개발한다.
 * Deep Knowledge Tracing(DKT) 기술을 활용하여 학습자의 문제풀이 이력을 기반으로 학습 상태를 추적하여 개인화된 학습을 지원한다. 취약한 학습 개념에 대해 추가 문제를 생성하여 제공함으로써 개인별 맞춤 학습을 지원한다.
 ====개발 과제의 배경====
 * OpenAI의 GPT-3(2020), ChatGPT(2022), GPT-4(2023)와 같은 LLM은 자연어 이해와 관련된 태스크에서 뛰어난 성능을 보인다[1-3].

@@ 124번째 줄: / 124번째 줄: @@
 * PDF 기반 대화형 웹사이트1 – PDFtoChat [8]
 ::Together AI, Mixtrral, Pinecone과 Langchain 기업들의 기술을 사용하여 만든 pdf 문서 기반 대화 형 웹사이트 이다. pdf 문서를 학습한 AI와 대화형으로 소통할 수 있다. 기본적으로 영어 위주로 서비스가 제공된다. 별도로 요약이나 퀴즈 제작을 지원하지 않으며, 대화형식으로 요약이나 퀴즈를 요청할 수 있으나 그 품질이 뛰어나지 않다.
-:[[파일:그림4.png]]
+:[[파일:그림4_PDFtoChat.png]]
 * PDF 기반 대화형 웹사이트2 – ChatDOC [9]
@@ 177번째 줄: / 177번째 줄: @@
 ====기술적 기대효과====
 * LLM 모델을 사용한 문제 생성 및 요약본 제공
-** 다양한 유형의 문제를 생성할 수 있어 학습자의 다양한 학습 스타일 및 요구에 맞춘 문제를 제공할 수 있고, 개별 학습자의 학습 상태와 성향에 맞게 LLM 모델을 조정하여 개인화된 학습 경험을 제공할 수 있다.</br>
+** 다양한 유형의 문제를 생성할 수 있어 학습자의 다양한 학습 스타일 및 요구에 맞춘 문제를 제공할 수 있고, 개별 학습자의 학습 상태와 성향에 맞게 LLM 모델을 조정하여 개인화된 학습 경험을 제공할 수 있다.
 * Knowledge Tracing
-** 사용자의 강점과 약점, 학습 경로를 파악하여 맞춤형 학습경험을 제공 할 수 있고, 이를 바탕으로 학습자의 학습 전략과 성과를 이해하고, 미래의 학습동작을 예측할 수 있다. 따라서 이러한 학습과정을 분석하여 최적의 학습 경로를 제시함으로써 학습 효율성을 향상시키고, 개별 사용자에게 맞춤형 학습 경험을 제공할 수 있다.</br>
+** 사용자의 강점과 약점, 학습 경로를 파악하여 맞춤형 학습경험을 제공 할 수 있고, 이를 바탕으로 학습자의 학습 전략과 성과를 이해하고, 미래의 학습동작을 예측할 수 있다. 따라서 이러한 학습과정을 분석하여 최적의 학습 경로를 제시함으로써 학습 효율성을 향상시키고, 개별 사용자에게 맞춤형 학습 경험을 제공할 수 있다.
 * 웹 기반의 서비스 제공
 ** 웹 기반으로 서비스를 제공하기 때문에 사용자가 학습 서비스에 접근하기 용이하여 학습의 효율성과 편의성이 증대된다. 플랫폼에 독립적이어서 사용자가 사용하는 운영체제 혹은 디바이스와 관계없이 웹 서비스를 사용할 수 있다. 또한, 업데이트가 용이하기 때문에 사용자가 항상 최신 버전의 서비스를 사용할 수 있다.
@@ 189번째 줄: / 187번째 줄: @@
 ** 학습 자료 업로드 및 공유 기능으로 능동적 학습 환경 조성
 ** 학습 과정에 대한 적극적인 참여 유도 및 학습 주체성 강화
 * 학습 효율 증대
 ** 불필요한 학습 과정 생략 및 핵심 개념 집중 학습으로 시간 절약
 ** 학습 컨텐츠 및 퀴즈의 난이도 조절로 개인 맞춤형 학습 속도 제공
 ** 효율적인 학습 시간 관리 및 학습 생산성 향상
 * 전공 역량 강화
 ** 각 과목의 핵심 개념 및 전문 지식 집중 학습으로 전공 분야 전문성 강화
@@ 203번째 줄: / 199번째 줄: @@
 ===기술개발 일정 및 추진체계===
 ====개발 일정====
-내용
+[[파일:정말똘망_개발일정.png]]
 ====구성원 및 추진체계====
-내용
+* 박나은(팀장, AI): AI 모델 엔지니어링, AI 서버 개발
 ==설계==
@@ 344번째 줄: / 343번째 줄: @@
 ===향후평가===
 ====어려웠던 점====
 * HTTPS to HTTP 통신 에러

@@ 118번째 줄: / 118번째 줄: @@
 ====시장상황에 대한 분석====
 *경쟁제품 조사 비교
-# PDF 기반 요약 생성 웹사이트 – Lilys [7]
+* PDF 기반 요약 생성 웹사이트 – Lilys [7]
-릴리스에이아이는 사용자가 입력한 영상, 녹음, PDF 등의 요약 노트를 웹사이트 Lilys를 통해 사용 자에게 제공하는 우리나라 기업이다. 한글 외 11개국 언어를 지원하며, 사용성이 뛰어난 UI를 갖추 고 있다. 그러나 생성된 요약 노트에서는 과도하게 PDF의 많은 내용을 담고 있거나, 학습에 도움 되지 않는 내용을 담고 있는 경우가 있다. 또한 필요 이상으로 축약되어 학습에 적합하지 못한 요약본을 생성하는 경우도 있다.
+::릴리스에이아이는 사용자가 입력한 영상, 녹음, PDF 등의 요약 노트를 웹사이트 Lilys를 통해 사용 자에게 제공하는 우리나라 기업이다. 한글 외 11개국 언어를 지원하며, 사용성이 뛰어난 UI를 갖추 고 있다. 그러나 생성된 요약 노트에서는 과도하게 PDF의 많은 내용을 담고 있거나, 학습에 도움 되지 않는 내용을 담고 있는 경우가 있다. 또한 필요 이상으로 축약되어 학습에 적합하지 못한 요약본을 생성하는 경우도 있다.
-[[그림3_Lilys에서_운영체제_PDF요약한_결과.png]]</br>
+:[[파일:그림3_Lilys에서_운영체제_PDF요약한_결과.png]]
-# PDF 기반 대화형 웹사이트1 – PDFtoChat [8]
+* PDF 기반 대화형 웹사이트1 – PDFtoChat [8]
-Together AI, Mixtrral, Pinecone과 Langchain 기업들의 기술을 사용하여 만든 pdf 문서 기반 대화 형 웹사이트 이다. pdf 문서를 학습한 AI와 대화형으로 소통할 수 있다. 기본적으로 영어 위주로 서비스가 제공된다. 별도로 요약이나 퀴즈 제작을 지원하지 않으며, 대화형식으로 요약이나 퀴즈를 요청할 수 있으나 그 품질이 뛰어나지 않다.
+::Together AI, Mixtrral, Pinecone과 Langchain 기업들의 기술을 사용하여 만든 pdf 문서 기반 대화 형 웹사이트 이다. pdf 문서를 학습한 AI와 대화형으로 소통할 수 있다. 기본적으로 영어 위주로 서비스가 제공된다. 별도로 요약이나 퀴즈 제작을 지원하지 않으며, 대화형식으로 요약이나 퀴즈를 요청할 수 있으나 그 품질이 뛰어나지 않다.
-[[그림4.png]]</br>
+:[[파일:그림4.png]]
-# PDF 기반 대화형 웹사이트2 – ChatDOC [9]
+* PDF 기반 대화형 웹사이트2 – ChatDOC [9]
-년에 중국에 설립된 기업이 만든 웹사이트로, ChatGPT 기반 ai가 pdf의 내용을 학습하여퀴즈를 생성한다. 그러나 문제 유형은 선택할 수 없으며, 단순 단답형의 질문을 제시해준다.
+::2010년에 중국에 설립된 기업이 만든 웹사이트로, ChatGPT 기반 ai가 pdf의 내용을 학습하여퀴즈를 생성한다. 그러나 문제 유형은 선택할 수 없으며, 단순 단답형의 질문을 제시해준다.
-[[그림5_ChatDoc.png]]</br>
+:[[파일:그림5_ChatDoc.png]]
-# PDF 기반 퀴즈 생성 웹사이트 – OpenExams [10]
+* PDF 기반 퀴즈 생성 웹사이트 – OpenExams [10]
-미국 기업인 Hyoatua Tech에서 만든 웹사이트로, 텍스트를 입력 하면 이를 바탕으로 ai가 퀴즈를 생성한다. 문제 유형을 지정할 수 있으나, 사용자가 텍스트를 직접 복사해서 입력해야 하며, 텍스트 가 적은 pdf 수업자료의 경우 해당 서비스를 이용하기에 적절하지 않다.
+::미국 기업인 Hyoatua Tech에서 만든 웹사이트로, 텍스트를 입력 하면 이를 바탕으로 ai가 퀴즈를 생성한다. 문제 유형을 지정할 수 있으나, 사용자가 텍스트를 직접 복사해서 입력해야 하며, 텍스트 가 적은 pdf 수업자료의 경우 해당 서비스를 이용하기에 적절하지 않다.
-[[그림6.png]]</br>
+:[[파일:그림6.png]]
 *마케팅 전략 제시
@@ 173번째 줄: / 173번째 줄: @@
 * W3T1. 추후 커뮤니티 관련 서비스를 추가로 개발하여 경쟁력 확보 및 정보 공유 촉진
 |}
 ===개발과제의 기대효과===
 ====기술적 기대효과====

@@ 103번째 줄: / 103번째 줄: @@
 *** 본 발명은 딥러닝 기반의 요약문 생성 정확도 개선 시스템에 관한 것으로, 딥러닝 기반 생성형 AI 모델을 통해 문서 요약을 수행할 때 할루시네이션(hallucination, 인공지능 환각)으로 인하여 부정확한 명사형 단어가 포함되는 경우, 도메인 용어사전을 바탕으로 해당 명사형 단어를 교체함으로써, 도메인 문서의 요약 정확도를 높일 수 있도록 하는 딥러닝 기반의 요약문 생성 정확도 개선 시스템이다.
 *기술 로드맵
 ** AI
 *** LLM(ChatGPT-4, GPT-4o)
@@ 115번째 줄: / 113번째 줄: @@
 *** SpringBoot
 *** AWS Lightsail - PostgreSQL
 ====시장상황에 대한 분석====

@@ 104번째 줄: / 104번째 줄: @@
 *기술 로드맵
 [[파일:그림1_기술_로드맵.png]]
-[[파일:그림2_개인화된_퀴즈_생성.png]]
+[[파일:그림2_dkt과정.png]]
 ** AI
 *** LLM(ChatGPT-4, GPT-4o)

@@ 79번째 줄: / 79번째 줄: @@
 *** 초거대 AI를 활용한 딥러닝 기반 생성형 AI 시스템의 학습 데이터셋 생성 및 활용방법
 **** 출원인 : (주)유알피
-**** 출원번호/일자 : 1020230049811 (2023.04.17.)</br>
+**** 출원번호/일자 : 1020230049811 (2023.04.17.)
 *** 완전학습 기반의 개인 맞춤형 학습 지원용 AI챗봇 튜터 제공 서버 및 방법
 **** 출원인 : 주식회사씨드시스템
-**** 출원번호/일자 : 1020230171113 (2023.11.30.)</br>
+**** 출원번호/일자 : 1020230171113 (2023.11.30.)
 *** 인공지능 기반 질문 생성 학습기술습관 훈련 시스템, 방법 및 컴퓨터 프로그램
 **** 출원인 : 전경희
-**** 출원번호/일자 : 1020220080342 (2022.06.30.)</br>
+**** 출원번호/일자 : 1020220080342 (2022.06.30.)
 *** 학생마다 문제가 다른 질문지 생성/채점 알고리즘 및 소프트웨어
 **** 출원인 : 인하대학교 산학협력단
-**** 출원번호/일자 : 1020210118126 (2021.09.06.)</br>
+**** 출원번호/일자 : 1020210118126 (2021.09.06.)
 *** 학생마다 문제가 다른 질문지 생성/채점 알고리즘 및 소프트웨어
 **** 출원인 : 인하대학교 산학협력단
-**** 출원번호/일자 : 1020210118126 (2021.09.06.)</br>
+**** 출원번호/일자 : 1020210118126 (2021.09.06.)
 *** 딥러닝 기반의 요약문 생성 정확도 개선 시스템
 **** 출원인 : (주)유알피
 **** 출원번호/일자 : 1026404710000 (2024.02.21)
 ** 특허전략
-*** 초거대 AI를 활용하여 최신정보를 검색하고, 해당 정보를 전처리하여 학습 데이터셋으로 활용하는 방법과 이를 이용한 생성형 AI 시스템의 활용법에 관한 것이며, 또한, 주기적으로 파인 튜닝하여 AI 모델을 최신 정보에 대해 업데이트할 수 있는 방법도 포함된다.</br>
+*** 초거대 AI를 활용하여 최신정보를 검색하고, 해당 정보를 전처리하여 학습 데이터셋으로 활용하는 방법과 이를 이용한 생성형 AI 시스템의 활용법에 관한 것이며, 또한, 주기적으로 파인 튜닝하여 AI 모델을 최신 정보에 대해 업데이트할 수 있는 방법도 포함된다.
 *** 본 발명은 완전학습 기반의 개인 맞춤형 AI 챗봇 튜터 제공 서버를 제공한다. 이 서버는 학습자 정보를 수집하고, 학습자의 현재 학습 수준을 평가하여 적합한 학습 세션을 생성하며, 학습 목표와 추천 학습 주제를 결정한다. 또한, 학습 진행을 추적하고 진도 장벽을 감지하여 추가 지원을 제공하고, 학습 완료 시 다음 주제를 제안한다. 마지막으로, 학습 성과를 분석하여 학습자 프로파일을 업데이트한다.</br>
-*** 학습자가 질문을 생성하여 학습하는 과정을 훈련하는데 사용되며, 전용 어플리케이션을 통해 질문 주제를 선택하고 질문 정보를 입력받는 학습자 단말기와, 머신러닝 분석을 통해 학습 결과를 생성하고 추천하는 훈련 서버이다.</br>
+*** 학습자가 질문을 생성하여 학습하는 과정을 훈련하는데 사용되며, 전용 어플리케이션을 통해 질문 주제를 선택하고 질문 정보를 입력받는 학습자 단말기와, 머신러닝 분석을 통해 학습 결과를 생성하고 추천하는 훈련 서버이다.
-*** 개시된 질문지 생성 방법은 학생마다 다른 답을 요구하는 동일한 또는 유사한 문제 유형을 기반으로하여 질문-군을 구성하고, 생성된 질문지를 학생에게 전달하여 학생의 답변을 채점하는 단계로 이루어진다.</br>
+*** 개시된 질문지 생성 방법은 학생마다 다른 답을 요구하는 동일한 또는 유사한 문제 유형을 기반으로하여 질문-군을 구성하고, 생성된 질문지를 학생에게 전달하여 학생의 답변을 채점하는 단계로 이루어진다.
-*** 학습자의 테스트 결과를 기반으로하여 오답 문제가 속한 문제군에서 문제를 추출하여 학습지를 작성하고, 이를 학습자 단말기로 제공하는 방법을 제공한다.</br>
+*** 학습자의 테스트 결과를 기반으로하여 오답 문제가 속한 문제군에서 문제를 추출하여 학습지를 작성하고, 이를 학습자 단말기로 제공하는 방법을 제공한다.
 *** 본 발명은 딥러닝 기반의 요약문 생성 정확도 개선 시스템에 관한 것으로, 딥러닝 기반 생성형 AI 모델을 통해 문서 요약을 수행할 때 할루시네이션(hallucination, 인공지능 환각)으로 인하여 부정확한 명사형 단어가 포함되는 경우, 도메인 용어사전을 바탕으로 해당 명사형 단어를 교체함으로써, 도메인 문서의 요약 정확도를 높일 수 있도록 하는 딥러닝 기반의 요약문 생성 정확도 개선 시스템이다.
 *기술 로드맵
-[[파일:그림1_기술_로드맵.png|200픽셀|가운데|[그림1] 기술 로드맵]]</br>
+[[파일:그림1_기술_로드맵.png]]
-[[파일:그림2_개인화된_퀴즈_생성.png|200픽셀|가운데|[그림2] 개인화된 퀴즈 생성]]</br>
+[[파일:그림2_개인화된_퀴즈_생성.png]]
 ** AI
 *** LLM(ChatGPT-4, GPT-4o)
-*** DKT(Deep Knowledge Tracing </br>
+*** DKT(Deep Knowledge Tracing
 ** Frontend
 *** Figma
 ** React
-*** Styled-Components - TypeScript</br>
+*** Styled-Components - TypeScript
 ** Backend
 *** SpringBoot