AI 시대, 학생의 진정한 노력을 투명하게 평가하고 성장을 이끄는
오픈소스 자동 평가 프레임워크를 만나보세요.
생성형 AI 시대, 최종 결과물만으로는 학생의 노력을 공정하게 평가하기 어렵습니다. 교수는 평가의 신뢰성에 대해 고민하고, 학생은 자신의 노력이 정당하게 인정받지 못할까 불안합니다.
우리는 학생이 남긴 디지털 발자취, 즉 코딩 과정 전체를 분석합니다. AI가 모방할 수 없는 인간 고유의 고민, 시행착오, 그리고 성장의 흔적을 찾아내어 진정한 노력의 가치를 증명합니다.
학생은 오직 문제 해결에만 집중합니다. 코드를 실행할 때마다 모든 개발 과정이 블랙박스처럼 자동으로 암호화되어 안전하게 기록됩니다.
평가자는 단 한 번의 명령으로 모든 제출물을 검증합니다. 대리시험, 답안 복사 여부 등 부정행위 가능성을 시스템이 자동으로 확인합니다.
14명의 AI 전문가로 구성된 심사위원단이 학생의 개발 패턴을 진단하고, 협력하여 개발 과정의 질적 수준을 깊이 있게 평가합니다.
단순한 점수가 아닌, 학생 개개인을 위한 맞춤형 성장 리포트를 제공합니다.
자신의 개발 스타일을 진단하고, 구체적인 증거와 개선점을 통해 다음 단계로 나아갈 수 있습니다.
학생의 개발 과정을 자동으로 추적하고, 강력한 하이브리드 암호화 기술로 모든 기록을 안전하게 보호하는 Python 기반 시험 환경입니다.
GitHub ↗복호화, 검증, 분석 등 복잡한 평가 파이프라인 전체를 단일 명령으로 자동화하고, 안정적으로 빠르게 병렬 처리하는 고성능 지휘자(Orchestrator)입니다.
GitHub ↗14개의 분석 모델이 협력하는 '동적 앙상블' 엔진입니다. 학생의 개발 패턴을 진단하고 깊이 있는 질적 평가와 자동화된 보고서 작성을 수행합니다.
Introduction ↗
이 시스템은 프로그래밍 교육에 대한 연구를 통해 발전해 온 아키텍처에 기반합니다.
더 깊이 있는 학술적 배경이 궁금하시다면, 저희의 연구 논문을 확인해보세요.
이 시스템은 경희대학교 소프트웨어융합학과의 웹파이선프로그래밍 수업을 위하여 개발되었습니다. 수업은 2017년 부터 운영되고 있지만, 생성형 AI 시대를 반영한 새로운 수업 방식을 위하여, 2025년 이 시스템을 신규 개발하게 되었습니다. 추가 문의는 이성원 교수에게 이메일(drsungwon@khu.ac.kr)로 문의 바랍니다.
좋은 질문입니다. 저희는 '감시'가 아닌 '증명'을 목표로 합니다. 시스템은 오직 코드 변경 내용과 시간, 그리고 IP 주소 등 공정한 평가에 필요한 최소한의 정보만을 수집합니다. 이 모든 정보는 제출 즉시 강력한 암호화 기술로 봉인되며, 오직 평가 권한을 가진 교수님만이 개인키를 통해 열람할 수 있어 안전합니다.
전혀 걱정하지 않으셔도 됩니다. 저희 `Inspector` 시스템은 단순히 코딩 속도만 보지 않습니다. 14명의 전문가가 협력하여 개발 리듬, 코드의 논리적 전개, 수정 패턴 등 다각적인 측면을 종합적으로 분석합니다. 숙련된 개발자의 빠르고 자신감 있는 코딩 패턴은 AI의 기계적인 패턴과 명확히 구분되므로, 시스템은 여러분의 실력을 정당하게 인정할 것입니다.
AI를 문제 해결을 위한 '보조 도구' 혹은 '똑똑한 참고서'로 활용하는 것은 권장됩니다. 막히는 부분에 대한 아이디어를 얻거나, 특정 함수 사용법을 물어보는 것은 좋은 활용법입니다. 하지만 AI가 작성해준 코드 전체를 그대로 복사해서 제출하는 것은 여러분의 사고 과정을 보여주지 못하기 때문에 낮은 과정 평가 점수를 받을 수 있습니다. AI의 도움을 받았다면, 그것을 자신만의 코드로 소화하고 개선하는 과정을 보여주는 것이 핵심입니다.
교수님과 교육기관을 위해 도입 과정을 최대한 단순화했습니다. 저희가 제공하는 폴더 구조에 맞춰 학생 제출물과 분석 도구들만 배치한 후, 터미널에서 단 두세 개의 명령어만 실행하면 모든 평가가 자동으로 진행됩니다. 초기 설정은 약 30분이면 충분하며, 이후에는 평가 때마다 단일 명령어로 수백 명의 학생을 수 분 내에 평가할 수 있습니다.