프로토타입 소개

Practice Evaluator · 위시켓 입찰 프로토타입

도서 부록 실습 파일을 자동으로 채점하고,
학습자에게 항목별 리포트를 즉시 제공합니다

엑셀·액세스 파일 내부 구조 파싱 + 함수·서식·개체별 정교한 채점 룰 + 부분 점수 정책 + 클라우드 큐 처리로 수업 시간 동시 100명 제출도 안정적으로 처리합니다. 출판사 운영팀은 도서별 평균·오답률 통계로 교재 개정 인사이트를 얻습니다.

예상 금액

10,000,000원

예상 기간

30일

반응형

PC · 모바일 웹

스택

Next.js · TypeScript · Spring Boot

Section 1 · 프로토타입 소개

본 프로토타입은 위시켓 RFP 본문을 토대로, 도서 연동 실습 자동 채점 시스템이 제공해야 할 핵심 화면 14종과 그 데이터 흐름을 React/TypeScript 기반으로 구현한 기획·디자인·기술 통합 시연 자산입니다.

화면 디자인 시연을 넘어, 출판사 통합 DB · 도서 인증 시스템 · 출판사 회원 SSO · 클라우드 큐 인프라 · 이메일 알림이 어떻게 하나의 학습자 경험으로 묶이는지를 시스템 구조도 차원에서 보여드리는 데 초점을 맞췄습니다.

본 프로젝트의 결과물은 단순한 화면이 아니라, 출판사가 새로 보유하게 되는 통합 데이터 자산입니다. AI 채점 결과 · 학습 이력 · 문제별 통계 — 이 데이터들이 향후 교재 개정과 학습 추천 모델의 핵심 자산이 됩니다.

Section 2 · 고객 현재 상황 (As-Is)

▪수동 채점의 한계: 학습자가 작성한 엑셀·액세스 파일을 강사·운영자가 일일이 열어보고 채점하는 구조로, 대량 학습자 처리 시 지연이 누적되며 채점 기준의 일관성도 담당자별로 달라집니다.
▪함수·서식·개체 정교한 채점의 부재: "수식은 정답이지만 절대참조($) 누락" 같은 부분 정답 케이스를 자동으로 판정하는 표준 엔진이 없어, 학습자에게 항목별 점수와 구체적 코멘트를 제공하기 어렵습니다.
▪교재 개정 인사이트의 단절: 문제별 평균 점수·오답률·학습자 제출 현황이 시스템에 누적되지 않아, 다음 개정판에 어떤 챕터를 보강해야 할지 데이터로 판단하기 어려운 상태입니다.

Section 3 · 프로토타입 방향 (To-Be)

엑셀·액세스 채점 엔진

엑셀(.xlsx) OOXML 구조 파싱 + 액세스(.accdb·.mdb) 내부 객체 비교로 함수·서식·차트·피벗·VBA 매크로 등 항목별 가중치 채점. 절대참조 누락 시 80% 부분 점수 같은 정교한 룰까지 시연해 두었습니다.

클라우드 큐 (RFP 우대)

수업 시간 폭발적 동시 제출 시 큐에 진입시켜 분산 처리. 학습자에게는 실시간 대기 순번 + 예상 시간 + 채점 완료 시 카카오·이메일 알림. RFP 우대 사항인 대용량 동시 접속 백엔드 처리 경험을 직접 시연합니다.

관리자 통계 자산

도서별 · 문제별 평균 점수 · 오답률 · 자주 틀리는 채점 항목까지 자동 집계. 출판사가 다음 개정판에서 어느 챕터를 보강할지 데이터 기반으로 판단할 수 있는 장기 자산을 제공합니다.

시스템 구조도

하단 다이어그램은 본 프로토타입이 가정하는 외부 시스템 연동 흐름과 본사 통합 DB의 위치를 시각화한 것입니다. 동일 다이어그램이 모달과 시스템 가이드에서도 활용됩니다.

Section 4 · 차별화 포인트

엑셀·액세스 파싱 엔진 + 부분 점수 정책 시연 — "함수 정답이지만 절대참조 누락 → 80% 인정" 같은 정교한 채점 룰을 프로토타입에서 직접 확인 가능합니다.
RFP 우대 사항 직접 매핑 — 클라우드 큐 처리 (자체 인프라 경험) + 교육·이러닝 자동 채점 (Clinical Nursing EMR 간호 시뮬레이션 경험)를 보유.
자체 'AI Agent Orchestration Platform' — JSON Schema 기반 채점 룰 검증 · AI 피드백 안전성 자동 차단 · 할루시네이션 모니터링까지 그대로 적용 가능합니다.

Practice Evaluator — 위시켓 입찰 프로토타입 · 2026.05