1.
운영-수업
a.
도입 준비
i.
1.
결정 시 고려 필요사항
a.
현재 초등팀 인당 학생 수
b.
테스트 시 인당 학생 수 별 비대상 선생님들 캐파 현황
ii.
선생님 선발 기준
iii.
학생 선발 기준
1.
최대 동접을 고려할 건지
a.
초등의 경우 최대 동접이 25% 이하라 굳이 고려할 필요 X
2.
한번에 필요학생 전체를 투입할건지
a.
기존 학생만 가지고 테스트
b.
기존 학생 + 신규 학생 테스트
c.
신규 학생만 가지고 테스트 (불가)
i.
테스트 비대상 선생님들 가능 캐파(68명)유지를 위해서는 기존 학생 40명은 받아줘야 하는 상황
iv.
테스트 목적 및 검증 포인트 정의
추천 방법: "세션 단위 + 동시 응대 수" 보정 방식
1. 기본 단위: 세션 개수
•
"한 학생과 한 문제에 대해 주고받은 대화"를 1세션으로 정의
•
예:
◦
A 학생과 3분간 채팅하며 문제 설명
◦
동시에 B 학생과 2분간 다른 문제 대화
→ 세션 2개 발생
2. AI 처리량 비교 (AI가 대체한 세션 수)
•
예: 하루에 총 100세션이 있었는데, 그 중 40세션은 AI가 대응했다
→ AI 세션 대체율: 40%
3. "동시 응대 계수" 반영하기
•
선생님이 평균적으로 동시에 몇 명을 응대하는지를 수집
예: 평균 3명 동시 응대
→ 동시 응대 보정치 = 1/3
→ 3분 세션은 실제로는 선생님에게 1분 정도의 "주의 집중량"으로 환산됨
그래서…
정량화 예시:
항목 | 수치 |
하루 총 세션 수 | 100 |
AI가 처리한 세션 수 | 40 |
AI 대체율 | 40% |
선생님 평균 동시 응대 수 | 3명 |
1세션당 평균 실제 주의 시간 | 1분 (3분 ÷ 3) |
절감된 주의 집중 시간 | 40세션 × 1분 = 40분 |
추가로 할 수 있는 것
•
세션당 메시지 수, 평균 응답 시간, 대화 길이 등을 측정해서
AI가 얼마나 자연스럽게 교사처럼 행동했는지 품질도 같이 평가 가능
•
“학생 만족도” 조사도 덧붙이면 AI의 교육 효과성까지 정성+정량 분석 가능
i.
온보딩 자료(매뉴얼, FAQ 등) 제작
ii.
테스트 버전 안정화 및 QA 점검
iii.
데이터 수집 체계 구축 (로그, 설문 등)
b.
도입
i.
온보딩 교육
ii.
실시간 피드백 수집 (자동/수동)
iii.
에러 및 사용자 행동 모니터링
iv.
이슈 대응 로그
c.
평가
i.
수집된 피드백 정리 및 우선순위 설정
ii.
기능/UX 개선 작업 진행
iii.
테스터 감사 및 리워드 지급
iv.
내부 회고 미팅 및 인사이트 정리
v.
정식 런칭 계획 보완 및 전략 재수립
2.
제작-지식태그