대학 데이터의 현실, 그리고 해결.

방대한 데이터가 여러 시스템에 흩어져 있어 학생 변화를 입체적으로 보기 어렵고, 적시 지원과 데이터 기반 의사결정에 한계가 있습니다. KIWI AI는 이 연결고리를 다시 잇습니다.

3가지 핵심 특장점으로 교육 혁신을 실현합니다.

초개인화 AI 프로파일부터 교육적 원리에 기반한 대시보드까지, 데이터를 학생 성공으로 잇는 세 개의 축입니다. 그중 첫 번째 축인 러닝 프로파일 트윈은 하이브리드 학습분석과 전문가 컨설팅 & 모델링, 두 가지 분석 엔진으로 구현됩니다.

학생의 러닝 프로파일 트윈, 초개인화 AI의 기반.

흩어진 학생 데이터를 하나의 프로파일로 동기화합니다. 점수 하나가 아니라 학업 여정과 정서 상황까지 종합해, 범용 AI의 한계를 넘어선 진정한 맞춤형 지원을 실현합니다.

정량 데이터와 언어 기반 맥락 해석의 융합.

숫자만으로는 보이지 않는 학습 맥락이 있습니다. KIWI AI는 정형 데이터의 객관적 측정과 비정형 데이터의 심층 해석을 결합해 사각지대 없이 학습자를 이해합니다.

사각지대 없이 학습자를 입체적으로 이해하는 하이브리드 분석 체계

전문가가 대학별 환경에 맞춰 분석 모델을 설계합니다.

정해진 템플릿을 적용하지 않습니다. 학습분석 전문가가 대학별 데이터 환경과 교육 목표를 심층 분석해 목적에 맞는 5종 분석 모델을 직접 설계·모델링합니다.

교육적 설계에 따라 학생을 기억하고 이해하여 함께 학습하는 맞춤형 학습 친구.

하나의 범용 챗봇이 아니라, 목적별 단계형 시나리오로 동작하는 전문 에이전트 포트폴리오입니다. 학습상담·진로상담부터 하브루타 탐구·성향진단까지, 러닝 프로파일 트윈으로 서로 연결되어 상담·탐구·진단을 하나로 잇습니다.

상담 · 진로탐색 · 탐구학습 · 성향진단을 하나로 잇는 러닝 프로파일 트윈 기반 포트폴리오

자기주도학습과 자기조절학습을 촉진합니다.

단순 통계 화면이 아닙니다. 교육적 원리에 기반한 학습분석으로 학생 스스로 상태를 점검하고 주도적으로 개선해 나가는 자기성장을 이끕니다.

단순 통계가 아닌, 교육적 원리에 기반한 학습분석으로 학생의 자기성장을 이끕니다

학생의 성장, 교수의 몰입, 대학의 내일.

데이터 연결과 AI 해석은 결국 사람의 변화로 이어집니다. KIWI AI는 학생·교수자·대학 세 주체의 변화를 함께 설계합니다.

학습자를 하나의 점수가 아니라 입체적으로

학습자를 단일 지표로 환원하지 않습니다. 학업 이력·관심·성향·활동 경험·상담 맥락을 종합해 이해하는 학생의 디지털 학습 초상입니다. 숫자만으로 보이지 않는 학습 맥락까지 담아, 학생을 사각지대 없이 읽어냅니다.

같은 질문이라도 트윈이 연결되면 상담의 깊이가 달라집니다

트윈이 없으면 일반론에 머물지만, 트윈이 연결되면 그 학생의 맥락 위에서 답이 만들어집니다. 같은 한 마디가 전혀 다른 상담이 됩니다.

정형과 비정형을 함께 해석하는 하이브리드 프로파일

여러 시스템에 흩어진 정형·비정형 학습자 정보를 하나의 학습 초상으로 모읍니다. 정형 데이터의 객관적 측정과 비정형 데이터의 심층 해석을 결합해 사각지대 없이 학습자를 이해합니다.

학교 시스템과 연결되어 실시간으로 진화하는 트윈

한 번 만들고 끝나는 정적 프로파일이 아닙니다. 데이터를 통합하고, 정형·비정형을 함께 해석하며, 새로운 학습활동과 상담 내용을 실시간으로 반영해 계속 최신 상태를 유지합니다.

하나의 트윈으로 상담·탐구·진단을 잇습니다

학습상담·진로상담부터 하브루타 탐구·성향진단까지, 서로 떨어져 있던 활동이 러닝 프로파일 트윈으로 연결됩니다.

KIWI AI를 잇는 데이터 기반 레이어

러닝 프로파일 트윈은 KIWI AI-connected Edu Ecosystem의 중심 데이터 레이어입니다. 같은 트윈을 공유함으로써 러닝 메이트 에이전트와 학습분석 대시보드가 한 학생을 일관되게 이해합니다.

질문에 답하는 챗봇이 아니라,
학습을 함께 거치는 AI 동반자.

학생의 질문은 완성된 상담 주제가 아니라 짧고 모호한 말에서 시작됩니다. 러닝 메이트는 그 안의 학업 · 진로 · 정서 · 제도 · 사고방식을 분리해 교육적 대화 흐름으로 전환합니다.

• 학습상담
• 진로상담
• 개념탐구 하브루타
• 논증탐구 하브루타
• 홀랜드 검사
• MBTI 검사

초개인화를 가능하게 하는 러닝 프로파일 트윈.

학습자를 하나의 점수가 아니라 학업 이력 · 관심 · 성향 · 활동 경험 · 상담 맥락으로 종합 이해하는 학생의 디지털 학습 초상입니다. 같은 질문이라도 트윈이 연결되면 상담의 깊이가 달라집니다.

러닝 프로파일 트윈은 학생을 특정 유형으로 고정하는 도구가 아니라, 현재 상태와 가능성을 더 잘 이해하고 상담 · 탐구 · 진단 결과가 서로 연결되도록 돕는 개인화 기반입니다.

학교 시스템과 연결되어 실시간으로 진화하는 트윈

여러 시스템에 흩어진 정형 · 비정형 학습자 정보를 분석 · 지원에 바로 쓸 수 있는 형태로 통합하고, 학습활동과 상담 내용을 실시간으로 반영하며 계속 갱신됩니다.

러닝 메이트가 제공하는 핵심 가치.

막연한 고민을 구조화하고, 정답 대신 사고 과정을 지원하며, 상담 · 탐구 · 진단을 하나의 연속된 경험으로 잇습니다.

러닝 메이트 포트폴리오 한눈에 보기.

상담 · 탐구 · 진단을 아우르는 6종 에이전트. 각 메이트는 하나의 목적과 단계형 시나리오를 담당하며, 트윈을 통해 서로 연결됩니다.

6종 러닝 메이트는 목적별 단계형 시나리오로 움직입니다.

메이트마다 단계 수와 흐름이 다르지만, 모두 정답을 던지는 대신 학생이 직접 단계를 거치며 다음 행동으로 나아가도록 설계됐습니다.

범용 AI 챗봇과 러닝 메이트의 차별점.

같은 대화형 AI처럼 보여도 목표가 다릅니다. 범용 챗봇은 빠른 답을 내고 끝나지만, 러닝 메이트는 그 과정을 학생이 직접 거치게 합니다.

도입 기대 효과와 활용 시나리오.

학생 · 교수자 · 기관 모두에게 효과가 이어집니다. 여러 메이트를 연계하면 자기이해부터 실행계획까지 하나의 흐름으로 연결됩니다.

코드를 대신 만들지 않습니다.
만드는 법을 익히게 합니다.

같은 "AI로 코딩하기"처럼 보여도 목표가 다릅니다. 범용 도구는 결과 코드를 빠르게 내놓고 끝나지만, 러닝 메이트는 그 과정을 학습자가 직접 거치고 기록으로 남기게 합니다.

한 프로젝트를 3구간 9개의 미션으로 따라갑니다.

각 러닝 메이트는 하나의 미션과 산출물을 담당합니다. 이전 단계의 학습일지를 읽고 시작하므로, 9개를 거쳐도 하나의 연속된 프로젝트 경험이 됩니다.

미션 하나도 소단계로 구조화되어 있습니다.

러닝 메이트는 큰 미션을 여러 소단계로 쪼개 학습자를 안내합니다. 소단계마다 완료 기준이 있고, 미완료 시 같은 소단계를 반복합니다.

앞은 순서대로, 뒤는 필요할 때마다.

부트스트랩은 한 줄로 이어지는 선형 단계이고, 코드가 나온 다음부터는 학습자의 말에 따라 러닝 메이트를 골라 호출하는 실행 루프로 바뀝니다. 그리고 모든 단계는 학습일지로 연결됩니다.

기록이 노션에 쌓이고, 다음 학습으로 이어집니다.

각 러닝 메이트는 미션을 수행한 과정과 결과를 정리해 노션 페이지에 남기고, 다음 러닝 메이트는 그 페이지를 읽어 이어서 학습합니다. 노션이 러닝 메이트들을 연결하는 허브가 되어, 학습자는 정리된 자신의 학습 기록 위에서 더 깊이 있는 학습을 이어갑니다.

지표를 보여주는 것과 목표를 돕는 것은 다릅니다

대부분의 학습 대시보드는 출석률·점수·접속수를 카드로 나열하는 데서 멈춥니다. 학습자는 숫자를 보지만 무엇을 해야 할지는 모릅니다. KIWI AI 대시보드는 정량 지표와 자연어 기반 권장 행동을 결합해, 단순 지표 나열이 아닌 교육적 피드백 구조로 설계했습니다.

흩어진 데이터가 한 학습자의 러닝 프로파일 트윈으로 모입니다

학적·학업·LMS·비교과·상담·역량·진로 데이터를 한 화면 구조로 연결한 러닝 프로파일 트윈. 학습자 프로파일 화면은 러닝 메이트 에이전트와 대시보드를 잇는 러닝 프로파일 트윈으로, 학습자를 단편 지표가 아닌 입체적 상태로 읽어냅니다.

행동 데이터를 해석 가능한 지수로 모델링합니다

단순 원자료가 아니라, 자기조절학습·자기주도학습·성취 예측을 측정하는 합성 지표 체계로 가공합니다. 각 지표는 본인·우수학습자·전체 평균과 나란히 제시되어 상대적 위치가 즉시 드러나며, 학기별과 주차별 두 시간 해상도로 추세를 봅니다.

학교마다 다른 모델, 컨설팅으로 맞춥니다

학교마다 교육목표·인재상, 학습자 특성, 보유 데이터의 종류와 패턴이 다릅니다. 표준 지수를 그대로 가져다 쓰면 그 학교의 맥락을 담지 못합니다. KIWI AI는 학습분석 컨설팅을 통해 기관에 맞는 맞춤 모델과 지수를 설계해 적용합니다.

지표에서 멈추지 않고 다음 행동까지 이어집니다

교육적 목표를 성취하려면 "무엇이 부족한가"를 넘어 "그래서 무엇을 할까"에 도달해야 합니다. 모든 화면은 지표 아래에 AI 분석 요약과 권장 행동을 배치하고, 목표 설정과 성찰 입력으로 자기조절 루프를 닫도록 설계했습니다.

하나의 트윈, 세 가지 관점의 화면

학습자 선택에 따라 개인별로 갱신되는 3개 탭 구조. 같은 학습자를 자기조절·자기주도·종합 프로파일의 세 렌즈로 살펴봅니다.

한 화면이 여러 역할을 동시에 합니다

학습자 한 명을 위한 도구이자, 학교 조직 전체의 학생지원 인프라로 확장됩니다.