콘텐츠로 이동

챌린지 v4 — 6모 기출 3개년 + 오답률 기반 추천

2026-05-23. v3까지 자체 출제 14문제 → 6모 기출 2023/2024/2025 = 90문제 풀 + EBSi 오답률 기반 추천으로 시프트. 자체 출제 v0는 archive/own-challenges-v0/에 보관.

0. 한 줄 설계

학생이 본인 등급/약점 입력 → 시스템이 오답률 기반으로 학생에게 맞는 6모 기출 1문제 추천 → 학생이 디에듀 AI랑 그 문제 풀이.

자체 출제와의 핵심 차이: - 신뢰도: 평가원 공식 기출 (학생/학부모/선생님 모두에게 신뢰 자산) - 데이터 기반: 오답률 = 객관적 난이도 시그널 - 확장성: 90문제 풀에서 학생별 추천 무한 조합 가능


1. 데이터 소스 & 저작권 가드

1-1. 소스

  • 문제 본문: EBSi 주제온 (https://ebsi.co.kr) — 2023/2024/2025 6월 모의평가 수학 영역
  • 오답률: EBSi "오답률 순위" 또는 메가스터디/대성마이맥/이감 등 사교육 사이트 집계
  • 공식 답안: 평가원 공식 PDF (한국교육과정평가원 https://www.kice.re.kr)

1-2. 저작권 ⚠️ 중요

  • 평가원 기출 = 한국교육과정평가원 저작물
  • 일반적으로 교육 목적 / 비영리 / 출처 명시 조건에서 인용 허용
  • 베타 무료 운영 기간(~7/24)은 큰 문제 없을 가능성. 단 유료 전환 시점(7/15+) 검토 필요

1-3. 안전 운영 룰 (Phase 1~2에서 채택 권장)

  • ❌ 문제 이미지/PDF 그대로 디에듀 앱/노션에 게재 X
  • EBSi 링크 안내 + 메타데이터(연도/번호/단원/오답률)만 게재
  • ✅ 디에듀 AI 백엔드에는 텍스트 본문 캐싱 (학생이 본문을 직접 보면서 AI랑 대화), 단 다운로드 X
  • ✅ 출처 표기: "출처: 한국교육과정평가원 2024학년도 6월 모의평가" 항상 동반
  • ✅ 유료 전환 전 법률 자문 1회 권장

2. 90문제 메타데이터 스키마

Google Sheets 또는 Notion 데이터베이스 (Dedu_6mo_Questions):

컬럼 타입 예시 / 비고
id text 2024-6mo-15 (연도-시즌-번호)
year number 2023 / 2024 / 2025
q_num number 1~30
subject_track enum 공통 / 미적분 / 확률과통계 / 기하 (2022 개편 이후 선택 과목)
unit text "수열의 극한" / "도함수와 부정적분" 등
unit_grade enum 고1 / 고2 / 고3 (단원 학년)
points number 평가원 배점 (2점/3점/4점)
cutoff_grade number 컷오프 등급 (1~9) — EBSi 오답률 데이터 기반 추정
wrong_rate number 0.00~1.00 — EBSi 또는 메가/대성 집계
ebsi_url url EBSi 문제 페이지
answer number 1~5 (객관식) 또는 정수값 (단답)
core_concept text 1줄 — "음함수 미분" 등
ai_seed_msg text 디에듀 AI 첫 turn 메시지 시드
thinking_point text 사고력 포인트 1줄
trap_options text 함정 보기 분석 (간략)
solution_outline text 풀이 3~5단계 (운영자 전용)
tags text #계산형 #개념형 #복합형
created_at datetime
verified_by text 데이터 검증한 운영자 이름

90 = 3 × 30 (한 회당 30문항)

2022 개편 이후 수학 영역 = 공통 22 + 선택 8 (미적분/확률과통계/기하 중 택1) = 30문항.

작성 우선순위

  1. 오답률 60%↑ 문제 ~20개 우선 — 추천 알고리즘 시드용
  2. 2등급/3등급 cutoff 문제 ~30개 — "2등급 도전" 카피와 직접 매칭
  3. 나머지 40개는 단계적 추가

3. 오답률 기반 추천 알고리즘

Phase 1 (~6/19 챌린지 시즌, 운영자 수동)

학생이 디에듀 챌린지 가입 시 입력: - 학년 (고1/고2/고3) - 본인 현재 등급 (1~9, 추정 OK) - 선택 과목 (공통만 / 미적분 / 확률과통계 / 기하) - 약점 단원 1~3개 (객관식 체크박스)

운영자가 매일 11시 발송 전: 1. 챌린지방 멤버 등급 분포 확인 (가입 시 데이터) 2. 그 분포의 중앙값 등급의 cutoff 문제 1개 선택 3. 노션 시트 또는 매뉴얼로 결정 → 카톡 발송

→ 매일 발송은 1문제. 등급별 다른 문제 발송 X (Phase 1 운영 효율).

Phase 2 (6/20+, AI 자동 추천)

학생이 디에듀 AI 앱 접속 → 자동 추천 알고리즘 발동:

입력: - 학생 등급, 선택 과목, 약점 단원 (가입 시) - 학생이 이미 푼 문제 목록 + 정답/오답 + AI 대화 turn 수 - 마지막 풀이 시각 (간격 관리)

추천 점수 (간단 모델):

score(문제) =
  +1.0 if cutoff_grade ≈ 학생 등급 (-1 ~ +1 범위)
  +0.7 if 약점 단원 매칭
  +0.5 if 오답률 50~75% (적절한 도전 난이도)
  -∞ if 이미 푼 문제
  -0.3 if 마지막 풀이 < 12시간 (피로도)

상위 1문제 추천 → "오늘의 디에듀 추천 문제"로 푸시.

구현 의존성: - 백엔드: recommendation_engine 모듈 신규 - 학생 풀이 이력 테이블 (이미 있는 feedback_thumb 활용 가능) - 가입 onboarding 폼 (등급/과목/약점 입력) — 프론트엔드 신규

Phase 2는 7월 중순+ ready 목표. Phase 1은 수동으로 운영.


4. 학생 onboarding 흐름 변경

기존 (v3)

이메일 캡처 랜딩 → 학년만 선택 → 챌린지 시작

신규 (v4)

이메일 캡처 랜딩 → 학년 + 본인 등급 + 선택 과목 + 약점 단원 → 챌린지 시작 + 첫 추천 문제

폼 구조 (Form 1 학생 이메일 캡처 v4 확장)

필드 타입 필수 v3 대비
이름 단답 기존
학년 객관식 (고1~고3) 중1~중3 제거
이메일 단답 기존
본인 현재 등급 객관식 (1~9등급, "잘 모름") 신규
선택 과목 객관식 (공통만/미적분/확률과통계/기하) 신규
약점 단원 체크박스 (단원 리스트 8~10개) 신규
카톡 ID 단답 기존

등급 "잘 모름" 응답 → 디폴트 4등급으로 처리 (Phase 1 운영자 매뉴얼 분류)


5. 카톡 챌린지 운영 가이드 patch (v3 → v4)

v3 운영 가이드 변경점

항목 v3 v4
문제 출처 자체 출제 14개 6모 기출 3개년
매일 11시 발송 "Day N/14 자체 문제" "Day N/14 — 2024 6모 N번 (출처: 평가원) — EBSi 링크 + 메타"
발송 메시지 자체 문제 링크 EBSi 문제 페이지 링크 + 디에듀 AI 풀이 진입 링크
정답 발송 다음 날 자체 풀이 다음 날 평가원 정답 + 디에듀 AI 풀이 가이드
인증 룰 자체 챌린지 AI 대화 스크린샷 동일 — 디에듀 AI 대화 스크린샷 (문제 출처만 변경)

Day별 발송 카피 v4 템플릿

🌟 [Day N/14] 6모 2등급 도전 챌린지 🌟

오늘의 문제: 2024학년도 6월 모의평가 수학 N번
출처: 한국교육과정평가원
오답률: NN% (EBSi 집계)

📄 문제 보기 (EBSi): <EBSi URL>
🤖 디에듀 AI랑 풀기: <디에듀 AI 진입 링크>

⏰ 17시까지 풀이 후 AI 대화 스크린샷을 #DayN #인증 으로 올려주세요.
🎁 오늘 자정 1명 추첨 → 스타벅스 아메리카노

💡 힌트: 일단 5분만 혼자. 막히면 AI한테 "어디서 시작할까?" 물어봐요.

6. 실행 우선순위 (이번 주 ~5/29)

사용자 직접 작업이 많음. checklist 신규 추가.

사용자 직접 작업 (필수)

  • M1: EBSi 회원가입 + 2024 6모 수학 영역 30문항 메타데이터 시트 작성 (예상 3시간)
  • M2: EBSi 오답률 집계 페이지에서 30문항 오답률 수집 (1시간)
  • M3: 같은 작업 2023 6모 + 2025 6모 (총 추가 8시간)
  • M4: 90문제 중 우선 20개 (오답률 60%↑) AI 시드 메시지 + 사고력 포인트 작성 (4시간)
  • M5: 평가원/EBSi 저작권 정책 1회 검토 (30분)

LLM이 도와줄 수 있는 것

  • 메타데이터 시트 첫 행 (구글 시트 import용 CSV) 생성
  • AI 시드 메시지 / 사고력 포인트 작성 보조 (사용자가 문제 본문 제공 시)
  • 오답률 → cutoff_grade 매핑 룰 (예: 60%↑ → 2-3등급 cutoff 등)
  • 추천 알고리즘 백엔드 의뢰서 작성
  • v3 운영 가이드 (marketing/ops/kakao-openchat-v3.md) v4로 patch

백엔드 의존성 (Phase 2용, 7월 중순 ready)

  • C4: 추천 엔진 모듈 (recommendation_engine)
  • C5: 학생 풀이 이력 테이블 + onboarding 폼 확장

7. 시트 import용 CSV 헤더 (Google Sheets 첫 행 붙여넣기)

id,year,q_num,subject_track,unit,unit_grade,points,cutoff_grade,wrong_rate,ebsi_url,answer,core_concept,ai_seed_msg,thinking_point,trap_options,solution_outline,tags,created_at,verified_by

첫 행 샘플 (작성 가이드)

2024-6mo-15,2024,15,공통,수열의 합,고2,3,3,0.62,https://ebsi.co.kr/...,4,등차수열 일반항+합 공식,"이거 등차 같은데 일반항부터 찾아볼까?",점화식→일반항 식별→합 공식 선택,①공차 오산 ②n오산 ④부호실수,a_n=3n-1→S_10=155,#수열 #계산형,2026-05-25,사용자이름

8. 다음 단계 — 위 설계 OK라면

  1. 본 문서 + v4 patch를 노션에 업로드 (학생 컨테이너 → 신규 페이지)
  2. v3 카톡 운영 가이드를 v4로 patch (marketing/ops/kakao-openchat-v3.md 또는 v4 신규 파일)
  3. Form 1 (학생 이메일 캡처) v4 확장 — 등급/과목/약점 필드 추가
  4. 사용자 직접 작업 M1~M5 진행 (5/24 시작 권장)
  5. Phase 2 추천 엔진 백엔드 의뢰서 작성 (별도 task)