AI 에이전트를 이용한 처방적 피드백 루프와 교육과정 설계 지침 자동 도출
1단계에서 우리는 PDF 자료로부터 문항을 자동 생성하여 배포하고, 학생 응답 데이터를 취합하여 K-Means 머신러닝으로 학생 그룹을 3가지 유형으로 자동 분할(군집화)했습니다.
2단계의 목표는 군집화 이후의 후속 조치인 "개별 학생 맞춤 처방, 단원 종합 성찰, 교육과정 보완"의 자동 실행입니다.
K-Means 알고리즘으로 분할된 각 군집(0, 1, 2)의 특성을 Python Pandas로 그룹바이(groupby) 연산하여 각 군집이 어떤 성취기준(질문)에서 낮은 점수를 받았는지 수치적으로 규명합니다.
import pandas as pd
# K-Means 결과가 담긴 데이터프레임 로드
df = pd.read_csv("clustered_students.csv")
# 군집(cluster)별 각 문항(Q1~Q5)의 평균 정답률 계산
cluster_summary = df.groupby('cluster')[['Q1', 'Q2', 'Q3', 'Q4', 'Q5']].mean()
cluster_summary.to_csv("cluster_weakness_profile.csv")
# 예: 군집 0번은 Q2(양적관계)의 평균 정답률이 20%로 파악됨 -> 양적관계 집중 피드백 대상
# 학생별 취약점 프로필 데이터를 바탕으로 AI 프롬프트 구성
def generate_personal_feedback(student_name, weak_topics):
prompt = f"""
학생 {student_name}은 형성평가에서 {weak_topics} 개념이 취약한 것으로 분석되었습니다.
해당 개념의 핵심 원리를 3줄로 알기 쉽게 설명하고, 오개념을 극복하기 위한 학습 지침을 제공해 주세요.
친절하고 상세한 어조로 구어체로 작성해 주세요.
"""
response = call_llm_api(prompt) # LLM API 호출 함수
return response
생성된 피드백 텍스트를 학생의 이름으로 구글 문서에 탑재하고, 구글 드라이브 특정 폴더에 보관하도록 자동화합니다.
# gws docs 헬퍼를 이용해 개별 문서에 피드백 탑재
gws docs spreadsheets create --json '{"title": "홍길동 학생 화학 형성평가 피드백"}'
# 생성된 문서 본문에 피드백 추가
gws docs +write --id --text "안녕하세요, 홍길동 학생. 이번 형성평가 피드백입니다. [오개념 해설...]"
형성평가의 최종 종착지는 교사의 수업과 교육과정의 개선입니다.
[화학1-01-01]의 도달도가 학급 평균 40% 미만인 경우, 해당 단원의 학습 시수 부족이나 교재 구성의 어색함을 감지합니다."이번 형성평가에서 학생들의 성취기준 [화학1-01-01]의 정답률이 35%로 매우 낮게 측정되었습니다. 이 데이터를 바탕으로 현재 교육과정의 한계를 지적하고, 다음 세 가지 사항을 제안하는 개선 보고서를 작성해줘. 1) 교수 학습 시수의 연장 필요성 (차시 재배정 제안) 2) 오개념 해소를 위한 탐구 실험 설계 및 추천 교구재 목록 3) 교재 내 가독성 개선 및 설명 보완점 작성 후 '교육과정_개선안_초안.md'로 저장해줘."
생성된 개별 피드백 문서를 학생 이메일로 자동 전달합니다. gws gmail +send를 활용해 메일 본문에 구글 피드백 문서 링크를 넣어 일괄 발송합니다.
# 학생 정보와 문서 링크 매핑 정보를 바탕으로 반복 발송 gws gmail +send \ --to "gildong@school.hs.kr" \ --subject "[MetaLoop] 오늘 형성평가 개인 피드백 문서 배포" \ --body "홍길동 학생, 오늘 작성된 맞춤형 피드백 문서입니다. 아래 링크에서 확인하고 보충 문제를 풀어보세요.\n피드백 링크: https://docs.google.com/document/d/xxxx"
# 1. 시트 데이터 로드 및 군집분석
students_df = load_sheets_data(SHEETS_ID)
clustered_df = run_kmeans_clustering(students_df)
# 2. 군집 프로필 해석
weakness_dict = analyze_cluster_weaknesses(clustered_df)
# 3. 개별 학생 피드백 및 학급 리포트 생성
for idx, student in clustered_df.iterrows():
feedback = generate_personal_feedback(student['name'], weakness_dict[student['cluster']])
doc_link = create_gws_feedback_doc(student['name'], feedback)
send_feedback_email(student['email'], student['name'], doc_link)
# 4. 교육과정 개선 보고서 작성 및 업로드
curriculum_report = generate_curriculum_advice(weakness_dict)
upload_to_gws_drive(curriculum_report, FOLDER_ID)
이 복잡한 피드백, 리포팅, 교육과정 개선 연동 파이프라인 전체를 Antigravity 에이전트가 완벽하게 숙지하고 단독 실행할 수 있도록 SKILL.md 파일로 빌드합니다.
.agents/skills/metaloop-feedback/ 디렉토리 생성SKILL.md 파일을 작성하여 처방적 피드백과 개선안 도출 로직을 선언--- name: metaloop-feedback description: 구글 시트 결과를 파싱하여 군집별 피드백 문서를 자동 작성하고, 이메일로 학생에게 발송하며, 최종 교육과정 개선안을 제안하는 2단계 형성평가 환류 스킬 --- # 피드백 및 교육과정 환류 자동화 ## 사용 조건 (When to use) 사용자가 "시트 결과를 분석해서 피드백 문서 만들고 교육과정 개선 제안서 써줘"라고 요청할 때 자동 실행. ## 실행 프로세스 (Instructions) 1. `gws sheets +read`를 이용하여 스프레드시트에 저장된 학생 형성평가 답안 통계를 읽는다. 2. pandas와 scikit-learn K-Means를 사용하여 학생 정답 패턴을 3개 그룹으로 군집화한다. 3. 각 군집별 성치기준 정답 통계를 기반으로 군집 취약점을 프로파일링한다. 4. 학생 개별 피드백 문서를 `gws docs`로 생성하고 링크를 `gws gmail +send`로 각 학생에게 자동 발송한다. 5. 학급 전체 성취기준 정답도 데이터를 바탕으로 교육과정 개선 제안서를 마크다운으로 자동 작성하여 구글 드라이브에 올린다.
1. 목적: 군집 분석 기반 학생 맞춤 피드백 및 교육과정 의사결정 보완
2. 범위: 군집화, 개인 피드백 문서 및 메일 발송, 교육과정 권고문 도출
3. 비기능 제약: 개인 성적 데이터 보안(구글 문서 권한 제한), API 할당량 관리
PRD를 통해 AI 에이전트에게 명확한 가이드라인을 주어, 데이터 보안이나 토큰 한도 초과 오류 같은 예외 상황에 대처하게 만듭니다.
수동 채점과 엑셀 분석에 허덕이던 교사는 이제 메타루프를 통해 본질적인 학생과의 면대면 학습 코칭에 집중할 수 있습니다.
평가 결과가 단순히 생활기록부 기재를 위한 종착지가 아닌, "교육과정을 실시간으로 변화시키고 맞춤 성장을 견인하는 생태계(MetaLoop)"로 자리 잡게 됩니다.
2단계 실습을 통해 우리는 데이터 기반의 맞춤 보고서 작성, GWS 이메일 발송, 학급 리포트 및 교육과정 권고문 도출의 자동 환류 순환 루프를 빌드했습니다.
이 복잡한 분석-처방-발송의 전체 워크플로우를 Antigravity 스킬로 이식하여 지속 가능한 AI 에이전트 환류 루프의 모범 모델을 수립했습니다.
피드백 보고서 템플릿과 교육과정 개선 프롬프트 실습 과제는 제공된 tasks.md를 참고하여 자율 개발 환경에서 실행하십시오.