난독증으로 어려움을 겪는 학생들을 위한 난독증 증상 개선 목적의 교육 사이트 제작.

주의 사항

SSAFY 프로젝트는 보안 관계상 모든 소스코드 파일 열람이 불가능합니다.
열람이 필요하실 경우 저에게 연락한 뒤 제가 SSAFY를 통하여 소스코드 열람을 허가를 받은 뒤 공개가 가능합니다.

🚢 Captain Echo (꼬마선장 에코)

AI 멀티 에이전트가 만드는 맞춤형 난독증 학습 여정 CrewAI 기반 3+1 에이전트 협업으로 아동 개개인에게 최적화된 학습 커리큘럼을 자동 생성합니다.


📄 목차



✨ 프로젝트 소개

기획 배경

난독증(Dyslexia)은 지능이나 학습 의욕과 무관하게 읽기와 쓰기에 어려움을 겪는 음운인식 장애입니다.

  • 국내 초등학생의 약 5-10%가 난독증으로 추정됩니다
  • 조기 발견 및 개입 시 80% 이상 개선 가능하지만, 개인별 맞춤 학습 콘텐츠 부족이 문제입니다
  • 기존 획일적인 학습 교재는 아동의 관심사, 현재 수준, 음소 혼동 패턴을 반영하지 못합니다

서비스 개요

Captain Echo는 AI 멀티 에이전트가 아동의 학습 데이터를 분석하여 매주 자동으로 맞춤 커리큘럼과 문제를 생성하는 난독증 학습 플랫폼입니다.

  • 개발 기간: 2025.10.10 ~ 2025.11.20 (6주)
  • 팀 구성: 6명 (Backend 2, Frontend 2, AI 1, Infra 1)
  • 핵심 기술: CrewAI 멀티 에이전트 시스템, Spring Boot, React, FastAPI

주요 특징:

  • 🎯 개인 맞춤형 학습: 초기 진단으로 음소 혼동 패턴 분석 후 약점 집중 학습
  • 🤖 AI 에이전트 협업: 학습전문가·심리전문가·학부모대표 에이전트가 토론하여 최적 커리큘럼 생성
  • 🎮 게임화된 학습: 모험 컨셉의 4가지 유형 학습 문제 (음소 맞추기, 빈칸 채우기, 단어 맞추기, 읽기 평가)
  • 🔄 자동 적응형 난이도: 주간 정답률 분석 후 자동으로 레벨 조정
  • 📊 보호자 대시보드: 학습 진행 상황, 오답 패턴, AI 생성 주간 리포트 제공



🤖 핵심 차별점: AI 멀티 에이전트 시스템

Captain Echo의 가장 큰 기술적 차별점은 CrewAI 기반 멀티 에이전트 협업 시스템입니다.

🎭 4-Agent 협업 구조

┌─────────────────────────────────────────────────────────────┐
│                    Manager Agent (조율자)                     │
│           GPT-4o 기반 최종 의사결정 및 품질 검증              │
└────────────────────┬────────────────────────────────────────┘
                     │ 조율 및 합의 도출
        ┌────────────┼────────────┐
        ↓            ↓            ↓
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ Academic     │ │ Wellbeing    │ │ Parent       │
│ Agent        │ │ Agent        │ │ Agent        │
├──────────────┤ ├──────────────┤ ├──────────────┤
│ 학습 전문가   │ │ 심리 전문가   │ │ 학부모 대표   │
│              │ │              │ │              │
│• 음소 혼동    │ │• 인지 부하    │ │• 보호자 목표  │
│  패턴 분석    │ │  모니터링     │ │  반영         │
│• 난이도 조정  │ │• 자신감 관리  │ │• 학습량 균형  │
│• 학습 효율    │ │• 학습 동기    │ │• 실용성 검증  │
│  최적화       │ │  향상         │ │              │
└──────────────┘ └──────────────┘ └──────────────┘
        ↓            ↓            ↓
        └────────────┼────────────┘
                     ↓
          📋 맞춤형 주간 커리큘럼 생성
    (레벨, 문제 유형, 목표 음소, 학습 목표)

🔄 동작 원리

  1. 데이터 수집: 학생의 주간 학습 데이터 (정답률, 오답 패턴, 소요 시간, 현재 레벨)
  2. 에이전트 토론 (Hierarchical Process):
    • Academic Agent: “ㄱ-ㄲ 혼동률 65% → 레벨 3 유지하며 집중 학습 필요”
    • Wellbeing Agent: “주간 정답률 45% → 자신감 저하 우려, 쉬운 문제 30% 포함”
    • Parent Agent: “보호자 목표: 약점 보완 → 혼동 음소 중심 구성 동의, 학습량 적정성 확인”
    • Manager Agent: “레벨 3, ㄱ-ㄲ 집중(60%), 복습(30%), 신규(10%) 배분으로 결정”
  3. 커리큘럼 생성: 에이전트 합의 결과를 JSON으로 구조화
  4. 문제 자동 생성: 커리큘럼 기반으로 LLM(GPT-4o/Gemini)이 실제 학습 문제 생성
  5. 주간 재생성: 매주 일요일 23:00 자동 실행 (APScheduler)

🎯 실제 적용 효과

  • ✅ 개인화 정확도: 음소별 혼동률 패턴 반영으로 학습 효율 ↑
  • ✅ 학습 지속성: 심리 전문가 에이전트의 난이도 조절로 중도 포기율 ↓
  • ✅ 보호자 신뢰: 투명한 의사결정 과정 제공으로 만족도 ↑



🚀 주요 기능

학생용 기능

1️⃣ 초기 진단 시스템

  • 40개 문항으로 자모 혼동 패턴 정밀 분석 (예: ㄱ-ㄲ, ㅓ-ㅕ)
  • 진단 결과 기반 개인 맞춤 학습 프로필 생성
  • AI가 약점 음소 우선순위 결정

2️⃣ 4가지 유형의 학습 모험

  • Type 1: 음소 맞추기 - 단어 듣고 정확한 자음/모음 선택
  • Type 2: 빈칸 채우기 - 문장 맥락에서 알맞은 음소 채우기
  • Type 3: 단어-이미지 매칭 - 그림 보고 정확한 단어 선택
  • Type 4: 읽기 평가 (STT) - 음성 인식으로 발음 정확도 평가

3️⃣ 6단계 레벨 시스템

Level 1: 기본 자모 (ㄱ, ㄴ, ㄷ)
Level 2: 쌍자음 (ㄲ, ㄸ, ㅃ)
Level 3: 복잡한 모음 (ㅘ, ㅙ, ㅝ)
Level 4: 받침 조합
Level 5: 복합 단어
Level 6: 문장 독해
  • 주간 정답률 70% 이상 시 자동 레벨업
  • 50% 미만 시 레벨 유지 및 복습 강화

4️⃣ 관심사 기반 학습

  • 회원가입 시 관심사 선택 (동물, 스포츠, 음식, 자연 등)
  • AI가 관심사 키워드로 문제 생성 → 학습 몰입도 ↑
    • 예: 동물 좋아하는 아동 → “강아지”, “고양이” 단어 문제

5️⃣ 보상 시스템 (앵무새 상점)

  • 학습 완료 시 가상 화폐 지급
  • 앵무새 꾸미기 아이템 구매
  • 학습 동기 부여 및 지속성 확보


보호자용 기능

1️⃣ 학생 관리

  • 최대 2명의 자녀 프로필 관리
  • PIN 번호로 학생 프로필 보호
  • 자녀별 독립적인 학습 데이터 관리

2️⃣ 학습 목표 설정

보호자가 자녀의 학습 방향을 직접 선택:

  • 약점 보완: 틀린 음소 집중 학습
  • 자신감 향상: 적정 난이도 유지로 성취감 제공
  • 난이도 상승: 도전적 문제로 빠른 성장

→ Parent Agent가 이 목표를 커리큘럼 생성에 반영

3️⃣ AI 생성 주간 리포트

매주 AI가 자동 생성하는 상세 리포트:

  • 📈 학습 성과: 정답률, 학습 시간, 연속 출석일
  • 🎯 약점 분석: 음소별 정답률, 문제 유형별 성과
  • 📋 다음 주 계획: AI 에이전트가 결정한 학습 목표 및 근거
  • 💡 학습 제안: 가정에서 할 수 있는 추가 활동

4️⃣ 상세 분석 대시보드

  • 📊 정답률 추이 그래프 (일간/주간/월간)
  • 🔍 오답 패턴 분석 (자주 틀리는 음소 조합)
  • ⏱️ 학습 시간 통계
  • 🏆 성취 배지 및 마일스톤


⚙️ 기술 스택

Backend

  • Framework: Spring Boot 3.5.7 (Java 21)
  • Database: PostgreSQL (JPA/Hibernate ORM)
  • Cache: Redis (세션 관리, Rate Limiting)
  • Authentication:
    • OAuth2 (Google Login)
    • JWT Token (Access + Refresh)
  • Storage: AWS S3 (음성 파일, 이미지)
  • Email: Spring Mail (SMTP)
  • Monitoring:
    • Spring Boot Actuator
    • Prometheus Metrics
    • Grafana Dashboard
  • API Docs: SpringDoc OpenAPI 3.0 (Swagger UI)
  • Libraries:
    • Lombok (보일러플레이트 제거)
    • MapStruct (DTO 변환)

Frontend

  • Framework: React 18.2 + TypeScript 4.9
  • Build Tool: Vite 5.0 (빠른 HMR)
  • Routing: React Router 6.30
  • State Management:
    • Zustand 4.4 (전역 상태)
    • TanStack React Query 5.8 (서버 상태)
  • Form Handling: React Hook Form + Zod (스키마 검증)
  • Styling:
    • Tailwind CSS 4.1
    • Framer Motion (애니메이션)
  • HTTP Client: Axios + React Query
  • Authentication: @react-oauth/google
  • Korean Text: hangul-js (자모 분리/조합)
  • Charts: Recharts (학습 분석 그래프)
  • Testing: Vitest + React Testing Library

AI Service

  • Framework: FastAPI 0.120
  • AI Orchestration: CrewAI 1.3 (Hierarchical Multi-Agent)
  • LLM:
    • OpenAI GPT-4o (메인)
    • Google Gemini 1.5 Pro (보조)
  • Vector Database:
    • ChromaDB (문제 임베딩)
    • LanceDB (성능 최적화)
  • Database ORM: SQLAlchemy 2.0
  • Scheduler: APScheduler (주간 커리큘럼 생성)
  • ML Libraries:
    • tiktoken (토큰 계산)
    • instructor (구조화된 LLM 출력)
    • tokenizers (텍스트 전처리)
  • Document Processing:
    • pdfplumber (PDF 파싱)
    • python-docx (DOCX 파싱)
    • pytube (유튜브 자막 추출)
  • Cloud Storage: boto3 (AWS S3)
  • Audio: OpenAI Whisper API (STT)

Infrastructure & DevOps

  • Containerization:
    • Docker 24.x
    • Docker Compose (멀티 컨테이너 오케스트레이션)
  • Web Server:
    • Nginx 1.25 (리버스 프록시)
    • CloudFlare SSL (Origin Certificate)
  • CI/CD:
    • Jenkins 2.x (자동 빌드/배포)
    • GitLab Webhook 연동
    • develop 브랜치 → EC2 자동 배포
  • Monitoring:
    • Prometheus (메트릭 수집)
    • Grafana (대시보드 시각화)
    • Node Exporter (시스템 메트릭)
  • Database:
    • PostgreSQL 15 (커스텀 init 스크립트)
    • Redis 7.x
  • Cloud: AWS EC2 (Ubuntu 22.04)



📅 개발 기간

2025.10.10 ~ 2025.11.20 (6주)

  • Week 1-2: 기획, 요구사항 분석, 기술 스택 선정
  • Week 3: 백엔드 API 개발, AI 에이전트 프로토타입
  • Week 4: 프론트엔드 UI/UX 구현, AI 서비스 연동
  • Week 5: 통합 테스트, 버그 픽스, 성능 최적화
  • Week 6: 최종 QA, 문서화, 배포



**Captain Echo**는 난독증 아동과 보호자를 위한 진심 어린 기술 프로젝트입니다. 모든 아이들이 읽기의 즐거움을 느낄 수 있기를 바랍니다. 📚✨

참가 팀원

  • 김XX(팀장, AI 기능 구현)
  • 박XX(인프라, 서버, 프론트엔드 담당)
  • 황XX(백엔드 구현 담당)
  • 공XX(백엔드 구현 담당)
  • 김XX(프론트엔드 담당)
  • 정승재(프론트엔드 담당)

해당 프로젝트 기여내역

저는 해당 프로젝트에서 프론트엔드 파트를 담당하였습니다.

로그인 전 메인 페이지, 소개 페이지, Auth 페이지, 프로필 선택, 학생 대시보드 구현을 담당했으며,
전체적인 디자인, UI/UX를 다른 프론트엔드 담당들과 공동 분담하여 수행했습니다.