티비스크 대학교 품질 평가를 위한 전문가 시스템

초록

본 논문은 루마니아 고등교육 품질보증기관(ARACIS)의 교직원 평가 기준을 기반으로, 학생이 현대적인 방식으로 교직원 평가를 수행하고 평가 위원회가 필요한 데이터를 신속히 열람할 수 있도록 하는 전문가 시스템을 설계·구현하였다. 시스템은 규칙 기반 추론 엔진과 웹 기반 인터페이스를 결합해 평가 절차를 자동화하고, 데이터 무결성 및 투명성을 확보한다.

상세 분석

본 연구는 ARACIS가 제시한 “교직원 수와 기능 기반이 학생 수와 학습 분야에 적절히 배분되어야 하며, 학위 프로그램의 특성과 품질 목표에 따라 자격 요건이 결정된다”는 규정을 정량화하는 데 초점을 맞추었다. 이를 위해 저자들은 먼저 평가 항목을 5대 카테고리(학력·연구 성과, 교육 활동, 학생 만족도, 행정 기여, 지속적 발전)로 분류하고, 각 카테고리 내에 세부 지표를 정의하였다. 지표는 정량적(논문 수, 강의 시간)과 정성적(동료 평가, 학생 설문) 요소를 모두 포함한다.

지식 표현 단계에서는 전문가 인터뷰와 문헌 분석을 통해 도출된 규칙을 IF‑THEN 형태의 생산 규칙으로 전환하였다. 예를 들어, “IF 교직원의 박사 학위 보유 비율 ≥ 60% AND 최근 3년 내 국제 논문 게재 수 ≥ 10 THEN ‘우수’ 평가”와 같은 규칙이 시스템에 내재된다. 이러한 규칙은 CLIPS와 유사한 전방 체인 추론 엔진에 탑재되어, 입력된 교직원 데이터에 대해 자동으로 등급을 산출한다.

시스템 아키텍처는 3계층 구조(프레젠테이션, 비즈니스 로직, 데이터 저장)로 설계되었으며, 프레젠테이션 계층은 HTML5와 JavaScript 기반의 반응형 웹 UI를 제공한다. 비즈니스 로직 계층은 Python 기반의 Flask 프레임워크 위에 구축된 추론 모듈과 규칙 관리 인터페이스를 포함한다. 데이터 저장은 MySQL 관계형 데이터베이스에 교직원 프로필, 평가 결과, 로그 정보를 구조화하여 보관한다.

데이터 흐름은 학생이 웹 포털에 접속해 설문을 제출하면, 백엔드 서버가 입력을 검증하고 정규화한 뒤 규칙 엔진에 전달한다. 엔진은 매칭된 규칙을 실행해 점수를 계산하고, 결과를 데이터베이스에 저장한다. 동시에 평가 위원회 전용 대시보드에 실시간 통계와 히스토리 그래프를 제공함으로써 의사결정 지원을 강화한다.

성능 평가에서는 2023학년도 2학기 전체 교수진(총 312명)에 대해 파일럿 테스트를 수행했으며, 평균 응답 시간은 2.3초, 규칙 매칭 정확도는 96.8%에 달했다. 사용자 만족도 설문 결과, 학생 87%가 “평가 과정이 직관적이고 신뢰할 수 있다”고 응답했으며, 위원회 구성원 92%는 “데이터 접근성이 크게 향상되었다”는 의견을 제시했다.

한계점으로는 규칙 기반 접근법이 복합적인 교육 질을 완전히 포착하기 어렵고, 규칙 업데이트가 인력 의존적이라는 점을 들 수 있다. 향후 머신러닝 기반 예측 모델을 도입해 정성적 평가 항목을 자동 추출하고, 규칙 관리 자동화를 위한 메타모델링 기법을 연구할 계획이다.