멀티에이전트 기반 사전평가 시스템 설계와 분석

초록

본 논문은 Prometheus AUML 도구를 활용해 다섯 개의 상호작용 에이전트로 구성된 사전평가(e‑learning) 시스템을 단계별로 설계·구현하고, 도메인 지식 추상화와 조직화 방식을 제시한다. 또한 수집된 학습자 데이터에 대한 분석과 향후 사전평가 결과를 예측하는 모델을 제시한다.

상세 분석

Prometheus 방법론은 목표·환경·역할·프로토콜·시나리오 등 다층 구조를 제공함으로써 복잡한 멀티에이전트 시스템을 체계적으로 모델링한다. 논문은 먼저 사전평가 시스템의 비즈니스 목표를 ‘학습자 사전역량 파악’과 ‘맞춤형 학습 경로 추천’으로 정의하고, 이를 달성하기 위한 다섯 개의 핵심 에이전트를 식별한다. 각각은 학습자 인터페이스(Pre‑Assessment Agent), 진단 엔진(Diagnosis Agent), 추천 엔진(Recommendation Agent), 데이터 관리(Data Agent), 그리고 시스템 모니터링(Monitor Agent)이다.

AUML 다이어그램을 통해 각 에이전트의 역할, 책임, 상호작용 프로토콜을 명시하고, 시나리오 기반 시뮬레이션으로 흐름을 검증한다. 특히, 도메인 지식은 ‘학습 목표’, ‘역량 레벨’, ‘학습 콘텐츠’라는 세 개의 추상화 레이어로 계층화했으며, 온톨로지 형태로 저장해 추론 엔진이 활용하도록 설계했다.

데이터 분석 파트에서는 사전평가 결과와 학습자 인구통계 정보를 수집해 통계적 특성을 파악하고, 회귀·분류 모델을 적용해 향후 성취도를 예측한다. 모델 선택 기준은 정확도·재현율·해석 가능성을 균형 있게 고려했으며, 결과는 에이전트 기반 추천에 실시간 피드백으로 반영된다.

전체 설계 과정은 ‘요구사항 정의 → 역할 식별 → 프로토콜 설계 → 시나리오 구현 → 검증·평가’의 5단계 워크플로우로 정형화돼, 향후 다른 e‑learning 도메인에 재사용 가능하도록 모듈화된 구조를 제공한다.