1. 개발 목적
- 아동 독서 교육의 데이터화: 교사나 학부모의 감에 의존하던 독서 지도를 탈피하고, 학생의 독서 이력과 성취도를 정량적인 데이터로 관리하여 체계적인 교육 시스템을 구축하고자 했습니다.
- 개인별 맞춤 학습 로드맵 제공: 학생마다 다른 독서 능력(Lexile 지수 등)을 고려하여, 천편일률적인 권장 도서가 아닌 개인 수준에 딱 맞는 도서를 추천해 주는 알고리즘이 필요했습니다.
- 학습 이력 기반 객관적 성취도 분석: 독서 퀴즈 결과와 학습 수행 내역을 종합적으로 분석하여, 학부모와 교사가 학생의 성장 과정을 한눈에 파악할 수 있는 시각화된 리포트를 제공하는 것이 목표였습니다.
2. 기술 스택 및 선정 포인트
Front-end : JavaScript / Vue.js 3 Back-end : Java / Spring Boot Server : AWS S3, CloudFront, MediaConvert DB : MariaDB
복잡한 학습 성취도 대시보드 시각화(Vue.js)와 대량의 도서 데이터베이스 안정적 관리를 위한 기술셋.
3. 필요 기능
독서 퀴즈, 맞춤 도서 추천, 학습 이력 관리
4. 루멘트만의 성공 전략
- 개인별 독서 수준 진단 알고리즘 엔진 탑재: 초기 진단 평가와 지속적인 학습 데이터를 실시간으로 분석하여, 학생의 현재 독서 레벨을 산출하고 다음 단계 도서를 매칭하는 정교한 추천 로직을 구현했습니다.
- 시각화 중심의 동적 학습 리포트 대시보드: Vue.js의 반응형 차트 컴포넌트를 활용하여, 복잡한 학습 통계 데이터를 학부모가 이해하기 쉬운 직관적인 그래프와 인포그래픽으로 변환하여 렌더링했습니다.
- 대규모 동시 접속 대응 DB 커넥션 최적화: 방과 후 특정 시간대에 트래픽이 집중되는 교육 서비스 특성을 고려하여, 데이터베이스 커넥션 풀(Connection Pool)을 최적화하고 쿼리 성능을 튜닝하여 서비스 지연을 방지했습니다.
5. 작업결과
- 학습자별 독서 퀴즈 정답률 및 독해력 지표 개선: 수준에 맞는 도서 매칭 덕분에 학생들이 독서에 대한 흥미를 잃지 않고 꾸준히 학습하여, 전반적인 퀴즈 정답률과 문해력이 향상되는 결과를 얻었습니다.
- 맞춤 도서 추천을 통한 사용자 학습 체류 시간 증대: 개인화된 추천 시스템 도입 이후, 학생들의 자발적인 도서 탐색 활동이 늘어났으며 앱 내 평균 체류 시간이 유의미하게 증가했습니다.
- 관리 시스템 자동화로 교사 행정 업무 70% 절감: 독서 이력 기록, 채점, 리포트 생성 등 반복적인 행정 업무가 자동화됨으로써, 교사들이 학생 개별 지도에 집중할 수 있는 효율적인 교육 환경을 조성했습니다.
* 실제 앱 화면은 하단의 이미지를 확인해주세요.
