LLM만 의존하지 않고 내부 기준으로 학생부를 구조화하는 방식

분석은 학생부 PDF에서 텍스트와 표 데이터를 추출하는 단계에서 시작합니다. 일반 텍스트가 있는 PDF는 직접 추출하고, 스캔 상태가 좋지 않은 문서는 OCR 보조 흐름을 통해 읽을 수 있는 문장 단위로 바꿉니다.

추출된 내용은 이름, 학교, 문서번호처럼 식별성이 높은 정보와 학년, 학기, 과목, 세특, 창체, 진로활동 같은 분석 단위로 분리됩니다. 이렇게 나누지 않으면 LLM이 긴 문서를 한 번에 읽으며 중요한 근거를 놓치기 쉽습니다.

정규화 단계에서는 학년별 기록의 순서, 과목명, 활동명, 성적 표기를 가능한 한 일관된 구조로 맞춥니다. 이후 단계의 정량 분석과 문장형 해석은 이 구조화된 데이터에 기반합니다.

성적은 단순 평균만 보는 것이 아니라 학기별 전체 평균, 핵심 교과 평균, 변동성, 후반 유지력, 관심 전공과 관련된 과목 흐름을 함께 확인합니다.

1·2학년은 5등급제 기준, 3학년은 9등급제 기준처럼 학교 현장에서 실제로 적용되는 평가 체계를 구분해 해석할 수 있도록 설계합니다.

내신 정량 결과는 레이더 차트나 학기별 추이 그래프처럼 시각 자료로 변환되어 상담자가 학생의 흐름을 빠르게 파악하도록 돕습니다.

학생부는 내신, 세특, 창체, 전공 연결, 설명 가능성, 상담 질문 가능성 같은 축으로 나눠 봅니다. 각 축은 단순 점수가 아니라 상담에서 설명 가능한 판단 기준으로 구성됩니다.

예를 들어 세특은 분량보다 탐구 깊이, 반복되는 관심사, 과목 간 연결성, 학생 주도성 표현을 봅니다. 창체는 활동 수보다 역할의 지속성, 문제 해결 장면, 진로 방향과의 관계를 봅니다.

이 축별 루브릭은 LLM이 자유롭게 감상문을 쓰는 것을 막고, 상담자가 납득할 수 있는 기준을 중심으로 결과가 나오도록 잡아주는 내부 프레임입니다.

생기부 평가기는 LLM 모델에만 판단을 맡기지 않고 내부 연구 채점 모델을 함께 사용합니다. 이 모델은 학생부를 읽을 때 반복적으로 확인해야 하는 축과 감점·보완 조건을 사전에 정의한 구조입니다.

예를 들어 전공 적합성은 특정 활동 하나가 있다는 이유만으로 높게 보지 않습니다. 교과 선택, 세특 주제, 창체 활동, 진로활동, 학년별 변화가 서로 연결되는지를 함께 확인합니다.

내부 채점 모델은 결과 문장의 방향을 제한하고, 누락된 축이 있으면 보완 질문을 생성하도록 돕습니다. 이 구조가 있어야 결과가 매번 다른 감상문처럼 흔들리지 않고 상담 자료로 쓸 수 있습니다.

상담 질문은 학생을 압박하기 위한 면접 질문이 아니라, 기록에서 아직 설명이 필요한 부분을 확인하기 위한 질문입니다. 기록이 강한 축에서는 왜 강하게 읽히는지, 약한 축에서는 무엇을 보완해야 하는지를 묻습니다.

질문은 학업 흐름, 전공 연결, 세특 깊이, 창체 역할, 다음 학기 계획처럼 상담 장면에서 실제로 이어질 수 있는 형태로 생성됩니다.

이 과정은 학생이 자신의 기록을 말로 설명할 수 있게 돕고, 상담자가 다음 활동 계획을 구체화하는 데 활용됩니다.

최종 결과는 웹 리포트와 PDF 리포트로 출력되기 전에 필수 섹션, 차트 데이터, 문장 깨짐, 개인정보 노출 여부를 확인합니다.

학생부 전체 개요가 너무 길어 A4 페이지 흐름을 깨지 않도록 페이지 단위 구성을 고려하고, 차트는 웹에서 보는 흐름과 PDF에서도 최대한 일관되게 보이도록 관리합니다.

이 전체 과정의 목적은 자동 판정이 아니라 상담자가 근거를 빠르게 확인하고 학생에게 더 정확한 질문을 던질 수 있게 만드는 것입니다.