File size: 16,479 Bytes
1d355ad fabb74d 737dfe4 899bc84 737dfe4 899bc84 1d355ad fabb74d 22032f3 fabb74d a033392 dfbd598 fabb74d c6d8680 fabb74d a4b184b 39688bd a4b184b 4513ea4 0e065bd 4513ea4 41289f4 737dfe4 b50cf39 41289f4 737dfe4 cff1cdf 41289f4 737dfe4 cff1cdf 41289f4 737dfe4 cff1cdf 22032f3 737dfe4 cff1cdf f74a421 737dfe4 cff1cdf 41289f4 737dfe4 cff1cdf 41289f4 737dfe4 cff1cdf 41289f4 57da6a2 cff1cdf 5faf984 a4b184b 41289f4 217a78d a4b184b fabb74d a4b184b fabb74d a4b184b feb03cf a4b184b 737dfe4 a06ec9f a4b184b a06ec9f a4b184b 737dfe4 a4b184b 737dfe4 a4b184b a033392 a4b184b 39688bd 03d0703 0d99071 737dfe4 a4b184b 737dfe4 a4b184b 737dfe4 a4b184b 737dfe4 a4b184b f5b61e5 a4b184b 54877b5 a4b184b 54877b5 a4b184b 737dfe4 a4b184b |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 |
import os
import time
import streamlit as st
import google.generativeai as genai
from streamlit_extras.colored_header import colored_header
from streamlit_extras.add_vertical_space import add_vertical_space
import markdown
# Google Gemini API ν€ μ€μ
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
# λͺ¨λΈ μ€μ
generation_config = {
"temperature": 0.7,
"top_p": 0.85,
"top_k": 64,
"max_output_tokens": 25000,
"response_mime_type": "text/plain",
}
model = genai.GenerativeModel(
model_name="gemini-2.0-flash-thinking-exp-01-21",
generation_config=generation_config,
)
SYSTEM_PROMPT = """
λμ νλ
: {grade}
μ±μ·¨κΈ°μ€ λ° μ£Όμ λ΄μ©: {achievement_standard}
μ μ 보λ₯Ό λ°νμΌλ‘ ν΅μ¬ μμ΄λμ΄ μ΄ν΄λ₯Ό λͺ©νλ‘ νλ {grade} μμ€μ μ ν©ν κ°λ
κΈ°λ° νꡬνμ΅μ μ€κ³ν΄ μ£ΌμΈμ. λ€μ κ΅¬μ± μμμ λ°λΌ μμΈνκ³ μ²΄κ³μ μΌλ‘ μ€λͺ
ν΄μΌ ν©λλ€.
κ° κ΅¬μ± μμλ μλ‘ μ°κ²°λκ³ μ κΈ°μ μΌλ‘ ꡬμ±λμ΄μΌ νλ©°, νμλ€μ ν₯λ―Έμ μ°Έμ¬λ₯Ό μ λν μ μλ μ°½μμ μ΄κ³ νμ μ μΈ νλλ€μ μ μν΄μΌ ν©λλ€.
νΉν, λͺ¨λ νλμ νμλ€μ΄ μ€μ€λ‘ ν΅μ¬ μμ΄λμ΄λ₯Ό λ°κ²¬νκ³ κΉμ΄ μκ² μ΄ν΄ν μ μλλ‘ μ€κ³λμ΄μΌ ν©λλ€.
λ¨Όμ μ€νΈλλλ₯Ό 2~3κ°λ‘ μ€μ νμΈμ.μ€νΈλλ(Strand)λ λ¨μμ μμ£Όμ μ κ°μΌλ©°, κ° μ€νΈλλλ μ¬λ¬ μ°¨μμ μμ
μΌλ‘ ꡬμ±λ©λλ€.
μ€νΈλλ μμμλ "κ΄κ³λ§ΊκΈ° - μ§μ€νκΈ° - μ‘°μ¬νκΈ° - μ‘°μ§ λ° μ 리νκΈ° - μΌλ°ν - μ μ΄ - μ±μ°°νκΈ°"μ λ¨κ³μ κ°λ
κΈ°λ° νꡬνμ΅μ μ€κ³ν΄μΌν©λλ€.
κ° λ¨κ³μμλ ν΄λΉ λ¨κ³μ λ§λ νꡬ μ§λ¬Έκ³Ό μΌλ°νκ° μ μλμ΄μΌ νκ³ , κ·Έ μΌλ°νμ λλ¬ν μ μλ λ¨κ³λ³ κ°λ
κΈ°λ° νꡬνμ΅ νλμ΄ κ΅¬μ²΄μ μ΄κ³ μμΈνκ² μ μλμ΄μΌ ν©λλ€.(κ·Έλ¦¬κ³ λ΄μ© μλ΅μ νμ§λ§κ³ λͺ¨λ λ΄μ©μ μΆλ ₯νμΈμ.)
1. ν΅μ¬ μμ΄λμ΄ (Key Ideas & Generalizations):
μ΄ μ£Όμ λ₯Ό κ΄μ°°νλ κ°μ₯ μ€μν κ΄μ (Conceptual Lens)μ 무μμΈκ°?
μ΄ μ£Όμ λ₯Ό ν΅ν΄ νμλ€μ΄ μ΄ν΄ν΄μΌ ν κ°μ₯ μ€μν μμ΄λμ΄(Key Ideas)λ 무μμΈκ°? 2-3κ°μ λ¬Έμ₯μΌλ‘ λͺ
ννκ² κΈ°μ νμΈμ.
μ μμ΄λμ΄λ€μ λ·λ°μΉ¨νλ μΌλ°νλ μ§μ(Generalizations)μ 3-5κ°μ λ¬Έμ₯μΌλ‘ μ€λͺ
νμΈμ.
2. λ§€ν¬λ‘ κ°λ
(Macro Concepts) λ° λ§μ΄ν¬λ‘ κ°λ
(Micro Concepts):
μ΄ μ£Όμ λ₯Ό μ΄ν΄νλ λ° νμν ν° νμ κ°λ
(λ§€ν¬λ‘ κ°λ
, Conceptual Lens)μ 무μμΈκ°?
μ΄ μ£Όμ μ κ΄λ ¨λ ꡬ체μ μΈ κ΅κ³Ό κ°λ
(λ§μ΄ν¬λ‘ κ°λ
, Subject-Specific Concepts)μ 무μμΈκ°?
λ§€ν¬λ‘ κ°λ
κ³Ό λ§μ΄ν¬λ‘ κ°λ
μ¬μ΄μ κ΄κ³λ₯Ό μ΄λ»κ² μ€λͺ
ν κ²μΈκ°? ꡬ체μ μΈ μμλ₯Ό μ¬μ©νμ¬ μ€λͺ
νμΈμ.
3. μ§μμ λ²μ£Ό (Knowledge Categories - λ¦° μλ¦μ¨μ λΆλ₯ κΈ°μ€):
μ¬μ€ (Facts): μ΄ μ£Όμ μ κ΄λ ¨λ μ€μν μ¬μ€λ€μ μ΅μ 10κ° μ΄μ λμ΄νμΈμ.
κ°λ
(Concepts): μ΄ μ£Όμ λ₯Ό μ΄ν΄νλ λ° νμν ν΅μ¬ κ°λ
λ€μ μ μνκ³ , κ° κ°λ
μ λν μμλ₯Ό μ μνμΈμ. μ΅μ 3κ° μ΄μ μ μνμΈμ.
μΌλ°ν (Generalizations): κ°λ
λ€ μ¬μ΄μ κ΄κ³λ₯Ό μ€λͺ
νλ μΌλ°νλ μ§μ μ μ΅μ 3κ° μ΄μ μ μνμΈμ.
μ리 (Principles): μΌλ°νλ₯Ό λ·λ°μΉ¨νλ κ³Όνμ μ리 λλ μ΄λ‘ λ€μ μ€λͺ
νμΈμ. μ΅μ 2κ° μ΄μ μ μνμΈμ.
4. νꡬ μ§λ¬Έ (Inquiry Questions):
νμλ€μ νꡬλ₯Ό μκ·Ήνκ³ ν΅μ¬ κ°λ
λ° μΌλ°νλ‘ μ λν μ μλ νꡬ μ§λ¬Έλ€μ 5κ° μ΄μ μ μνμΈμ. μ§λ¬Έμ ꡬ체μ μ΄κ³ νꡬ κ°λ₯ν΄μΌ νλ©°, λ€μν μμ€μ μ¬κ³ λ₯Ό μꡬν΄μΌ ν©λλ€. κ° μ§λ¬Έμ΄ μ΄λ€ ν΅μ¬ κ°λ
κ³Ό μ°κ²°λλμ§ λͺ
μνμΈμ.
5. μ€νΈλλλ³ κ°λ
κΈ°λ° νꡬνμ΅ κ³Όμ μ€κ³: μμ μ μλ ν΅μ¬ μμ΄λμ΄ (Key Ideas & Generalizations), λ§€ν¬λ‘ κ°λ
(Macro Concepts) λ° λ§μ΄ν¬λ‘ κ°λ
(Micro Concepts), μ§μμ λ²μ£Ό (Knowledge Categories - λ¦° μλ¦μ¨μ λΆλ₯ κΈ°μ€), νꡬ μ§λ¬Έ (Inquiry Questions)μ μΆλ ₯ λ΄μ©μ κΈ°λ°μΌλ‘ λ€μ λ¨κ³μ λ°λΌ νꡬ νμ΅ κ³Όμ μ μ€κ³νμΈμ. λͺ¨λ νλμ νμλ€μ΄ ν΅μ¬ μμ΄λμ΄λ₯Ό μ΄ν΄νλλ‘ λλ λ° μ΄μ μ λ§μΆ°μΌ ν©λλ€.
(1) κ΄κ³ λ§ΊκΈ° (Engaging):
ν΅μ¬ μμ΄λμ΄μ λν ν₯λ―Έμ νΈκΈ°μ¬μ μ λ°νκ³ νμλ€μ μ§μ , μ μμ μμ
μ°Έμ¬λ₯Ό μ λνλ νλμ μ μνμΈμ. (μ: ν₯λ―Έλ‘μ΄ μ΄μΌκΈ°, μκ° μλ£, κ²μ λ±)
νμλ€μ μ¬μ μ§μμ νμ±ννκ³ ν΅μ¬ μμ΄λμ΄μ κ΄λ ¨λ νꡬ μ§λ¬Έμ μ λνλ νλμ μ μνμΈμ. (μ: λΈλ μΈμ€ν λ°, λ§μΈλλ§΅, μ§μμλ΅ λ±)
(2) μ§μ€νκΈ° (Focusing):
κ΅κ³Ό κ°λ
μ λͺ
ννκ² μ μνκ³ κ΄λ ¨λ μ¬μ€μ μλ₯Ό 2-3κ° μκ°νλ νλμ μ μνμΈμ. (μ: κ°μ, μ€λͺ
, μλ² μ€ν λ±)
(3) μ‘°μ¬νκΈ° (Investigating):
κ°λ
κ΄λ ¨ μ¬λ‘λ€μ μ‘°μ¬νκ³ νꡬνλ νλμ μ μνμΈμ. (μ: μ€ν, κ΄μ°°, μ‘°μ¬, ν λ‘ , μλ£ λΆμ λ±)
μΆκ°μ μΈ μ¬λ‘ μ μλ₯Ό ν΅ν΄ κ°λ
μ΄ν΄λ₯Ό νμ₯νλ νλμ μ μνμΈμ.
(4) μ‘°μ§ λ° μ 리νκΈ° (Organizing and Sorting):
μ¬μ€μ , κ°λ
μ μμ€μμ μκ°μ ꡬμ±νκ³ μ 리νλ νλμ μ μνμΈμ. (μ: ν λ§λ€κΈ°, κ·Έλν 그리기, κ°λ
μ§λ μμ± λ±)
λ€μν μλ£μ λ°©λ², κ΅κ³Όλ₯Ό νμ©νμ¬ κ°λ
κ³Ό μκ°μ λνλ΄λ νλμ μ μνμΈμ. (μ: κ·Έλ¦Ό 그리기, κΈμ°κΈ°, λ°ν, λͺ¨ν λ§λ€κΈ° λ±)
(5) μΌλ°ννκΈ° (Generalizing):
μ¬μ€μ μμμμ ν¨ν΄μ λ°κ²¬νκ³ μ°κ²°μ±μ μ°Ύμ μΌλ°νλ₯Ό λμΆνλ νλμ μ μνμΈμ. (μ: λ²€ λ€μ΄μ΄κ·Έλ¨, κ·λ©μ μΆλ‘ νλ λ±)
μΌλ°νλ₯Ό λͺ
λ£ννκ³ λ€λ¬λ νλμ μ μνμΈμ.
(6) μ μ΄νκΈ° (Transferring):
μΌλ°νμ μ ν¨μ±μ κ²μ¦νκ³ μ λΉννλ νλμ μ μνμΈμ.
μλ‘μ΄ μν©μ μΌλ°νλ₯Ό μ μ©νκ³ , νμ΅μ λν΄ μλ―Έ μλ νλμ μ·¨νλ νλμ μ μνμΈμ. (μ: λ¬Έμ ν΄κ²°, μμ¬ κ²°μ , μ°½μμ μ°μΆλ¬Ό μ μ λ±)
μμΈ‘ λ° κ°μ μ νμ±νκΈ° μν΄ κ²½νκ³Ό μ΄ν΄λ₯Ό νμ©νλ νλμ μ μνμΈμ.
(7) μ±μ°°νκΈ° (Reflecting):
νμ΅ μ£Όμ²΄λ‘μ μμ μ μΈμνκ³ νμ΅ κ³Όμ μ κ³ννκ³ ν΅μ νλ νλμ μ μνμΈμ. (μ: νμ΅ κ³ν μΈμ°κΈ°, νμ΅ μΌμ§ μμ± λ±)
μμ μ νμ΅ κ³Όμ μ νκ°νκ³ κ°μ νλ νλμ μ μνμΈμ. (μ: μκΈ° νκ°, λλ£ νκ°, νΌλλ°± νμ© λ±)
6. νκ° κ³ν λ° μνκ³Όμ (GRASPS), νκ° λ£¨λΈλ¦(μ, μ€, ν νμ΄):
κ° μ€νΈλλ λ° ν΅μ¬ κ°λ
μ λν νμλ€μ μ΄ν΄λλ₯Ό νκ°ν μ μλ νκ° λ°©λ² λ° λ£¨λΈλ¦μ μ μνμΈμ. (κ΄μ°°, λ°ν, ν¬νΈν΄λ¦¬μ€, μκΈ° νκ°, λλ£ νκ°, ν΄μ¦, μν, μν κ³Όμ λ±)
루λΈλ¦μ μ, μ€, νμ λν ꡬ체μ μΈ νκ° κΈ°μ€κ³Ό κ° μμ€μ ν΄λΉνλ νμμ μμ
λλ μν μμλ₯Ό ν¬ν¨ν΄μΌ ν©λλ€.
νκ°λ λ¨μν μ§μ μκΈ° μ¬λΆλ₯Ό 묻λ κ²μ΄ μλλΌ, νμλ€μ νꡬ κ³Όμ , μ¬κ³ λ ₯, λ¬Έμ ν΄κ²° λ₯λ ₯, νλ ₯μ νλ, κ°λ
μ μ΄ν΄, μΌλ°ν λμΆ λ₯λ ₯, μ μ΄ λ₯λ ₯ λ±μ μ’
ν©μ μΌλ‘ νκ°ν΄μΌ ν©λλ€.
GRASPS(Goal, Role, Audience, Situation, Product/Performance, Standards) μμλ₯Ό νμ©νμ¬ μν κ³Όμ λ₯Ό μ€κ³νμΈμ.
7. κ°λ
μ μ΄ν΄λ₯Ό μν ν (Tips for Conceptual Understanding):
νμλ€μ΄ ν΅μ¬ κ°λ
μ κΉμ΄ μκ² μ΄ν΄νκ³ μ°κ²°νλ©°, μΌλ°νλ₯Ό λμΆνκ³ μ μ©ν μ μλλ‘ λλ ν¨κ³Όμ μΈ κ΅μ μ λ΅μ 무μμΈκ°?
μ€κ°λ
μ μλ°©νκ³ ν΄κ²°νλ λ°©λ²μ 무μμΈκ°?
νμλ€μ λ€μν νμ΅ μ€νμΌκ³Ό μꡬλ₯Ό μΆ©μ‘±νλ λ°©λ²μ 무μμΈκ°?
ν΅μ¬ κ°λ
κ³Ό κ΄λ ¨λ μ€μν μ¬λ‘λ₯Ό μ μνμ¬ νμ΅μ μλ―Έμ κ΄λ ¨μ±μ λμ΄λ λ°©μμ μ μνμΈμ. λ©ν°λ―Έλμ΄, μκ° μλ£, κ²μ, νλ ₯ νμ΅ λ± λ€μν κ΅μλ²μ νμ©νλ λ°©μμ μ μνμΈμ.
"""
def generate_curriculum(grade, achievement_standard):
prompt = [
SYSTEM_PROMPT.format(grade=grade, achievement_standard=achievement_standard),
]
prompt = "\n".join(prompt)
full_text = ""
try:
response = model.generate_content(prompt, stream=True)
for chunk in response:
full_text += chunk.text
html_text = markdown.markdown(full_text, extensions=['tables', 'fenced_code'])
output_area.markdown(html_text, unsafe_allow_html=True)
time.sleep(0.05)
except Exception as e:
st.error(f"κ³νμ μμ± μ€λ₯: {e}")
return ""
return full_text
# μ±λ΄ ν¨μ (μμ λ° μΆκ° μλ£ μμ±)
def chat_with_ai(user_input, context):
prompt = f"{context}\nUser: {user_input}\nAI:"
full_text = ""
try:
response = model.generate_content(prompt, stream=True)
for chunk in response:
full_text += chunk.text
except Exception as e:
st.error(f"μ±λ΄ μ€λ₯: {e}")
return ""
return full_text
# Streamlit μΈν°νμ΄μ€
st.set_page_config(page_title="κ°λ
κΈ°λ° νꡬνμ΅ AI", page_icon="\U0001F393")
# νμ΄μ§ μ€νμΌ μ»€μ€ν°λ§μ΄μ§
st.markdown(
"""
<style>
/* μ 체 λ°°κ²½μ μ€μ */
.stApp {
background-color: #fffafa;
}
/* νμ΄ν μ€νμΌ */
.main-title {
font-size: 3rem;
color: #000000;
font-weight: 700;
text-align: center;
margin-bottom: 20px;
}
/* μ±ν
λ©μμ§ μ€νμΌ */
.chat-message {
border-radius: 15px;
padding: 15px;
margin: 10px 0;
display: flex;
align-items: center;
flex-wrap: wrap;
word-break: break-word;
}
.chat-message-user {
background-color: #ffebef;
color: #8b4513;
justify-content: flex-end;
}
.chat-message-assistant {
background-color: #ffe4e6;
color: #6b4226;
justify-content: flex-start;
}
.chat-avatar {
width: 40px;
height: 40px;
border-radius: 50%;
margin-right: 10px;
}
.chat-avatar-user {
margin-left: 10px;
margin-right: 0;
}
/* λ²νΌ μ€νμΌ */
.stButton button {
background-color: #cd857f;
color: #fff;
border-radius: 15px;
padding: 10px 20px;
}
</style>
""",
unsafe_allow_html=True
)
st.markdown("<div class='main-title'>\U0001F393 κ°λ
κΈ°λ° νꡬνμ΅ AI</div>", unsafe_allow_html=True)
add_vertical_space(1)
with st.sidebar:
st.markdown("## βοΈ μ
λ ₯ μ€μ ")
grade_options = [f"μ΄λ±νκ΅ {i}νλ
" for i in range(1, 7)] + [f"μ€νκ΅ {i}νλ
" for i in range(1, 4)]
grade_selected = st.selectbox("π νλ
μ ν", grade_options, index=0)
achievement_standard = st.text_area("π μ±μ·¨κΈ°μ€ λ° μ£Όμ λ΄μ©", height=150)
generate_button = st.button("π κ³νμ μμ±")
# μΆλ ₯ λ° μ±λ΄ μμ
output_area = st.empty()
# μν λ³μ
if "messages" not in st.session_state:
st.session_state.messages = []
st.session_state.chat_mode = False
# κ³νμ μμ± λ²νΌ ν΄λ¦ μ
if generate_button:
with st.spinner("β³ κ³νμ μμ± μ€..."):
result = generate_curriculum(grade_selected, achievement_standard)
st.session_state.messages.append({"role": "assistant", "content": result})
st.session_state.chat_mode = True
# μ±λ΄ μΈν°νμ΄μ€
user_icon_url = "https://cdn-icons-png.flaticon.com/512/4323/4323008.png"
assistant_icon_url = "https://cdn-icons-png.flaticon.com/512/4712/4712108.png"
if st.session_state.chat_mode:
if prompt := st.chat_input("κ°λ
κΈ°λ° νꡬνμ΅ AIμκ² μμ λ° μΆκ° μμ²μ¬νμ μλ €μ£ΌμΈμ!"):
st.session_state.messages.append({"role": "user", "content": prompt})
with st.spinner("π€ λ΅λ³ μμ± μ€..."):
context = "\n".join([msg["content"] for msg in st.session_state.messages if msg["role"] == "assistant"])
ai_response = chat_with_ai(prompt, context)
st.session_state.messages.append({"role": "assistant", "content": ai_response})
for message in st.session_state.messages:
if message["role"] != "system":
role_class = "chat-message-user" if message["role"] == "user" else "chat-message-assistant"
avatar_url = user_icon_url if message["role"] == "user" else assistant_icon_url
avatar_class = "chat-avatar-user" if message["role"] == "user" else "chat-avatar"
html_text = markdown.markdown(message['content'], extensions=['tables', 'fenced_code'])
st.markdown(
f"<div class='chat-message {role_class}'><img src='{avatar_url}' class='chat-avatar {avatar_class}'>{html_text}</div>",
unsafe_allow_html=True
)
# FAQ (κ°λ
κΈ°λ° νꡬνμ΅μ λ§κ² μμ )
with st.expander("βκ°λ
κΈ°λ° νꡬνμ΅ AI FAQ"):
st.write("""
**Q1. κ°λ
κΈ°λ° νꡬνμ΅ AIλ μ΄λ€ κΈ°λ₯μ μ 곡νλμ?**
A. μ΄ μ±μ μ μλλ€μ **κ°λ
κΈ°λ° νꡬνμ΅** μ€κ³λ₯Ό λκΈ° μν΄ κ°λ°λ AI λꡬμ
λλ€. νλ
κ³Ό μ±μ·¨κΈ°μ€μ μ
λ ₯νλ©΄ ν΅μ¬ μμ΄λμ΄λ₯Ό μ€μ¬μΌλ‘ ν νꡬνμ΅ κ³νμ μ΄μμ μμ±ν©λλ€. κ³νμμλ ν΅μ¬ μμ΄λμ΄, λ§€ν¬λ‘/λ§μ΄ν¬λ‘ κ°λ
, μ§μ λ²μ£Ό, νꡬ μ§λ¬Έ, **κ΄κ³λ§ΊκΈ°-μ§μ€νκΈ°-μ‘°μ¬νκΈ°-μ‘°μ§ λ° μ 리νκΈ°-μΌλ°ν-μ μ΄-μ±μ°°νκΈ°**μ 7λ¨κ³ νꡬ νλ, νκ° λ°©λ², κ°λ
μ μ΄ν΄λ₯Ό μν ν λ±μ΄ ν¬ν¨λ©λλ€. λ¨μν κ³νμ μμ±λΏλ§ μλλΌ, μμ±λ κ³νμλ₯Ό μμ νκ³ μΆκ°μ μΈ μλ£λ₯Ό μμ±νλ λ°μλ λμμ λ립λλ€.
**Q2. 7λ¨κ³ νꡬνμ΅ κ³Όμ μ€κ³λ μ΄λ»κ² μ΄λ£¨μ΄μ§λμ?**
A. μ΄ AIλ **κ΄κ³λ§ΊκΈ°-μ§μ€νκΈ°-μ‘°μ¬νκΈ°-μ‘°μ§ λ° μ 리νκΈ°-μΌλ°ν-μ μ΄-μ±μ°°νκΈ°**μ 7λ¨κ³ νꡬνμ΅ λͺ¨νμ κΈ°λ°μΌλ‘ νμ΅ κ³Όμ μ μ€κ³ν©λλ€. κ° λ¨κ³λ νμλ€μ΄ ν΅μ¬ μμ΄λμ΄λ₯Ό κΉμ΄ μκ² μ΄ν΄νκ³ , μ€μ€λ‘ μ§μμ ꡬμ±νλ©°, μ€μ μν©μ μ μ©ν μ μλλ‘ μ€κ³λ©λλ€. κ° λ¨κ³λ³ νλμ νμλ€μ ν₯λ―Έμ μ°Έμ¬λ₯Ό μ λνλ μ°½μμ μ΄κ³ νμ μ μΈ νλμΌλ‘ ꡬμ±λ©λλ€.
**Q3. κ³νμ μμ± ν μμ μ μ΄λ»κ² νλμ?**
A. κ³νμ μμ± ν, νλ¨ μ±λ΄μ μ΄μ©νμ¬ μμ λ° μΆκ° μμ²μ¬νμ μ
λ ₯ν μ μμ΅λλ€. μλ₯Ό λ€μ΄, "μ‘°μ¬νκΈ° λ¨κ³μμ νμ©ν μ μλ λ€λ₯Έ νλμ μ μν΄μ€", "νκ° λ£¨λΈλ¦μ μμ€νμ λν ꡬ체μ μΈ μμμ ν¨κ» μμ ν΄μ€" μ κ°μ΄ μ
λ ₯νλ©΄ λ©λλ€.
**Q4. μ±λ΄μ μ΄μ©ν΄μ μ΄λ€ μΆκ° μλ£λ₯Ό μμ±ν μ μλμ?**
A. μ±λ΄μ ν΅ν΄ λ€μκ³Ό κ°μ μΆκ° μλ£ μμ±μ μμ²ν μ μμ΅λλ€:
* **λ¨κ³λ³ νλ μΆκ°:** κ° λ¨κ³μ νμ©ν μ μλ λ€μν νλμ μ μν©λλ€. *μμ: "μ‘°μ¬νκΈ° λ¨κ³μμ νμ©ν μ μλ μ€ν νλμ μ μν΄ μ€"*
* **μν κ³Όμ (GRASPS):** Goal, Role, Audience, Situation, Product/Performance, Standards μμλ₯Ό νμ©νμ¬ μν κ³Όμ λ₯Ό μ€κ³ν©λλ€. *μμ: "μ΄ λ¨μμ ν΅μ¬ κ°λ
μ νκ°ν μ μλ μννκ°λ₯Ό μ€κ³ν΄μ€"*
* **νκ° λ£¨λΈλ¦ (μ, μ€, ν νμ΄):** μμ€νμ λν ꡬ체μ μΈ νκ° κΈ°μ€κ³Ό κ° μμ€μ ν΄λΉνλ νμ μμ
λλ μν μμλ₯Ό ν¬ν¨ν 루λΈλ¦μ μμ±ν©λλ€. *μμ: "μ μ΄νκΈ° λ¨κ³λ₯Ό νκ°ν μ μλ 루λΈλ¦μ λ§λ€μ΄μ€"*
* **κ°λ
μ€λͺ
μλ£:** ν΅μ¬ κ°λ
μ λν μΆκ°μ μΈ μ€λͺ
, κ·Έλ¦Ό, μμ λ±μ μ 곡ν©λλ€. *μμ: "λ§€ν¬λ‘ κ°λ
μ λν μ€λͺ
μλ£λ₯Ό λ§λ€μ΄μ€"*
μ±λ΄μ ꡬ체μ μΈ μμ²μ¬νμ μ
λ ₯ν μλ‘ λμ± μ ννκ³ μ μ©ν κ²°κ³Όλ₯Ό μ»μ μ μμ΅λλ€.
""") |