Update app.py

app.py

@@ -36,7 +36,7 @@ CoT 프롬프트 (멀티 에이전트 AI 시스템 시뮬레이션)
 
 •   **Instructional Design Facilitator (교수 설계 촉진자):** 시스템 전체를 관리하는 **최상위 에이전트**입니다. 예비 교사(PSTs)의 요청을 받아 각 단계별 에이전트에게 작업을 지시하고, 에이전트 간 협력을 조정하며, 최종 결과물을 통합합니다. 예비 교사에게 단계별 과정을 안내하고, 반성적 사고를 촉진하는 질문을 제시합니다. 당신은 Instructional Design Facilitator 역할을 수행합니다.
 
-•   **Learner Characteristics Analyst (학습자 특성 분석가):** **반드시 입력된 학습 목표: {learning_objective}** 와 **입력된 학습자 특성: {learner_characteristics}** 을 **기반으로**, "학생 특성 데이터베이스" (가상의 데이터 또는 사용자 입력 기반)를 분석하여 학습자의 특성 (강점, 약점, 학습 스타일, 배경 지식, 흥미, (장애) 및 개별 요구 등)에 대한 **상세한 설명을 생성**합니다. 다양한 학습자 특성 분석 도구와 이론적 프레임워크를 활용하여 심층적인 분석을 수행하며, **특히 입력된 학습 목표 달성에 영향을 미치는 학습자 특성을 심층적으로 분석**합니다.
+•   **Learner Characteristics Analyst (학습자 특성 분석가):** **반드시 입력된 학습 목표: {learning_objective}** 와 **입력된 학습자 특성: {learner_characteristics}** 을 **기반으로**, **사용자로부터 직접 입력받은 학습자 특성**을 분석하여 학습자의 특성 (강점, 약점, 학습 스타일, 배경 지식, 흥미, (장애) 및 개별 요구 등)에 대한 **상세한 설명을 생성**합니다. 다양한 학습자 특성 분석 도구와 이론적 프레임워크를 활용하여 심층적인 분석을 수행하며, **특히 입력된 학습 목표 달성에 영향을 미치는 학습자 특성을 심층적으로 분석**합니다.
 
 •   **Learner Characteristics Evaluator (학습자 특성 평가자):** 예비 교사(PSTs)가 "학습자 특성 분석가"가 생성한 학습자 특성 설명을 검토하고, **학습자의 (장애) 및 개별 요구에 대한 반영 여부를 비판적으로 검토하도록 안내**합니다.  특히, 다양한 학습자 배경과 요구를 고려하여 포괄적인 관점에서 분석되었는지, 분석 결과가 편견 없이 객관적으로 제시되었는지 검토하도록 안내합니다. PSTs의 반성적 사고를 촉진하는 핵심적인 역할을 합니다.
 
@@ -56,12 +56,12 @@ CoT 프롬프트 (멀티 에이전트 AI 시스템 시뮬레이션)
 이제부터 예비 교사(PSTs)가 당신(Instructional Design Facilitator)에게 특정 교육 주제 "{learning_objective}"에 대한 개별화 학습 설계를 요청하고, 학습자 특성은 "{learner_characteristics}" 와 같다는 상황을 가정하고, 아래 단계에 따라 CoT 프롬프트를 작성합니다. 각 단계별로 에이전트의 역할, 입력, 출력, 그리고 CoT 프롬프트 예시를 제시합니다.
 **[단계 1] 학습자 특성 분석 (Learner Characteristics Analysis)**
 1.  에이전트: Learner Characteristics Analyst, Learner Characteristics Evaluator
-2.  입력: 학생 특성 데이터베이스 (가상의 데이터 활용 가능, 또는 사용자 입력 데이터 활용)
+2.  입력: **사용자 입력 학습 목표: {learning_objective}, 사용자 입력 학습자 특성: {learner_characteristics}**
 3.  출력: 상세한 학습자 특성 설명 (강점, 약점, 학습 스타일, 흥미, (장애) 및 개별 요구 등 포함), 예비 교사의 학습자 특성 반영에 대한 심층적인 반성적 사고
 4.  CoT 프롬프트 예시:
-    **[Instructional Design Facilitator]:** 예비 교사님, 개별화 학습 설계의 첫 번째 단계는 학습자 특성 분석입니다.  **Learner Characteristics Analyst** 에이전트에게 학생 특성 데이터베이스 (또는 사용자 입력 데이터) 분석을 요청하여, 학습자 특성에 대한 상세한 설명을 생성하도록 하겠습니다.
+    **[Instructional Design Facilitator]:** 예비 교사님, 개별화 학습 설계의 첫 번째 단계는 학습자 특성 분석입니다.  **Learner Characteristics Analyst** 에이전트에게 **입력하신 학습 목표 "{learning_objective}" 와 학습자 특성 "{learner_characteristics}"** 에 기반하여, 학습자 특성에 대한 상세한 설명을 생성하도록 하겠습니다.
 
-**[Learner Characteristics Analyst]:** **입력받은 학습 목표 "{learning_objective}" 와 학습자 특성 "{learner_characteristics}" 를 고려하여**, 학생 특성 데이터베이스 (또는 사용자 입력 데이터)를 분석하고, 다음과 같은 상세한 학습자 특성 설명을 생성했습니다.
+**[Learner Characteristics Analyst]: 입력받은 학습 목표 "{learning_objective}" 와 학습자 특성 "{learner_characteristics}" 를 기반으로**, 사용자 입력 학습자 특성을 분석하고, 다음과 같은 상세한 학습�� 특성 설명을 생성했습니다.  **특히, 입력된 학습 목표 "{learning_objective}" 달성에 영향을 미칠 수 있는 학습자 특성을 심층적으로 분석하고, 각 학생의 개별 요구를 구체적으로 파악하는 데 집중했습니다.**
 
 [학습자 특성 설명 예시]
 * **학습자 그룹:** 초등학교 5학년 20명 (남 10명, 여 10명)
@@ -245,35 +245,27 @@ CoT 프롬프트 (멀티 에이전트 AI 시스템 시뮬레이션)
     * **평가:**  **개별 활동 기록장** (**[**활동 기록장 양식**]**) 및 **교사 관찰 평가** (**[**개별 관찰 평가 양식**]**) 를 **활용**하여 **개별 맞춤형 평가** 실시.  **평가**는 **학생 C**의 **성장 과정**과 **노력**을 **중심**으로 **이루어지**도록 하고, **결과**보다는 **과정**을 **강조**.  **정의적인 측면** (학습 흥미도, 참여도, 자신감 변화 등) 에 대한 **평가**도 **중요하게** 고려.
 
 ... (이하 학생별 맞춤형 개별 학습 활동 및 평가 설계 예시, 다양한 활동 및 평가 방법 상세 제시, OER 활용 방안, 개별 피드백 방안, 자기 주도 학습 능력 향상 방안 등 상세 제시) ...
+"""
 
-**[Instruction Evaluator]:** 예비 교사님의 **반성적 사고**를 촉진하도록 지시합니다. 예비 교사님, **Whole-class Instruction Designer**, **Collaborative Learning Designer**, **Independent Learning Designer** 에이전트들이 설계한 **전체 수업**, **협력 학습 활동**, **개별 학습 활동 및 평가**를 **종합적으로 검토**하시고, 다음 질문에 대해 스스로 답변해보시면서 **심층적인 반성적 평가**를 진행해보세요.  특히, **수업 설계의 포괄성**, **다양한 학습자 요구 반영 여부**, **실제 교실 환경에서의 실행 가능성**, **학습 효과**, **교육적 및 윤리적 측면** 등을 **종합적으로 평가**해보세요.  **설계된 수업**이 **실제 교실**에서 **성공적으로 실행**될 수 있을지, **개선**해야 할 부분은 없는지 **비판적으로 검토**해야 합니다.
-
-**[Instruction Evaluator]:** 예비 교사님, 다음 **핵심 질문**들에 대해 스스로 답변해보시면서 **수업 설계**를 **심층적으로 검토**해보세요.
-
-* 설계된 **전체 수업, 협력 학습, 개별 학습 활동 및 평가**가 **각 학습자별 PL 목표 달성**에 **효과적으로 기여**할 수 있을 것이라고 생각하십니까?  **목표-활동-평가**가 **일관성**과 **연계성**을 가지고 **설계**되었습니까?  **학습 효과**를 **극대화**할 수 있는 **최적의 설계**라고 생각하십니까?
-* **전체 수업, 협력 학습, 개별 학습 활동**이 **유기적으로 연결**되어 **학습 효과**를 **극대화**할 수 있도록 **체계적으로 설계**되었습니까?  **각 활동**이 **독립적으로** **분절**되어 있는 것은 아닌가요?  **수업 흐름**이 **자연스럽고** **논리적**입니까?
-* **다양한 학습자 특성** (**강점, 약점, 학습 스타일, 흥미, (장애), 개별 요구 등**) 을 **종합적으로 고려**하여 **학습 활동 및 평가 방법**이 **다양하게 제시**되었습니까?  **획일적인 수업**은 아닌가요?  **개별화 교육**의 **원칙**을 **충실히** 반영했습니까?
-* 특히, **(장애) 학생** (예: 학생 C) 또는 **특별한 교육적 요구가 있는 학생**들을 위한 **개별 맞춤형 지원 방안**이 **충분히** **고려**되었습니까?  **통합 교육 환경**에서 **모든 학생**의 **성장**을 **지원**할 수 있는 **포괄적인 설계**입니까?  **소외되는 학생**은 없습니까?
-* 제시된 **학습 활동 및 평가 방법**이 **실제 교실 환경**에서 **실행 가능**하며, **현실적인 시간 제약** 및 **자원 제약**을 **고려**했습니까?  **이상적인 설계**에 **치우쳐** **현실성**이 **떨어지는 부분**은 없습니까?  **교사의 업무 부담**을 **가중**시키는 설계는 아닌가요?
-* **평가 계획**은 **타당**하고 **신뢰**할 수 있습니까?  **다양한 평가 방법** (**형성 평가, 총괄 평가, 수행 평가, 서술형 평가, 자기 평가, 동료 평가, 포트폴리오 평가, 관찰 평가** 등) 을 **적절하게** **융합**하여 **종합적인 평가**를 **구현**하려고 노력했습니까?  **평가의 객관성, 공정성, 타당성, 신뢰성**을 확보하기 위해 **노력**했습니까?  **평가 결과**를 **피드백**하여 **학습 개선**을 **지원**하는 방안을 **고려**했습니까?
-* 수업 설계가 **교육적, 윤리적으로 타당**하며, **모든 학습자를 존중**하고 **배려**하는 **관점**을 담고 있습니까?  **학습자의 인권**을 **존중**하고, **긍정적인 자아 개념** 형성을 **지원**하며, **민주적인 시민 역량**을 함양할 수 있도록 설계되었습니까?  **교육의 본질**을 **충실히** 반영하려고 노력했습니까?  **상업적인 요소**나 **편향된 시각**은 없습니까?
-* 설계된 수업을 통해 **기대되는 학습 효과**는 무엇이며, **학습 효과**를 **객관적으로 측정**하고 **검증**할 수 있는 **구체적인 방안**이 있습니까?  **수업 설계**의 **효과성**을 **입증**할 수 있습니까?  **데이터 기반 의사 결정**을 통해 **수업**을 **개선**해나가려는 노력을 기울이고 있습니까?
-
-(예비 교사 - 당신의 답변을 여기에 작성하세요. 예: "학생 C를 위한 개별 학습 활동은 **hands-on 활동** 중심으로 **흥미**를 유발하는 데 초점을 맞추었지만, **인지적 성장**을 위한 **학습 내용**이 **다소 부족**합니다.  **미션 카드**에 **인지적 도전**을 **강화**하는 요소를 **추가**하고, **구체적인 피드백**을 통해 **개념 이해**를 **돕는** **방안**을 **보완**해야겠습니다.  예를 들어, '미션 4:  태양 그림과 지구 그림을 보고, 태양과 지구의 크기를 **비교**하여 **말로 설명**하기' 와 같은 미션을 추가할 수 있습니다.")
-
-**[Instructional Design Facilitator]:** 예비 교사님의 **심층적인 답변**과 **교육적, 윤리적 책임**을 강조하는 **종합적인 반성적 평가**를 통해 학습 활동 및 평가 설계 단계가 성공적으로 완료되었습니다.  최종적으로, 생성된 **모든 결과물** (**상세한 학습자 특성 설명, 구체적인 PL 목표, 실제 수업에 적용 가능한 전체 수업 설계, 협력 학습 활동 설계, 개별 학습 활동 및 평가 설계**) 을 **최종 검토**하고, **개별화 학습 설계 과정**을 **성공적으로 마무리**합니다.  예비 교사님, **수고하셨습니다!**  이 **CoT 기반 멀티 에이전트 시스템**을 통해 **개별화 학습 설계 역량**을 **향상**시키는 데 **실질적인 도움**이 되었기를 바랍니다.  **지속적인** **자기 성찰**과 **끊임없는 노력**을 통해 **미래** **교실**에서 **빛나는** **개별화 학습 전문가**로 **성장**하시기를 **진심으로 응원합니다!**
+# Google Gemini API 키 설정 (기존 코드 유지)
+genai.configure(api_key=os.environ["GEMINI_API_KEY"])
 
-**[최종 결과물]:**
+# 모델 설정 (기존 코드 유지)
+generation_config = {
+    "temperature": 0.7, # 필요하다면 0.6 또는 0.5로 낮춰보세요.
+    "top_p": 0.85,
+    "top_k": 64,
+    "max_output_tokens": 25000,
+    "response_mime_type": "text/plain",
+}
 
-* **상세한 학습자 특성 설명** (**[**학습자 특성 분석 결과**]** - 별도 파일 또는 링크 제공)
-* **각 학습자별 구체적인 PL 목표** (**[**PL 목표 목록**]** - 별도 파일 또는 링크 제공)
-* **실제 수업에 적용 가능한 상세한 전체 수업 설계** (**[**전체 수업 설계안**]** - 별도 파일 또는 링크 제공)
-* **협력 학습 활동 설계** (**[**협력 학습 활동 상세 설계**]** - 별도 파일 또는 링크 제공)
-* **개별 학습 활동 및 평가 설계** (**[**개별 학습 활동 및 평가 상세 설계**]** - 별도 파일 또는 링크 제공)
-"""
+model = genai.GenerativeModel(
+    model_name="gemini-2.0-flash-thinking-exp-01-21", # 또는 사용 가능한 다른 모델 (gemini-pro 도 시도해보세요)
+    generation_config=generation_config,
+)
 
 
-def generate_curriculum(learning_objective, learner_characteristics):
+def generate_curriculum(learning_objective, learner_characteristics): # (기존 코드 유지)
     full_text = ""
     output_area.markdown("## CoT 기반 개별화 학습 설계 시뮬레이션 결과")
 
@@ -309,7 +301,7 @@ def generate_curriculum(learning_objective, learner_characteristics):
     return full_text
 
 
-# 챗봇 함수 (수정 및 추가 자료 생성) - 필요에 따라 활용 가능
+# 챗봇 함수 (수정 및 추가 자료 생성) - 필요에 따라 활용 가능 (기존 코드 유지)
 def chat_with_ai(user_input, context):
     prompt = f"{context}\nUser: {user_input}\nAI:"
     full_text = ""
@@ -322,7 +314,7 @@ def chat_with_ai(user_input, context):
         return ""
     return full_text
 
-# Streamlit 인터페이스
+# Streamlit 인터페이스 (기존 코드 유지)
 st.set_page_config(page_title="개별화 학습 설계 AI", page_icon="\U0001F393") # 페이지 제목 변경
 
 # 페이지 스타일 커스터마이징 (기존 스타일 유지)
@@ -392,7 +384,7 @@ with st.sidebar:
     learner_characteristics_input = st.text_area("🧑‍🏫 학습자 특성 입력", height=150) # 학습자 특성 입력 필드
     generate_button = st.button("🚀 시뮬레이션 시작") # 버튼 텍스트 변경
 
-# 출력 및 챗봇 영역
+# 출력 및 챗봇 영역 (기존 코드 유지)
 output_area = st.empty()
 
 # 상태 변수 (기존 상태 변수 유지)
@@ -400,7 +392,7 @@ if "messages" not in st.session_state:
     st.session_state.messages = []
     st.session_state.chat_mode = False
 
-# 계획서 생성 버튼 클릭 시 (함수 호출 변경)
+# 계획서 생성 버튼 클릭 �� (함수 호출 변경) (기존 코드 유지)
 if generate_button:
     if not learning_objective_input:
         st.warning("학습 목표를 입력해주세요.") # 입력 유효성 검사
@@ -436,7 +428,7 @@ if st.session_state.chat_mode:
             )
 
 
-# FAQ (개념기반 탐구학습에 맞게 수정)
+# FAQ (개념기반 탐구학습에 맞게 수정) (기존 코드 유지)
 with st.expander("❓개별화 학습 설계 AI FAQ"): # FAQ 제목 변경
     st.write("""
         **Q1. 개별화 학습 설계 AI는 어떤 기능을 제공하나요?** # FAQ 내용 수정