A
대학 AI수업 표절판정 기준 빌더
4.50
파생 체인
단계 1
AI 기본법 시행 및 대학 표준 마련
→
단계 2
대학 AI 활용 교육 정책 수립
→
단계 3
교수별 AI 활용 과제 평가기준 커스텀 생성 도구
문제
AI 기본법 시행과 대학 AI 표준 마련으로 교수들이 학생의 AI 활용 범위와 표절 기준을 개별 과목마다 정의해야 하지만, 명확한 가이드라인이 없다. 교수 1인이 담당 과목 3-5개에 대해 AI 활용 정책을 개별 작성하는 데 과목당 평균 8시간이 소요되며, 학과 내에서도 교수마다 기준이 달라 학생 혼란과 이의제기가 학기당 평균 15건 발생한다.
솔루션
학과·과목 유형(이론/실습/프로젝트)·평가 방식(시험/과제/포트폴리오)을 선택하면 AI 활용 허용 범위, 인용 표기법, 표절 판정 기준을 포함한 과목별 AI 정책 문서를 자동 생성한다. 학과 단위로 정책 일관성을 검증하고, 학생용 가이드 PDF도 함께 생성한다.
NUMR-V Scores
NUMR-V Scoring System
| N Novelty | 1-5 | 시장 내 유사 서비스 부재 정도. 경쟁사 0개 = 5, 10+개 = 1 |
| U Urgency | 1-5 | 사용자가 지금 당장 필요로 하는 긴급성. 트렌드 부합 + 시급성 |
| M Market | 1-5 | 타겟 시장의 크기와 성장 가능성. 프록시 지표 기반 (LLM 추정 X) |
| R Realizability | 1-5 | 1-2인이 실현 가능한 정도. 기술 난이도 + 데이터 확보 용이성 |
| V Validation | 1-5 | 시장 검증 통과 여부. 경쟁사 분석 + 수요 프록시 + 타이밍 |
SaaS N=.15 U=.20 M=.15 R=.30 V=.20
Senior N=.25 U=.25 M=.05 R=.30 V=.15
실현성 (77%)
실현성 분석
| 기술 복잡도 | / 40 | 핵심 기술 스택의 난이도. low=40, medium=24, high=10 |
| 데이터 접근성 | / 25 | 필요 데이터의 확보 용이성. user_generated=25 → proprietary=4 |
| MVP 일정 | / 20 | 최소 기능 제품 구축 소요 기간. 2주=20, 1개월=12, 3개월=8 |
| API 보너스 | / 15 | 공공 API 활용 가능 시 보너스. 매칭 API가 있으면 가산 |
시장 검증 (60/100)
검증 분석
| 경쟁 분석 | / 20 | 경쟁사 검색 결과 기반. 적절한 경쟁 존재 = 시장 검증 |
| 시장 수요 | / 20 | 검색량, 뉴스 언급 등 프록시 지표. 실제 수요의 간접 증거 |
| 타이밍 | / 20 | 현재 트렌드와의 부합도. 규제/기술 변화 시점 적합성 |
| 수익 참조 | / 15 | 유사 비즈니스 모델의 수익 사례. 실제 과금 레퍼런스 존재 여부 |
| 곡괭이 적합 | / 15 | 곡괭이 전략 부합도. 도구/인프라 제공 관점 적합성 |
| 1인 구축 | / 10 | 혼자서 MVP 구축 가능 여부. 외부 의존성 최소화 정도 |
기술 요구사항
백엔드 [medium]
프론트엔드 [low]
AI/ML [low]