강의 자료를 기반으로 예상 문제를 자동 생성하는 AI 학습 지원 서비스입니다. 사용자가 입력한 학습 내용을 바탕으로 문제를 생성하고, 결과를 확인하며 학습 효율을 높일 수 있도록 설계했습니다.
P.E.T는 대학생들이 전공 공부를 할 때 사용하는 강의 자료를 활용해 예상 문제를 자동 생성하여 학습 부담을 줄이고 학습 효율을 높이기 위해 기획된 서비스입니다.
단순 문제 생성 기능을 넘어, 입력 → 문제 생성 → 결과 확인까지의 흐름을 하나의 서비스로 구성했습니다.
- Python
- Streamlit
- Java
- Spring Boot
- MySQL
- OpenAI GPT
- PyPDF2
- python-docx
- 📄 강의 자료 기반 문제 생성
- 🧠 AI(GPT)를 활용한 예상 문제 자동 생성
- 🎯 문제 유형 선택 (객관식 / 참·거짓 / 서술형)
- 🔢 문제 개수 설정 기능
- 📊 문제 결과 출력 및 확인
- 📁 TXT / PDF / DOCX 파일 처리
- Streamlit 기반 메인 화면, 사용자 입력 화면, 문제 결과 화면 구현
- 사용자 흐름을 고려하여 입력 → 설정 → 결과 구조로 UI 설계
- 문제 생성 과정을 직관적으로 이해할 수 있도록 UX 개선
- 사용자 입력 데이터를 기반으로 예상 문제를 생성하는 로직 구현
- 문제 유형과 문제 개수를 설정할 수 있도록 하여 맞춤형 문제 생성 기능 개발
- OpenAI GPT를 활용해 문제와 답을 분리하여 생성하는 구조 설계
- 학습 자료를 입력받아 예상 문제를 생성하는 기능 구현
- TXT, PDF, DOCX 파일을 처리할 수 있는 입력 구조 구성
- 생성된 문제와 정답을 구분하여 출력하는 결과 화면 설계
- 사용자 관점에서 결과를 쉽게 이해할 수 있도록 UI 구조 개선
초기에는 기능 중심으로 화면을 구성하여 사용자가 문제 생성 흐름을 직관적으로 이해하기 어려운 문제가 있었습니다.
이를 해결하기 위해 입력 → 문제 생성 → 결과 확인 단계로 UI 흐름을 재구성했고, 문제와 정답을 구분하여 표시하는 방식으로 결과 가독성을 개선했습니다.
또한 문제 유형과 개수를 직접 선택할 수 있도록 하여 사용자 맞춤형 학습 경험을 제공하도록 개선했습니다.
- AI 기능을 단순히 연결하는 것이 아니라, 사용자 흐름 안에서 어떻게 활용할지 설계하는 것이 중요하다는 점을 배웠습니다.
- Streamlit을 활용해 빠르게 UI를 구현하면서 기능 구현과 사용자 경험을 함께 고려하는 방법을 경험했습니다.
- 문제 생성 기능은 단순 출력이 아니라 결과의 가독성과 활용성까지 고려해야 한다는 점을 배웠습니다.