導入事例
教育 · 韓国
AIによる作文自動採点を備えたTOPIK対策プラットフォーム
Woongjin ThinkBig向けに、Webとモバイルで利用できるTOPIK学習・試験対策システム(B2C、B2B、Admin)を構築しました。生成AIによる作文の自動採点ソリューションも導入し、教師の評価と比較して80%を超える精度を達成しました。
JavaSpring BootJava EEAWS EC2AWS RDSAWS S3AWS SESAWS CloudWatchAurora MySQLGPTLlama 3.1LLM Prompt Engineering
プロジェクト概要
- お客様: Woongjin ThinkBig – 1980年から幼児教育、子ども向け教育・文化コンテンツの開発を手がける韓国トップクラスの企業。読書学習、学習、書籍のオンライン/オフライン出版など、あらゆる年齢層向けのサービスを提供しています。
- 国: 韓国
- 分野: 教育 – 韓国語能力試験TOPIK対策
- 規模: 約67 MM(オンサイトとオフサイトを含む)
- 期間: 6か月
- プロジェクト種別: Web+モバイルアプリ、AI連携
- 作業範囲: ワイヤーフレーム、SRS、技術ソリューション設計、グラフィックデザイン、アプリケーション開発(教育機関向けWebサイト、受講者向けモバイルアプリ)、作文採点AIの開発、機能テスト・結合テスト、UATサポート、Staging・Productionへのデプロイ、Apple App Store・Google Playへのアプリ公開
課題
- 2024年、お客様はTOPIK学習者・受験者専用のシステム構築を目指していました。構成は、B2C Module(個人ユーザー)、B2B Module(企業のOperator、Teacher、Student)、Enterprise Management Module(WJ ThinkBig向けAdminサイト)です。
- お客様には社内IT部門がなく、韓国ではITコストが高いため、質の高い豊富なリソースを持つベンダーが必要でした。
- 開始前の時点で製品要件が明確でなかったため、柔軟な開発手法と業務コンサルティングを行うBAチームが必要でした。
- 既存のLMSを再利用する必要があり、ベンダーには既存システムを迅速に理解し、影響の少ない連携方法を提案することが求められました。
- 自動採点AIのソリューションがなく、Writingを高精度かつ妥当なコストで採点できるAIが必要でした。
ソリューション
- Working model: PM、BA/Comtor、テックリードがオンサイトで対応し、円滑かつ効果的なコミュニケーションを実現しました。チケット・タスク管理システムをお客様と共有し、技術コンサルティングとテストを提供しました。
- Agileプロセス: 2~3週間のイテレーション(要件・ユーザーストーリー分析 → UI/UX更新 → 開発 → 単体/結合テスト → CI/CDによるビルド・デプロイ → バグ修正 → 部分的なUAT/QA)、デイリーミーティング、最終UAT/QAを実施し、お客様から早期かつ頻繁にフィードバックを受けました。
- グラフィックデザイン: 若々しくモダンなデザインで、モバイル向けにUXを最適化しました(Web版・モバイル版)。
- AI Auto-scoring: お客様のデータセット(設問、解答、教師による評価)にプロンプティング手法を適用して最適なプロンプトを作成し、GPT、chatntq-ja、Llama3.1 などのLLMに入力して、指定フォーマットで採点結果を取得します。これをオンライン韓国語自習アプリに組み込みました。
主な機能
B2C Portal(個人ユーザー)
- 多言語対応で親しみやすく使いやすいUI。
- プレースメントテストでレベルを判定し、最適な学習ロードマップを提案。
- レベル別の韓国語学習(Listening、Reading、Writingの3技能)。
- レベル別の模擬試験(Listening、Reading、Writing)、レベル・試験回別のTOPIK過去問題。
- 学習進捗の確認、語彙・文法の復習。
B2B Portal(法人)
- 教師ごとに、スケジュールと受講者の進捗に応じたクラスの作成・管理。
- 受講者向け宿題の作成・印刷。
- 受講者の復習、模擬試験、過去問題演習を支援し、学習進捗を確認。
Admin Woongjin(Super Admin)
- ユーザー一覧の管理。
- レッスンと模擬試験のコンテンツ作成・管理、多言語レッスンの設計。
- 運用コンテンツの管理:決済状況、お知らせ、通知、サポート問い合わせ。
使用技術
- 言語・フレームワーク:Java Spring Boot、Java EE
- ユーザーアプリケーション:Web、モバイルアプリ
- インフラ:AWS Cloud(EC2、RDS、S3、SES、Load Balancer、CloudWatch)
- データベース:Aurora MySQL
- AI:LLM(GPT、chatntq-ja、Llama3.1)、プロンプトエンジニアリング
成果
- AIの採点結果を教師の評価と比較したところ、受講者の答案の80%超をAIが正確に採点できることが確認されました。
同様のプロジェクトをご検討ですか?
SSDに問い合わせる