요약: [별첨] 데이터 아키텍처. 원본 pptx. 결정론 추출본(표·텍스트). 그래픽/다이어그램 비전 재구성은 보류.

[별첨] 데이터 아키텍처

---

Slide 1 — # 별첨 : 데이터 아키텍처[목표모델 수립]

별첨 1	데이터 저장소 용량산정
별첨 2	샤딩_파티셔닝
별첨 3	지식그래프 기본개념
별첨 4	데이터 HUB 구성도(6.2.1)-A3
별첨 5	데이터 파이프라인 구성도(6.2.2.6)-A3
별첨 6	데이터 개념모델(6.1.4.22)
별첨 7	복제 및 HA구성 설계

---

Slide 2 — 저장소 용량산정 개요

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 1. 저장소 용량산정 개요

• 본 저장소 용량산정은 2026~2027년 구축과 2028년 서비스 개시를 전제로, 사용자 규모뿐 아니라 학습이벤트, 콘텐츠, AI색인, 지식그래프, 로그·감사, 백업·DR을 종합 반영한 발주·견적 기준자료임

구분	내용
산정목적	구축사업 발주 및 공급업체 견적 요청을 위한 저장소별 용량 기준 수립
산정시점	2026~2027년 구축(DB 구축 완료), 2028년 서비스 개시
산정범위	Data Lake, 콘텐츠 저장소, LRS, MyData DW, 행정DB/운영DB, Vector DB, Graph DB, Cache, 메시지 큐, 로그·감사 저장소, 백업 저장소, 검정교과서 153종 및 AI디지털 교육자료 메타·색인·관계 산정 포함
산정방식	사용자 규모 × 데이터 발생량 × 저장소별 보존범위 × 복제·백업·여유율
산정결과 활용	DB/HW/SW 견적 기준, RFP 요구사항, 상세설계 재산정 기준

산정목적

원칙	설명
원천 분리	원천 데이터는 Data Lake와 LRS에 보존
분석 분리	개인 서비스용 상세 Fact와 요약 Mart는 MyData DW에 저장
의미검색 분리	콘텐츠 청크·임베딩·검색메타는 Vector DB에 저장
관계탐색 분리	교육과정·성취기준·개념·콘텐츠·문항 관계는 Graph DB에 저장
원문 분리	자체 콘텐츠 원문, 영상, 이미지, 파일은 콘텐츠 저장소/Data Lake에 저장하되, 검정교과서/AI디지털 교육자료 원문은 본 플랫폼에 복제 저장하지 않고 출판사/제공처 연계 조회를 원칙으로 함
운영 안정성 반영	복제, 백업, 로그, 모니터링, 장애대응 여유율을 반영

산정원칙

---

Slide 3 — 저장소별 산정대상

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 2. 저장소별 산정대상

• 본 플랫폼은 단일 DB가 아니라 Data Lake, LRS, MyData DW, Vector DB, Graph DB, 콘텐츠 저장소, Cache, MQ, 로그·백업 저장소가 분리된 구조이므로 저장소별 역할과 저장대상을 기준으로 개별 산정함.

저장소	주요 저장 데이터	용량산정 핵심 기준
Data Lake	원천 학습이벤트, API 응답, NEIS 연계 원천, AI 중간산출물, 재처리 데이터, 검정교과서/AI디지털 교육자료 허용 범위 텍스트 추출본·메타·색인 생성 중간산출물	원천 보존 범위, Zone 중복계수, 보존기간, 교과서/AI디지털 교육자료 원문 미저장 원칙에 따른 허용 텍스트·메타 보존 범위
콘텐츠 저장소	자체 콘텐츠, 교사 생성자료, 문서·영상·이미지, 모델 파일, 검정교과서/AI디지털 교육자료 서비스용 메타·연계 URL·썸네일·권한정보	자체 콘텐츠 건수, 평균 파일크기, 버전관리, 검정교과서/AI디지털 교육자료 원문 미저장 및 출판사/제공처 연계 조회 기준
내부 LRS	xAPI Statement, 학습행동 로그, 진도·체류시간, 평가·AI추천 이력	학생 수, 일 이벤트 수, Statement 크기
MyData DW	학습활동 Fact, 평가 Fact, 출결 Fact, 성취이력, AI추천, 피드백	Fact 발생량, 레코드 크기, 보존기간
행정DB/운영DB	학교, 학급, 학생, 교사, 수업, 과제, 평가, 승인 이력	기준정보 수, 운영 트랜잭션, 변경이력
Vector DB	검정교과서 153종, 자체 콘텐츠, 문항·해설, FAQ·운영지침, AI디지털 교육자료 허용 텍스트의 청크·임베딩·검색메타·RAG 색인	청크 수, 임베딩 차원, 인덱스 오버헤드, 검정교과서 153종 페이지·청크 환산 기준
Graph DB	교육과정, 성취기준, 개념, 콘텐츠, 문항, 학습경로 관계, 검정교과서/AI디지털 교육자료 콘텐츠 ID·메타·성취기준·개념 매핑 관계	노드 수, 관계 수, 관계 속성, 그래프 버전, 검정교과서 153종 기반 콘텐츠·단원·문항 관계 반영
Cache	세션, API 캐시, 수업상태, AI 응답 캐시	동시접속자, 세션 크기, TTL
메시지 큐/DLQ	학습이벤트 스트림, 전송큐, 실패 메시지	이벤트 수, 메시지 크기, 보관기간
로그·감사 저장소	접속로그, API로그, DB접근로그, AI활용로그, 전송로그	로그 건수, 로그 크기, 보존기간
백업/DR 저장소	DB 백업, 스냅샷, WAL/TX 로그, 원격복제	백업주기, 보존기간, 복제계수

---

Slide 4 — 핵심 입력 기준값 및 산정근거

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 3. 핵심 입력 기준값 및 산정근거 > 핵심입력 기준값(1/2)

• 2028년 초기 서비스 사용자는 전체 학생·교사의 10%인 학생 501,000명, 교사 44,000명을 기준으로 산정하며, 학생 1인 50건/일·9,500건/년 이벤트와 검정교과서 153종을 핵심 입력값으로 적용함

구분	핵심 입력값	기준값	기준 생성 근거	적용 저장소
서비스 시점	개통 기준	2028년	2026~2027년 구축 후 2028년 서비스 개시	-
서비스 사용자	학생수	5,010,000명의 10% = 501,000명	초,중,고 전체 학생수의10%	-
	교사수	440,000명의 10% = 44,000명	초,중,고 전체 교사수의 10%	-
활용률	학교급별 활용 기준	초 50%, 중 30%, 고 10%	사용자 규모는 전체 10% 기준으로 산정하고, 초 50%·중 30%·고 10%는 학교급별 디지털 수업 활용률 차이에 따른 이벤트·활용 가중치로 적용	LRS, DW, MQ
학생 이용	하루 플랫폼 사용 교시	5교시/일	교사 주도 수업 구조/디지털 수업 활용 상향 기준 및 피크 처리량 산정 기준	LRS, DW, MQ
이벤트 발생	교시당 xAPI 이벤트	30건/교시, 수업 중 발생 가능한 상세 이벤트 및 피크 처리 기준	수업참여, 콘텐츠 학습, 평가, 과제 등 학습행위 기준	LRS, DW, MQ
이벤트 발생	학생 1인 일간 이벤트	50건/일	5교시 × 10건/교시 = 50건/일	LRS, DW, Data Lake
수업일수	연간 수업일수	190일	초·중등 법정 수업일수 기준	LRS, DW, Data Lake
연간 이벤트	학생 1인 연간 이벤트	9,500건/년	50건/일 × 190일 = 9,500건/년	LRS, DW, Data Lake
교과서	검정교과서	153종(153 책)	검정교과서 153종 기준(국정교과서 제외), 2026~2027년 구축 시 메타·색인·관계 구축 반영. 원문은 본 플랫폼에 복제 저장하지 않고 출판사/제공처 연계 조회 활용	Vector DB, Graph DB, 콘텐츠 저장소, Data Lake
교과서 평균 쪽수: 300쪽/책 / 153종 × 300쪽 = 45,900쪽 / Vector DB, Graph DB, Data Lake, 콘텐츠 저장소  교과서 평균 쪽수는 초·중·고 및 교과별 분량 차이를 고려하여 1책당 300쪽을 보수 기준으로 적용함
교과서 청크 환산 기준: 1쪽당 평균 2청크를 적용하며, 본문·표·그림 설명·학습활동·문항을 청크 산정에 반영함

---

Slide 5 — 핵심 입력 기준값 및 산정근거

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 3. 핵심 입력 기준값 및 산정근거 > 핵심입력 기준값(2/2)

• 검정교과서와 AI디지털 교육자료는 원문 전체를 본 플랫폼에 복제 저장하지 않고 출판사·제공처 연계 조회를 원칙으로 하며, 허용 텍스트·메타·청크·임베딩·성취기준 매핑정보만 저장소 산정에 반영함

구분	핵심 입력값	기준값	기준 생성 근거	적용 저장소
AI디지털 교육자료	원문 저장 기준	검정교과서/AI디지털 교육자료 원문 미저장, 출판사·제공처 연계 조회 활용, 허용 범위 내 텍스트 추출본·메타·색인·관계 정보 저장	AI디지털 교육자료는 서비스 활용 필수이나 원문 복제보다는 메타·검색색인·캐시 중심 활용	Data Lake, 콘텐츠 저장소, Vector DB, Graph DB, Cache
청킹	기본 청크 크기	512 tokens	RAG 검색 품질과 문맥 단위 균형(NIA AI데이터구축가이드)	Vector DB
청킹	Overlap	10%	청크 경계 문맥 단절 방지	Vector DB
청킹	실질 순 청크 크기	약 460 tokens	512 × 90%	Vector DB
임베딩	임베딩 차원	768차원	한국어 교육 특화 임베딩 모델 기준(BERT계열 모델)	Vector DB
임베딩	벡터 데이터 타입	Float32(4byte)	정밀도·호환성 기준	Vector DB
임베딩	벡터 1개 원시 크기	3,072 bytes	768차원 × 4 bytes	Vector DB
Graph	교육과정 정적 노드	본 산정 기준은 Graph DB 100만 노드 기준으로 통일	교과, 단원, 성취기준, 핵심개념 등 교육지식 구조 기준	Graph DB
Graph	정적 관계	본 산정 기준은 Graph DB 1,000만 관계 기준으로 통일	성취기준-개념, 단원-성취기준, 개념 위계 등	Graph DB
Graph	사용자 노드	학생·교사 전체 노드화는 확장 시나리오로 분리	학생·교원 전체를 노드화할 경우	Graph DB
DW	MyData Fact 유형	7종	학습활동, 평가·진단, 출결, 성취, 교수활동, AI추천, 피드백	MyData DW
DW	DW 도입대상 Fact 발생량	도입대상 학습이벤트 발생량: 501,000명 × 50건/일 = 약 2,505만 건/일. DW Fact는 7개 유형으로 분류하되, 발생량은 학습이벤트 기준으로 산정	도입대상 학습이벤트를 7개 Fact 유형으로 분류하여 산정	MyData DW
백업	백업 기준	주 1회 Full, 일 1회 증분, 로그 보존	공공기관 운영 관례 및 구축사업 RFP 반영 필요 기준	전체 저장소
증가율	저장소별 증가율	LRS 3050%, DW 2030%, Vector 2030%, Graph 1020%, Data Lake 40~60%	“2028년 기준 사용자 10%, 2029년 확장 누적 20%, 학생 1인 9,500건/년 기준 적용	전체 저장소
여유율	초기 여유율	저장소별 30~50%	피크·증설·운영 안정성 확보	전체 저장소

• ※ 검정교과서/AI디지털 교육자료는 원문 전체를 본 플랫폼에 복제 저장하지 않고 출판사·제공처 연계 조회를 통해 활용함. 다만 서비스 검색·추천·GraphRAG 활용을 위해 허용범위 내 텍스트 추출본, 메타데이터, 청크·임베딩 색인, 성취기준·개념 매핑 정보는 Data Lake, Vector DB, Graph DB, 콘텐츠 저장소 산정에 반영함

---

Slide 6 — 입력 기준값 적용 시나리오

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 4. 입력 기준값 적용 시나리오

• 용량산정은 2028년 초기 10% 사용자 기준과 2029년 동일 규모 10% 추가 확장에 따른 누적 20% 사용자 기준으로 구분하며, LRS·DW·MQ·로그 저장소는 도입률 변화에 따라 단계적으로 재산정함

단계별 적용 시나리오

시나리오	적용기준	사용목적
2028년 초기 시나리오	2028년 시범서비스 기준: 전체 학생·교사 10% 사용자 적용, 학교급별 디지털 수업 활용률 초 50%·중 30%·고 10% 가중 적용	초기 구축용량 산정
2029년 확산 시나리오	2029년 확산 시나리오: 2028년 10% 사용자 기준에서 콘텐츠·AI디지털 교육자료·문항·AI 활용 증가율 반영	2단계 증설 기준
기준 시나리오	기준 시나리오: 2028년부터 사용자 10% 기준 적용
적극 시나리오	전국 서비스 확대, AI 활용 증가	최대 스펙 검토
전국 상한 시나리오	전체 학생 5,010,000명, 교사 440,000명	장기 상한 검토

저장소별 시나리오 적용 방식

저장소	초기 산정	확장 산정	전국 상한
LRS	도입 대상 학생 501,000명 × 9,500건/년 = 약 27.6억 건/년	누적 20% 도입대상 학생 1,002,000명 × 9,500건/년 = 약 95.2억 건/년	전체 학생 × 9,500건/년
MyData DW	도입 대상 학생 501,000명 × 50건/일 학습이벤트를 7개 Fact 유형으로 분류 산정	누적 20% 도입대상 학생 1,002,000명 × 50건/일 = 약 5,010만 건/일 기준 Fact 증가율 반영	전체 학생 기준 Fact 산정
MQ/DLQ	도입 대상 학생 501,000명 × 50건/일, 수업 피크는 교시당 30건 기준으로 별도 검토	누적 20% 사용자 기준 피크 이벤트 증가 반영	전체 이벤트 기준
로그 저장소	도입 대상 사용자 545,000명 기준 접속·API 로그 산정	누적 20% 사용자 1,090,000명 기준 AI·연계로그 증가 반영	전체 사용자 로그 기준
콘텐츠 저장소	자체 콘텐츠 50,000건 이하 + 검정교과서 153종 메타·연계정보 + 교사 생성자료	연 5,000건 증가	개인저장소 실사용률 반영
Vector DB	검정교과서 153종 + 자체 콘텐츠 + 문항·해설 + FAQ·운영지침 + AI디지털 교육자료 메타·색인	신규 콘텐츠·재색인 반영	확장 색인량 반영
Graph DB	교육지식 그래프 + 검정교과서 153종 콘텐츠 ID·메타·성취기준·개념 매핑 관계 중심	요약 개인화 그래프 선택 반영	사용자 전체 노드화는 별도 시나리오

---

Slide 7 — 검정교과서/AI디지털 교육자료 저장소 반영 방식 및 시나리오

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 5. 검정교과서/AI디지털 교육자료 반영 기준

• 검정교과서 153종과 AI디지털 교육자료는 서비스 활용 대상이나 원문 전체 저장은 제외하고, 메타데이터, 허용 텍스트, 검색색인, 성취기준·개념 매핑, API 조회 캐시 중심으로 저장소 영향을 반영함

검정교과서/AI디지털 교육자료 저장소 반영 방식

구분	기본 반영 방식	저장소 영향
검정교과서/AI디지털 교육자료 원문 전체	검정교과서/AI디지털 교육자료 원문 전체는 본 플랫폼 미저장, 출판사·제공처 연계 조회 활용	콘텐츠 저장소, Data Lake
검정교과서/AI디지털 교육자료 메타데이터	기본 저장	콘텐츠 메타, 행정DB/운영DB
검정교과서/AI디지털 교육자료 텍스트 추출본	허용 범위 내 텍스트 추출본·요약·캡션·OCR 결과 저장	Data Lake, Vector DB
검정교과서/AI디지털 교육자료 청크·임베딩	검정교과서/AI디지털 교육자료 허용 텍스트의 청크·임베딩 저장	Vector DB
검정교과서/AI디지털 교육자료 성취기준·개념 매핑	검정교과서/AI디지털 교육자료 콘텐츠 ID·단원·차시·성취기준·개념 매핑 저장	Graph DB
검정교과서/AI디지털 교육자료 이용이력	본 플랫폼 사용분만 저장	LRS, MyData DW
검정교과서/AI디지털 교육자료 캐시	API 조회 결과, 콘텐츠 메타 캐시	Cache

검정교과서/AI디지털 교육자료 반영 시나리오

시나리오	내용	용량영향
최소	검정교과서/AI디지털 교육자료 원문 미저장, 메타데이터·API 조회 중심	낮음
기준	메타 + 텍스트 추출 + 청크·임베딩 + 성취기준 매핑	중간
확장	자막, 해설, 문항, 요약 등 허용 텍스트 확대. 단, 원문 전체 복제는 기본 산정 제외	높음
최대	저작권·계약 별도 승인 시에만 검토, 기본 산정 제외	매우 높음

• ※ 검정교과서/AI디지털 교육자료는 원문 전체를 본 플랫폼에 복제 저장하지 않고, 출판사·제공처 연계 조회를 원칙으로 함. 다만 메타데이터, 허용 텍스트, 검색색인, 성취기준·개념 매핑 정보는 저장소 용량산정에 반영함

---

Slide 8 — Vector DB·Graph DB 산정기준

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준

• Vector DB는 청크·임베딩 수를 기준으로 의미검색 용량을 산정하고, Graph DB는 교육지식·콘텐츠·문항·오답·학습경로의 노드·관계 수를 기준으로 산정하되 사용자 전체 노드화는 기본 산정에서 제외함

Vector DB 산정기준

Graph DB 산정기준

항목	기준값	산정 의미
청크 크기	512 tokens	RAG 검색 품질과 문맥 단위 균형
Overlap	10%	문맥 단절 방지
실질 순 청크	약 460 tokens	512 × 90%
임베딩 차원	768차원	한국어 교육 특화 모델 기준
벡터 타입	float32	정밀도·호환성 기준
벡터 1개 크기	3,072 bytes	768 × 4 bytes
기존 발주 기준	150만 벡터	검정교과서 153종 + 자체 콘텐츠 + 문항· 해설 + FAQ·운영지침 + AI디지털 교육자료 메타·색인을 반영한 산식으로 재계산

항목	기준값(참고값)	산정 의미
교육지식 그래프 참고 노드	(참고값)발주 기준은 100만 노드/1,000만 관계로 통일	교과, 단원, 성취기준, 핵심개념 등
교육지식 그래프 참고 관계	(참고값)발주 기준은 100만 노드/1,000만 관계로 통일	성취기준-개념, 단원-성취기준 등
기존 발주 기준	100만 노드 / 1,000만 관계	교육지식 관계·콘텐츠·문항·오답·학습경로 포함
사용자 노드	학생·교사 전체 사용자 노드화는 기본 산정 제외, 확장 시나리오로 분리	학생·교사 전체 노드화 시
적용 원칙	기본 산정은 교육지식 그래프 + 검정교과서/AI디지털 교육자료 콘텐츠 관계 + 문항·오답·학습경로 관계 중심	사용자 전체 노드는 확장 시나리오

Vector DB 산정식

시나리오	내용
청크 수	전체 토큰 수 ÷ 460 tokens
벡터 원시용량	청크 수 × 3,072 bytes
Vector DB 물리용량	벡터 원시용량 + 메타데이터 + 인덱스 + 복제 + 여유율
최대	원문 전체 복제 저장은 기본 산정 제외

• ※ Vector DB의 기존 150만 벡터 기준, 청크기준은 512 tokens 기준
• ※ Graph DB의 100만 노드/1,000만 관계 기준은 검정교과서 153종, 자체 콘텐츠, 문항·오답, 성취기준·개념·학습경로 관계를 포함한 시범단계 발주 기준으로 유지
• ※ 학생·교사 전체 사용자 노드화는 기본 산정에서 제외함.

---

Slide 9 — 용량산정 기준(Vector DB) - (1/2)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 0. 공통 산정기준(Vector DB & Graph DB) › 1. Vector DB 시범단계 산정기준 > Vector DB 색인대상 기준

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(1/7)

• Vector DB와 Graph DB의 공통 산정은 2026~2027년 구축분과 2028년 시범운영 1년을 대상으로 한 초기 sizing 기준이며, 원문·개인정보·학생 원천로그는 제외하고 허용 텍스트와 관계정보 중심으로 산정함

구분	색인 여부	기준
교육과정 문서	포함	교육과정, 성취기준, 평가기준, 해설
자체 콘텐츠	포함	교사 제작자료, 수업자료, 문서형 자료
콘텐츠 메타	포함	교과, 학년, 단원, 성취기준, 자료유형
문항·해설	포함	평가문항, 정답, 해설, 오답피드백
FAQ·운영지침	포함	교사·학생 지원용 지식문서
영상자료	부분 포함	영상 원본 제외, 자막·스크립트·요약만 포함
이미지자료	부분 포함	이미지 원본 제외, 캡션·설명·OCR 텍스트만 포함
외부 콘텐츠	부분 포함	검정교과서 153종, AI디지털 교육자료, 외부 연계 콘텐츠는 원문 미저장, 출판사·제공처 연계 조회, 허용된 메타·검색색인·관계정보만 포함
학생 학습로그	제외	LRS/DW 관리
개인정보 원문	제외	행정DB/DW 관리
검정교과서 153종: 포함 / 원문 미저장, 허용 텍스트·메타·색인·성취기준 매핑 포함

항목	시범단계 기준
산정 기준 시점	2026~2027년 구축 완료 후 2028년 시범서비스 개시
산정 대상 기간	초기 구축분 + 2028년 시범운영 1년
용량 설계 여유	산정치의 30~50% 여유 반영
버전 보존 기준	현재 버전 + 직전 1개 버전
원문 저장 위치	자체 콘텐츠 원문은 MinIO/Data Lake에 저장하고, 검정교과서/AI디지털 교육자료 원문은 본 플랫폼 미저장 및 출판사·제공처 연계 조회 원칙 적용
Vector DB 저장 원칙	검정교과서 153종, 자체 콘텐츠, 문항·해설, FAQ·운영지침, AI디지털 교육자료 허용 텍스트의 청크·임베딩·검색 메타 저장
Graph DB 저장 원칙	교육지식 관계, 검정교과서/AI디지털 교육자료 콘텐츠 관계, 문항·오답·학습경로 관계 저장 학생별 개인 그래프는 기본 산정 제외
개인 원천 이력	Graph DB/Vector DB 저장 제외
개인 상세 Fact	MyData DW 저장
원천 학습이력	LRS 저장
운영 확장 방식	Scale-out 가능 구조 전제

---

Slide 10 — 용량산정 기준(Vector DB) - (2/2)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 2. Vector DB 시범단계 산정기준 > Vector DB 기본 가정값 › 3. Vector DB 산정기준 문구

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(2/7)

• Vector DB는 콘텐츠 원문 저장소가 아니라 AI 검색·추천·RAG 응답을 위한 의미검색 색인 저장소로, 검정교과서 153종, 자체 콘텐츠, 문항·해설, FAQ·운영지침, AI디지털 교육자료 허용 텍스트 기준 약 150만 벡터를 적용함

항목	기준값	산정 근거
검정교과서	153종	국정교과서 제외, 검정교과서 기준
교과서 평균 쪽수	300쪽/책	학교급·교과별 차이를 고려한 보수 기준
교과서 총 페이지	45,900쪽	153종 × 300쪽
페이지당 청크	2청크/쪽	본문·표·그림 설명·학습활동·문항 포함
교과서 기본 청크	91,800개	45,900쪽 × 2청크
교과서 보정계수	× 1.6	표·그림·학습활동·문항·캡션 보정
교과서 보정 청크	약 147,000개	91,800 × 1.6
자체 콘텐츠 청크	약 435,000개	50,000건 × 4,000 tokens ÷ 460 tokens
교육과정·지침·FAQ 청크	50,000개	기준문서, 운영지식 포함
문항·해설 청크	300,000개	문항, 정답, 해설, 오답피드백 포함
기본 청크 합계	약 932,000개	147,000 + 435,000 + 50,000 + 300,000
버전계수	1.3	현재 버전 + 일부 직전 버전
증가율·여유계수	1.2	2028년 시범운영 증가분
산정용 벡터 수	약 1,454,000개	932,000 × 1.3 × 1.2
발주기준 벡터 수	약 1,500,000개	AI디지털 교육자료 색인·운영여유 반영 반올림 기준

• Vector DB는 콘텐츠 원문 저장소가 아니라 AI 검색·추천·RAG 응답을 위한 의미검색 색인 저장소로 정의
• 초기 시범단계 용량은 검정교과서 153종, 자체 콘텐츠, 교육과정·성취기준 문서, 문항·해설, FAQ·운영지침, AI디지털 교육자료 메타·색인 등 허용된 지식자원을 대상으로 산정
• 검정교과서/AI디지털 교육자료 원문, 콘텐츠 원문, 영상·이미지 원본, 학생별 원천 학습이력, 개인정보 원문은 Vector DB 저장 대상에서 제외하며, MinIO/Data Lake, LRS, DW 등 목적 저장소에 분리 보관
• 시범단계 기준 Vector DB 색인량은 약 150만 벡터를 기준으로 하며, 구축 시 상세설계 단계에서 실제 콘텐츠 건수, 평균 토큰 수, 청크 크기, 임베딩 차원, 인덱스 방식, 복제구성, 운영여유율을 반영하여 최종 용량을 재 산정

---

Slide 11 — 용량산정 기준(Graph DB ) - (1/4)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 1. Graph DB 시범단계 산정기준> Graph DB 저장대상 기준

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(3/7)

• Graph DB는 교육과정, 단원·차시, 성취기준, 평가요소, 핵심개념, 콘텐츠, 문항, 오답유형, 학습경로 간 관계를 탐색하기 위한 지식관계 저장소이며, 원천 로그·원문·개인정보는 별도 저장소에서 관리함

구분	저장 여부	기준
교육과정	포함	교육과정 체계·버전, 적용기간, 학교급, 학년, 교과
단원·차시	포함	교과 구조 및 수업 단위
성취기준	포함	콘텐츠·문항·개념 연결 기준
평가요소	포함	평가 가능 항목
핵심개념	포함	학습개념, 하위개념, 동의어
선수학습 관계	포함	개념 간 선후행 관계
콘텐츠	포함	검정교과서 153종, AI디지털 교육자료, 자체 콘텐츠, 외부 연계 콘텐츠의 원문 제외, content_id·메타·출처·권한·성취기준 매핑 중심
문항	포함	문항 원문은 별도 저장, item_id 중심 연결
오답유형	포함	취약개념·보완콘텐츠 연결
학습경로	포함	추천경로·보완학습 경로
학생 개인 원천이력	제외	LRS/DW 관리
학생별 요약상태	기본 산정 제외	개인화 그래프 확장 시나리오로 분리
청크 전체 노드화	원칙적 제외	chunk_id는 속성 또는 연결키로 관리

---

Slide 12 — 용량산정 기준(Graph DB ) - (2/4)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 2. Graph DB 시범단계 산정기준> Graph DB 기본 가정값

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(4/7)

• Graph DB 노드는 교육과정 체계·버전, 검정교과서, 학교급·학년·교과, 단원·차시, 성취기준, 평가요소, 핵심개념, 콘텐츠, 문항, 오답유형, 학습경로로 구성하며, 기본 약 58만 노드에 여유를 반영해 100만 노드로 산정함

노드 유형	시범단계 기준 수량	비고
교육과정 체계·버전 관리 노드	100개	국가 교육과정 체계, 개정 버전, 적용기간, 공식 출처 관리. 검정교과서 153종은 본 항목에 포함하지 않음
검정교과서 노드	153개	검정교과서 153종. 원문은 본 플랫폼 미저장, 교과서 ID·출판사·교과·학년·버전·연계 URL·권한 메타 중심
학교급·학년·교과	1,000개	학교급(초,중,고), 학년, 교과군(국,영수,사회,과학 등) 구조 전문교과+버전+특수+여유 등 포함
단원·차시·학습주제 노드	20,000개	검정교과서 153종의 단원·소단원·차시·학습주제·활동 단위를 반영 산정근거: 153종 × 평균 약 130개 학습단위 = 약 20,000개
성취기준	20,000개	초·중·고 전체 기준 가정(국가 교육과정 기준)
평가요소	80,000개	성취기준별 평균 4개(성취기준 기반)
핵심개념	100,000개	개념, 하위개념, 동의어 일부 포함(성취기준·단원 개념분해 기준)
콘텐츠/학습객체 노드	100,000개	자체 콘텐츠 50,000건 이하 + 검정교과서 153종 기반 콘텐츠·활동·본문·문항 메타 약 30,000건 + AI디지털 교육자료· 외부 연계·기준문서·운영여유 20,000건. 원문 제외, 콘텐츠·URI·메타 중심
문항 노드	200,000개	교과서 문항 + 평가문항 + 진단문항 포함 기준
오답유형·피드백 유형	20,000개	오답패턴, 처방유형(보완 콘텐츠 추천과 연계)
학습경로 노드	20,000개	추천경로·보완경로/어떤 순서로 공부해야 하는지를 나타내는 경로 노드 (AI 추천, 보완학습, 선수학습 안내)
기타 운영·버전 노드	20,000개	출처, 버전, 신뢰도 관리(운영관리 노드)
기본 노드 합계	약 581,253개	반올림 58만 노드 기준
버전·증가·여유 반영	× 1.5~2.0	개정·증가·운영 여유
산정용 노드 수(전체)	1,000,000개	시범단계 전체 산정 노드수

---

Slide 13 — 용량산정 기준(Graph DB ) - (3/4)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 3. Graph DB 시범단계 산정기준> Graph DB 관계 수 기준

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(5/7)

• Graph DB 관계 수는 실측값이 아니라 기준 노드 수와 관계유형별 평균 연결계수를 적용한 모델링 산정값으로, 성취기준·개념·콘텐츠·문항·오답유형·학습경로 관계를 포함해 1,000만 관계를 적용함

관계 유형	기준수량	산정 근거	비고
교육과정-교과-단원 관계	50,000개	교육과정 구조 및 검정교과서 153종의 단원·차시·학습주제 20,000개 × 평균 2.5개 상위 연결	단원·차시가 교육과정, 학교급, 학년, 교과, 영역 중 일부와 연결
단원-성취기준 관계	60,000개	검정교과서 153종의 단원·차시·학습주제 20,000개 × 평균 3개 성취기준	1개 단원·차시가 평균 3개 성취기준과 연결 가정
성취기준-평가요소 관계	80,000개	성취기준 20,000개 × 평균 4개 평가요소	성취기준 1개당 평가요소·평가기준·수행기준이 평균4개 발생가정
성취기준-개념 관계	200,000개	성취기준 20,000개 × 평균 10개 개념	성취기준 1개가 핵심개념, 하위개념, 선수개념, 보완개념과 연결
개념 간 선수·후속 관계	300,000개	핵심개념 100,000개 × 평균 3개 관계	개념 1개가 선수개념, 후속개념 등 평균 3개와 연결
개념 간 유사·보완 관계	200,000개	핵심개념 100,000개 × 평균 2개 관계	유사개념, 보완개념, 대체표현 관계
콘텐츠-성취기준 관계	300,000개	자체 콘텐츠 + 검정교과서/AI디지털 교육자료/외부 콘텐츠 노드 약 100,000개 × 평균 3개 성취기준	콘텐츠 1개가 평균 3개 성취기준에 매핑
콘텐츠-개념 관계	500,000개	자체 콘텐츠 + 검정교과서/AI디지털 교육자료/외부 콘텐츠 노드 약 100,000개 × 평균 5개 개념	콘텐츠 1개가 평균 5개 핵심·하위개념 설명
문항-성취기준 관계	400,000개	문항 200,000개 × 평균 2개 성취기준	문항 1개가 평균 2개 성취기준 평가
문항-개념 관계	600,000개	문항 200,000개 × 평균 3개 개념	문항 1개가 평균 3개 개념 측정
문항-오답유형 관계	400,000개	문항 200,000개 × 평균 2개 오답유형	문항 1개당 예상 오답유형 2개
오답유형-보완콘텐츠 관계	300,000개	오답유형 20,000개 × 평균 15개 보완콘텐츠	오답유형별 보완학습 콘텐츠 후보 연결
학습경로 관계	500,000개	핵심개념 100,000개 × 평균 5개 경로 관계	개념별 선수·후속·보완·심화 경로 연결
출처·버전·신뢰도 관계	200,000개	주요 관리대상 약 200,000개 × 평균 1개 관리 관계	성취기준, 콘텐츠, 문항, 개념, 검정교과서 제공처·출판사·버전·권한 정보 연결
기본 관계 합계	약 4,090,000개	반올림 약 400만 관계 기준
버전·증가·여유 반영	× 2.0~2.5	관계 중복·개정·운영 여유
산정용 관계 수	10,000,000개	시범단계 기준값

---

Slide 14 — 용량산정 기준(Graph DB ) - (4/4)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 3. Graph DB 시범단계 산정기준> Graph DB 관계 수 기준(계속) › 4. Graph DB 산정기준 문구

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(6/7)

• Graph DB 관계 수는 시범단계 발주 기준으로 우선 적용하되, 구축사업 상세설계 단계에서 실제 교육과정 구조, 콘텐츠 등록량, 문항 수, 개념 추출 결과, 매핑 정책, 인덱스 정책을 반영하여 재산정함

• 관계유형별 기준수량은 실측 건수가 아니라 Graph DB 시범서비스 용량산정을 위한 모델링 기준값임.

• 관계 수는 기준 노드 수에 관계유형별 평균 연결계수를 적용하여 산정하였으며, 실제 관계 수는 구축사업 상세설계 단계에서 교육과정 구조, 콘텐츠 등록량, 문항 수, 개념 추출 결과, 매핑 정책에 따라 재 산정 필요함

• 검정교과서 153종의 단원·차시·콘텐츠 ID·성취기준 매핑은 관계 수 산정에 포함

• Graph DB는 교육과정·성취기준·개념·문항·콘텐츠·학습경로 간 관계를 탐색하기 위한 지식관계 저장소로 정의

• Graph DB에는 원천 xAPI Statement, 학생별 클릭·체류·상호작용 로그, 콘텐츠 원문, 검정교과서/AI디지털 교육자료 원문, 개인정보 원문을 저장하지 않으며, 해당 데이터는 LRS, DW, Data Lake, 콘텐츠 저장소 또는 출판사/제공처 연계 조회 구조로 분리 관리

• 초기 시범단계 Graph DB 용량은 교육과정, 단원, 성취기준, 평가요소, 핵심개념, 자체 콘텐츠, 검정교과서/AI디지털 교육자료 콘텐츠 ID·메타, 문항, 오답유형, 학습경로 노드와 이들 간 관계를 기준으로 산정

• 시범단계 기준 Graph DB는 약 100만 노드, 1,000만 관계를 기준으로 하며, 구축 시 상세설계 단계에서 실제 교육과정 구조, 문항 수, 콘텐츠 수, 관계유형, 버전관리 정책, 클러스터 구성, 인덱스 정책을 반영하여 최종 용량을 재산정

---

Slide 15 — 시범단계 최종기준 요약

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 › 3. Vector DB & Graph DB 시범단계 최종기준 요약

• [별첨 1] 저장소 용량산정

• 6. Vector DB·Graph DB 산정기준 > 용량산정 상세기준(7/7)

• 시범단계 최종 기준은 Vector DB 150만 벡터와 Graph DB 100만 노드·1,000만 관계이며, Vector DB는 의미검색과 RAG 후보 생성을, Graph DB는 교육지식 관계 탐색과 학습경로 추천 근거 생성을 담당함

구분	Vector DB	Graph DB
주요 목적	의미검색, RAG 검색, AI 추천 후보 생성	교육지식 관계 탐색, 학습경로 추천, GraphRAG 근거 탐색
저장 성격	청크·임베딩·검색 메타	노드·관계·관계 메타
원문 저장 여부	원문 미저장	원문 미저장
개인 원천학습이력	미저장	미저장
주요 저장 대상	검정교과서 153종, 자체 콘텐츠, 문항·해설, FAQ·운영지침, AI디지털 교육자료 허용 텍스트의 청크·임베딩·검색 메타, 출처, 권한, 버전	교육과정, 성취기준, 개념, 검정교과서/AI디지털 교육자료 콘텐츠 ID·메타, 자체 콘텐츠, 문항, 오답유형, 학습경로
시범 기준량	약 150만 벡터	약 100만 노드 / 1,000만 관계
기준 기간	2026~2027년 구축분 + 2028년 시범서비스 1년	2026~2027년 구축분 + 2028년 시범서비스 1년
버전관리	현재 버전 + 직전 일부 버전	현재 버전 + 직전 일부 버전
확장 방식	벡터 수 증가에 따른 scale-out	노드·관계 증가에 따른 cluster/scale-up/scale-out 검토
산정 보정	청크 크기, 임베딩 차원, 인덱스 방식에 따라 재산정	노드 수, 관계 밀도, 인덱스 수, 관계 속성에 따라 재산정

• 2026~2027년 구축 및 콘텐츠·교과서 메타·색인 등록을 수행하고, 2028년 시범서비스를 운영한다는 조건에서 “검정교과서 153종 + 자체 콘텐츠 + 문항·해설 + 교육과정 지식자원 중심 초기 적재 + 시범운영 증가분 + 버전관리 여유”를 반영한 기준임

---

Slide 16 — 저장소 공통 산정 공식 및 운영계수

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 7. 저장소 공통 산정 공식 및 운영계수

• 최종 물리용량은 논리 데이터량에 복제, 인덱스, 백업, 로그, 버전관리, 운영여유를 반영해 산정하며, 저장소별 증가율과 초기 여유율은 구축사업 상세설계 단계에서 PoC·부하테스트 결과로 보정함

공통 산정 공식

데이터 건수 × 1건 평균 크기 × 보존기간

논리용량

서비스 시작 예상 데이터량 × (1 + 초기 여유율) × 복제 배수

초기 구축 용량

초기 구축용량 × (1 + 연간 증가율)^경과년수

연도별 필요 용량

연도별 필요용량 합계 + 백업 보존용량

5년 총 필요 용량

저장소별 증가율·여유율

저장소	연간 증가율	초기 여유율	산정 근거
LRS	30~50%	50%	학생 1인 연 9,500건 기준 학습이벤트 누적
MyData DW	20~30%	40%	학생 1인 50건/일 이벤트를 7개 Fact 유형으로 분류·적재, 학기 파티션·이력 누적
Graph DB	10~20%	40%	교육과정 개정, 검정교과서/AI디지털 교육자료 콘텐츠 관계, 문항·오답·학습경로 관계 증가
Vector DB	20~30%	50%	검정교과서 153종, 자체 콘텐츠, 문항· 해설, AI디지털 교육자료 색인 증가 및 임베딩 재생성
오브젝트 저장소	30~50%	50%	콘텐츠·모델 파일 증가
Cache	10~20%	40%	2028년 10% 사용자 기준 2029~확장 누적 20% 사용자 기준
메시지 큐	30~40%	30%	이벤트·Topic 증가
Data Lake	40~60%	50%	원천 학습이벤트 전량 보존 + 검정교과서/AI디지털 교육자료 허용 텍스트·메타·색인 중간 산출물 보존
로그·감사 저장소	30~50%	50%	접속로그, API로그, DB접근로그, AI활용로그, 전송로그, 감사로그 누적 및 보안감사 대응

구분	산정식

• ※ 로그·감사 저장소는 보안감사, 장애분석, AI활용 이력 추적을 위해 별도 저장소로 분리하고, 접속·API·DB접근·AI활용·전송 로그증가를 반영함
• ※ 백업/DR 저장소는 개별 업무 저장소가 아니라 전체 운영 데이터의 백업·스냅샷·복제본을 보관하는 저장소이므로, 운영 데이터 증가율과 백업정책에 연동하여 산정함

---

Slide 17 — 저장소별 최종 용량

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 1] 저장소 용량산정

• 8. 저장소별 최종 용량 및 산정근거 요약 > 최종 용량

• 2028년 초기 저장소는 전체 학생·교사 10% 사용자와 학생 1인 연 9,500건 이벤트 기준으로 산정하고, 2029년 이후에는 동일 규모 10% 추가 확장에 따른 누적 20% 사용자 기준으로 단계적 증설과 백업·DR 확장을 적용함

저장소	2028년 초기	산정 관점	2029~확장	산정관점(필요 이유)
Data Lake / 원천 저장소	30TB	501,000명 × 9,500건/년 기준 원천 학습이벤트, API 응답, 재처리 데이터, Raw/Staging/Curated Zone, 검정교과서/AI디지털 교육자료 허용 텍스트·메타·색인 중간 산출물 반영	100TB	누적 20% 사용자 기준 원천 학습이벤트, API 응답, AI디지털 교육자료 텍스트·메타, AI 중간산출물, 재처리 데이터를 Raw/Staging/Curated로 중복 보존
콘텐츠 저장소 / 오브젝트 저장소	100TB	검정교과서/AI디지털 교육자료 원문 미저장, 자체 콘텐츠·교사 생성자료·서비스용 메타 중심	300TB	교사 생성자료, 개인저장소, 문서·영상·이미지, 수업자료가 누적되며 대용량 파일 비중 높음
내부 LRS	20TB	501,000명 × 9,500건/년 = 약 47.6억 xAPI 이벤트 / JSON·인덱스·복제·운영여유 반영 필요	100TB	누적 20% 기준 1,002,000명 × 9,500건/년 = 약 95.2억 xAPI 이벤트/년이 누적되며, JSON·인덱스·복제·운영여유를 반영함
MyData DW	10TB	501,000명 × 50건/일 = 약 2,505만 건/일 학습이벤트를 7개 Fact 유형으로 분류·적재	70TB	누적 20% 기준 1,002,000명 × 50건/일 = 약 5,010만 건/일 학습이벤트와 요약 Mart를 함께 저장
행정DB / 운영DB	2TB	학교·학급·학생·교사 기준정보, 수업·과제·평가 운영정보	5TB	기준정보, 수업·과제·평가 운영데이터, 이력
Vector DB	1TB	150만 벡터 기준, 인덱스·메타·복제·재색인 여유 포함	2TB	150만 벡터 기준은 작지만, 인덱스·메타데이터·복제·재색인 여유 반영 필요
Graph DB	1TB	100만 노드/1,000만 관계 기준, 관계속성·인덱스·HA 여유 포함	2TB	100만 노드/1,000만 관계 자체는 크지 않지만, 관계 속성·인덱스·버전관리·HA 여유가 필요함
Cache / 세션 저장소	300GB~500GB	10% 사용자 기준 초기 운영 가능(메모리 128GB급, 디스크 300~500GB)	500GB~1TB	누적 20% 사용자 기준 피크 동시접속, AI 응답 캐시 증가(메모리 256GB급, 디스크 500GB~1TB)
메시지 큐 / DLQ	1TB	501,000명 × 50건/일 저장 이벤트 + 30건/교시 피크 처리 기준, 7일 보관	2TB	누적 20% 사용자 기준 수업시간 피크 이벤트 버퍼, 7일 retention, 실패 메시지 재처리 공간 필요함
로그·감사 저장소	10TB	10% 사용자 기준 접속로그, API로그, AI활용로그, 전송 로그, 장애로그	35TB	누적 20% 사용자 기준 접속로그, API로그, AI활용로그, 전송로그, 감사로그를 별도 보관
백업 저장소	운영 데이터의 1.5~2배	Full, 증분, 로그 백업, 스냅샷/절대값(예: 약 260~400TB)	운영 데이터의 1.5~2배	백업·스냅샷·DR 기준/절대값(예: 약 350~500TB)

---

Slide 18 — 기본 개념 요약

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 2] 샤딩 & 파티셔닝

• 1. 기본 개념

• 샤딩과 파티셔닝은 모두 데이터를 분산 저장하는 기법이지만, 분산 단위·목적·운영 복잡도가 다르며 본 사업에서는 DBMS별로 역할을 구분하여 적용

구분	파티셔닝 (Partitioning)	샤딩 (Sharding)
정의	하나의 논리 테이블을 물리적으로 여러 파티션으로 분할하여 저장	데이터를 여러 독립 DB 서버(샤드)에 분산 저장
분산 단위	단일 DB 서버 내 분할	다수의 DB 서버에 걸친 분할
목적	조회·삭제 성능 최적화, 보관 정책 분리	쓰기·저장 처리량의 수평 확장
운영 복잡도	낮음 — DB 내부에서 자동 관리	높음 — 샤드 간 분산·라우팅·리밸런싱 필요
트랜잭션	단일 DB 내 완전한 ACID 보장	크로스 샤드 트랜잭션 비용 크고 복잡
적합 상황	대용량 이력·로그 데이터, 기간별 조회·삭제	단일 서버 처리 한계 초과 시 쓰기 분산
본 사업 적용	PostgreSQL (MyData DW, 이력 관리)	MongoDB (xAPI LRS 대용량 이벤트)

활용 구분

샤딩 및 파티셔닝 유형

데이터가 많아 조회·관리가 어려운 경우

구분	유형	방식	적용예시 및 특성
샤딩	Range 샤딩	키 값 범위로 샤드 지정	범위 쿼리 효율적, 핫스팟 위험
	Hash 샤딩	키 해시값으로 균등 분산	데이터 균등 분산, 범위 쿼리 비효율
	Zone 샤딩	특정 조건(지역·조직)으로 샤드 지정	데이터 지역성 확보, 시도교육청 분리 가능
파티셔닝	Range 파티셔닝	특정 컬럼 값의 범위로 분할	created_at 기준 연도·분기별 파티션
	List 파티셔닝	특정 컬럼의 목록 값으로 분할	교육청 코드, 학교급(초·중·고) 기준 분할
	Hash 파티셔닝	컬럼 해시값으로 균등 분할	student_id 해시 기반 균등 분산
	Sub-파티셔닝	파티션 내 추가 파티셔닝 (복합)	연도 Range + 학교급 List 복합

파티셔닝으로 해결 (동일 서버, 논리 분리)

단일 서버 쓰기 처리량이 한계에 도달 경우

샤딩으로 해결 (다수 서버, 물리 분산)

둘 다 적용하는 경우

먼저 파티셔닝 적용  이후 수평 확장 필요 시 샤딩 전환

---

Slide 19 — 본 사업 적용대상 및 설계전략

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 2] 샤딩 & 파티셔닝

• 2. 본 사업 적용대상 및 설계전략

• 본 사업에서 샤딩·파티셔닝 대상은 PostgreSQL MyData DW와 MongoDB LRS이며, 초기 파티셔닝 적용 → 데이터 증가 시 샤딩 전환의 단계적 전략을 채택함

설계근거 – 데이터 규모 추정

DBMS별 적용 대상 및 전략

DBMS	적용 기법	대상 데이터	전략 방향
PostgreSQL	파티셔닝	MyData DW (성취이력·학습프로파일·진단이력)	Range 파티셔닝(기간) + Hash 파티셔닝(student_id) 복합 적용
MongoDB	샤딩	xAPI LRS Statement (학습이벤트 원장)	초기 Replica Set → 임계치 도달 시 Hash 샤딩 전환
Milvus	자체 분산	벡터 컬렉션	Milvus 내장 분산 아키텍처 (파티셔닝/샤딩 별도 설계 불필요)
Kafka	파티션	이벤트 Topic	Kafka Partition 설계 (샤딩·파티셔닝과 별개, Topic 설계 문서 별도)

대상	규모 추정 근거	연간 예상 데이터
PostgreSQL MyData DW	전국 학생 약 530만 명×성취기준 수×이력	수억 건/년, 수십~수백 GB
MongoDB LRS	일일 학습이벤트×전국 동시 접속 규모	수천만~수억 건/년
누적 5년 기준	K-12 연속 이력 영구보존 원칙 적용	수십억 건, 수 TB 규모

• 단일 서버, 단일 테이블로 운영 시 5년 이후 조회 및집계 성능 급격히 저하 예상 - 구축 초기부터 파티셔닝 설계 내재화 필수

임계치 모니터링 (데이터 증가 추적)

• 단계별
• 적용전략

지속성장대응

1단계 – 구축 초기

2단계 – 서비스 확대 후

단계 3 - 장기운영

• PostgreSQL: Range 파티셔닝 적용 (연도·학기 기준)

• MongoDB: Replica Set 3노드 구성 (샤딩 미적용)

• PostgreSQL: Sub-파티셔닝 추가 (student_id Hash)

• MongoDB: 임계치 도달 시 Hash 샤딩 전환

• PostgreSQL: Cold 파티션 MinIO 아카이브 자동 전환

• MongoDB: 샤드 증설·리밸런싱

목표: 운영 안정성 확보, 데이터 패턴 파악

목표: 성능 유지, 무중단 확장

목표: 비용 효율화, 장기 보존

---

Slide 20 — PostgreSQL 파티셔닝 설계방향

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 2] 샤딩 & 파티셔닝

• 3. PostgreSQL 파티셔닝 설계방향

• PostgreSQL MyData DW는 학습이력의 기간별 조회·보존 정책에 따라 Range 파티셔닝을 기본으로 적용하고, 개인별 분산이 필요한 대용량 테이블에는 Hash 파티셔닝을 병행함

Hot·Warm·Cold 계층과 파티셔닝 연계

파티셔닝 적용 대상 테이블

계층	기준	저장 위치	파티션 처리 방식
Hot	최근 3년 이내 재학생	PostgreSQL 운영 파티션	인덱스 풀 적용, 즉시 조회
Warm	3~10년 (졸업·이직 후)	PostgreSQL 아카이브 파티션	인덱스 최소화, 조회 가능
Cold	10년 이상 (영구보존)	MinIO Object Storage	파티션 Detach  MinIO CSV/Parquet 이관

테이블	파티셔닝 기준	유형	이유
learning_event_fact	created_at (학기·연도)	Range	기간별 조회·집계, Hot→Warm→Cold 계층 전환
Achievement (성취기준 달성)	achieved_at (연도)	Range	졸업·이직 후 Warm 전환 기준 적용
diagnosis (진단·처방)	diagnosis_date (학기)	Range	재학 기간 중 Hot, 이후 Warm 전환
ai_history (AI 이력)	created_at (월·분기)	Range	대용량 Append, 기간별 집계 최적화
profile (학습프로파일)	student_id 해시	Hash	학생 수 대규모, 균등 분산

• 파티션 수명주기 자동 관리: 신규 파티션 자동 생성  3년 초과 파티션 Warm 전환  10년 초과 파티션 Detach  MinIO 아카이브  원본 파티션 Drop

항목

세부 고려사항

• 단계별

• 적용전략

• 조회 패턴의 WHERE 조건과 일치해야 Partition Pruning 효과 발생. created_at 기준이 대부분의 조회 패턴에 부합

파티션 키 선택

• 파티션 수가 지나치게 많으면(수백 개 이상) 플래너 오버헤드 발생. 학기 단위(2개/년)가 적정

파티션 수 관리

• 파티션별 로컬 인덱스 적용. 글로벌 인덱스는 파티션 추가 시 재구성 비용 발생

인덱스 전략

파티션 범위 외 데이터 수용을 위한 Default 파티션 반드시 생성

Default 파티션

• pg_partman 확장 또는 배치 스크립트로 신규 파티션 자동 생성 (학기 시작 전 선제 생성)

파티션 자동화

통계 정보 갱신

• 파티션별 ANALYZE 주기적 실행 — 플래너가 정확한 실행계획 수립하도록

Detach 절차

• Cold 전환 전 데이터 정합성 확인 → Detach → MinIO 이관 검증 → Drop 순서 준수

---

Slide 21 — 적용 판단기준 및 결정기준

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 2] 샤딩 & 파티셔닝

• 4. MongoDB 샤딩 설계방향(1/2)

• MongoDB LRS는 초기 Replica Set으로 운영하고 단일 서버처리 한계 도달 시 Hash 샤딩으로 전환하되 샤드키는 구축 초기에 반드시 확정해야하며 운영 중 변경 어려움

샤딩 적용 판단기준

임계치 지표	기준값	모니터링 방법
xAPI Statement 누적 건수	3,000만 건 이상	MongoDB Compass, mongostat
단일 컬렉션 용량	100 GB 이상	db.stats(), 디스크 모니터링
쓰기 응답시간 (p95)	50ms 이상 지속	Atlas 모니터링 또는 APM
CPU 사용률 (쓰기 중)	70% 이상 지속	서버 모니터링
Replica Set Lag	지속적 증가 추세	rs.status()

• MongoDB 샤딩은 도입 자체가 목적이 아니며, 아래 임계치 중 하나라도 도달하면 전환 검토

샤드키 설계 — 핵심 의사결정

후보 샤드키	분산 균등성	조회 효율성	핫스팟 위험	권고
{ student_id: 1 } (단독)	학생 수에 따라 균등	학생별 조회 효율	특정 학생 집중 시 핫스팟	단독 비권고
{ timestamp: 1 } (단독)	시간 순 편중	기간 조회 효율	시간 순 핫스팟 심각	비권고
{ student_id: 1, timestamp: 1 } (복합)	학생+시간 분산	학생+기간 복합 조회 효율	낮음	검토 가능
{ student_id: “hashed” }	해시로 균등 분산	학생별 조회 효율	매우 낮음	권고

• 학생 수 기반 균등 분산 보장
• xAPI Statement의 주요 조회 패턴(학생별 이력 조회)과 일치
• 시간 기반 핫스팟 완전 차단

---

Slide 22 — 샤딩 전환절차 및 설계 고려사항

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 2] 샤딩 & 파티셔닝

• 4. MongoDB 샤딩 설계방향(2/2)

• MongoDB LRS는 초기 Replica Set으로 운영하고 단일 서버처리 한계 도달 시 Hash 샤딩으로 전환하되 샤드키는 구축 초기에 반드시 확정해야하며 운영 중 변경 어려움

샤딩 전환 절차 (Replica Set → Sharded Cluster)

단계	작업내용	비고
1. 준비	최대 부하 시간대 외 전환 작업 계획, 롤백 계획 수립	전환 중 쓰기 지연 발생 가능
2. Config Server 구성	Config Server Replica Set 3노드 구성	독립 인스턴스 필요
3. mongos 배치	애플리케이션 연결 라우터 배치	연결 문자열 변경 필요
4. Shard 추가	기존 Replica Set을 Shard로 등록	sh.addShard()
5. 샤딩 활성화	대상 컬렉션 샤딩 활성화 및 샤드키 지정	sh.shardCollection()
6. 청크 분배	초기 청크 자동 분배, 밸런서 동작 확인	분배 완료까지 수시간 소요
7. 검증	데이터 정합성·쿼리 성능 검증	sh.status()로 청크 분포 확인

MongoDB 샤딩 설계 핵심 고려사항

후보 샤드키	분산 균등성
샤드키 불변성	선택 후 변경 불가. 잘못된 샤드키는 전체 데이터 재적재 필요 — 사전 설계 필수
청크 크기	기본 128MB. 핫스팟 청크 발생 시 분할(splitChunk) 정책 정의
밸런서 운영	자동 밸런서는 Peak 시간대 비활성화 권고 (학습 시간대 OFF)
크로스 샤드 쿼리	샤드키 미포함 쿼리는 전체 샤드 조회(Scatter-Gather) 발생. 쿼리 패턴에 샤드키 포함 설계
인덱스 설계	모든 샤드에 동일 인덱스 자동 적용. 인덱스 생성 시 성능 영향 고려
Jump Consistent Hash	Valkey 샤딩과 혼동 주의 — MongoDB는 자체 청크 기반 샤딩 방식 사용
Config Server 보호	Config Server 장애 시 라우팅 불가. 반드시 3노드 Replica Set 구성
Orphan 문서	샤드 마이그레이션 중 발생 가능. cleanupOrphaned() 정기 실행

---

Slide 23 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 1. 지식그래프 개념 및 구성요소

• 지식 그래프는 점(Node)과 선(Edge)을 통해 데이터 간의 관계를 직관적이고 논리적으로 표현하는 지식 구조이며 복잡한 네트워크나 계층적 관계를 다중 홉(Multi-hop)방식으로 탐색하여 정보의 맥락을 연결함

지식그래프의 기본개념 및 핵심구성요소

핵심 구성요소

기본 개념

노드(Node)

• 게체를 나타내는
• 기본단위

소속

소속

엣지(Edge)

수강

가르침

• 개체간의 관계를
• 나타내는 연결

표현

속성(Property)

이해

노드/엣지의 상세정보

멀티홈(Multi hop)

설명

• 여러 관계를 거쳐
• 연결된 탐색 경로

	실세계를 구성하는 개체(Entity)를 표현(사람,조직,장소,개념,문서 등)
	노드간의 관계(Relationship)를 표현(관계 유형과 방향성을 가질 수 있음)
	노드 또는 엣지의 상세 정보를 표현하는 키 값 형태의 메타 데이터
	엣지가 의미하는 관계르리 종류를 정의 (의미 기반 연결 구조를 구축)
	여러 엣지를 따라 개체간의 간접적인 관계를 탐색하는 기능
	개체유형,관계유형,속성 등의 구조화 규칙을 정의
	기존 관계를 기반으로 새로운 지식을 추론하고 예측하는 기능
	그래프 구조를 저장하고 효율적으로 탐색,분석 할 수 있도록 지원하는 저장소

노드(Node)

엣지(Edge)

속성(Property)

• 관계유형

• (RelationType)

• 멀티 홈

• (Multi hop)

• 그래프 스키마

• (Ontology)

• 추론

• (Inference)

그래프 데이터베이스

관계형DB vs 벡터DB vs 지식그래프 비교

구분	관계형 DB(RDB)	벡터 DB(Vector DB)	지식그래프(KG)
중심 개념	테이블(Table)	유사도(Vector)	관계(Relationship)
데이터 구조	정형 데이터	비정형 임베딩	그래프 구조
탐색 방식	Join 기반	Similarity Search	Traversal(Multi-hop)
장점	트랜잭션 처리 우수	의미 기반 검색 우수	관계·맥락 분석 우수
단점	복잡 관계 탐색 한계	논리 관계 표현 한계	모델링 복잡도 존재
대표 활용	ERP, 금융	RAG, 검색AI	추천, 추론, AI Agent

---

Slide 24 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 2. 데이터 설계-엔티티 및 속성 모델링

• 데이터의 의미와 범주를 규정하기 위해 클래스(Class)와 인스턴스(Instance)를 포괄하는 엔티티를 정의하고 식별자(ID)부여 원칙과 SHACL등의 표준을 활용하여 데이터 모델의 일관성과 무결성을 검증함

데이터 설계-엔티티(Entity) 및 속성(Property) 모델링

엔티티(Entity)의 포괄적 정의

데이터 소스

엔티티 분류

식별자(ID) 부여

SHACL 검증

• 단일 데이터 모델 내에서 위계구조의 단계가 다르기 때문에, 상위 범주를
• 의미하는 클래스(Class)와 하위 개체를 의미하는 인스턴스(Instance)를 모두
• 아우르는 개념으로 엔티티를 활용
• 예:＇운동에너지’라는 클래스 하위의 ‘질량＇은 추상성을 가지므로
• 인스턴스가 아닌 하위 클래스로 작용하여, 이를 모두 단일 엔티티 노드로
• 통일하여 모델링

속성(Property)을 통한 깊이 규정

• 속성은 엔티티의 범주와 학습적 깊이를 규정하는 핵심 메타데이터 역할 수행
• 단순 라벨링을 넘어 ‘정의‘, ‘성질, ‘특징‘, ‘사례‘ 등 세부 서술을 속성으로
• 부여하여 노드자체의 의미망을 확장

안정적 식별자(ID)체계와 표준 검증

• 네임 스페이스 접두사를 활용한 불변 ID(예:ntlas:, edu:) 를 구축하여 데이터 간 충돌을 방지
• 역할 담당자가 변경되어도 노드 ID는 유지하고 속성만 업데이트하여
• 참조 무결성 파괴 문제를 차단
• W3C 표준인 SHACL(Shapes Constraint Language)구조 정의를 통해
• 엔티티 타입별 무결성을 자동 검증

---

Slide 25 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 3. 그래프 설계-관계의 방향성 및 시맨틱 설정

• 단순한 연결을 넘어 계층(isChildOf), 병렬(isPartOf), 선후(precedes) 등 관계의 시맨틱(의미)을 구조화하고 모든 엣지(Edge)에

• 방향성과 신뢰도, 위험도 등의 세부 속성을 부여하여 쿼리의 정확도를 높임

• 그래프 설계 1 : 관계(Relastionship)의 방향성과 시맨틱 설정

isChildOf

계층및 병렬

IsPartOf

precedes

선행 및 의존

• 관계
• 시맨틱

DEPENDS_ON

MANAGES

조직 및 관리

WORKS_FOR

관계 시맨틱(Semantic) 구조화 분류표

• 계층 및 병렬 관계 : 상위-하위 종속성을 나타내는 isChildOf(또는 CONTAINS), 논리적/의미론적 구성을 나타내는 병렬적 isPartOf
• 선행 및 의존 관계 : 학습 또는 프로세스의 순서가 중요한 경우 활용하는 precedes, 시스템 및 인프라 간의 기술적 종속성을 나타내는 DEPENDS_ON
• 조직 및 관리 체계 : 운영 주체와 책임을 나타내는 MANAGES, 고용 및 소속 관계를 나타내는 WORKS_FOR, MEMBER_OF

엣지(Edge)메타 데이터 속성 부여

• 관계 자체에도 세부 속성을 부여, 예를 들어 INTEGRATES_WITH 엣지에 프로토콜 속성(예: LTI 1.3)을 추가
• 의존 관계(DEPENDS_ON, AUTHENTICATES_VIA)에 위험도 점수 (risk_impact : 1 ~ 5)와 신뢰도 점수를 부여하여 리스크 기반 쿼리 지원

설계시 유의사항

• 모든 연관 지식을 기계적으로 연결하거나 과도한 선수지식을 맵핑할 경우 시스템 과부화 및 직관성 저하 문제가 발생함
• 목적에 부합하는 필수적인 선후/종속 관계만을 선별적으로 엣지에 설계해야 함

---

Slide 26 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 3. 그래프 설계-스키마 및 도메인 분할 구조

• 복잡한 지식 체계를 관리하기 위해 도메인별 분할된 이기종(Heterogeneous)그래프 스키마를 설계하고 단일 파일(Monolith) 구조의 한계를 피하고, 독립적으로 편집 및 검증이 가능한 모듈형 설계를 채택함

그래프 설계 2 : 이기종 그래프 스키마 및 도메인 분할 아키텍쳐

이기종(Heterogeneous)그래프 스키마 설계

• 복잡한 생태계를 다루기 위해 다수의 노드 타입과 관계 타입을 혼합한
• 스키마 구조 채택
• 예 : Course(과목) → Unit(단원) → Concept(개념) → Exercise(문항) →
• Student(학생)로 이어지는 교육 생태계 전반의 계층적 메타데이터를
• 유지적으로 연결

도메인 기반 파일 분할(Decomposition) 패턴

• 단일 거대 파일(Monolith)로 전체 그래프를 관리할 경우 구조 파악이 어렵고 유지보수성이 급감함
• 이를 해결하기 위해 지식 영역을 다수의 독립적인 JSON-LD 소스 파일로 모듈화(예 : 거버넌스, IT 인프라, 교직원, 학위 프로그램 등 16개 도메인 분할)
• 각 도메인 파일은 고유한 @context 블록을 가지며, 다른 도메인과 독립적으로 편집, 검증, 버전 관리가 가능한 구조를 확립
• 단일 진실 공급원인 통합 그래프는 이 분할된 모듈형 파일들의 병합을 통해 파생 아티팩트(Derived artefact)로 생성됨

---

Slide 27 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 4. 데이터 저장

• 관계 탐색에 최적화된 그래프 데이터베이스(Neo4j, Memgraph 등)를 구축하여 단일 진실 공급원으로 활용하고 멱등성 (Idempotent) 데이터 적재 방식과 구조적 퀴리 언어(Cypher)를 통해 안전하게 데이터를 저장 및 관리함

데이터 저장 : 관계지식(SSOT)으로서의 그래프 데이터베이스

MERGE 작동 방식

입력 데이터

존재함

속성 업데이트

• 기존 노드
• 확인

없음

신규 생성(CREATE)

그래프 데이터베이스(Graph Database) 활용

• Neo4j, Memgraph 등 노드와 엣지의 네이티브 스토리지 구조를
• 갖춘 DB를 도입
• 선언형 그래프 퀴리 언어인 Cypher를 활용하여 다중 홉(Multi hop)
• 경로 추적 및 복잡한 패턴 매칭을 고속으로 처리
• 데이터베이스 자체를 시스템 내 유일한 단일 진실 공급원(Single Source
• of Truth, SSOT)으로 격상

CREATE 대신 MERGE를 통한 멱등성(Idempotent) 적재

• 단순 CREATE 구문을 통한 적재 방식은 데이터 중복 적재 및 파이프 라인
• 재실행 불안정성 문제를 유발함
• 조건부 적재 구문인 MERGE 도입하여, 이미 존재하는 엔티티는 속성만
• 업데이트 하고 없을 때만 신규 생성하도록 설계
• 이를 통해 파이프라인 중단 시점과 무관하게 언제든 안전한 재실행이
• 가능해지며 데이터 무결성이 영구적으로 유지됨

---

Slide 28 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 5. 연결구조- 엔티티 해상도(Entity Resolution)와 데이터 중복 통제

• 다양한 출처의 텍스트에서 발생하는 동일 실체의 중복을 식별하고 병합하여 지식그래프의 무결성을 확보하고 텍스트 임베딩과 K-최근접 이웃(KNN) 알고리즘을 결합하여 데이터 분절 현상을 선제적으로 차단함

• 연결 구조 1 : 엔티티 해상도(Entity Resolution)와 데이터 중복 통제

• KNN 임베딩

• 매칭

엔티티 분산

• WCC(약한연결요소)

• 그룹화

• 텍스트 거리

• 필터링

• LLM 최종

• 검증

엔티티 분절(Fragmentation) 방지 필요성

• 단일 실체가 문서마다 다른 이름(예 : ‘Apple’ vs “Apple Inc.’)
• 으로 기록 될 경우 파편화되고 불완전환 데이터(Sparse data)
• 및 동음이의어 중복 문제 발생
• 엔티티 해상도를 통해 지식 그래프 내의 일관된 통합 뷰를
• 강제하고 질의 정확성을 확보

다단계 엔티티 병합(De-duplication)알고리즘 파이프라인

• K-최근접 이웃(KNN)매칭 : 덱스트 임베딩(Vector Embeddings)의
• 그룹을 활용하여 코사인 유사도가 높은(예 : 0.95 이상) 엔티티 간의
• 후보 엣지 생성
• 커뮤니티 탐지(WCC) : 약한 연결 요소(Weakly Connected Components)
• 알고리즘을 통해 잠재적 유사성이 있는 엔티티들을 하나의 컴포넌트로
• 그룹화
• 정밀 필터링 및 LMM 검증 : 임베딩 유사성(예 : BMW와 Mercedes)의
• 한계를 보완하기 위해 단어 거리 필터링(Word distance)을
• 적용하고, LMM이 최종적으로 병합 승인 여부를 논리적으로 평가

---

Slide 29 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 5. 연결구조- 커뮤니티 군집화(Clustering)및 계층적 지식맵

• 밀집하게 연결된 노드 그룹을 커뮤니티로 군집화하여 전역적(Global)인 토픽 구조화 상호작용 지도를 파악함. Leiden 알고리즘 등의 계층적 군집화 방식을 통해 그래프를 다양한 해상도에서 탐색 할 수 있는 뷰를 제공함

연결 구조 2 : 커뮤니티 군집화(Clustering)및 계층적 지식맵

대규모 커뮤니티

소규모 군집

개별 노드

전역적(Global)지식 구조 파악

• 개별 노드와 엣지의 미시적 검색을 넘어, 전체 그래프가 어떤 주제와
• 상호 작용을 내포하고 있는지 거시적 토픽 맵으로 추상화 하는 단계

Leiden 알고리즘을 통한 계층적 커뮤니티 탐지

• 가중치가 부여된 무방향 네트워크에서 다른 노드들보다 서로 더 밀접하게
• 연결된 서브 그릅(Community)을 식별
• 단일 계층이 아닌 하향식 계층 구조(Hierarchical Clustering)를 생성하여
• 높은 해상도(구체적)부터 낮은 해상도(추상적)까지 다양한 깊이의
• 뷰를 제공

커뮤니티 요약(Community Summarization)인텍싱

• 탐지된 각 커뮤니티의 특성, 핵심 엔티티, 내부 관계망을 LMM을
• 활용해 자연어 텍스트로 요약 및 인덱싱
• 이 요약 데이터는 이후 RAG(검색 증강 생성) 과정에서 포괄적인 전역
• 질의(Global Query)를 처리하는 핵심 콘텍스트 데이터로 작동함

---

Slide 30 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 6. 구축 파이프 라인

• 비정형 텍스트에서 AI 에이전트를 활용해 구조화된 노드와 관계를 추출하는 자동화 파이프라인을 구축하고 데이터베이스와 소스 파일간의 양방향(Bidirectional)동기화를 통해 데이터 불일치 리스크를 제거함

지식 그래프 구축 파이프 라인 : AI 기반 추출 및 양방향 동기화

비정형 텍스트

AI 구조화

그래프 DB

버전관리 JSON-LD 파일

양방향(Bidrectional)파이프 라인 구조

AI기반 정보 추출 단계(Extraction)

• 단방향 데이터 밀어넣기 방식은 DB 수동 수정 시 소스 파일과의

• 단방향 동기화시 발생하는 데이터 불일치 문제를 초래함

• Graph DB(Neo4j)를 단일 진실 공급원(SSOT)으로 확정하고, DB의 최신

• 상태를 역으로 JSON-LD 도메인 파일로 추출(Export)하는 양방향 스크립터

• 구현

• 내보내진 JSON-LD 파일은 Git 등을 통한 버전 관리가 가능해지며, 장애

• 발생 시 언제든 완벽한 그래프 복원(Disaster Recovery)이 보장됨.

• 원본 문서를 청크(Chunk)단위로 분할 한 뒤 LLM 프롬프트를

• 활용해 텍스트 내에서 엔티티와

• 관계요소(Element instances)를 추출

• 단순한 주어-술어-목적어의 트리플(Triple)구조를 넘어,

• 관계 자체에 대한 설명적 서술(Descriptive text)을

• 포함하여 노이즈 환경에서도 문맥 정보를 온전히 유지

---

Slide 31 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 7. 연결 응용구조

• 구조화된 지식그래프와 비정형 텍스트 검색을 결합하여 생성형 AI의 맥락적 추론 능력을 극대화하고 전역 검색(Global)과 지역 검색(Local)을 통해 단편적 정보 검색의 한계를 넘어선 연결된 통찰을 도출함

연결 응용 구조-Graph RAG를 통한 지식추론과 LLM 결합

기존 RAG체계의 본질적 한계 극복

• 단순 백터 검색 기반의 RAG는 흩어진 정보를 통합하여 새로운 통찰을 제공하는 데 한계가 있음(기존 RAG 체계의 정보 연결성 부족 (Streuules to connect the dots)및 차단된 학습 경로 문제
• GraphRAG 구조는 그래프의 다중 홉 탐색 구조를 프롬프트 컨턱스트 창에 주입하여, 점진적 연결과 추론이 가능하도록 함.

S-Agent

• Next
• Step

Communication

이중 지식구조(Dual Knowledge Structure)응용

• 선수관계(Prerequisite) : 기본이 되는 지식의 구조적 흐름과 종속성 제공
• 유사관계(Similarity) : 선행관계가 단절되거나 차단되었을때, 유사 개념 네트워크를 우회경로(Fallback)로 활용

e

t+2

e

t+n

e

t+1

e

t

D-Agent

D-Agent

D-Agent

D-Agent

P-Agent

• ②C

t+1

• ⑤C

t+2

• ①C

t

• ⑨C

t+n

검색 전략의 다각화

• 지역검색(Local Search) : 특정 엔티티에 집중하여 인접 노드 및 세부 개념망을 심층 탐색
• 전역검색(Global Serach) : 커뮤니티 요약 데이터를 바탕으로 말뭉치 전체를 아우르는 거시적 인사이 질의에 응답

---

Slide 32 — 6. 데이터 아키텍처 설계

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 8. 데이터 모델설계 및 활용

• 도메인 지식에서 출발하여 엔티티 및 그래프 설계, 데이터베이스 저장, RAG 응용에 이르는 통합 체계이며 상호 단절된 정보들을 유기적으로 연결된 지식 자산으로 변환하여 조직의 데이터 활용 아키텍처를 완성함

데이터 모델 설계 및 활용 단계

Layer 5. Application (지식 응용)

• AI 보조 추출 및 승인 기반/증분 동기화 파이프 라인 구축, 구조적 컨텍스트와 비정형 텍스트를 융합한 GraphRAG 생성형 AI 추론 시스템

• Layer 4. Connection Structure (무결성 및 추상화)

• KNN + 약한 연결 요소(WCC) 기반 엔티티 해상도 병합, Leiden 군집화를 통합 계층형 커뮤니티 구조맵

Layer 3. Data Storage (물리적 적재))

• Neo4j/Memgraph 구동, 멱등성(MERGE) 적재 보장, SSOT(단일 진실 공급원) 아키텍처 유지

Layer 2. Graph Design (의미망 설계)

• 30개 시맨틱 관계 타입 부여, 이기종(Heterogenous) 스키마, 16개 분할 도메인과 파일 모듈 아키텍처

Layer 1. Data Design (논리 구조화)

• JSON-LD 형식 기반, 식별자(ID) 부여 규칙, 글래스 및 인스턴스의 엔티티(Entity)매핑 체계

---

Slide 33 — 데이터 성능향상 구조설계 추진전략

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축

• [별첨 3] 지식 그래프 기본개념

• 9. 데이터 성능향상 구조설계

• AI디지털 교수학습플랫폼의 데이터 성능향상은 개별 DB튜닝이 아니라, 데이터 흐름 전 구간을 분리-완충-최적화-확장-관측하는 구조설계 전략으로 추진함. 성능향상 전략이 데이터 저장소별 역할과 연결되도록함

• 데이터 성능향상 구조는 학습이벤트·개인화 분석·AI 검색·외부연계 부하를 발생 특성별로 분산하고, 피크 부하를 완충하며, 운영 중 지표 기반으로 지속 개선하는 구조로 설계한다.

데이터 발생

부하 분리

Kafka/Redis 완충

저장소별 최적화

수평 확장

성능 관측·개선

흐름도

추진전략 및 핵심방향

전략	핵심 방향	주요 적용 내용

• LRS, MyData DW, Data Lake, Vector DB, Graph DB, Redis, Kafka 역할 분리

1

분리

2

완충

3

최적화

저장소·처리 역할 분리

• Kafka, Redis, API Gateway, Retry Queue, DLQ 적용

피크 부하·장애 전파 방지

• 인덱스, 파티셔닝, Summary Table, HNSW, Graph 탐색 제한

저장·조회·검색 성능 개선

• 샤딩, Read Replica, Topic Partition, 클러스터링, 사전 증설

데이터량·동시성 증가 대응

4

확장

• P95/P99, Consumer Lag, Cache Hit율, Slow Query, 성능시험 관리

운영 중 성능 지속 개선

5

관측

---

Slide 34 — [별첨 4] 6.2.1 데이터 HUB 구성도

• AI〮디지털 교수학습플랫폼의 데이터 HUB 구축 및 활용은 4가지 유형체계(교육행정정보시스템, 학습데이터 분석〮활용체계, 외부도구, 교육특화형 AI)와의 연계를 기반으로 완성됨(시도 교육청의 ‘시도 교수학습플랫폼’의 데이터는 ‘학습데이터 분석〮활용체계’로 수집됨)

AI〮디지털 교수학습플랫폼 데이터 HUB 구성

AI〮디지털 교수학습 플랫폼

AI〮디지털 교수학습 플랫폼 기능 전체 활용

사용자

부산, 대구교육청

AI〮디지털 교수학습플랫폼 공통 서비스 (일부)활용

AI Officer

LXP

AI Tutor

시도교수학습플랫폼

(서울 외)AIEP

(경기)하이러닝

(경남)아이톡톡

(충북)다채움

(충남)마주온

• 학습이력
• Data

공공 학습플랫폼

• 국가기초학력
• 지원포털

똑똑수학탐험대

• 학습이력
• Data

외부도구

• (구글)

• 클래스품

• (네이버)

• 웨일스페이스

• (MS)

• 팀즈

교육 콘텐츠

• 학습이력
• Data

학생

Data Hub

• 교육과정표준체계 송신

• (분석〮활용체계교수학습플랫폼)

• 분석, 통계, 시각화 등 자료 활용

• 교육과정 메타정보 활용

• 등록된 모든 콘텐츠 활용

교사

수집계층(API-Kafka/MQ-CDC/API/Agent/Event)

3

• 학습데이터유형정보 전송
• (교수학습플랫폼분석〮활용체계)

원천저장계층(Data Lake)

Raw Zone

Landing Zone

Staging Zone

Curated Zone

학교

학습데이터 분석〮활용체계

5

교육부/교육청

활용저장계층

LRS

• DW

• (마이데이터)

• 행정

• DB

• Graph

• DB

• Vector

• DB

• 콘텐츠

• 저장소

Cache

교육과정 메타정보관리

콘텐츠 저장/관리

…

• 데이터

• 수집

• 데이터

• 저장

• 데이터

• 활용

• 교육행정

• 정보시스템

개인별학습

플랫폼 특화 소규모 AI(sLLM)

• 학습데이터 허브
• (LRS)

NEIS

2

6

서비스 활용

교육 특화형 AI

• 업무 자동화/간소화 지원
• (UI통한 데이터등록방식 NEIS 등록전 교사가 최종 승인 후 등록되게 함)

AI〮데이터 분석

개인맞춤형 분석

1

교육특화 LLM/Agent

교육과정 표준체계

국가수준학습 분석

교수학습 지원 Agent/교무행정 지원 Agent

4

학습이력 분석 Agent/정책/제도 검색 Agent

• 학적정보,
• 교무행정정보 등

개인이 가정 등 외부에서 학습 시 학습데이터

3

•  “AI〮디지털 교수학습플랫폼”과 “학습데이터 학습데이터 분석〮활용체계”의 데이터 송수신 정의( )

• “AI디지털 교수학습플랫폼”  “학습데이터 분석〮활용체계” 로 전송 : 교과과정 76개 기준정보 기준

• “학습데이터 분석〮활용체계”  “AI디지털 교수학습플랫폼” 로 전송 : ‘교육과정 표준체계’(교육과정  성취기준까지 연계된 표준체계)

Ⅳ-84

---

Slide 35 — [별첨 4] 6.2.1 데이터 HUB 구성도– Data Lake 보관대상 데이터

• AI〮디지털 교수학습플랫폼의 데이터 HUB내 Data Lake에 보관하여 데이터 재생성 시 원활히 활용/대응토록 함

Data Lake 보관대상 데이터

 Data Lake 보관대상 데이터

구분	보관 대상	비고	항목별 대응 내용
학습이력 원천	xAPI 원천 이벤트, 플랫폼 학습행위 로그, 세션 로그	내부 LRS·MyData DW 재처리 기준	마이데이터 기준, 제공 항목, 프로파일 산정 기준, 학습이력 활용 기준 변경 대응 등 xAPI Statement 구조 변경 대응(Raw 이벤트 재처리 등) RAG 청킹기준 변경 대응(기존 색인 폐기후 재수집 필요 시 원문기반 재 청킹 등) 임베딩 모델 교체 대응(벡터 재생성 등) 교육과정 개정 대응(변경전후 추적 등) 감사·추적 대응(원천→가공→활용 이력 추적 등) RAG 품질관리 대응(원문 수집→ 파싱→ 청킹→ 임베딩→ 색인→ 검색품질 평가→ 청킹/메타/임베딩 재조정→ 재색인 등)
행정 연계 원천	NEIS 연계 수신 원천, Agent 보조입력 이력, 승인 전후 이력	감사·재처리·오류정정 기준
콘텐츠 원천	본 플랫폼 자체 보유 콘텐츠 원문, 첨부파일, 교사 생성 자료	Object Storage와 연계 가능
외부 콘텐츠 메타	학습데이터 분석·활용체계 등록 콘텐츠의 메타, API 조회 결과, 캐시	원문 복제 여부는 정책에 따름
AI/RAG 중간산출물	파싱 텍스트, 청크, 임베딩 입력 데이터, 색인 버전	벡터/그래프DB 재구축 기준
품질·감사 이력	데이터 검증 결과, 오류 데이터, 전송 성공/실패 로그	품질관리·감사 대응

Ⅳ-84

Ⅲ-2

---

Slide 36 — [별첨 5] 6.2.2.6 데이터 파이프라인 구성도(1/3)

1. 데이터 파이프라인 구성도 › 1. 사용자/수업/행정지원 이벤트 + NEIS 기준정보 처리 › 2. 본 플랫폼 발생 학습행위 처리 › 3. 학습데이터 분석·활용체계 결과 활용 › 4. 콘텐츠·교육과정·지식그래프 처리 › 5. 실시간 서비스 호출·응답

• AI디지털 교수학습플랫폼 데이터 파이프라인은 내부 운영데이터 처리, 자체 학습이벤트 송신,외부 분석결과·콘텐츠·교육특화 AI 활용을 분리하여 구성

• 전체 데이터

• 파이프라인 구성

행정DB·MyData DW·운영 로그 활용

사용자·수업 이벤트

API Gateway/MQ)

Data Lake

xAPI 변환

학습데이터 분석·활용체계 LRS 송신

학습행위 이벤트

가명처리·검증

내부 LRS / MyData DW

전송 큐(메시지 큐)

• 학습데이터 분석·활용체계
• API

플랫폼 캐시/메타/검색색인/MyData DW 활용

콘텐츠/교육과정 메타

Data Lake/콘텐츠 저장소

청킹·임베딩

Vector DB / Graph DB

로그/캐시/감사/서비스 활용

AI Tutor/LXP/AI Officer

교육특화형 AI 호출

응답/추천/문서생성 결과

•  Data Lake는 내부 운영데이터, 학습이벤트, NEIS 연계 원천, 콘텐츠 원문/메타, RAG 중간산출물의 원천 보존·재처리 계층으로 활용

---

Slide 37 — 2. 저장소별 역할·데이터 적재 기준

2. 저장소별 역할·데이터 적재 기준

[별첨 5] 6.2.2.6 데이터 파이프라인 구성도(2/3)

저장소 및 데이터 역할 정의 - 저장소를 원장/캐시/색인/로그로 구분

행정 DB

MyData DW

Data Lake

내부 LRS

PostgreSQL

Object Storage / MinIO(S3) 기반

MongoDB

PostgreSQL

Raw Zone(원천)

본 플랫폼 업무·행정지원 데이터

• xAPI Statement

• 학습행동 로그- 진도·체류시간

• 학습이벤트 원천

• 전송 대상 학습이력

• 원천 학습이력

• 개인 학습프로파일

• 성취 수준 이력

• 진단·처방 결과

• 학습패턴

• 분석결과 요약

Curated Zone(정제완료, RAG중간산출물)

Staging Zone(정제전 임시)

• 원천 학습이벤트

• NEIS 연계 원천

• 콘텐츠 원문/메타

• API 조회 원천 응답

• 정제 전 임시 데이터

• 품질검증 대상 데이터

• 전송 대기 데이터

• DW 적재용 정제 데이터

• RAG 색인 생성용 데이터

• Graph 모델링 대상 데이터

• RAG 파싱·청킹 중간산출물

Vector DB

Graph DB

세션·캐시 (Redis)

메시지 큐 (Kafka)

콘텐츠 저장소

• SSO세션

• API캐시 · 수업상태 · sLLM 추론캐쉬

• xAPI 이벤트 · CDC · 비동기 처리 · 서비스 이벤트

MinIO

Milvus

Neo4j

허용된 콘텐츠/지식 색인

교육과정·성취기준·개념 관계 색인

• 본 플랫폼 자체 보유 콘텐츠
• 교육자료, 영상·이미지, 문서, 교사 생성자료
• sLLM 관련 모델 파일
• 분석활용체계 등록 콘텐츠는 원문 복제가 아닌 메타·검색 색인·캐시 중심 보유

외부연계 흐름 - 처리 유형별 구분

• 내부 데이터 흐름 (Collect → Data Lake → Transform → Load)

사용자 행위 이벤트

Data Lake

행정 DB / 운영 로그





[MQ 버퍼]



NEIS 공식API/ Agent 연계수신

Data Lake

행정 DB / MyData DW / 감사 로그





[MQ 버퍼]



학습행위 xAPI

Data Lake

내부 LRS / MyData DW / 메시지 큐







[MQ 버퍼]

• Vector DB(Milvus) / Graph DB(Knowledge Map, Neo4j)

• 콘텐츠 업로드

• (자체 콘텐츠)

콘텐츠 저장소(MinIO)

Data Lake







[MinIO]

AI 추론 결과

세션·캐시(Redis/Valkey)

MyData DW / 운영 로그 / 행정 DB(audit)







[Redis]

직접연계

• NEIS  AI디지털 교수학습플랫폼(NEIS 전송은 UI화면 활용)
• AI디지털 교수학습플랫폼  학습데이터 분석·활용체계 LRS(14개 학습데이터 유형)
• 학습데이터 분석·활용체계 API  AI디지털 교수학습플랫폼(교육과정 표준체계)
• 교육특화형 AI  AI디지털 교수학습플랫폼(서비스 활용)
• 외부도구  AI디지털 교수학습플랫폼(개인학습 데이터)

참조 연계

• 외부도구  시도 교수학습플랫폼  학습데이터 분석·활용체계 (참조연계는 실제 본 플랫폼 Data Hub에 수신되지 않음. 구성도에만 표현함)

학습데이터 분석·활용체계 API 조회통한 활용

---

Slide 38 — 3. AI 활용 파이프라인 상세

3. AI 활용 파이프라인 상세

[별첨 5] 6.2.2.6 데이터 파이프라인 구성도(3/3)

활용방법

• 학습데이터 분석·활용체계 등록 콘텐츠와 교육과정 메타를 기반으로 본 플랫폼은 허용범위 내에서 색인·캐시·검색을 수행하고, 본 플랫폼 내부 sLLM은 서비스 응답·추천·요약에 활용하고,교육특화형 AI는 고도화된 교육지식·정책·전문 질의응답 API로 연계 활용

RAG 전략 vs Fine-tuning 전략 비교/역할

Fine-tuning 역할

RAG 역할

적용대상

• 최신 학습이력 반영, 개인별 오답 분석, 성취기준 기반 추천

• 콘텐츠 검색, 정책/지침/교과 내용 참조

• 근거 제시형 답변

• 학생 친화적 설명 스타일, 교사 지원 보고서 스타일

• 과목별 피드백 문체 , 질문 분류

• 상담형 응답

• 안전한 답변 습관

적용대상

보완적 적용

• 교육과정 개정 시 문서 교체만으로 대응

• 출처 명시(Citation) 가능  신뢰성 확보

• 환각(Hallucination) 최소화

• GPU 비용 절감 (파인튜닝 대비)

• 개인정보 분리 용이 (벡터DB ←> My Data DW)

• 교육과정 개정 시 재 학습 필요 (비용·시간)

• 출처 추적 불가  공교육 신뢰성 이슈

• 모델 크기 증가  운영 비용 상승

• 개인정보 학습 위험 (학생 데이터 혼입방지 필요)

• Fine-tuning은 지식 주입 목적이 아니라 응답 스타일, 문체, 과목별 피드백 방식, 안전한 답변 습관을 보완 하는 용도로 제한 적용

RAG 파이프라인 세부 단계

• ① 콘텐츠 수집·전처리

• ② 검색 및 질의응답

• ③ 학습경로 추천 (GraphRAG)

질의

학생 질문  의도 분류 (교과/일반/관리)

프로파일

MyData DW에서 학습수준·취약영역 조회

검색

벡터검색(벡터DB)+ 그래프탐색 (그래프DB)

재순위

학습수준 기반 문서 재순위 + 필터링

생성

sLLM + 프로파일 + 검색결과  맞춤 응답

모델링

교육과정  단원  차시  성취기준 관계 모델링

추천

선수학습  현재  후속학습 최적 경로 추천

서브그래프

MyData + 그래프  취약 개념 서브그래프 추출

보완학습

취약 개념의 인접 콘텐츠  보완학습 추천

검증

그래프 제약 조건으로 sLLM 응답 검증

• 수집

• /API조회

• 본 플랫폼 자체 보유 콘텐츠Object Storage 적재 청킹/임베딩벡터/그래프 DB 색인

• 학습데이터 분석·활용체계 등록 콘텐츠API조회 메타·검색색인·캐시 생성벡터/그래프DB 활용

원천저장

Data Lake 원천 보존

파싱

PDF/DOCX  텍스트 추출 + 표·그림 캡션 보존

청킹

Semantic Chunking (512~1024 토큰, 중첩 128)

임베딩

교육 특화 임베딩 모델벡터 생성(벡터차원의 선정모델 기준 적용)

저장

벡터DB + 내부LRS 메타 + 그래프DB

---

Slide 39 — 개념모델 수립 개요

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 개념모델 수립 개요

• AI디지털 교수학습플랫폼의 전체 기능정의서를 데이터 관점으로 재해석하여 플랫폼 핵심 데이터 구조를 정의함. 본 개념모델은 후속사업 단계의 논리모델, 물리모델, 표준용어, 테이블 정의서 작성의 기준으로 활용함

관심사

• 비즈니스의 주체, 객체, 행위가 되는 데이터
• 전체적인 관점에서 통제가 필요한 데이터
• 전체적으로 관심사가 높은 정보 영역
• 전체적으로 새로운 기능을 구현하기 위한 데이터

정의

• 조직 전체 데이터를 특정 시스템 및 업무에 종속되지 않고 독립적으로 데이터 중심의 일관된 분류기준을 제공함으로써 장기적으로 통일된 전체 데이터 모델 및 데이터 관리 체계 구축을 위한 분류체계

• 데이터주제

• 영역

데이터그룹

• 각 데이터 주제영역별로 보다 세부적인 데이터 구분을 위한 데이터 분류 체계

목적

• 전체 데이터가 특정 시스템 및 개별 기능에 비 종속화

• 독립적인 데이터 기준으로 전체적이고 일관된 분류기준 제공

• 업무 환경 변화에 따른 영향을 최소화 하고, 장기적으로 일관된 전체 데이터 모델 및 데이터 관리 체계 구축

• 분류

• 원칙

• 데이터 중복 최소화

• 데이터 연관성 및 편의성 고려

• 데이터 확장성 고려

관심사

• 전체 관점에서의 데이터 구조
• 논리 데이터 모델 전개 시 방향성
• 전체 관점에서 주요한 Entity, Relationship 정의

정의

개념모델

• 데이터 아키텍처의 관리자 단계에서 조직 내 비즈니스 데이터의 분산구조 체계와 데이터의 흐름을 표현
• 개념적 수준의 정보 및 데이터 간의 관계정의

논리모델

• 논리모델은 설계 단계에서 실질적으로 시스템간 흐름이 발생하는 데이터에 대한 명확한 요건 정의

• 전체 관점의 데이터에 대한 상위 레벨의 VIEW 구축

• 데이터 구조에 대한 기본적인 골격을 정의하여 업무요건 변경에 대해 안정적인 데이터 구조를 유지할 수 있는 가이드라인 제공

목적

• 상세 논리 데이터 모델 전개 시 기본 구조로 활용
• 향후에 정의하게 될 상세 논리 데이터모델과 물리데이터 모델과의 데이터 구조적 정렬 지원
• 구축하고자 하는 업무모델의 핵심 데이터 구조를 정의 함으로써 전체 업무와 그에 대한 데이터의 윤곽을 잡고 세부적 단계로 나아갈 수 있게 처리

활용

• 업무요건을 충족하는 핵심 데이터 집합을 정의하고 그들 간의 관계를 정의한 모델을 의미

• ※ 물리모델 : 개발단계에서 실질적으로 두 시스템 간에 발생하는 데이터 전달의 구체적인 모습 정의

의사결정

관계자

주제영역/데이터그룹

개념/논리모델

물리모델

• 행정지원
• (Agent)

포털

LXP

• AI학습

• Agent

• 콘텐츠

• 서비스

데이터분석

지식허브

시스템 영역(DBMS)

---

Slide 40 — 주제영역

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표데이터 구성도

목표시스템의 데이터 그룹을 최상위 데이터 영역체계 구성을 정의함

목표데이터 구성도

• 주제영역

• (Subject Area)

• 데이터의 최상위 집합

• 조직 전체 데이터를 특정 시스템 및 업무에 종속되지 않고 독립적으로 데이터 중심의 일관된 분류기준을 제공함으로써 장기적으로 통일된 전체 데이터 모델 및 데이터 관리 체계 구축을 위한 분류체계

• 데이터그룹

• (Data group)

• 각 데이터 주제영역별로 보다 세부적인 데이터 구분을 위한 데이터 분류 체계로 엔티티로 구성

엔티티(Entity)

• 데이터 그룹을 구성하는 업무에 필요하고 유용한 정보를 저장하고 관리 하기 위한 집합적인 내용의 실체, 객체

LXP

수업(교사)

수업(학생)

포털

교육디지털원패스가입

로그인

포털홈(교사)

포털홈(학생)

행정지원(Agent)

AI 어시스트

수업설계

평가기록

나이스 연계

콘텐츠서비스

문제지서비스

수업꾸러미

콘텐츠서비스

AI학습 Agent

Ai 튜터

학습서비스

메타데이터 관리

정보시스템

데이터베이스

데이터표준

데이터모델

데이터분석

반분석

학생분석

지식허브

미래교육과정

• 적응형교육과정
• 그래프

시스템 관리

시스템 관리자

시스템운영자

시스템 환경

공통코드

분류체계

시스템 연계

연계 대상

연계 설정

연계 항목

연계 처리

연계 로그

연계 통계

---

Slide 41 — 주제영역 구성 설명

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(포털)

• 포털 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역(포털)

주제영역 구성도

주제영역	데이터그룹		엔티티	엔티티설명
포털	포털 주제영역 정보
	교육디지털 원패스가입	교육디지털 원패스가입에 대한 데이터 그룹	행정심판에서 공통적으로 관리하는 데이터 그룹
		학생회원가입	기본정보	약관동의,정보입력 및 추가 인증
		학생회원 가입지원	위원회매핑정보	미가입 학생 지원 및 정보 입력(ID 및 비밀번호 부여)
	로그인	로그인에 대한 데이터 그룹	일반행정심판 공통분야 정보에 대한 데이터 그룹
		학생	청구정보	학생 로그인·계정관리 기능 제공
		교사	청구정보	교사 인증·로그인 기능 제공
		수업참여	청구정보	수업명 및 수업코드를 입력하여 해당 수업에 참여
	포털홈 (교사)	포털홈(교사)에 대한 데이터 그룹	일반행정심판 조세분야 정보에 대한 데이터 그룹
		메인화면	청구정보	메인화면 기반 학습·수업 통합관리 제공
		게시판	청구정보	FAQ·매뉴얼·게시판 통합 지원 제공
		캘린더	청구정보	학사일정, 수업일정등을 확인하고 개인일정 등을 추가
		내정보 관리	청구정보	개인사진 및 비밀번호 변경
	포털홈 (학생)	포털홈(학생)에 대한 데이터 그룹	일반행정심판 조세분야 정보에 대한 데이터 그룹
		메인화면	청구정보	메인화면 기반 학습현황·AI진단 통합 제공
		게시판	청구정보	FAQ·매뉴얼·게시판 통합 지원 제공
		캘린더	청구정보	학사일정, 수업일정등을 확인하고 개인일정 등을 추가
		내정보 관리	청구정보	개인사진 및 비밀번호 변경
		학생생활 보기	재결정보	학생생활·시간표·출결·활동 통합 조회
		학생평가 보기	재결정보	학생평가·성적·학습분석 통합 조회
		학생건강 보기	일반행정심판 조세분야 정보에 대한 데이터 그룹	학생건강·PAPS·체력평가 통합 조회
		방과후 학교 신청하기	청구정보	방과후학교 신청·출결현황 통합 관리
		고등학교 수강신청하기	청구정보	고교 수강신청·학점이수 통합 관리

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

포털

• 교육디지털
• 원패스가입

로그인

• 포털홈

• (교사)

• 포털홈

• (학생)

학생회원가입

학생

메인화면

메인화면

게시판

캔린더

내정보관리

학생생활보기

학생평가보기

학생건강보기

방과후학생신청하기

고등학교수강신청

학생회원가입지원

교사

게시판

수업참여

캘린터

내정보관리

---

Slide 42 — 주제영역 구성 설명

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(LXP)

• LXP 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역(LXP 정보)

주제영역 구성도

주제영역	데이터그룹	엔티티	엔티티설명
포털	LXP 주제영역 정보
	수업 (교사)	수업(교사)에 대한 데이터 그룹
		학습창	수업 기본정보 조회 및 수업 입장/미입장 학생 정보 확인
		외부 클래스 연결	외부 화상지원 Tool 연결
		교재보기	등록된 교재 List 및 유투브 및 웹페이지 열람
		수업도구	판서·화면공유·질의응답 기반 수업지원 제공
		과제 운영	과제공지·제출·현황 통합 관리 제공
		문제지 운영	문제제시·풀이결과·진행현황 통합 관리
		질문 운영	질문제시·응답결과 통합 분석 제공
		토론 운영	토론주제제시 및 확인 및 교사 답변 작성
		설문 운영	설문지 제시 및 설문내용 상세 결과 확인
		수업 관리	칭찬·출결·참여·학습·감정상태 통합 관리 제공
	수업 (학생)	수업(학생)에 대한 데이터 그룹
		학습창	수업 기본정보 조회 및 수업 입장/미입장 학생 정보 확인
		외부 클래스 연결	외부 화상지원 Tool 연결
		교재보기	등록된 교재 List 및 유투브 및 웹페이지 열람
		수업도구	판서·화면공유·질의응답 기반 수업지원 제공
		수업활동	과제·문제·토론·설문 기반 학습활동 통합 지원

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

LXP

수업(학생)

수업(교사)

학습창

외부 클래스 연결

교재보기

수업 도구

과제운영

문제지 운영

질문운영

토론운영

설문운영

수업관리

학습창

외부 클래스 연결

교재보기

수업 도구

수업활동

---

Slide 43 — 주제영역 구성 설명

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(행정지원(Agent))

• 행정지원(Agent) 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역 (행정지원(Agent) 정보)

주제영역 구성도

주제영역	데이터그룹	엔티티	엔티티설명
행정지원 (Agent)	행정지원(Agent) 주제영역 정보
	AI 어시스트	AI 어시스트에 대한 데이터 그룹
		프롬프트	주제차시나 유사질문 리스트를 검색하여 참고
	수업개설	수업개설에 대한 데이터 그룹
		수업개설	교육과정·자체수업·외부서비스 연계 수업 개설 지원
	수업개설	수업환경 설정	수업알림·공지·칭찬포인트 통합 관리 지원
		멤버구성	교사·학생 초대 및 학습그룹·튜터권한 관리 지원
		차시설정	차시·성취기준·학습목표 기반 수업설정 지원
		수업교재 구성	수업꾸러미·파일·영상·URL 기반 교재 구성 지원
		수업활동 구성	문제·과제·질문·토론·동료평가 기반 활동 지원
	평가기록	평가기록에 대한 데이터 그룹
		과제관리	과제채점·유사도·제출현황 통합 관리 지원
		문제지 관리	문제채점·제출현황·결과알림 통합 관리 지원
		평가통계	문제·과제·성취기준 기반 평가통계 통합 제공
		포트폴리오 평가	교사는 학생별 포트폴리오를 확인하고 종합평가를 작성
	나이스연계	나이스 연계에 대한 데이터 그룹
		나이스 입력	학생성적·관찰·출결정보 나이스 자동 연계 지원
		환경구성	교과·학생·교사·시간표 기반 환경정보 연계 지원

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

행정지원(Agent)

평가기록

나이스 연계

AI 어시스트

수업설계

나이스 입력

수업개설

과제 관리

AI 어시스트

환경 구성

수업 환경 설정

문제지 관리

멤버 구성

평가 통계

차시 설정

포트폴리오 통계

수업교재 구성

수업활동 구성

---

Slide 44 — 주제영역 구성 설명

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(AI학습 Agent)

• AI학습Agent 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역 AI학습Agent 정보

주제영역 구성도

주제영역	데이터그룹	엔티티	엔티티설명
AI학습 Agent	AI학습Agent 주제영역 정보
	AI 튜터	AI 튜터에 대한 데이터 그룹
		AI 튜터	챗봇을 활용하여 질의하면 관련 질문 콘텐츠 찾아주는
	학습서비스	학습 서비스에 대한 데이터 그룹
		수업결과	수업활동·출결·과제·학점·포인트 현황 통합 조회
	수업개설	콘텐츠 찾기	콘텐츠 검색·추천 기반 맞춤형 학습자료 제공
		나의 보관함	추천콘텐츠·영상·AI문제집 기반 학습지원 제공
		학습진단	학습진단·결과분석 기반 맞춤형 학습 지원
		논술진단	논술문항 풀이·평가결과 기반 논술진단 지원
		과목 리포트	과목별 진단·학습현황 기반 맞춤형 리포트 제공
		종합 리포트	학습수준·과목별·누적학습 기반 종합리포트 제공
		자가주도학습	문제풀이·오답노트·콘텐츠 기반 자기주도학습 지원
		포트폴리오 (성취기준)	학생은 선생님이 평가한 내용을 확인

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

AI학습Agent

AI 튜터

AI 튜터

학습서비스

수업결과

콘텐츠 찾기

나의 보관함

학습진단

논술진단

과목 리포트

종합 리포트

자가주도학습

• 포트폴리오
• (성취기준)

---

Slide 45 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(콘텐츠서비스)

• 콘텐츠서비스 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역 콘텐츠서비스 정보

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹	엔티티	엔티티설명
콘텐츠서비스	콘텐츠서비스 주제영역 정보
	문제지 서비스	문제지서비스에 대한 데이터 그룹
		문항 보관함	내문항·즐겨찾기·공유문항 통합 관리 지원
		문항 만들기	선다형·서술형·AI기반 맞춤형 문항 생성 지원
		문제지 만들기	문항검색·구성·AI생성 기반 문제지 제작 지원
		문제지보관함(교사)	교사의 저장·진행·완료·공유 문제지 통합 관리 지원
		문제지보관함(학생)	학생의 수업·공유·자가문제 기반 자기주도 학습 지원
	수업 꾸러미	수업 꾸러미에 대한 데이터 그룹
		수업 꾸러미 목록	수업꾸러미 검색·미리보기 기반 학습자료 활용 지원
	수업개설	수업 꾸러미 생성	교육과정·콘텐츠 기반 수업꾸러미 생성·구성 지원
		공유 꾸러미	교사에 판단으로 꾸러미의 공유를 허락
	콘텐츠 서비스	콘텐츠 서비스에 대한 데이터 그룹
		공유 콘텐츠 찾기	공유콘텐츠 검색·추천 기반 맞춤형 학습자료 제공
		콘텐츠 활용하기	즐겨찾기·미리보기·신고 기반 콘텐츠 활용 지원
		내 콘텐츠(교사)	내콘텐츠(교사) 생성·공유·관리 기반 수업자료 활용 지원
		네 콘텐츠(학생)	내콘텐츠(학생) 완료·저장·추천 기반 개인 맞춤형 콘텐츠 지원

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

콘텐츠서비스

문제지 서비스

수업 꾸러미

콘텐츠서비스

수업 꾸러미 목록

공유 콘텐츠 찾기

문항 보관함

수업 꾸러미 생성

콘텐츠 활용하기

문항 만들기

문제지 만들기

공유 꾸러미

내 콘텐츠(교사)

• 문제지 보관함
• (교사)

내 콘텐츠(학생)

• 문제지 보관함
• (학생)

---

Slide 46 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(데이터분석)

• 데이터분석 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역 데이터분석 정보

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹	엔티티	엔티티설명
데이터분석	데이터분석 주제영역 정보
	반 분석	반 분석에 대한 데이터 그룹
		과목 분석	과목별 학습수준·정답률 기반 종합 학습분석 제공
		학생별 분석	학생분포·성취·사회정서 기반 맞춤형 학습분석 제공
	학생 분석	학생 분석에 대한 데이터 그룹
		과목 리포트	과목별 진단·학습수준 기반 맞춤형 리포트 제공
	수업개설	종합 리포트	학습수준·과목별·누적학습 기반 종합리포트 제공

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

데이터분석

반 분석

학생 분석

과목 리포트

과목 분석

종합 리포트

학생별 분석

---

Slide 47 — 지식허브

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(지식허브)

• 지식허브 정보의 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역 지식허브 정보

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹	엔티티	엔티티설명
지식허브	지식허브 주제영역 정보
	미래교육 과정	미래교육 과정에 대한 데이터 그룹
		교육과정 기준정보	교육과정·학교급·교과·학년 기반 기준정보 관리
		교육과정 내용정보	영역·핵심아이디어·성취기준 기반 교육과정 구성 관리
		학습개념정보	학습·선수·후속개념 기반 개념체계 정보 관리
		수업설계정보	단원·차시·활동유형 기반 수업설계 정보 관리
		교육자료정보	콘텐츠·평가·활동·과제 기반 교육자료 통합 관리
		학습이력정보	학습자·활동·성취·개념도달 기반 학습이력 관리
	적응형 교육과정 그래프	적응형 교육과정 그래프에 대한 데이터 그룹
		기본정보	자료ID·유형·출처·저작권 기반 기본정보 관리
	수업개설	교육과정 정보	교육과정·학교급·교과·학년 기반 교육과정 정보 관리
		성취기준 정보	성취기준·성취수준·평가기준 기반 학습평가 정보 관리
		개념 정보	학습·핵심·선수개념 기반 개념정보 체계 관리
		수업 정보	단원·차시·수업단계 기반 수업정보 체계 관리
		자료특성	난이도·매체·활동유형 기반 자료특성 정보 관리
		품질 정보	검수·품질등급·오류신고 기반 품질정보 관리
		활용 정보	조회·사용·만족도·재사용 기반 활용정보 관리

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

미래교육과정

적응형 교육과정 그래프

기본 정보

교육과정 기준정보

교육과정 정보

교육과정 내용정보

성취기준 정보

학습개념정보

개념 정보

수업설계정보

수업 정보

교육자료정보

자료 특성

학습이력정보

품질 정보

활용 정보

---

Slide 48 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(메타데이터)

• 메타데이터 정보 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역(메타데이터 정보)

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹		엔티티	엔티티설명
	데이터의 품질을 확보하고 확장성을 고려한 메타데이터 관리 영역
	정보시스템	메타데이터 관리 기준인 정보시스템 데이터 그룹	타 시스템과 연계하기 위한 대상 및 설정정보 관리
		정보시스템	전문포털 정보	메타관리를 위한 정보시스템 데이터
		응용프로그램	전문포털 정보	응용프로그램 단위 관리를 위한 데이터
	데이터베이스(DB)	데이터베이스 관리를 위한 데이터 그룹	타 시스템과 연계를 위한 연계 항목 관리
		데이터베이스	연계항목	데이터베이스 정보 데이터
		테이블	연계항목	데이터베이스에 생성된 테이블 정보 데이터
		칼럼(필드)	연계항목	데이터베이스에 생성된 컬럼 정보 데이터
	데이터 표준	데이터 표준 관리를 위한 데이터 그룹	타 시스템과 연계 처리에서 발생하는 데이터 관리
		표준도메인	연계 모니터링	데이터 값이 공통으로 갖는 데이터 형식 정의 데이터
		표준용어	연계 모니터링	표준단어로 구성된 표준 용어 정의 데이터
		표준단어	연계 모니터링	단어의 표준을 정의한 데이터
		표준코드	연계 모니터링	공통의 값을 정의한 코드 데이터
	데이터 모델	데이터 모델 관리를 위한 데이터 그룹	타 시스템과 연계 결과에 대한 통계 데이터
		논리모델	연계 모니터링	응용프로그램 단위의 논리 모델 관리 데이터
		물리모델	연계 모니터링	응용프로그램 단위의 물리 모델 관리 데이터

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

메타데이터 관리

정보시스템

데이터표준

데이터베이스(DB)

데이터베이스

정보시스템

표준도메인

테이블

응용프로그램

표준용어

칼럼(필드)

표준단어

표준코드

데이터모델

논리모델

물리모델

---

Slide 49 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(시스템 연계)

• 시스템 연계 정보 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역(시스템 연계 정보)

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹		엔티티	엔티티설명
시스템 연계	데이터 연계분야 주제영역 정보
	연계대상	타 시스템과 연계하기 위한 대상 및 설정정보 관리	타 시스템과 연계하기 위한 대상 및 설정정보 관리
		포털(기관) 정보	전문포털 정보	연계 대상인 포털(기관)의 접근 설정 정보 데이터
		연계 설정 정보	연계 설정 정보	연계 방식, 주기 등 실시간 연계 정보 데이터
	연계항목	타 시스템과 연계를 위한 연계 항목 관리	타 시스템과 연계를 위한 연계 항목 관리
		연계항목	연계항목	연계 세부 항목을 정의한 데이터
	연계처리	타 시스템과 연계 처리에서 발생하는 데이터 관리	타 시스템과 연계 처리에서 발생하는 데이터 관리
		연계 모니터링	연계 모니터링	실시간 연계에서 발생하는 연계 상태 데이터
		연계로그	연계로그	실시간 연계 시의 세부적인 로그 데이터
	연계통계	타 시스템과 연계 결과에 대한 통계 데이터	타 시스템과 연계 결과에 대한 통계 데이터
		연계 수집 통계	연계 수집 통계	연계 처리시의 최초, 변경 등의 연계 통계 데이터
		연계 처리 통계	연계 처리 통계	연계 처리시에 발생하는 성공, 실패 등의 기간별 통계 데이터

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

시스템 연계

연계대상

연계처리

연계항목

연계항목

전문포털(기관)정보

연계 모니터링

연계설정 정보

연계로그

연계통계

연계수집 통계

연계처리 통계

---

Slide 50 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 목표 데이터 주제 영역(시스템 관리)

• 시스템 관리 정보 주제영역을 식별하고, 주제영역별로 데이터 그룹, 엔티티에 대한 상세 내용을 정의함

목표 데이터 주제 영역(시스템관리 정보)

주제영역 구성도

주제영역 구성 설명

주제영역	데이터그룹		엔티티	엔티티설명
시스템 관리	포털시스템의 관리와 관련된 주제영역
	시스템 관리자	포털 시스템을 관리하는 관리자 그룹	타 시스템과 연계하기 위한 대상 및 설정정보 관리
		포털관리자	전문포털 정보	포털 시스템 Admin 데이터
		포털관리자	전문포털 정보	포털 시스템 Admin 데이터
	시스템 환경	포털 시스템 환경 구축과 관련한 데이터 그룹	타 시스템과 연계 처리에서 발생하는 데이터 관리
		포털매뉴얼	연계 모니터링	포털 이용을 위한 지침 등의 매뉴얼 데이터
		메뉴관리	연계 모니터링	포털 메뉴 구조 데이터
		권한관리	연계 모니터링	포털 메뉴 접근 권한 등의 권한 데이터
		시스템로그관리	연계 모니터링	포털에서 발생하는 각종 로그 데이터
	공통코드	포털 데이터 관리를 위한 코드 정보 그룹	타 시스템과 연계 결과에 대한 통계 데이터
		학교 코드	연계 모니터링	학교 코드 데이터
		근무처코드	연계 모니터링	사용자 근무처 구분을 위한 근무처 데이터
		위원회코드	연계 모니터링	확장성을 고려하여 정의한 위원회 코드 데이터
		분류코드	연계 모니터링	업무(사건)분류를 위한 분류코드 데이터

지식허브

• 메타
• 데이터
• 관리

포털

LXP

• 행정지원

• (Agent)

• AI 학습

• Agent

• 콘텐츠

• 서비스

• 데이터

• 분석

• 시스템

• 연계

• 시스템

• 관리

시스템관리

시스템관리자

시스템 환경

시스템운영자

포털운영자

포털관리자

포털메뉴얼

메뉴관리

권한관리

시스템로그관리

공통코드

직원코드

공통코드

유형코드

부서코드

---

Slide 51 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(1/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
포털	포털에의 관리와 관련된 주제영역	교육디지털 원패스가입	교육디지털 원패스 가입과 관련된 데이터 그룹	학생회원 가입	약관동의하기	이용약관을 확인하고 동의. 만 14세 미만 여부를 선택. 개인정보 수집 및 이용에 동의
					학생 학적정보 입력하기	학교 선택. 학생의 이름, 생년월일, 학적정보 등을 입력. 만 14세 미만의 경우에는 법정 대리인의 동의(본인인증)가 필요.
					학생 회원정보 추가입력하기	아이디, 비밀번호 등을 입력. 이메일 계정으로 인증.
				학생회원가입지원	학생가입 현황	학생 회원가입 현황에서 미가입 학생 확인
					학생 정보 입력하기	학생의 이름과 학적 정보를 확인하고 생년월일 정보를 입력
					아이디, 비밀번호 부여	학생이 사용할 ID, 비밀번호를 입력하여 확인/학생의 계정정보를 해당 학생에게 전달
		로그인	로그인과 관련된 데이터 그룹	학생	아이디/비밀번호	아이디, 비밀번호 입력
					간편인증	아이디 입력
					약관동의(미동의자)	약관을 미동의한 사용자의 약관동의
					아이디 찾기	분실한 아이디 찾기
					비밀번호 찾기	분실한 비밀번호 찾기
					아이디/비밀번호	아이디, 비밀번호 입력
					간편인증	아이디 입력
					인증서	아이디 입력
				수업참여	수업코드 입력	교사가 알려준 수업명 및 수업코드를 입력하여 해당 수업에 참여
		포털홈(교사)	포털홈(교사)와 관련된 데이터 그룹	메인화면	나의 할일	오늘 할일, 전체 할일, 오늘의 수업 등의 현황을 확인
					수업 진행 현황	전체수업, 진행전수업, 진행완료 수업 등을 표시
					공지사항	수업 공지사항 등록
					질의응답	질의응답 실시한 내용 확인
				게시판	FAQ	FAQ
					이용자매뉴얼	사용자 매뉴얼 보기
					교사 커뮤니티	교사간 정보공유, 이벤트 참여 등을 위해 등록한 목록을 확인. 게시글 작성. 게시글 확인
					우리반게시판	게시판 목록을 확인하고 상세 화면을 조회, 해당 질문을 삭제, 새 게시물 등록

---

Slide 52 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(2/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
포털	포털에의 관리와 관련된 주제영역	포털홈(교사)	포털홈(교사)와 관련된 데이터 그룹	캘린더	달력 일정	학사일정, 수업일정등을 확인하고 개인일정 등을 추가
				내정보 관리	프로필 변경	개인 사진을 포함한 정보를 변경
					비밀번호 변경	신규 비밀번호를 변경
		포털홈(학생)	포털홈(학생)와 관련된 데이터 그룹	메인화면	나의 할일	오늘 할일, 전체 할일, 오늘의 수업 등의 현황을 확인
					수업 진행 현황	전체수업, 진행전수업, 진행완료 수업 등을 표시
					공지사항	수업 공지사항 확인
					질의응답	질의응답 실시한 내용 확인
					감정출석	감정출석부 등록
					AI 진단	나의 학습에 대한 학습 상태, 취약점 진단, 학습경로를 안내
				게시판	FAQ	FAQ
					이용자매뉴얼	사용자 매뉴얼 보기
					우리반게시판	게시판 목록을 확인하고 상세 화면을 조회, 해당 질문을 삭제, 새 게시물 등록
				캘린더	달력 일정	학사일정, 수업일정등을 확인하고 개인일정 등을 추가
				내정보 관리	프로필 변경	개인 사진을 포함한 정보를 변경
					비밀번호 변경	신규 비밀번호를 변경
				학생생활 보기	학교생활기록	인적·학적사항, 출결상황, 창의적체험활동상황, 교과학습발달 상황, 행동특성 및 종합의견 등 나의 학교생활기록을 확인
					(중·고) 시간표	조회일자를 선택하고 조회하면 1주일을 단위로 시간표를 조회.
					(초) 주간학습	조회일자를 선택하고 조회하면주일을 단위로 시간표를 조회.
					출결정보	학년도 등을 선택하여 조회하면 해당 기간에 대한 출결현황 및 출결상세내용을 조회. “출결상황 관련 규정 안내”버튼을 클릭하면 출결 규정을 확인.

---

Slide 53 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(3/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
포털	포털에의 관리와 관련된 주제영역	포털홈(학생)	포털홈(학생)와 관련된 데이터 그룹	학생생활 보기	봉사활동내역	올해 활동한 봉사활동의 일자, 장소, 활동내용, 시간 등의 내용을 조회.
					학교스포츠클럽	학년도 등을 선택하여 조회하면 해당 기간에 대한 학교스포츠클럽 활동내역을 조회.
					(고등학교) 대입전형자료 조회하기	학교에서 대입전형을 위해 생성한 학교생활기록에 대하여 상세 제공자료 및 대학교에서 요청 현황 등을 조회. 졸업예정자의 경우 해당 메뉴 내 ‘대입전형 제공자료’에서상세 제공 자료를 조회
				학생평가 보기	(초·특) 교과평가	학년, 학기 별 조회하려는 과목을 선택하면 해당 평가결과를 조회.
					(초·특) 성적	학년, 학기 별 학기말 종합의견 및 교과 학습발달상황 등의 내용을 확인.
					(중) 학교생활통지표	학년, 학기 등을 선택하고 조회하면, 중학교 학생에게는 자유학기 학교생활통지표를 조회.
					(중·고) 성적표	학년, 학기 기준으로 과목별 학생의 점수와 성취도, 원점수, 과목 평균 등의 내용을 확인 가능
					(중·고) 고사별정오답표	학년, 학기, 고사 등을 선택하고 조회합니다. 정오답표를 확인하고 싶은 과목을 선택하면, 과목별로 문항유형, 배점, 정답, 나의 답, 정오답 여부 등을 확인
					(고) 표준점수분석표	학년, 학기, 기준 등을 선택하고 조회하면 과목별 표준점수와 나의 점수를 시각자료로 조회
					(중·고) 성적분석	성적분석 메뉴에서는 성적향상도, 학습진단, 성적변화표 등의 시각자료를 제공하여 나의 평가결과를 분석. 성적변화표는 고등학교 학생에게만 제공.
				학생건강 보기	건강기록	학생의 감염병 예방접종 내역, 신체발달상황, 신체의 능력, 건강검진현황 등의 정보를 확인.
					PAPS 정보	PAPS 활동처방 : 측정한 PAPS 결과에 대한 처방내역과 신체활동빈도 등을 확인.
						PAPS 평가결과 : 심폐지구력, 유연성, 근력·근지구력, 순발력, 체지방 등 나의 PAPS 결과를 확인.
						평가결과이력 : 조회기간을 입력하여 조회하면 나의 키, 몸무게, 체지방률 등을 포함하여 체력평가 결과를 확인.
						통계분석 : 학급, 학년의 평균·최대·최소점수 등을 확인하여 나의 PAPS 결과를 비교· 분석.
						지수 : PAPS 측정결과를 바탕으로 알 수 있는 다양한 PAPS 지수를 확인.
						(특) PAPS-D : 특수학교에 재학 중인 학생의 PAPS-D 결과를 조회.

---

Slide 54 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(4/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
포털	포털에의 관리와 관련된 주제영역	포털홈(학생)	포털홈(학생)와 관련된 데이터 그룹	방과후학교 신청하기	방과후학교 조회 및 신청	학년도, 학교, 학기 등을 선택하고 조회하면 해당 기간에 우리학교에서 운영 중인 방과후학교 프로그램 목록을 조회. 프로그램명, 강사명, 시간표 등을 클릭하면 상세내용을 확인. 해당 프로그램에 수강신청.
					방과후학교 신청 현황	방과후학교 프로그램 신청 현황을 확인. 나의 방과후학교 시간표를 확인. 내가 신청한 방과후 프로그램을 확인하고, 수강신청상태에 있는 프로그램에 대해서는 수강신청을 취소.
					출결정보	수강하고 있는 방과후학교 프로그램(상세내용)을 확인하고, 해당 프로그램에 대한 출결 현황을 확인.
				고등학교 수강신청하기	수요조사 참여하기	고교학점제 운영을 위해 학교 교육과정 편성에 있어 학생들이 선호하는 교과목 파악을 위한 기초조사.
					수강신청 참여하기	학생은 수강신청을 참여하여 개인의 진로와 적성에 따라 교과목을 스스로 선택.
					결과 확인하기	학생은 수요조사 또는 수강신청 결과를 확인.
					수강신청 재신청하기	수강신청 기간에 이미 이수한 과목이거나 선이수 과목을 이수하지 않았을 경우 등의 사유로 수강신청이 반려된 과목을 변경하여 재신청.
					학점이수현황 알아보기	교과군별 필수 이수학점, 학년별 이수학점, 합계 정보 등을 확인.

---

Slide 55 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(5/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
LPX	LPX에의 관리와 관련된 주제영역	수업(교사)	수업(교사)와 관련된 데이터 그룹	학습창	기본 환경 설정	카메라, 마이크, 스피커 활용, 현재시각, 수업명, 학습주제, 학습목표, 수업공지 등 수업 기본정보를 조회, 수업에 입장(통합학습창 접속)한 학생과 미입장한 학생 정보를 확인
				외부 클래스 연결	외부 연결	외부 화상지원 Tool 연결
				교재보기	교재 목록	등록된 교재 List
					유투브 보기	영상 재생은 교사만 할 수 있으며, 교사가 재생 시작을 하면 학생 쪽에서도 시작
					웹 URL 보기	웹 페이지 보기
					동영상 보기	동영상파일을 공유하여 함께 시청
					문서 보기	문서 파일을 열람한다
				수업도구	판서하기	교재에 다양한 도구로 판서 및 그리기 등의 작업하며 학생에게 판서 권한을 부여하고 회수
					화이트보드 사용	학급 전체 및 그룹별로 권한 사용권한을 부여하여 스티키 노트 등의 파일을 업로드하거나, 외부 링크를 공유하는 것도 가능
					메시지	개별 학생, 그룹. 학급 전체에 메시지를 전송
					교사화면공유	교사의 화면을 복사하여 학생의 화면에 표출
					손들기 확인	손들기한 학생을 확인
					발표시키기	특정 학생을 지정하여 판서권한과 마이크 사용을 허가
					집중확인	수업 집중을 유도하기위하여 학생의 집중여부를 확인
					질의 응답	학생이 요청한 질문을 확인하고 답변을 작성
				과제 운영	과제제시	수업 과제를 학생들에게 공지
					과제현황	과제의 제출현황을 확인_과제제목, 제출자, 점수, 제출일, 수정일
					제출과제	학생 개인별로 제출한 과제 이력을 확인하고 열람
					과제 제출 닫기	과제 제출 중지 설정
				문제지 운영	문제지 제시	학생들에게 문제지를 제시
					문제지 현황	학생들의 문제 풀이 진행 상태를 확인
					문제풀이 결과	학생 개별 오답 확인, 학생별, 문항별 집계 결과

---

Slide 56 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(6/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
LPX	LPX에의 관리와 관련된 주제영역	수업(교사)	수업(교사)와 관련된 데이터 그룹	질문 운영	질문 제시	학생들에게 질문지를 제시
					질문 결과	학생별 또는 문항별로 응답에 대해 한눈에 모아보고 문항별 답안 통계 화면에서 그래프로 조회
				토론 운영	토론 제시	학생들에게 토론주제를 제시
					토론확인	학생들의 토론내용을 확인하고 교사 답변을 작성
				설문 운영	설문 제시	학생들에게 설문지를 제시
					설문결과	설문결과의 상세내용을 확인(항목별 설문내용 및 응답율, 답변 내용 등), 설문의 참여자별 응답내용을 확인
				수업 관리	칭찬포인트 부여	학생에게 부여하고자 하는 포인트와 내용을 입력(학생에게 부여한 포인트만큼 부여 가능한 포인트가 차감)
					상벌점 부여	학생에게 상벌점을 부여
					출결관리	차시 수업 별 출결 상태 상세 조회 및 변경(등교 수업: 등교 수업은 일괄 출석으로 처리 (직접 변경 필요), 영상 수업: 수업 설계 시 설정한 시청 %에 따라 출석 처리, 화상 수업: 수업 입장 시에 출석 처리). 수업목록에서 수업명을 선택하면 해당 수업 전체의 출결현황 확인이 가능
					관찰기록	수업 중 관찰할 수 있는 학생의 학습활동에 대해 간단하게 기록
					수업참여 현황	해당 수업에 참여하는 개별 학생에게 부여된 과제와 문제지에 대한 진행상태를 확인, 미참여학생에게 알람 전송
					학점이수현황	수업에 참여한 학생별로 학생의 학점이수현황을 확인
					수업결과	자신이 실시했던 수업이력을 확인(수업명,시작및종료일시, 수업시간, 참석자 명단, 입퇴장)
					감정출석부	클래스 멤버들의 감정상태를 확인
					학생 차단	학생의 수업활동을 제한
					온라인 조종례	조종례 실시

---

Slide 57 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(7/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
LPX	LPX에의 관리와 관련된 주제영역	수업(학생)	수업(학생)와 관련된 데이터 그룹	학습창	관련된 각종 장비	카메라, 마이크, 스피커 활용 가능(카메라,마이크 기본 불가), 현재시각, 수업명, 학습주제, 수업공지 등 수업 기본정보를 조회, 수업에 입장(통합학습창 접속)한 학생과 미입장한 학생 정보를 확인
				외부 클래스 연결	외부 화상 지원	외부 화상지원 Tool 연결
				교재보기	유투브 보기	영상 재생은 교사만 할 수 있으며, 교사가 재생 시작을 하면 학생 쪽에서도 시작
					웹 URL 보기	웹 페이지 보기
					동영상 보기	동영상파일을 공유하여 함께 시청
					문서 보기	문서 파일을 열람한다
				수업도구	판서하기	권한을 부여 받은 학생은 판서 사용
					화이트보드 사용	학급 전체 및 그룹별로 권한 사용권한을 부여하여 스티키 노트 등의 파일을 업로드하거나, 외부 링크를 공유하는 것도 가능
					메시지	개별 학생, 그룹. 학급 전체에 메시지를 전송
					교사화면공유	교사의 화면을 복사하여 학생의 화면에 표출
					손들기	손들기
					발표하기	마이크 사용과 판서하기 권한을 부여 받아 발표
					집중확인	집중 메시지에 응답
					질의 응답	학생이 요청한 질문을 확인하고 답변을 작성
					학습메모기록	학습메모를 기록하거나 확인
				수업활동	과제제출	교사가 제시한과제에 대한 결과물을 작성하고 교사에게 제출
					과제결과	교사 피드백 및 점수를 확인 필요시 수정 제출 가능
					문제지 풀기	교사가 제시한 문제지 풀기 및 자동채점 결과 확인
					질문 풀기	교사가 제시한 질문에 응답 및 결과 확인
					토론참여	토론에 참여하여 내용을 작성
					설문 활동	설문 내용을 이해하고 응답하여 제출, 수업 종료 시 수업에 대한 만족도 설문에 참여/수업 이해도, 수업 집중도
					게시판	게시판을 작성하고 댓글로 의견 공유
					온라인 조종례	조종례 참석

---

Slide 58 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(8/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
행정지원 (Agent)	행정지원(Agent)에의 관리와 관련된 주제영역	AI 어시스트	AI 어시스트와 관련된 데이터 그룹	AI 어시스터	프롬프트	주제차시나 유사질문 리스트를 검색하여 참고하며 답변을 작성하고 필요시 첨부파일(이미지, 동영상, 음성, URL)을 추가
		수업설계	수업설계와 관련된 데이터 그룹	수업개설	교육과정 개설	나이스의 학교 교육과정 편성 정보를 이용 한 학기의 수업을 개설
					자체운영 개설	교사가 직접 수업의 교과, 대상학생, 운영기간 등의 정보를 입력하여 개설(추후 학교운영과목으로 변경 가능)
					외부 교육서비스 연결	교사는 수업을 개설하면서 또는 개설하고 난 이후에, 외부 교육서비스와 연결이 가능
				수업환경 설정	수업 알림 설정하기	모바일 앱 사용자에게 해당 수업의 과제, 문제지, 질문 등에 대한 푸시알림을 수신할 수 있는 범위와 시간을 설정
					수업공지사항 작성	해당 수업을 수강하는 학생들에게 공지할 내용을 작성하여 게시
					칭찬포인트	학생들에게 부여할 칭찬포인트 및 부여기준 등을 관리
				멤버 구성	교사 초대하기	타 교사를 수업에 초대. 초대받은 교사의 수락이 있어야 초대가 완료
					학생 초대하기	학교운영과목에서는 나이스 교육과정에 편제된 정보에 의해 참여학생 목록이 생성. 자체운영수업 또는 전입생 등 나이스에서 학적반영이 안된 경우, 참여자 목록에서 수업에 참여할 학생을 초대.
					학습그룹 설정	자동생성 기능을 이용하면 학습그룹을 번호순 또는 임의로 구성하여 간편하게 학습그룹을 구성하거나 교사가 직접 학습그룹을 등록하고 학생별로 그룹을 지정
					튜터권한 설정	수강생의 정보를 확인, 성적을 평가, 성적 최종 공개 권한을 부여. 구성원 등록 및 등급을 변경, 클래스 운영 시스템 메일 수신 여부 선택.
				차시 설정	차시정보 설정	차시, 차시명, 차시일시 등의 정보를 입력. 학교운영과목의 경우 나이스 교육과정 정보에 따라 차시, 차시일시는 자동으로 입력. 학생에게 차시정보의 공개 여부를 결정하고, 외부 교육 서비스 연결이 가능.
					성취기준 등록	나이스플러스에서는 차시에 하나 이상의 성취기준을 등록. 등록한 성취기준은 차시의 학습 목표에 자동으로 등록.
					관찰기록 설정	관찰기록은 교사가 직접 입력할 수 있는 양식을 기본으로 제공하며, 필요 시 차시설정의 관찰기록 영역에서 척도형 관찰기록을 추가.
					학습목표 입력	모든 차시에서는 학습목표를 기본으로 제공하며 성취기준을 추가하여 등록.
					신규차시 생성	나이스 시간표와는 별도로 새로운 차시를 생성하여 운영하는 경우, 차 시명, 차시일시, 타서 비스 연결 등의 정보를 입력하고 저장하면 차시목록에 새로운 차시가 생성

---

Slide 59 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(9/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
행정지원 (Agent)	행정지원(Agent)에의 관리와 관련된 주제영역	수업설계	수업설계와 관련된 데이터 그룹	수업교재 구성	수업꾸러미 등록	콘텐츠 서비스에 등록된 꾸러미에서 선택
					첨부 파일 등록하기	교사의 PC에 저장되어있는 파일 또는 내 자료실에 업로드된 파일을 등록. 또한 웹오피스 문서(읽기전용)를 작성하여 첨부.
					동영상 파일 등록하기	PC에 저장된 동영상 파일을 업로드. 동영상의 재생구간을 설정하여 학생에게 제시가능.
					유투브 영상 등록	URL 주소 입력으로 신규 유투브 영상 등록
					URL 등록	웹페이지 URL 등록
				수업활동 구성	문제지 등록	콘텐츠서비스에서 미리 저장해둔 문제지를 선택하여 등록.
					과제 등록	콘텐츠서비스에서 미리 저장한 과제 중에서 학생들에게 제시할 과제를 선택하여 수업에 등록.
					질문 등록	콘텐츠서비스에서 미리 저장해둔 질문을 선택하여 수업에 등록
					설문 등록	설문의 상세내용을 작성하고 확인( 단답형, 서술형, 객관식, 다중선택 등 다양한 유형의 설문이 가능, 질문과 답변(&옵션)도 자유롭게 추가 or 삭제 가능, 파일첨부도 가능)
					토론 등록	토론주제, 주제설명을 입력
					동료 평가	제목을 설정, 과제의 내용을 세팅. 평가에 필요한 평가의 루브릭 설정 가능. 유의 사항과 각 점수별 기준 입력. 배점 입력과 평가 인원 설정
		평가기록	평가기록와 관련된 데이터 그룹	과제 관리	과제 채점	AI가 채점한 결과에 선생님이 보완평가. 학생에게 반환하여 추가 작성을 요구. 학생에게 바로 알림을 송신. 학생이 제출한 과제에는 교사의 코멘트를 입력하여 과제 제출의 의견을 전달. 과제의 제출 일시를 확인. 우수한 과제 표시 가능. 다시 제출 기능을 제공. 과제 이력(평가 상태, 수정 횟수) 관리가 가능
					평가기준표(Rubric)	과제 평가 평가기준표를 만들어 평가
					과제 유사도 검색	다른 과제에 제출된 온라인 문서와 해당 과제의 유사한 정도를 비교
					진행 중 과제	진행 중 과제는 차시에 등록하여 학생들에게 부여된 과제. 제출시작일에 도달하지 않더라도 과제가 수업에 등록되면 진행 중 과제 목록에서 확인. 과제의 목록에서 과제 대상의 전체 학생 수, 제출한 학생 수, 채점내용이 저장된 학생 수 등을 확인.

---

Slide 60 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(10/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
행정지원 (Agent)	행정지원(Agent)에의 관리와 관련된 주제영역	평가기록	평가기록와 관련된 데이터 그룹	과제관리	완료한 과제	학생들이 과제를 제출하고 교사가 채점을 모두 완료한 상태에 있는 과제. 제출하지 않은 학생이 존재하거나 채점하지 않은 과제가 있을 때에도 진행 중 과제를 “완료하기” 처리가 가능. 학생들이 채점 결과를 확인할 수 있도록 알림을 보내며, 목록의 더보기 메뉴에서 과제를 완료한 경우에는 알림을 보내지 않고 채점결과를 제공안함
행정지원 (Agent)	행정지원(Agent)에의 관리와 관련된 주제영역	평가기록	평가기록와 관련된 데이터 그룹		제출 관리	선생님이 수업을 통해 학생에게 부여한 과제 중, 학생이 아직 제출하지 않은 과제 목록을 확인하고 미 제출 학생에게 푸시 알림
				문제지 관리	문제지 채점	학생이 문제지의 답안을 작성하여 제출한 문제지는 결과보기 화면을 통해 교사가 채점(자동채점) 및 교사의견을 작성. 진행상태에 따라 학생 이름 옆의 아이콘이 변경( 미제출, 제출, 채점 중, 채점완료)
					제출 관리	제출기간 동안 미 제출 학생들에 대해 푸시알림. 채점완료 후 학생들에게 결과 확인 알림 송신
				평가통계	문제지 통계	학생별 또는 문항별로 답안 통계.
					성취기준별 점수	성취기준별 점수 확인 가능(생활기록부 교과 평가 시 사용 가능). 학생이름 검색으로 개인 성적 확인
					과제 통계	과제 평가 결과 통계
					성적 취합	학생들이 제출한 과제 및 퀴즈에 대해서 점수처리를 위하여 스프레드시트나 CSV로 다운로드
				포트폴리오 평가	포트폴리오 평가	교사는 학생별 포트폴리오를 확인하고 종합평가를 작성
		나이스 연계	나이스 연계와 관련된 데이터 그룹	나이스 입력	학생별 성적	학생별 수행평가 성적을 나이스에 교사의 확인 하에 자동입력
					관찰기록	수업중 작성한 관찰 기록을 나이스에 등록
					출결정보	수업중 작성한 출결정보를 나이스에 등록
				환경 구성	교과 정보	학교 교과정보를 나이스에서 수신
					반편성정보	반에 속한 학생 리스트를 나이스에서 수신
					교사정보	담임 및 교과목 담당 교사 정보를 나이스에서 수신
					학생변경정보	반에 속한 학생 리스트의 변경된 정보를 나이스에서 수신
					시간표	수업시간표 정보를 나이스에서 수신

---

Slide 61 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(11/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
AI학습Agent	AI학습Agent 에의 관리와 관련된 주제영역	AI 튜터	AI 튜터와 관련된 데이터 그룹	AI 튜터	프롬프트	챗봇을 활용하여 질의하면 관련되거나 유사한 질문이나 콘텐츠를 찾아주어 콘텐츠를 보거나 답변 내용을 확인
		학습서비스	학습서비스와 관련된 데이터 그룹	수업 결과	수업활동현황	제출하지 않은 과제 및 문제지 목록을 확인하고 채점 결과를 확인.
					출결 확인	선생님이 학생의 출결상황을 입력하고, 마감한 경우에 자신의 출결상황을 확인. 자신의 최초접속 일시도 함께 확인.
					제출하지 않은 과제	선생님이 수업을 통해 학생에게 부여한 과제 중, 학생이 아직 제출하지 않은 과제 목록
					제출한 과제	학생이 과제를 작성하여 선생님께 제출한 상태에 있는 과제. 선생님이 제출취소를 하여야 과제를 다시 작성하여 재제출. 채점이 완료된 과제에 대해서 결과 확인.
					학점이수현황	개인의 학점 이수 현황(고교)
					칭찬포인트 현황	학습포인트 현황을 확인. 다양한 그래프를 통해 확인하고, 세부내역을 조회.
					배지 현황	학습포인트를 모아 학생이 달성한 배지를 확인. 학생 프로필에 표시
				콘텐츠 찾기	콘텐츠 검색하기	등록된 콘텐츠목록에서 수업, 차시, 과제, 문제지, 문항 파일로 구분. 콘텐츠에 등록된 학년, 교과, 성취기준 등의 정보를 통해 분류하고 검색
					콘텐츠 추천받기	공유콘텐츠 화면에서는 사용자들의 활동 및 사용내역을 분석하여 인기 콘텐츠를 추천하고 최신 공유된 콘텐츠를 보여줌.
				나의보관함	추천 콘텐츠	교사가 전달한 콘텐츠를 확인. AI를 활용하여 나의 취약한 단원을 분석하여 추천 문제집. 취약 단원 문제집 응시 완료 시 보상 포인트 받기
					영상	영상(교사 과제, 내가 저장) 목록 보기/출처 순, 최신 순, 인기순.
					문제집 만들기	문항을 랜덤하게 출제하여 문제집을 구성하는 방식. AI가 나의 수준에 따라 자동으로 문제집을 출제하는 방식.
					내콘텐츠	도착(교사전달) /완료(학습완료) /저장(개인)) /제작(자체) 콘텐츠 목록
				학습 진단	진단하기(응시)	생성된 학습 진단 문제를 확인한 후 답변을 입력. 마지막 문항 답안 선택 후 답안 제출
					진단결과	학습 진단 문제 별 나의 답안, 정답 등 결과를 확인. 문제 유형 별 정답률을 확인(개념, 응용, 심화) . 개념,응용,심화 별 문제 평균 풀이시간을 확인. 학습 진단 출제 문항 기준 관련 문항별 해설 영상을 확인
					맞춤형 학습 목록	진단 결과에따라 맞춤형 학습목록. 문제지, 콘텐츠등을 포함

---

Slide 62 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(12/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
AI학습Agent	AI학습Agent 에의 관리와 관련된 주제영역	학습서비스	학습서비스와 관련된 데이터 그룹	논술 진단	논술문항 풀이	제시된 풀이할 문항의 주제를 및 키워드 확인, 필수 키워드를 모두 포함하여 작성 후 제출
					풀이결과 확인	선생님의 종합평가와 기본/추가 평가 기준으로 평가한 내용을 노출
				과목 리포트	요약	종합 진단 결과 확인. 보충 학습이 필요한 과목 현황.
					과목별 리포트	AI가 과목 별 코멘트와 학습 수준을 제공. 과목 별 문제풀이 수 / 문제풀이 정답률 수치를 제공. 최근 진행한 진단 단원명과 학습 수준별 메시지를 확인. 단원별 학습 수준을 확인. 차시별 학습 수준을 확인.
					누적 학습 현황	단원 별 문제 풀이수/정답율을 확인. 단원 별 동영상 시청 시간 확인. 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간 분석표. 개념 / 응용 / 심화 문제 별 정답률을 단원 별로 확인
				종합 리포트	학습 수준	학기 시작일부터 접속 일까지 나의 월별 누적 학습 수준 그래프와 수준별 메시지를 확인. 나의 학습 수준 진단 결과확인
					과목별 리포트	이번 학기 과목별/영역별 월 별 진단 결과
					누적 학습 현황	월 별 문제 풀이수/정답율 확인. 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간 분석표 재공. 나의 주차 별 동영상 시청 시간 확인. 개념 / 응용 / 심화 문제 별 정답률을 월별로 확인
				자기주도학습	문제 풀기	수업 문제지, 나의 문제지, 콘텐츠 문제지를 풀기. 문제지는 학생의 문제지 보관함에 저장되어 학생이 여러 번 다시 풀어보고 회차별로 결과를 관리. 임시저장으로 문제지 풀이를 완료하지 않고 자신이 푼 문항까지 저장
					채점 하기	나의 문제지 또는 콘텐츠 문제지 풀이를 완료 후 자동으로 채점. 서술형 문항은 정답으로 우선 채점하며 학생이 정답 및 해설을 확인하여 다시 채점 가능. 해당 문제지를 여러 번 풀어본 경우에는 풀이한 회차별로 결과를 확인.
					오답노트 작성하기	학생이 주제, 틀린 이유 등 학생이 정한 기준으로 문항을 구분하여 카테고리의 색깔을 선택하여 저장. 문항과 관련된 학습개념을 정리하거나 틀린 문항에 대해 올바른 풀이 과정을 기록. 과목별 오답노트에 작성된 모든 오답노트 목록 확인.
					오답노트 보기	과목별로 작성한 오답노트 문항을 확인. 작성한 오답노트는 카테고리의 색깔을 통해 오답노트 목록에서 구별
					콘텐츠 학습	단원/차시에 맞는 추천 콘텐츠를 검색하여 콘텐츠 등록 후 학습
				포트폴리오 (성취기준)	포트폴리오 작성 및 확인	학생은 선생님이 평가한 내용을 확인

---

Slide 63 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(13/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
콘텐츠 서비스	콘텐츠서비스에의 관리와 관련된 주제영역	문제지 서비스	문제지 서비스와 관련된 데이터 그룹	문항 보관함	내 문항	내 문항 보관함에 저장된 본인이 작성한 문항. 작성된 문항의 내용을 확인하고 문항을 수정. 학교급, 학년, 교과, 성취기준, 난이도, 문항유형 등의 정보를 입력. 문항유형에 따라 발문, 지문, 보기의 형태로 작성. 힌트 또는 해설을 작성하여 문항 풀이에 도움.
					즐겨찾는 문항	콘텐츠서비스에서 즐겨찾기로 저장해둔 문항 콘텐츠. 동료 교사에게 추천 가능
					공유 문항	동료 교사에게서 추천된 문항을 보관함에서 검색
				문항 만들기	선다형 문항 만들기	선다형 문항의 난이도, 문항내용, 답안, 힌트 및 해설 등을 작성하고 저장
					진위형 문항 만들기	진위형은 O/X 형태가 기본으로 제공되며 교사가 직접 T/F 또는 사실/거짓 등으로 텍스트를 수정 가능
					단답형 문항 만들기	단답형문항의 난이도, 문항내용, 답안, 힌트 및 해설 등을 작성하고 저장
					서술형 문항 만들기	서술형 문항의 난이도, 문항내용, 답안, 힌트 및 해설 등을 작성하고 저장
					다중문항만들기	기본정보 및 필수정보를 입력 및 문항 선택을 통해 다중문항 콘텐츠를 생성
					AI 문항 생성	학교급, 학년, 교과, 성취기준, 난이도, 문항유형 등의 정보를 입력. 문항유형에 따라 발문, 지문, 보기의 형태로 작성. 힌트 또는 해설 작성. 장성된 문항은 문항만들기로 이전되어 저장 가능
				문제지 만들기	문항 찾기	학년, 교과, 성취기준 등의 출제범위를 지정하여 문항을 검색. 교사가 설정한 문항의 검색조건을 입력하여 내 문항 또는 콘텐츠 문항, 즐겨찾기 문항을 검색
					문항 고르기	검색한 문항의 목록을 확인. 문항 상세보기 후 문항별로 힌트 제공 여부, 배점 등의 설정을 적용.
					순서 바꾸기	문제지에 등록된 전체 문항목록을 확인하고 문항 간의 순서 변경
					저장하기	문제지의 제목, 내용 등을 입력하여 문제지를 저장
					AI 문제지 생성	4가지 문제집 유형이 랜덤하게 작성되어 제공되며 미리보기로 확인 후 문제지로 저장 가능

---

Slide 64 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(14/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
콘텐츠 서비스	콘텐츠서비스에의 관리와 관련된 주제영역	문제지 서비스	문제지 서비스와 관련된 데이터 그룹	문제지 보관함(교사)	저장한 문제지	저장한 문제지는 교사가 작성하고 수업에 등록하지 않은 상태의 문제지. 추후 “수업에 등록 하기” 과정을 통해 차시에 등록하여 수행평가나 추천 문제지로 학생들에게 제공.
					진행 중 문제지	학생들에게 부여된 문제지. 진행 중 문제지의 목록에서 문제지의 전체 대상학생 수, 제출한 학생 수, 채점이 끝난 학생 수 등을 확인.
					완료한 문제지	학생들이 문제지를 제출하고 교사가 채점을 모두 완료한 상태에 있는 문제지. 문제지의 결과 보기 화면에서 문제지를 마감한 경우에는 학생들이 채점 결과를 확인할 수 있도록 알림을 보내며, 목록의 더보기 메뉴에서 문제지를 완료한 경우에는 알림을 보내지 않고 채점결과를 제공 하지 않음
					공유 문제지	동료 교사에게서 추천된 문제지를 보관함에서 검색
				문제지 보관함(학생)	수업 문제지	선생님이 수업을 위해 등록하여 학생에게 부여한 문제지. 채점이 끝난 수업 문제지는 학생이 나의 문제지로 생성 가능.
					나의 문제지	학생이 직접 나의 문제지를 만들어 풀고 나면 학생은 자동채점 기능을 활용하여 간편하게 채점 가능
					공유 문제지	선생님이 공유한 추천 문제지를 조회하고 문제지 콘텐츠를 풀면 학생의 문제지 보관함에 공유 문제지로 추가 됨. 공유 문제지는 나의 문제지와 마찬가지로 학생이 자기주도 학습을 위해 풀어보고 채점이 가능.
		수업꾸러미	수업꾸러미와 관련된 데이터 그룹	수업꾸러미 목록	수업 꾸러미 검색	내가 만든 수업꾸러미 및 공유된 수업꾸러미를 검색
					미리보기	수업꾸러미의 내용을 검토(문서보기 및 영상 재생 등)
				수업꾸러미 생성	적용범위 선택	교육과정내에서 수업꾸러미로 구성할 단원(대/중/소)을 선택
					학습콘텐츠 선택	적응형 교육과정 그래프를 확인하여 해당 교육과정에 맞는 콘텐츠를 선택
					꾸러미 등록	꾸러미명, 설명을 입력하고 교과목, 교육과정을 입력하고 선택한 콘텐츠를 등록
					콘텐츠 추가	공유된 수업꾸러미 또는 교사가 보유한 콘텐츠를 추가하여 등록
				공유 꾸러미		교사에 판단으로 꾸러미의 공유를 허락

---

Slide 65 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(15/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
콘텐츠 서비스	콘텐츠서비스에의 관리와 관련된 주제영역	콘텐츠서비스	콘텐츠서비스와 관련된 데이터 그룹	공유콘텐츠 찾기	콘텐츠 검색하기	등록된 콘텐츠목록에서 서비스에서 수업, 차시, 과제, 문제지, 문항 파일로 구분. 콘텐츠에 등록된 학년, 교과, 성취기준 등의 정보를 통해 분류하고 검색
					콘텐츠 추천받기	공유콘텐츠 화면에서는 사용자들의 활동 및 사용내역을 분석하여 인기 콘텐츠를 추천하고 최신 공유된 콘텐츠를 보여줌.
				콘텐츠 활용하기	즐겨찾는 콘텐츠	공유콘텐츠를 “즐겨찾기”하면 각 서비스 목록에서 즐겨찾기한 콘텐츠의 조회가 가능
					공유콘텐츠 내용확인	콘텐츠 목록(타일)을 선택하여 미리보기 화면을 통해 콘텐츠를 사용하기 전, 콘텐츠의 내용을 확인
					신고하기	다른 사람이 공유한 콘텐츠에 대해 오류를 발견했을 때 “신고하기” 버튼을 통해 관리자에게 알림. 신고유형은 내용 오류, 잘못된 분류체계, 유해한 내용 신고, 기타 등으로 구분.
				내 콘텐츠(교사)	내콘텐츠	내가 즐겨사용하는 콘텐츠
					곤텐츠 생성	수업에 사용할 신규 콘텐츠를 생성
					콘텐츠 공유하기	다른 사용자에게 나의 콘텐츠를 공유. 콘텐츠의 주제, 핵심낱말 또는 키워드 등의 정보를 쉽게 알아볼 수 있도록 해시태그를 활용
					콘텐츠 갱신하기	내 콘텐츠를 공유한 이후에 내용을 수정하면 갱신 과정을 통해 공유콘텐츠에 수정한 내용을 반영.
					지난수업	보관처리된 수업내용
				내 콘텐츠(학생)	내콘텐츠	완료(학습완료) /저장(개인) /제작(자체) 콘텐츠 목록
					추천 콘텐츠	교사가 전달한 과제들을 확인. AI를 활용하여 나의 취약한 단원을 분석하여 추천.

---

Slide 66 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(16/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
데이터 분석	데이터분석의 관리와 관련된 주제영역	반 분석	반 분석와 관련된 데이터 그룹	과목 분석	과목 종합 리포트	우리반 과목 요약 리포트
					과목별 리포트	과목 별 학습 수준을 제공, 문제 풀이 수 / 문제풀이 정답률 수치를 제공, 해당 과목의 최근 진행한 진단 단원과 우리반 수준별 메시지를 확인, 단원 별 막대 그래프로 학습 수준을 확인, 차시 별 학습 수준을 확인 . 성취기준수준별 분석
					누적학습현황	단원 별 문제 풀이 수와 정답률 막대 그래프를 확인, 단원 별 동영상 시청 시간 막대 그래프를 확인, 개념 / 응용 / 심화 난이도 별 풀이시간 분석표
					문제유형별 정답율	개념 / 응용 / 심화 문제 별 정답률 막대 그래프를 확인
				학생별 분석	학생분포도	담당 학급의 학생들의 문제풀이 학습 현황 분포도로 확인
					문재풀이현황	담당 학급 학생들의 문제풀이 수 / 정답률, 월별 문제 풀이 학습 변화
					성취수준 분석	교과, 단원별 성취수준 분석
					학기종합영역	월별 누적 학습 수준, 수준별 메시지, 학습 수준 진단 결과
					칭찬이 필요한 학생	칭찬이 필요한 학생의 학습결과
					누적학습현황(우리반)	주차 별 문제 풀이 수/ 정답률, 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간, 주차 별 동영상 시청 시간
					문제유형별정답율(우리반)	개념 / 응용 / 심화 문제 별 정답률 막대 그래프를 확인
					누적학습현황(과목별)	과목의 누적 학습 현황
					사회정서 분석	한 달동안 감정 출석부 체크를 하지 않았거나, 지속적으로 부정적 감정을 체크한 학생 명단 확인

---

Slide 67 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(17/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
데이터 분석	데이터분석의 관리와 관련된 주제영역	학생 분석	학생 분석와 관련된 데이터 그룹	과목 리포트	요약	종합 진단 결과 확인. 보충 학습이 필요한 과목 현황.
					과목별 리포트	과목 별 코멘트와 학습 수준을 제공. 과목 별 문제풀이 수 / 문제풀이 정답률 수치를 제공. 최근 진행한 진단 단원명과 학습 수준별 메시지를 확인. 단원별 학습 수준을 확인. 차시별 학습 수준을 확인.
					누적 학습 현황	단원 별 문제 풀이수/정답율을 확인. 단원 별 동영상 시청 시간 확인. 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간 분석표. 개념 / 응용 / 심화 문제 별 정답률을 단원 별로 확인
				종합 리포트	학습 수준	학기 시작일부터 접속 일까지 나의 월별 누적 학습 수준 그래프와 수준별 메시지를 확인. 나의 학습 수준 진단 결과확인
					과목별 리포트	이번 학기 과목별/영역별 월 별 진단 결과
					누적 학습 현황	월 별 문제 풀이수/정답율 확인. 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간 분석표 재공. 나의 주차 별 동영상 시청 시간 확인. 개념 / 응용 / 심화 문제 별 정답률을 월별로 확인
					성취수준 분석	교과, 단원별 성취수준 분석
					학기종합영역	월별 누적 학습 수준, 수준별 메시지, 학습 수준 진단 결과
					칭찬이 필요한 학생	칭찬이 필요한 학생의 학습결과
					누적학습현황(우리반)	주차 별 문제 풀이 수/ 정답률, 해당 과목의 개념 / 응용 / 심화 난이도 별 풀이시간, 주차 별 동영상 시청 시간
					문제유형별정답율(우리반)	개념 / 응용 / 심화 문제 별 정답률 막대 그래프를 확인
					누적학습현황(과목별)	과목의 누적 학습 현황
					사회정서 분석	한 달동안 감정 출석부 체크를 하지 않았거나, 지속적으로 부정적 감정을 체크한 학생 명단 확인

---

Slide 68 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(18/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
지식허브	지식허브의 관리와 관련된 주제영역	미래교육과정	미래교육과정와 관련된 데이터 그룹	교육과정 기준정보	교육과정 버전	수시개정 체제(2009,2015,2022)
					학교급	학교의 등급(초중고대)
					교과	교육의 목적에 분류한 교육의 분야(국영수사과 등)
					과목	교과의 하위 개념(국어>‘문학’)
					학년	학급의 하위개념(수업연한 분류에 의한 기준)
					학기	학년의 일부기간
				교육과정 내용정보	영역	학습해야 할 지식, 기능, 태도 등을 학문적 성격이나 성취 목표에 따라 몇 가지 범주로 묶어놓은 분류 단위
					핵심아이디어	학습 이후 궁극적으로 이해해야 하는 일반화된 지식이나 개념
					내용요소	교육을 통해 필수적으로 배우고 익혀야 할 지식, 기능, 태도의 구체적인 항목(교수학습의 기준, 교과서 개발 근거), 지식/이해, 과정/기능, 가치/태도
					성취기준	교과를 통해 배워야 할 내용과, 학습을 마친 후 궁극적으로 할 수 있거나 할 수 있기를 기대하는 수업 및 평가 활동의 기준
				학습개념 정보	학습개념	경험이나 훈련을 통해 행동, 지식, 태도에 비교적 영속적이고 지속적인 변화를 가져오는 과정(교육은 방향성, 학습은 경험성)
					선수개념	새로운 지식이나 과제를 배우기 위해 반드시 사전에 알고 있어야 하는 기초 지식이나 개념(학습의 위계이며 학습 결손방지를 위한 개념)
					후속개념	현재 학습개념을 바탕으로 다음에 연결되어 발전하는 상위단계의 개념
					유사개념	현재 배우고 있는 학습개념과 성격, 구조, 원리 등이 비슷하여 서로 비교하거나 묶어서 이해하면 학습 효과가 배가되는 개념(수평적 연관 관계)
				수업설계 정보	단원	교육과정을 실제 수업으로 구현하기 위해 서로 연관된 학습 내용(성취기준, 학습개념 등)을 하나의 체계적인 덩어리로 묶어놓은 수업 설계의 기본 단위
					차시	단원의 학습 목표를 달성하기 위해 단위 시간, 개별 수업의 시간적·내용적 단위
					활동유형	학습 목표를 달성하기 위해 교사와 학생이 실제로 수행하는 교수·학습 행위의 구체적인 형태나 종류
					수업모형	학습 목표를 가장 효과적으로 달성하기 위해 수업의 전체적인 흐름과 단계를 구조화 (수업 가이드라인)
				교육자료 정보	콘텐츠	교육콘텐츠 정보(영상,음성,이미지,문서)
					평가문항	평가문항 및 문제은행 정보
					활동지	학습자가 수업에 참여하여 발생된 워크시트 정보
					프로젝트 과제	수업이후 발생하는 과제 정보

---

Slide 69 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(19/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
지식허브	지식허브의 관리와 관련된 주제영역	미래교육과정	미래교육과정와 관련된 데이터 그룹	학습이력 정보	학습자	학습참여자 정보
					활동이력	학습자 활동정보, 로깅데이터
					성취수준	수업성취기준을 데이터로 축적한 현재 성취수준 정보
					개념도달도	학습자가 교재, 강의, 매체 등을 통해 개념을 어느수준까지 정확하게 이해/습득 했는지에 대한 지표
		적응형 교육과정 그래프	적응형 교육과정와 관련된 데이터 그룹	기본정보	자료ID	자료고유번호
					자료명	자료명
					자료유형	자료의 유형
					제공기관	자료 제공기관 정보(출처)
					저작권	저작권 정보
				교육과정 정보	교육과정 버전	수시개정 체제(2009,2015,2022)
					학교급	학교의 등급(초중고대)
					교과	교육의 목적에 분류한 교육의 분야(국영수사과 등)
					과목	교과의 하위 개념(국어>‘문학’)
					학년	학급의 하위개념(수업연한 분류에 의한 기준)
					학기	학년의 일부기간
				성취기준 정보	성취기준 코드	성취기준 코드정보
					성취수준	수업성취기준을 데이터로 축적한 현재 성취수준 정보
					평가기준	학습목표기준 평가 기준정보
				개념 정보	학습개념	경험이나 훈련을 통해 행동, 지식, 태도에 비교적 영속적이고 지속적인 변화를 가져 오는 과정(교육은 방향성, 학습은 경험성)
					핵심개념	학습 이후 궁극적으로 이해해야 하는 일반화된 지식이나 개념
					선수/관련개념	선수개념 : 새로운 지식이나 과제를 배우기 위해 반드시 사전에 알고 있어야 하는 기초 지식이나 개념관련개념 : 수평적연관관계에 있는 현재 학습개념과 관련있는 개념
				수업 정보	단원	교과목의 전체 내용을 주제나 성격에 따라 묶어놓은 학습의 단위 정보
					차시	단원의 학습 목표를 달성하기 위해 단위 시간, 개별 수업의 시간적·내용적 단위
					수업단계	교수-학습 과정(시간적 흐름)을 체계적으로 나눈 단계
					수업모형	이론적 원리를 바탕으로 단순화·구조화해 놓은 체계적인 수업 설계도 정보

---

Slide 70 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 데이터 주제영역 정의서

• 업무기능이 유사한 데이터 그룹으로 주제영역 관련 개념 데이터모델에 대해 정의함

데이터 주제영역 정의서(20/20)

데이터 주제영역		데이터 그룹		엔티티
명칭	설명	명칭	설명	명칭	설명	상세 설명
지식허브	지식허브의 관리와 관련된 주제 영역	적응형 교육과정 그래프	적응형 교육과정와 관련된 데이터 그룹	자료 특성	난이도	학습자 수준과 적합성에 대한 정보
					소요시간	학습자가 자료를 이용하는데 사용한 총시간
					매체유형	자료의 유형으로 영상/이미지/문서/음성 을 분류함
					활동유형	학습자가 자료를 시용하는 시점과
				품질 정보	검수상태	자료의 최종검수 상태정보
					검수자	자료 검수담당자 정보
					품질등급	자료 품질등급 정보
					오류신고	자료에 대한 오류신고 log
				활용 정보	조회수	자료에 대한 조회수
					사용횟수	자료를 수업에 사용된 횟수
					만족도	학습자가 사용한 자료에 대한 만족도 정보
					재사용률	자료에 교수나 학습자가 재반복 조회/사용한 비율

---

Slide 71 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(1/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
포털	교육디지털 원패스가입	학생회원 가입	약관동의하기	약관동의	이용약관, 개인정보 수집·이용 동의 및 만 14세 미만 여부를 관리	동의번호, 회원 아이디	약관유형, 동의여부, 동의일시, 만14세미만여부, 개인정보수집이용동의여부
			학생 학적정보 입력 하기	학생학적정보	학생의 학교 선택, 이름, 생년월일, 학적정보 및 법정대리인 동의 정보를 관리	학생번호, 학교번호	학교명, 학생명, 생년월일, 학적정보, 법정대리인동의여부, 본인인증여부
			학생 회원정보 추가 입력하기	학생회원정보	학생 회원가입을 위한 아이디, 비밀번호, 이메일 인증 정보를 관리	회원아이디	아이디, 비밀번호, 이메일, 이메일인증여부
		학생회원가입지원	학생가입 현황	학생가입현황	학생 회원가입 현황과 미가입 학생 정보를 관리	학생번호	학생명, 가입상태, 미가입여부, 가입일시
			학생 정보 입력하기	학생기본정보	학생 이름, 학적정보, 생년월일 확인 및 입력 정보를 관리	학생번호	학생명, 학적정보, 생년월일
			아이디, 비밀번호 부여	학생계정정보	학생이 사용할 ID와 비밀번호 발급 및 전달 정보를 관리	회원아이디, 학생 번호	아이디, 비밀번호, 계정확인여부, 계정전달여부
	로그인	학생	아이디/비밀번호	학생로그인	학생의 아이디·비밀번호 기반 로그인 정보를 관리	회원아이디	아이디, 비밀번호, 로그인일시, 로그인결과
			간편인증	학생간편인증	학생의 아이디 기반 간편인증 정보를 관리	인증번호, 회원 아이디	아이디, 인증수단, 인증일시, 인증결과
			약관동의(미동의자)	미동의약관동의	약관 미동의 사용자의 약관 동의 상태를 관리	동의번호, 회원 아이디	약관유형, 동의여부, 동의일시, 미동의상태
			아이디 찾기	아이디찾기	분실한 아이디 찾기 요청 및 결과 정보를 관리	조회번호	사용자명, 이메일, 조회일시, 조회결과
			비밀번호 찾기	비밀번호찾기	분실한 비밀번호 찾기 및 재설정 요청 정보를 관리	요청번호, 회원 아이디	아이디, 사용자명, 이메일, 요청일시, 재설정 여부
		교사	아이디/비밀번호	교사로그인	교사의 아이디·비밀번호 기반 로그인 정보를 관리	교사아이디	아이디, 비밀번호, 로그인일시, 로그인결과
			간편인증	교사간편인증	교사의 아이디 기반 간편인증 정보를 관리	인증번호, 교사아이디	아이디, 인증수단, 인증일시, 인증결과
			인증서	교사인증서	교사의 인증서 기반 인증 정보를 관리	인증서번호, 교사아이디	아이디, 인증서명, 인증서상태, 인증일시
		수업참여	수업코드 입력	수업참여	수업명과 수업코드를 입력하여 해당 수업에 참여하는 정보를 관리	수업번호, 학생번호	수업명, 수업코드, 참여일시, 참여상태

---

Slide 72 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(2/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
포털	포털홈(교사)	메인화면	나의 할일	교사할일	교사의 오늘 할일, 전체 할일, 오늘의 수업 현황 정보를 관리	할일번호, 교사 아이디	오늘할일, 전체할일, 오늘의수업, 확인상태
			수업 진행 현황	교사수업진행현황	교사의 전체수업, 진행전수업, 진행완료 수업 현황을 관리	수업번호, 교사 아이디	전체수업수, 진행전수업수, 진행완료수업수, 진행상태
			공지사항	수업공지사항	교사가 등록하는 수업 공지사항 정보를 관리	공지번호, 수업번호	공지제목, 공지내용, 등록자, 등록일시
			질의응답	질의응답	교사가 질의응답 실시 내용을 확인하는 정보를 관리	질문번호, 수업번호	질문제목, 질문내용, 답변내용, 답변여부
		게시판	FAQ	FAQ	자주 묻는 질문과 답변 정보를 관리	FAQ번호	질문, 답변, 등록일시, 사용여부
			이용자매뉴얼	이용자매뉴얼	사용자 매뉴얼 조회 정보를 관리	매뉴얼번호	매뉴얼명, 매뉴얼파일, 버전, 등록일시
			교사 커뮤니티	교사커뮤니티	교사 간 정보공유, 이벤트 참여, 게시글 작성 및 조회 정보를 관리	게시글번호, 교사아이디	게시글제목, 게시글내용, 작성자, 작성일시, 조회수
			우리반게시판	우리반게시판	우리반 게시판 목록, 상세조회, 질문 삭제 및 새 게시물 등록 정보를 관리	게시글번호, 학급 번호	게시글제목, 게시글내용, 작성자, 등록일시, 삭제여부
		캘린더		교사일정	교사의 학사일정, 수업일정, 개인일정 정보를 관리	일정번호, 교사 아이디	학사일정, 수업일정, 개인일정, 시작일시, 종료일시
		내정보 관리	프로필 변경	교사프로필	교사의 개인 사진을 포함한 프로필 변경 정보를 관리	교사아이디	개인사진, 이름, 연락처, 이메일, 수정일시
			비밀번호 변경	교사비밀번호변경	교사의 신규 비밀번호 변경 정보를 관리	변경번호, 교사 아이디	신규비밀번호, 변경일시, 변경결과
	포털홈(학생)	메인화면	나의 할일	학생할일	학생의 오늘 할일, 전체 할일, 오늘의 수업 현황 정보를 관리	할일번호, 학생번호	오늘할일, 전체할일, 오늘의수업, 확인상태
			수업 진행 현황	학생수업진행현황	학생의 전체수업, 진행전수업, 진행완료 수업 현황을 관리	수업번호, 학생번호	전체수업수, 진행전수업수, 진행완료수업수, 진행상태
			공지사항	학생공지사항	학생이 확인하는 수업 공지사항 정보를 관리	공지번호, 학생번호	공지제목, 공지내용, 등록자, 등록일시, 확인 여부
			질의응답	학생질의응답	학생이 확인하는 질의응답 실시 내용을 관리	질문번호, 학생번호	질문제목, 질문내용, 답변내용, 답변여부
			감정출석	감정출석부	학생의 감정출석부 등록 정보를 관리	출석번호, 학생번호	출석일자, 감정상태, 등록일시
			AI 진단	AI학습진단	학생의 학습상태, 취약점 진단, 학습경로 안내 정보를 관리	진단번호, 학생번호	학습상태, 취약점진단, 학습경로, 진단일시

---

Slide 73 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(3/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
포털	포털홈(학생)	게시판	FAQ	학생FAQ	학생용 자주 묻는 질문과 답변 정보를 관리	FAQ번호	질문, 답변, 등록일시, 사용여부
			이용자매뉴얼	학생이용자매뉴얼	학생 사용자 매뉴얼 조회 정보를 관리	매뉴얼번호	매뉴얼명, 매뉴얼파일, 버전, 등록일시
			우리반게시판	학생우리반게시판	학생의 우리반 게시판 목록, 상세조회, 질문 삭제 및 새 게시물 등록 정보를 관리	게시글번호, 학급 번호	게시글제목, 게시글내용, 작성자, 등록일시, 삭제여부
		캘린더		학생일정	학생의 학사일정, 수업일정, 개인일정 정보를 관리	일정번호, 학생번호	학사일정, 수업일정, 개인일정, 시작일시, 종료일시
		내정보 관리	프로필 변경	학생프로필	학생의 개인 사진을 포함한 프로필 변경 정보를 관리	학생번호	개인사진, 이름, 연락처, 이메일, 수정일시
			비밀번호 변경	학생비밀번호변경	학생의 신규 비밀번호 변경 정보를 관리	변경번호, 학생번호	신규비밀번호, 변경일시, 변경결과
		학생생활 보기	학교생활기록	학교생활기록	학생의 인적·학적사항, 출결, 창의적체험활동, 교과학습발달, 행동특성 및 종합의견 정보를 관리	기록번호, 학생번호	인적사항, 학적사항, 출결상황, 창의적체험활동상황, 교과학습발달상황, 행동특성및종합의견
			(중·고) 시간표	시간표	중·고 학생의 조회일자 기준 1주일 단위 시간표 정보를 관리	시간표번호, 학생 번호	조회일자, 주간시간표, 요일, 교시, 과목
			(초) 주간학습	주간학습	초등학생의 조회일자 기준 주간학습 정보를 관리	학습번호, 학생번호	조회일자, 주간학습내용, 요일, 교시, 과목
			출결정보	출결정보	학생의 학년도별 출결현황, 출결상세내용 및 출결 규정 안내 정보를 관리	출결번호, 학생번호	학년도, 출결현황, 출결상세내용, 출결규정
			봉사활동내역	봉사활동내역	학생의 봉사활동 일자, 장소, 활동내용, 시간 정보를 관리	봉사번호, 학생번호	활동일자, 장소, 활동내용, 활동시간
			학교스포츠클럽	학교스포츠클럽	학생의 학년도별 학교스포츠클럽 활동내역 정보를 관리	활동번호, 학생번호	학년도, 활동기간, 종목명, 활동내역
			(고등학교) 대입전형자료 조회하기	대입전형자료	학교가 생성한 대입전형 제공자료와 대학교 요청 현황 정보를 관리	자료번호, 학생번호	학교생활기록, 상세제공자료, 대학교요청현황, 제공자료

---

Slide 74 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(4/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
포털	포털홈(학생)	학생평가 보기	(초·특) 교과평가	교과평가	초·특 학생의 학년·학기·과목별 평가결과 정보를 관리	평가번호, 학생번호	학년, 학기, 과목, 평가결과
			(초·특) 성적	초등성적	초·특 학생의 학기말 종합의견 및 교과 학습발달상황 정보를 관리	성적번호, 학생번호	학년, 학기, 학기말종합의견, 교과학습발달상황
			(중) 학교생활통지표	학교생활통지표	중학교 학생의 자유학기 학교생활통지표 정보를 관리	통지표번호, 학생 번호	학년, 학기, 자유학기, 학교생활통지표
			(중·고) 성적표	성적표	중·고 학생의 학년·학기별 과목 점수, 성취도, 원점수, 과목 평균 정보를 관리	성적표번호, 학생 번호	학년, 학기, 과목, 점수, 성취도, 원점수, 과목 평균
			(중·고) 고사별정 오답표	고사별정오답표	중·고 학생의 과목별 문항유형, 배점, 정답, 나의 답, 정오답 여부 정보를 관리	정오답번호, 학생 번호	학년, 학기, 고사, 과목, 문항유형, 배점, 정답, 나의답, 정오답여부
			(고) 표준점수분석표	표준점수분석표	고등학생의 과목별 표준점수와 나의 점수 시각자료 정보를 관리	분석번호, 학생번호	학년, 학기, 기준, 과목, 표준점수, 나의점수
			(중·고) 성적분석	성적분석	중·고 학생의 성적향상도, 학습진단, 성적변화표 등 평가결과 분석 정보를 관리	분석번호, 학생번호	성적향상도, 학습진단, 성적변화표, 평가결과
		학생건강 보기	건강기록	건강기록	학생의 감염병 예방접종, 신체발달, 신체능력, 건강검진 정보를 관리	건강기록번호, 학생번호	예방접종내역, 신체발달상황, 신체능력, 건강 검진현황
			PAPS 정보	PAPS활동처방	측정한 PAPS 결과에 대한 처방내역과 신체활동빈도 정보를 관리	처방번호, 학생번호	PAPS결과, 처방내역, 신체활동빈도
				PAPS평가결과	학생의 심폐지구력, 유연성, 근력·근지구력, 순발력, 체지방 등 PAPS 평가결과를 관리	평가결과번호, 학생번호	심폐지구력, 유연성, 근력근지구력, 순발력, 체지방
				PAPS평가결과 이력	조회기간별 키, 몸무게, 체지방률을 포함한 체력평가 결과 이력을 관리	이력번호, 학생번호	조회기간, 키, 몸무게, 체지방률, 체력평가결과
				PAPS통계분석	학급·학년 평균·최대·최소점수와 학생 PAPS 결과 비교·분석 정보를 관리	통계번호, 학생번호	학급평균점수, 학년평균점수, 최대점수, 최소 점수, 비교분석결과
				PAPS지수	PAPS 측정결과 기반의 다양한 PAPS 지수 정보를 관리	지수번호, 학생번호	PAPS측정결과, 지수명, 지수값
				PAPSD결과	특수학교 재학 학생의 PAPS-D 결과 정보를 관리	PAPSD번호, 학생 번호	특수학교여부, PAPSD결과, 측정일자

---

Slide 75 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(5/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
포털	포털홈(학생)	방과후학교 신청하기	방과후학교 조회 및 신청	방과후학교 프로그램	학교에서 운영 중인 방과후학교 프로그램 목록, 상세내용 및 수강신청 정보를 관리	프로그램번호, 학생번호	학년도, 학교, 학기, 프로그램명, 강사명, 시간표, 상세내용, 수강신청상태
			방과후학교 신청 현황	방과후학교신청 현황	학생의 방과후학교 신청 현황, 시간표, 신청 프로그램 및 취소 정보를 관리	신청번호, 학생번호	신청현황, 방과후학교시간표, 신청프로그램, 수강신청상태, 취소여부
			출결정보	방과후출결정보	수강 중인 방과후학교 프로그램 상세내용과 출결 현황을 관리	출결번호, 학생번호	프로그램명, 상세내용, 출결일자, 출결상태
		고등학교 수강신청하기	수요조사 참여하기	수요조사	고교학점제 운영을 위한 학생 선호 교과목 기초조사 정보를 관리	조사번호, 학생번호	교과목, 선호교과목, 응답일자, 응답내용
			수강신청 참여하기	수강신청	학생이 진로와 적성에 따라 선택한 교과목 수강신청 정보를 관리	수강신청번호, 학생번호	교과목, 신청일자, 신청상태, 진로, 적성
			결과 확인하기	수강신청결과	학생의 수요조사 또는 수강신청 결과 정보를 관리	결과번호, 학생번호	수요조사결과, 수강신청결과, 확인일자
			수강신청 재신청하기	수강재신청	반려된 과목의 변경 및 재신청 정보를 관리	재신청번호, 학생번호	반려과목, 반려사유, 변경과목, 재신청일자
			학점이수현황 알아 보기	학점이수현황	교과군별 필수 이수학점, 학년별 이수학점, 합계 정보를 관리	이수현황번호, 학생번호	교과군, 필수이수학점, 학년별이수학점, 합계 학점

---

Slide 76 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(6/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
LXP	수업(교사)	학습창	학습창	학습창	수업 기본정보 및 학생 입장 현황 관리	수업번호	수업명, 학습주제, 학습목표, 수업공지, 입장상태
	수업(교사)	외부 클래스 연결	외부 클래스 연결	클래스연결	외부 화상수업 도구 연계 관리	연결번호	외부도구명, 연결URL, 연결상태
	수업(교사)	교재보기	교재 목록	교재	등록 교재 관리	교재번호	교재명, 교재유형, 등록일
	수업(교사)	교재보기	유투브 보기	동영상교재	유튜브 콘텐츠 공유 관리	콘텐츠번호	URL, 제목, 재생상태
	수업(교사)	교재보기	웹 URL 보기	웹교재	웹페이지 교재 관리	URL번호	URL주소, 제목
	수업(교사)	교재보기	동영상 보기	동영상교재	동영상 파일 공유 관리	동영상번호	파일명, 재생시간
	수업(교사)	교재보기	문서 보기	문서교재	문서형 교재 관리	문서번호	파일명, 문서유형
	수업(교사)	수업도구	판서하기	판서	판서 및 필기 정보 관리	판서번호	판서내용, 작성일시
	수업(교사)	수업도구	화이트보드 사용	화이트보드	화이트보드 활동 관리	화이트보드번호	권한설정, 공유링크
	수업(교사)	수업도구	메시지	메시지	수업 중 메시지 송수신 관리	메시지번호	발신자, 수신자, 내용
	수업(교사)	수업도구	교사화면공유	화면공유	교사 화면 공유 관리	공유번호	시작일시, 종료일시
	수업(교사)	수업도구	손들기 확인	손들기	학생 손들기 요청 관리	손들기번호	학생번호, 요청시간
	수업(교사)	수업도구	발표시키기	발표	학생 발표 관리	발표번호	학생번호, 발표시간
	수업(교사)	수업도구	집중확인	집중도	학습 집중도 확인 관리	집중확인번호	학생번호, 집중상태
	수업(교사)	수업도구	질의 응답	질의응답	질의 및 응답 관리	질문번호	질문내용, 답변내용
	수업(교사)	과제 운영	과제제시	과제	과제 등록 및 배포 관리	과제번호	과제명, 제출기한
	수업(교사)	과제 운영	과제현황	과제현황	과제 제출 현황 관리	과제번호	제출인원, 미제출인원
	수업(교사)	과제 운영	제출과제	과제제출	제출 과제 관리	제출번호	학생번호, 제출일시
	수업(교사)	과제 운영	과제 제출 닫기	과제마감	과제 마감 관리	과제번호	마감일시, 상태
	수업(교사)	문제지 운영	문제지 제시	문제지	문제지 배포 관리	문제지번호	문제지명, 배포일
	수업(교사)	문제지 운영	문제지 현황	문제지현황	문제지 응시 현황 관리	문제지번호	응시인원, 완료율
	수업(교사)	문제지 운영	문제풀이 결과	문제풀이결과	문제풀이 결과 관리	결과번호	점수, 정답률
	수업(교사)	질문 운영	질문 제시	질문	질문 등록 관리	질문번호	질문내용, 등록일
	수업(교사)	질문 운영	질문 결과	질문결과	질문 응답 결과 관리	결과번호	응답수, 결과내용
	수업(교사)	토론 운영	토론 제시	토론	토론 주제 관리	토론번호	토론주제, 시작일
	수업(교사)	토론 운영	토론확인	토론결과	토론 참여 결과 관리	결과번호	참여자수, 의견수
	수업(교사)	설문 운영	설문 제시	설문	설문 등록 관리	설문번호	설문명, 설문기간
	수업(교사)	설문 운영	설문결과	설문결과	설문 결과 관리	결과번호	응답수, 분석결과

---

Slide 77 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(7/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
LXP	수업(교사)	수업 관리	칭찬포인트 부여	칭찬포인트	칭찬 포인트 관리	포인트번호	학생번호, 포인트
	수업(교사)	수업 관리	상벌점 부여	상벌점	상벌점 관리	상벌점번호	학생번호, 점수
	수업(교사)	수업 관리	출결관리	출결	출결 정보 관리	출결번호	학생번호, 출결상태
	수업(교사)	수업 관리	관찰기록	관찰기록	학생 관찰 기록 관리	기록번호	학생번호, 관찰내용
	수업(교사)	수업 관리	수업참여 현황	수업참여	수업 참여 현황 관리	수업번호, 학생번호	참여시간, 참여상태
	수업(교사)	수업 관리	학점이수현황	학점이수	학점 이수 현황 관리	학생번호	취득학점, 이수상태
	수업(교사)	수업 관리	수업결과	수업결과	수업 운영 결과 관리	결과번호	출석률, 참여율
	수업(교사)	수업 관리	감정출석부	감정출석	감정 기반 출결 관리	출석번호	학생번호, 감정상태
	수업(교사)	수업 관리	학생 차단	학생차단	학생 차단 관리	차단번호	학생번호, 차단사유
	수업(교사)	수업 관리	온라인 조종례	조종례	온라인 조종례 운영 관리	조종례번호	진행일시, 공지내용
	수업(학생)	학습창	학습창	학생학습창	학생 수업 입장 및 학습정보 조회	수업번호, 학생번호	수업명, 입장상태
	수업(학생)	외부 클래스 연결	외부 클래스 연결	클래스연결	외부 수업도구 접속 관리	연결번호	접속URL, 연결상태
	수업(학생)	교재보기	유투브 보기	학습콘텐츠	유튜브 학습콘텐츠 조회	콘텐츠번호	제목, URL
	수업(학생)	교재보기	웹 URL 보기	웹콘텐츠	웹콘텐츠 조회	URL번호	URL주소, 제목
	수업(학생)	교재보기	동영상 보기	동영상콘텐츠	동영상 콘텐츠 조회	동영상번호	파일명, 재생시간
	수업(학생)	교재보기	문서 보기	문서콘텐츠	문서 콘텐츠 조회	문서번호	파일명, 문서유형
	수업(학생)	수업도구	판서하기	학생판서	학생 판서 관리	판서번호	작성내용, 작성일시
	수업(학생)	수업도구	화이트보드 사용	화이트보드활동	화이트보드 활동 관리	활동번호	작성내용, 공유여부
	수업(학생)	수업도구	메시지	메시지	메시지 송수신 관리	메시지번호	수신자, 내용
	수업(학생)	수업도구	교사화면공유	화면공유	공유화면 조회 관리	공유번호	시작시간, 종료시간
	수업(학생)	수업도구	손들기	손들기	손들기 요청 관리	손들기번호	요청시간
	수업(학생)	수업도구	발표하기	발표	발표 활동 관리	발표번호	발표내용, 발표시간
	수업(학생)	수업도구	집중확인	집중도	집중도 응답 관리	집중확인번호	응답결과
	수업(학생)	수업도구	질의 응답	질의응답	질의 응답 참여 관리	질문번호	질문내용, 답변내용
	수업(학생)	수업도구	학습메모기록	학습메모	학습 메모 관리	메모번호	메모내용, 작성일시
LXP	수업(학생)	수업활동	과제제출	과제제출	과제 제출 관리	제출번호	과제번호, 제출일시
	수업(학생)	수업활동	과제결과	과제결과	과제 평가 결과 관리	결과번호	점수, 피드백
	수업(학생)	수업활동	문제지 풀기	문제풀이	문제 풀이 관리	풀이번호	문제지번호, 점수
	수업(학생)	수업활동	질문 풀기	질문응답	질문 응답 관리	응답번호	답변내용
	수업(학생)	수업활동	토론참여	토론참여	토론 참여 관리	참여번호	의견내용, 등록일
	수업(학생)	수업활동	설문 활동	설문응답	설문 응답 관리	응답번호	응답내용
	수업(학생)	수업활동	게시판	게시글	게시판 글 관리	게시글번호	제목, 내용, 작성일
	수업(학생)	수업활동	온라인 조종례	조종례참여	온라인 조종례 참여 관리	참여번호	참여일시, 상태

---

Slide 78 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(8/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
행정지원(Agent)	AI 어시스트	AI 어시스터	프롬프트	프롬프트	AI 어시스트 질의 및 응답 관리	프롬프트번호	질문내용, 답변내용, 첨부파일, 생성일시
	수업설계	수업개설	교육과정 개설	수업	교육과정 기반 수업 개설 정보 관리	수업번호	수업명, 교과, 학기, 운영기간
	수업설계	수업개설	자체운영 개설	수업	교사 자체 수업 개설 정보 관리	수업번호	교과명, 대상학생, 운영기간
	수업설계	수업개설	외부 교육서비스 연결	외부서비스연계	외부 교육서비스 연계 정보 관리	연계번호	서비스명, 연계URL, 연계상태
	수업설계	수업환경 설정	수업 알림 설정하기	알림설정	수업 알림 설정 정보 관리	설정번호	알림유형, 수신범위, 수신시간
	수업설계	수업환경 설정	수업공지사항 작성	수업공지	수업 공지사항 관리	공지번호	제목, 내용, 등록일
	수업설계	수업환경 설정	칭찬포인트	칭찬포인트	학생 칭찬포인트 관리	포인트번호	학생번호, 포인트점수, 부여사유
	수업설계	멤버 구성	교사 초대하기	교사초대	수업 참여 교사 초대 관리	초대번호	교사번호, 초대상태, 수락일시
	수업설계	멤버 구성	학생 초대하기	학생초대	수업 참여 학생 초대 관리	초대번호	학생번호, 초대상태
	수업설계	멤버 구성	학습그룹 설정	학습그룹	학습그룹 구성 정보 관리	그룹번호	그룹명, 그룹유형, 학생목록
	수업설계	멤버 구성	튜터권한 설정	튜터권한	튜터 권한 관리	권한번호	권한유형, 권한범위
	수업설계	차시 설정	차시정보 설정	차시	차시 운영 정보 관리	차시번호	차시명, 차시일시, 공개여부
	수업설계	차시 설정	성취기준 등록	성취기준	성취기준 관리	성취기준번호	성취기준명, 교과, 학년
	수업설계	차시 설정	관찰기록 설정	관찰기록양식	관찰기록 양식 관리	양식번호	양식명, 평가척도
	수업설계	차시 설정	학습목표 입력	학습목표	학습목표 관리	목표번호	목표내용, 성취기준
	수업설계	차시 설정	신규차시 생성	차시	신규 차시 생성 관리	차시번호	차시명, 차시일시
	수업설계	수업교재 구성	수업꾸러미 등록	수업꾸러미	수업꾸러미 관리	꾸러미번호	꾸러미명, 콘텐츠목록
	수업설계	수업교재 구성	첨부 파일 등록하기	첨부파일	수업 첨부파일 관리	파일번호	파일명, 파일유형, 등록일
	수업설계	수업교재 구성	동영상 파일 등록하기	동영상	수업 동영상 자료 관리	동영상번호	파일명, 재생구간
	수업설계	수업교재 구성	유투브 영상 등록	유튜브영상	유튜브 영상 관리	영상번호	URL, 제목
	수업설계	수업교재 구성	URL 등록	URL정보	외부 URL 관리	URL번호	URL주소, 제목
	수업설계	수업활동 구성	문제지 등록	문제지	문제지 정보 관리	문제지번호	문제지명, 문항수
	수업설계	수업활동 구성	과제 등록	과제	과제 정보 관리	과제번호	과제명, 제출기한
	수업설계	수업활동 구성	질문 등록	질문	질문 정보 관리	질문번호	질문내용, 등록일
	수업설계	수업활동 구성	설문 등록	설문	설문 정보 관리	설문번호	설문명, 설문유형, 설문기간
	수업설계	수업활동 구성	토론 등록	토론	토론 정보 관리	토론번호	토론주제, 설명
	수업설계	수업활동 구성	동료 평가	동료평가	동료평가 정보 관리	평가번호	평가명, 루브릭, 배점

---

Slide 79 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(9/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
행정지원(Agent)	평가기록	과제 관리 과제 관리	과제 채점	과제평가	과제 채점 결과 관리	과제번호, 학생번호	점수, 교사의견, 평가상태
	평가기록	과제 관리	평가기준표(Rubric)	평가기준표	과제 평가 기준 관리	기준표번호	평가항목, 배점
	평가기록	과제 관리	과제 유사도 검색	과제유사도	과제 유사도 분석 관리	분석번호	유사도점수, 비교대상
	평가기록	과제 관리	진행 중 과제	과제현황	진행 중 과제 관리	과제번호	제출인원, 미제출인원
	평가기록	과제 관리	완료한 과제	과제완료	완료 과제 관리	과제번호	완료일시, 공개여부
	평가기록	과제 관리	제출 관리	과제제출	과제 제출 관리	제출번호	학생번호, 제출일시
	평가기록	문제지 관리	문제지 채점	문제지평가	문제지 채점 결과 관리	문제지번호, 학생번호	점수, 교사의견
	평가기록	문제지 관리	제출 관리	문제지제출	문제지 제출 관리	제출번호	학생번호, 제출일시
	평가기록	평가통계	문제지 통계	문제지통계	문제지 통계 관리	통계번호	정답률, 평균점수
	평가기록	평가통계	성취기준별 점수	성취기준성적	성취기준별 성적 관리	학생번호, 성취기준번호	점수, 성취도
	평가기록	평가통계	과제 통계	과제통계	과제 결과 통계 관리	통계번호	평균점수, 제출률
	평가기록	평가통계	성적 취합	성적취합	성적 취합 관리	취합번호	과제점수, 문제지점수, 최종점수
	평가기록	포트폴리오 평가	포트폴리오 평가	포트폴리오평가	학생 포트폴리오 종합평가 관리	학생번호	평가의견, 종합등급
	나이스 연계	나이스 입력	학생별 성적	학생성적	학생 성적 연계 관리	학생번호, 성적번호	수행평가점수, 입력상태
	나이스 연계	나이스 입력	관찰기록	관찰기록	관찰기록 연계 관리	기록번호	관찰내용, 등록일
	나이스 연계	나이스 입력	출결정보	출결정보	출결정보 연계 관리	출결번호	출결상태, 출결일
	나이스 연계	환경 구성	교과 정보	교과정보	나이스 교과 정보 관리	교과번호	교과명, 학년
	나이스 연계	환경 구성	반편성정보	학급정보	학급 및 학생 정보 관리	학급번호	학급명, 학생수
	나이스 연계	환경 구성	교사정보	교사정보	교사 정보 관리	교사번호	교사명, 담당과목
	나이스 연계	환경 구성	학생변경정보	학생변경이력	학생 정보 변경 이력 관리	변경번호	학생번호, 변경내용
	나이스 연계	환경 구성	시간표	시간표	수업 시간표 관리	시간표번호	학기, 요일, 교시, 교과

---

Slide 80 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(10/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
AI학습Agent	AI 튜터	AI 튜터	프롬프트	AI프롬프트	AI 챗봇 질의 및 응답 정보 관리	프롬프트번호	질문내용, 답변내용, 사용자번호, 생성일시
	학습서비스	수업 결과	수업활동현황	수업활동현황	학생의 수업 참여 및 결과 현황 관리	학생번호, 수업번호	참여율, 과제제출수, 문제풀이수, 최종접속일
	학습서비스	수업 결과	출결 확인	출결정보	학생 출결 정보 관리	출결번호	학생번호, 출결상태, 출결일자, 최초접속일시
	학습서비스	수업 결과	제출하지 않은 과제	과제현황	미제출 과제 현황 관리	과제번호, 학생번호	과제명, 제출기한, 제출상태
	학습서비스	수업 결과	제출한 과제	과제제출	제출 과제 정보 관리	제출번호	학생번호, 과제번호, 제출일시, 채점결과
	학습서비스	수업 결과	학점이수현황	학점이수현황	학생 학점 이수 현황 관리	학생번호	취득학점, 이수학점, 졸업요건충족여부
	학습서비스	수업 결과	칭찬포인트 현황	칭찬포인트	학생 칭찬포인트 관리	포인트번호	학생번호, 포인트점수, 누적포인트, 지급사유
	학습서비스	수업 결과	배지 현황	배지	학생 배지 획득 현황 관리	배지번호	학생번호, 배지명, 획득일
	학습서비스	콘텐츠 찾기	콘텐츠 검색하기	콘텐츠	학습 콘텐츠 정보 관리	콘텐츠번호	콘텐츠명, 교과, 학년, 성취기준, 콘텐츠유형
	학습서비스	콘텐츠 찾기	콘텐츠 추천받기	콘텐츠추천	개인 맞춤형 콘텐츠 추천 정보 관리	추천번호	학생번호, 콘텐츠번호, 추천사유
	학습서비스	나의보관함	추천 콘텐츠	추천콘텐츠	추천 콘텐츠 보관 정보 관리	보관번호	학생번호, 콘텐츠번호, 등록일
	학습서비스	나의보관함	영상	영상콘텐츠	영상 학습 콘텐츠 관리	영상번호	제목, URL, 재생시간
	학습서비스	나의보관함	문제집 만들기	문제집	사용자 생성 문제집 관리	문제집번호	문제집명, 문제수, 생성일
	학습서비스	나의보관함	내콘텐츠	개인콘텐츠	개인 보관 콘텐츠 관리	콘텐츠번호	콘텐츠명, 콘텐츠유형, 등록일
	학습서비스	학습 진단	진단하기(응시)	학습진단	학습 진단 응시 정보 관리	진단번호	학생번호, 응시일시, 진단유형
	학습서비스	학습 진단	진단결과	진단결과	학습 진단 결과 관리	결과번호	학생번호, 진단점수, 수준등급
	학습서비스	학습 진단	맞춤형 학습 목록	맞춤학습	진단 결과 기반 맞춤 학습 관리	추천번호	학생번호, 추천콘텐츠, 추천과정
	학습서비스	논술 진단	논술문항 풀이	논술답안	논술 문항 답안 관리	답안번호	학생번호, 문항번호, 답안내용
	학습서비스	논술 진단	풀이결과 확인	논술평가결과	논술 평가 결과 관리	결과번호	학생번호, 점수, 피드백
	학습서비스	과목 리포트	요약	학습요약	과목 학습 요약 정보 관리	요약번호	학생번호, 학습시간, 학습량
	학습서비스	과목 리포트	과목별 리포트	과목리포트	과목별 학습 분석 정보 관리	리포트번호	학생번호, 과목명, 성취도, 학습시간
	학습서비스	과목 리포트	누적 학습 현황	누적학습현황	누적 학습 현황 관리	학생번호	총학습시간, 학습건수, 성취도
	학습서비스	종합 리포트	학습 수준	학습수준	종합 학습 수준 정보 관리	학생번호	수준등급, 진단점수, 성장도
	학습서비스	종합 리포트	과목별 리포트	종합과목리포트	종합 과목별 분석 정보 관리	리포트번호	과목명, 평균점수, 성취도
	학습서비스	종합 리포트	누적 학습 현황	종합학습현황	종합 누적 학습 현황 관리	학생번호	총학습시간, 누적점수, 성장률
	학습서비스	자기주도학습	문제 풀기	문제풀이	자기주도 문제풀이 관리	풀이번호	학생번호, 문제번호, 풀이일시
	학습서비스	자기주도학습	채점 하기	채점결과	문제 채점 결과 관리	채점번호	학생번호, 점수, 정답수
	학습서비스	자기주도학습	오답노트 작성하기	오답노트	오답노트 관리	오답노트번호	학생번호, 문제번호, 오답사유
	학습서비스	자기주도학습	오답노트 보기	오답노트조회	오답노트 조회 관리	오답노트번호	학생번호, 등록일, 수정일
	학습서비스	자기주도학습	콘텐츠 학습	콘텐츠학습	콘텐츠 학습 이력 관리	학습이력번호	학생번호, 콘텐츠번호, 학습시간
	학습서비스	포트폴리오(성취기준)	포트폴리오 작성 및 확인	포트폴리오	성취기준 기반 학습 포트폴리오 관리	포트폴리오번호	학생번호, 성취기준번호, 활동내용, 등록일

---

Slide 81 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(11/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
콘텐츠서비스	문제지 서비스	문항 보관함	내 문항	문항	교사가 작성하여 보관한 문항 정보 관리	문항번호	문항명, 학교급, 학년, 교과, 성취기준, 난이도, 문항유형, 정답, 해설
	문제지 서비스	문항 보관함	즐겨찾는 문항	문항즐겨찾기	즐겨찾기한 문항 관리	즐겨찾기번호	교사번호, 문항번호, 등록일
	문제지 서비스	문항 보관함	공유 문항	공유문항	교사 간 공유된 문항 관리	공유번호	문항번호, 공유교사, 공유일
	문제지 서비스	문항 만들기	선다형 문항 만들기	선다형문항	선다형 문항 정보 관리	문항번호	발문, 보기, 정답, 난이도, 해설
	문제지 서비스	문항 만들기	진위형 문항 만들기	진위형문항	O/X 또는 T/F 문항 관리	문항번호	발문, 정답, 난이도, 해설
	문제지 서비스	문항 만들기	단답형 문항 만들기	단답형문항	단답형 문항 관리	문항번호	발문, 정답, 해설
	문제지 서비스	문항 만들기	서술형 문항 만들기	서술형문항	서술형 문항 관리	문항번호	발문, 채점기준, 예시답안
	문제지 서비스	문항 만들기	다중문항만들기	복합문항	다중 문항 묶음 관리	문항번호	문항목록, 배점, 난이도
	문제지 서비스	문항 만들기	AI 문항 생성	AI생성문항	AI 기반 자동 문항 생성 관리	생성번호	프롬프트, 생성결과, 교과, 난이도
	문제지 서비스	문제지 만들기	문항 찾기	문항검색	문제지 구성용 문항 검색 관리	검색번호	검색조건, 교과, 성취기준
	문제지 서비스	문제지 만들기	문항 고르기	문제지구성	문제지에 포함할 문항 선택 관리	문제지번호	문항목록, 문항수
	문제지 서비스	문제지 만들기	순서 바꾸기	문제지편집	문제지 문항 순서 관리	문제지번호	문항순서, 수정일
	문제지 서비스	문제지 만들기	저장하기	문제지	문제지 저장 관리	문제지번호	문제지명, 생성일, 공개여부
	문제지 서비스	문제지 만들기	AI 문제지 생성	AI문제지	AI 기반 문제지 자동 생성 관리	문제지번호	생성조건, 문항수, 생성일
	문제지 서비스	문제지 보관함(교사)	저장한 문제지	저장문제지	저장된 문제지 관리	문제지번호	문제지명, 생성일
	문제지 서비스	문제지 보관함(교사)	진행 중 문제지	진행문제지	작성 중 문제지 관리	문제지번호	상태, 수정일
	문제지 서비스	문제지 보관함(교사)	완료한 문제지	완료문제지	완료된 문제지 관리	문제지번호	완료일, 공개여부
	문제지 서비스	문제지 보관함(교사)	공유 문제지	공유문제지	공유된 문제지 관리	공유번호	문제지번호, 공유교사
	문제지 서비스	문제지 보관함(학생)	수업 문제지	수업문제지	수업 중 제공된 문제지 관리	문제지번호	수업번호, 배포일
	문제지 서비스	문제지 보관함(학생)	나의 문제지	학생문제지	학생 풀이 문제지 관리	학생번호, 문제지번호	점수, 풀이일
	문제지 서비스	문제지 보관함(학생)	공유 문제지	학생공유문제지	학생 공유 문제지 관리	공유번호	문제지번호, 공유일
	수업꾸러미	수업꾸러미 목록	수업꾸러미 목록	수업꾸러미	수업꾸러미 정보 관리	꾸러미번호	꾸러미명, 과목, 생성일
	수업꾸러미	수업꾸러미 목록	미리보기	꾸러미미리보기	꾸러미 미리보기 정보 관리	꾸러미번호	콘텐츠목록, 설명
	수업꾸러미	수업꾸러미 생성	적용범위 선택	꾸러미적용범위	꾸러미 적용범위 관리	적용번호	학교급, 학년, 교과
	수업꾸러미	수업꾸러미 생성	학습콘텐츠 선택	꾸러미콘텐츠	꾸러미 콘텐츠 구성 관리	꾸러미번호	콘텐츠번호, 순서
	수업꾸러미	수업꾸러미 생성	꾸러미 등록	꾸러미등록	꾸러미 등록 관리	꾸러미번호	등록일, 공개여부
	수업꾸러미	수업꾸러미 생성	콘텐츠 추가	콘텐츠추가	꾸러미 콘텐츠 추가 관리	콘텐츠번호	콘텐츠명, 콘텐츠유형
	수업꾸러미	공유 꾸러미	공유 꾸러미	공유꾸러미	공유 수업꾸러미 관리	공유번호	꾸러미번호, 공유범위

---

Slide 82 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(12/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
콘텐츠서비스	콘텐츠서비스	공유콘텐츠 찾기	콘텐츠 검색하기	콘텐츠	학습 콘텐츠 정보 관리	콘텐츠번호	콘텐츠명, 교과, 학년, 유형
	콘텐츠서비스	공유콘텐츠 찾기	콘텐츠 추천받기	콘텐츠추천	추천 콘텐츠 관리	추천번호	학생번호, 콘텐츠번호, 추천사유
	콘텐츠서비스	콘텐츠 활용하기	즐겨찾는 콘텐츠	콘텐츠즐겨찾기	즐겨찾기 콘텐츠 관리	즐겨찾기번호	사용자번호, 콘텐츠번호
	콘텐츠서비스	콘텐츠 활용하기	공유콘텐츠 내용확인	공유콘텐츠	공유 콘텐츠 조회 관리	콘텐츠번호	콘텐츠명, 공유자, 조회수
	콘텐츠서비스	콘텐츠 활용하기	신고하기	콘텐츠신고	콘텐츠 신고 관리	신고번호	신고자, 신고사유, 신고일
	콘텐츠서비스	내 콘텐츠(교사)	내콘텐츠	교사콘텐츠	교사 생성 콘텐츠 관리	콘텐츠번호	콘텐츠명, 생성일
	콘텐츠서비스	내 콘텐츠(교사)	곤텐츠 생성	콘텐츠생성	신규 콘텐츠 생성 관리	콘텐츠번호	콘텐츠유형, 생성일
	콘텐츠서비스	내 콘텐츠(교사)	콘텐츠 공유하기	콘텐츠공유	콘텐츠 공유 관리	공유번호	콘텐츠번호, 공유범위
	콘텐츠서비스	내 콘텐츠(교사)	콘텐츠 갱신하기	콘텐츠갱신	콘텐츠 수정 및 갱신 관리	콘텐츠번호	수정일, 수정내용
	콘텐츠서비스	내 콘텐츠(교사)	지난수업	지난수업콘텐츠	과거 수업 콘텐츠 관리	수업번호	수업명, 운영일
	콘텐츠서비스	내 콘텐츠(학생)	내콘텐츠	학생콘텐츠	학생 보관 콘텐츠 관리	콘텐츠번호	콘텐츠명, 저장일
	콘텐츠서비스	내 콘텐츠(학생)	추천 콘텐츠	추천콘텐츠	학생 추천 콘텐츠 관리	추천번호	콘텐츠번호, 추천일, 추천사유

---

Slide 83 — 4.3 목표 데이터 아키텍처 정의

4.3 목표 데이터 아키텍처 정의 › 6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(13/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
데이터분석	반 분석	과목 분석	과목 종합 리포트	과목종합리포트	학급 단위 과목별 학습성과 종합 분석 정보 관리	리포트번호	학급번호, 과목명, 평균성취도, 학습수준, 생성일
	반 분석	과목 분석	과목별 리포트	과목리포트	과목별 학습 수준 및 성취도 분석 관리	리포트번호	학급번호, 과목명, 문제풀이수, 정답률, 성취수준, 차시별수준
	반 분석	과목 분석	누적학습현황	누적학습현황	과목 및 단원별 누적 학습 현황 관리	학급번호, 과목번호	문제풀이수, 정답률, 동영상시청시간, 풀이시간
	반 분석	과목 분석	문제유형별 정답율	문제유형분석	문제유형별 정답률 분석 관리	분석번호	개념정답률, 응용정답률, 심화정답률
	반 분석	학생별 분석	학생분포도	학생분포도	학생 학습수준 분포 정보 관리	학급번호	학생수, 수준구간, 분포비율
	반 분석	학생별 분석	문재풀이현황	문제풀이현황	학생별 문제풀이 현황 분석 관리	학생번호	문제풀이수, 정답률, 월별변화
	반 분석	학생별 분석	성취수준 분석	성취수준분석	교과 및 단원별 성취수준 분석 관리	학생번호, 과목번호	성취수준, 성취도, 단원명
	반 분석	학생별 분석	학기종합영역	학기종합분석	학기 전체 학습성과 분석 관리	학생번호	월별수준, 학습수준, 진단결과
	반 분석	학생별 분석	칭찬이 필요한 학생	칭찬대상학생	칭찬이 필요한 학생 관리	학생번호	학습수준, 학습태도, 추천사유
	반 분석	학생별 분석	누적학습현황(우리반)	학급누적학습현황	학급 단위 누적 학습 현황 관리	학급번호	주차별풀이수, 정답률, 시청시간, 풀이시간
	반 분석	학생별 분석	문제유형별정답율(우리반)	학급문제유형분석	학급 단위 문제유형별 정답률 관리	학급번호	개념정답률, 응용정답률, 심화정답률
	반 분석	학생별 분석	누적학습현황(과목별)	과목누적학습현황	과목별 누적 학습 현황 관리	학급번호, 과목번호	누적학습시간, 문제풀이수, 정답률
	반 분석	학생별 분석	사회정서 분석	사회정서분석	학생 사회정서 상태 분석 관리	학생번호	감정상태, 감정기록일, 위험도
	학생 분석	과목 리포트	요약	학습요약	학생 학습현황 요약 정보 관리	학생번호	진단결과, 보충학습과목, 학습수준
	학생 분석	과목 리포트	과목별 리포트	학생과목리포트	학생별 과목 학습 분석 정보 관리	학생번호, 과목번호	문제풀이수, 정답률, 성취수준, 학습메시지
	학생 분석	과목 리포트	누적 학습 현황	학생누적학습현황	학생 누적 학습 현황 관리	학생번호, 과목번호	문제풀이수, 정답률, 시청시간, 풀이시간
	학생 분석	종합 리포트	학습 수준	학습수준진단	학생 학습 수준 진단 결과 관리	학생번호	학습수준, 진단결과, 월별변화
	학생 분석	종합 리포트	과목별 리포트	종합과목리포트	종합 과목별 성취도 분석 관리	학생번호, 과목번호	월별진단결과, 성취도, 학습수준
	학생 분석	종합 리포트	누적 학습 현황	종합누적학습현황	학생 종합 누적 학습 현황 관리	학생번호	월별풀이수, 정답률, 시청시간, 풀이시간

---

Slide 84 — 4.3 목표 데이터 아키텍처 정의

4.3 목표 데이터 아키텍처 정의 › 6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(14/16)

주제영역	데이터 그룹			엔티티명	엔티티 설명	대표식별자	주요속성
주제영역	대기능	중기능	소기능	엔티티명	엔티티 설명	대표식별자	주요속성
지식허브	미래교육과정	교육과정 기준정보	교육과정 버전	교육과정버전	교육과정 개정 버전 관리	교육과정버전코드	버전명, 적용시작일, 적용종료일
	미래교육과정	교육과정 기준정보	학교급	학교급	학교급 기준정보 관리	학교급코드	학교급명, 사용여부
	미래교육과정	교육과정 기준정보	교과	교과	교과 기준정보 관리	교과코드	교과명, 학교급코드
	미래교육과정	교육과정 기준정보	과목	과목	과목 기준정보 관리	과목코드	과목명, 교과코드
	미래교육과정	교육과정 기준정보	학년	학년	학년 기준정보 관리	학년코드	학년명, 학교급코드
	미래교육과정	교육과정 기준정보	학기	학기	학기 기준정보 관리	학기코드	학기명, 적용학년
	미래교육과정	교육과정 내용정보	영역	교육과정영역	교육과정 영역 정보 관리	영역코드	영역명, 설명
	미래교육과정	교육과정 내용정보	핵심아이디어	핵심아이디어	핵심아이디어 정보 관리	핵심아이디어코드	핵심내용, 영역코드
	미래교육과정	교육과정 내용정보	내용요소	내용요소	교육과정 내용요소 관리	내용요소코드	내용요소명, 지식이해, 과정기능, 가치태도
	미래교육과정	교육과정 내용정보	성취기준	성취기준	성취기준 정보 관리	성취기준코드	성취기준명, 영역코드, 학년
	미래교육과정	학습개념 정보	학습개념	학습개념	학습개념 정보 관리	학습개념코드	개념명, 설명
	미래교육과정	학습개념 정보	선수개념	선수개념	선수개념 관계 관리	학습개념코드, 선수개념코드	관계유형, 설명
	미래교육과정	학습개념 정보	후속개념	후속개념	후속개념 관계 관리	학습개념코드, 후속개념코드	관계유형, 설명
	미래교육과정	학습개념 정보	유사개념	유사개념	유사개념 관계 관리	학습개념코드, 유사개념코드	관계유형, 설명
	미래교육과정	수업설계 정보	단원	단원	단원 정보 관리	단원코드	단원명, 성취기준, 학년
	미래교육과정	수업설계 정보	차시	차시	차시 정보 관리	차시코드	차시명, 단원코드, 순번
	미래교육과정	수업설계 정보	활동유형	활동유형	교수학습 활동유형 관리	활동유형코드	활동유형명, 설명
	미래교육과정	수업설계 정보	수업모형	수업모형	수업모형 정보 관리	수업모형코드	수업모형명, 단계정보
	미래교육과정	교육자료 정보	콘텐츠	콘텐츠	교육 콘텐츠 정보 관리	콘텐츠번호	콘텐츠명, 콘텐츠유형, 저작권, 제공기관
	미래교육과정	교육자료 정보	평가문항	평가문항	평가문항 정보 관리	문항번호	문항유형, 난이도, 정답, 해설
	미래교육과정	교육자료 정보	활동지	활동지	학습활동지 정보 관리	활동지번호	활동지명, 파일유형, 등록일
	미래교육과정	교육자료 정보	프로젝트 과제	프로젝트과제	프로젝트 과제 정보 관리	과제번호	과제명, 제출기한, 평가기준
	미래교육과정	학습이력 정보	학습자	학습자	학습자 정보 관리	학습자번호	학습자명, 학교, 학년
	미래교육과정	학습이력 정보	활동이력	학습활동이력	학습활동 로그 관리	활동이

---

Slide 85 — 4.3 목표 데이터 아키텍처 정의

4.3 목표 데이터 아키텍처 정의 › 6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(15/16)

주제영역	데이터그룹	엔티티	엔티티 설명	대표식별자	주요속성
시스템 관리	시스템관리자	포털관리자	대민포털 시스템 Admin 데이터	사용자ID	사용자ID, 비밀번호, 확인비밀번호, 이름, 휴대폰, 주소, 상태, 소속부서, 직급, 직위, 생성일자, 삭제일자
		포털운영자	업무포털 시스템 Admin 데이터	사용자ID	사용자ID, 비밀번호, 확인비밀번호, 이름, 휴대폰, 주소, 상태, 소속부서, 직급, 직위, 생성일자, 삭제일자
	시스템환경	포털매뉴얼	포털 이용을 위한 지침 등의 매뉴얼 데이터	매뉴얼ID	매뉴얼명, 업무분야(대/중/소), 작성자, 생성일자, 삭제일자, 유효일자 등
		메뉴관리	포털 메뉴 구조 데이터	메뉴ID	메뉴명, 설명, 생성일자, 변경일자
		권한관리	포털 메뉴 접근 권한 등의 권한 데이터	권한ID	사용자ID, 그룹ID, 기관ID, 입력/수정/삭제/출력/조회권한, 생성일자, 삭제일자
		시스템로그관리	포털에서 발생하는 각종 로그 데이터	UID	생성일시, 접속IP, 메뉴ID, 접속자, 처리내용 등
	공통코드	학교 코드	학교 코드 데이터	학교 코드ID	코드명, 비고
		근무처코드	사용자 근무처 구분을 위한 근무처 데이터	근무처ID	코드명, 비고
		위원회코드	확장성을 고려하여 정의한 위원회 코드 데이터	위원회코드	코드명, 비고
		분류코드	업무(사건)분류를 위한 분류코드 데이터	분류코드	코드명, 비고
시스템 연계	연계대상	포털(기관) 정보	연계 대상인 포털(기관)의 접근 설정 정보 데이터	연계대상ID	전문포털명, URL명, 담당자명, 연락처
		연계 설정 정보	연계 방식, 주기 등 실시간 연계 정보 데이터	연계대상ID	연계방식, 연계주기, 사용여부
	연계항목	연계항목	연계 세부 항목을 정의한 데이터	연계대상ID	연계항목, 연계항목타입, 연계항목길이,연계항목값, 기본값
	연계처리	연계 모니터링	실시간 연계에서 발생하는 연계 상태 데이터	연계대상ID	수신일자, 기관, 송수신전문, 검증결과, 오류유형, 생성일자 등
		연계로그	연계시간, 연계상태값, 소요시간, 상태메세지 등 정보	연계대상ID	생성일시, 처리내용 등
	연계통계	연계수집 통계	연계 처리시의 최초, 변경 등의 연계 통계 데이터	통계유형ID	일자, 전문포털, 데이터수신건수집계, 성공건수집계, 실패건수
		연계처리 통계	연계 처리시에 발생하는 성공, 실패 등의 기간별 통계 데이터	통계유형ID	일자, 전문포털, 송수신전문, 유형, 수신건수, 전송건수, 오류건수, 정상건수

---

Slide 86 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 엔티티 정의서

• 데이터 그룹의 기능별로 엔티티, 엔티티 설명, 주요 식별자, 주요속성을 정의함

엔티티 정의서(16/16)

주제영역	데이터그룹	엔티티	엔티티 설명	대표식별자	주요속성
메타 데이터 관리	정보시스템	정보시스템	정보시스템명, 관련법령(보유목적),구축년도, 운영부서명, 담당자명, 전화번호, 이메일 등	정보시스템ID	정보시스템명, 관련법령(보유목적),구축년도, 운영부서명, 담당자명, 전화번호, 이메일 등
		응용프로그램	정보시스템명, 응옹프로그램명, 설명	응용프로그램ID	정보시스템명, 응옹프로그램명, 설명
	데이터베이스	데이터베이스	논리DB명, 물리DB명, DB 설명, 적용 업무, DBMS 정보, 운영체제 정보, 구축일자, 테이블수, 데이터 용량, 수집제외 사유 등	데이터베이스ID	논리DB명, 물리DB명, DB 설명, 적용 업무, DBMS 정보, 운영체제 정보, 구축일자, 테이블수, 데이터 용량, 수집 제외 사유 등
		테이블	테이블 소유자, 테이블 영문명, 테이블 한글명, 테이블 유형, 테이블 설명, 업무분류체계, 품질진단여부, 보존기간, 테이블 볼륨, 발생주기, 공개/비공개 여부, 개방데이터목록	테이블ID	테이블 소유자, 테이블 영문명, 테이블 한글명, 테이블 유형, 테이블 설명, 업무분류체계, 품질진단여부, 보존기간, 테이블 볼륨, 발생주기, 공개/비공개 여부, 개방데이터목록
		컬럼	컬럼 영문명, 컬럼 한글명, 컬럼 설명, 데이터 타입, 데이터 길이, 데이터 포맷, Not Null 여부, PK 정보, FK 정보, 제약조건, 개인정보 여부, 암호화 여부, 공개/비공개 여부	컬럼ID	컬럼 영문명, 컬럼 한글명, 컬럼 설명, 데이터 타입, 데이터 길이, 데이터 포맷, Not Null 여부, PK 정보, FK 정보, 제약조건, 개인정보 여부, 암호화 여부, 공개/비공개 여부
	데이터표준	표준도메인	도메인명, 도메인설명, 데이터 타입, 데이터 길이, 소수점 길이, 저장형식, 표현형식, 단위, 허용값, 코드명 등	표준도메인ID	도메인명, 도메인설명, 데이터 타입, 데이터 길이, 소수점 길이, 저장형식, 표현형식, 단위, 허용값, 코드명 등
		표준용어	표준용어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등	표준용어ID	표준용어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등
		표준단어	표준단어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등	표준단어ID	표준단어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등
		표준코드	코드명, 코드설명, 코드값	표준코드ID	코드명, 코드설명, 코드값
	데이터모델	논리모델	논리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전	논리모델ID	논리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전
		물리모델	물리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전	몰리모델ID	물리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전

---

Slide 87 — 6.1.4 데이터 구조관리 방안

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리모델

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델 예시

구분	표기법	설명	구분	표기법	설명
엔티티 (Entity)		개체집합이나, 행위집합을 표기	서브타입 (subtype)		동일한 엔티티에 속하면서 좁은 의미의 속성이 적용되는 엔티티 집합의 관계를 표기
속성 (Attribute)		엔티티에 저장되는 개체 집합의 특성을 설명하는 항목	순환관계 (Recursive)		엔티티가 자기자신과 관계를 나타낼 때 사용하는 표기
식별자 (Unique Identifier)		엔티티의 각 개체들을 식별해 주는 속성	BOM관계 (Bill Of Materials)		M:M순환관계 표기로 부품 소요량 파악등의 모델에 활용
관계 (RelationShip)		두 개의 엔티티간에 조건을 표기	Arc관계 (Mutually Exclusive)		엔티티가 두개이상 엔티티의 합집합과의 관계를 표기

예시

예시

엔티티명

엔티티

속성

식별자

---

Slide 88 — • • • •

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 포털

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(포털)

주요 논리 모델

엔티티 정보

포털정보

학생회원

기본회원정보

포털ID(PK)

# 회원ID(PK)

회원유형구분

회원유형ID

교사회원

학생건강/PAPS

학생생활/성적

회원로그인

포털홈(학생)

포털홈(교사)

원패스가입

# 건강기록(PK)

# 학생로그인(PK)

# 할일(PK)

# 약관동의(PK)

# 할일(PK)

수업진행현황

수업공지사항

질의응답

AI 학습진단

학생 FAQ

학생일정

정보변경

비밀번호변경

비밀번호변경

# 학교생활기록(PK)

시간표

학생로그인(PK)

# 학생학적정보

수업진행현황

PAPS활동처방

주간학습

미동의약관동의

• 아이디,비밀번호
• 계정확인여부
• 계정전달여부

수업공지사항

출결정보

PAPS평가결과

비밀번호 찾기

봉사활동내역

질의응답

학생가입현황

교과평가

PAPS평가결과이력

커뮤니티

학생가입지원현황

교사로그인

교사인증서

수업코드 입력

초등성적

PAPS통계분석

학교생활통지표

• 학생계정정보

• 학생번호(PK)

정보변경

성적표

• 아이디,비밀번호
• 계정확인여부
• 계정전달여부

비밀번호변경

PAPS지수

성적분석

주제영역	데이터그룹	엔티티명	엔티티 설명
포털	학생회원 가입	약관동의	이용약관, 개인정보 수집·이용 동의 및 만 14세 미만 여부를 관리
		학생학적정보	학생의 학교 선택, 이름, 생년월일, 학적정보 및 법정대리인 동의 정보를 관리
		학생회원정보	학생 회원가입을 위한 아이디, 비밀번호, 이메일 인증 정보를 관리
	학생회원가입지원	학생가입현황	학생 회원가입 현황과 미가입 학생 정보를 관리
		학생기본정보	학생 이름, 학적정보, 생년월일 확인 및 입력 정보를 관리
		학생계정정보	학생이 사용할 ID와 비밀번호 발급 및 전달 정보를 관리
	학생	학생로그인	학생의 아이디·비밀번호 기반 로그인 정보를 관리
		학생간편인증	학생의 아이디 기반 간편인증 정보를 관리
		미동의약관동의	약관 미동의 사용자의 약관 동의 상태를 관리
		아이디찾기	분실한 아이디 찾기 요청 및 결과 정보를 관리
		비밀번호찾기	분실한 비밀번호 찾기 및 재설정 요청 정보를 관리
	교사	교사로그인	교사의 아이디·비밀번호 기반 로그인 정보를 관리
		교사간편인증	교사의 아이디 기반 간편인증 정보를 관리
		교사인증서	교사의 인증서 기반 인증 정보를 관리
	수업참여	수업참여	수업명과 수업코드를 입력하여 해당 수업에 참여하는 정보를 관리
	메인화면	교사할일	교사의 오늘 할일, 전체 할일, 오늘의 수업 현황 정보를 관리
		교사수업진행현황	교사의 전체수업, 진행전수업, 진행완료 수업 현황을 관리
		수업공지사항	교사가 등록하는 수업 공지사항 정보를 관리
		질의응답	교사가 질의응답 실시 내용을 확인하는 정보를 관리
	게시판	FAQ	자주 묻는 질문과 답변 정보를 관리
		이용자매뉴얼	사용자 매뉴얼 조회 정보를 관리
		교사커뮤니티	교사 간 정보공유, 이벤트 참여, 게시글 작성 및 조회 정보를 관리
		우리반게시판	우리반 게시판 목록, 상세조회, 질문 삭제 및 새 게시물 등록 정보를 관리
	캘린더	교사일정	교사의 학사일정, 수업일정, 개인일정 정보를 관리
	내정보 관리	교사프로필	교사의 개인 사진을 포함한 프로필 변경 정보를 관리
		교사비밀번호변경	교사의 신규 비밀번호 변경 정보를 관리

---

Slide 89 — • • • •

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > LXP

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(LXP)

주요 논리 모델

엔티티 정보

주제영역	데이터그룹	엔티티명	엔티티 설명
LXP	학습창	학습창	수업 기본정보 및 학생 입장 현황 관리
	외부 클래스 연결	외부 클래스 연결	외부 화상수업 도구 연계 관리
	교재보기	교재 목록	등록 교재 관리
		유투브 보기	유튜브 콘텐츠 공유 관리
		웹 URL 보기	웹페이지 교재 관리
		동영상 보기	동영상 파일 공유 관리
		문서 보기	문서형 교재 관리
	수업도구	판서하기	판서 및 필기 정보 관리
		화이트보드 사용	화이트보드 활동 관리
		메시지	수업 중 메시지 송수신 관리
		교사화면공유	교사 화면 공유 관리
		손들기 확인	학생 손들기 요청 관리
		발표시키기	학생 발표 관리
		집중확인	학습 집중도 확인 관리
		질의 응답	질의 및 응답 관리
	과제 운영	과제제시	과제 등록 및 배포 관리
		과제현황	과제 제출 현황 관리
		제출과제	제출 과제 관리
		과제 제출 닫기	과제 마감 관리
	문제지 운영	문제지 제시	문제지 배포 관리
		문제지 현황	문제지 응시 현황 관리
		문제풀이 결과	문제풀이 결과 관리
	질문 운영	질문 제시	질문 등록 관리
		질문 결과	질문 응답 결과 관리
	토론 운영	토론 제시	토론 주제 관리
		토론확인	토론 참여 결과 관리
	설문 운영	설문 제시	설문 등록 관리
		설문결과	설문 결과 관리

LXP

회원유형

회원기본정보

LXPID(PK)

# 회원ID(PK)

서비스구분

• 회원ID
• 유형ID

유형정보

수업(학생)

콘텐츠관리

수업(교사)

과제문제지

질문토론

수업도구

• 수업번호(PK)

• 학생번호(PK)

# 콘텐츠번호(PK)

# 수업번호(PK)

# 과제번호(PK)

# 질문번호(PK)

# 수업번호(PK)

• 수업명,

• 입장상태

• 동영상교재,

• 콘텐츠유형,URL,

• 제목일,재생시간,

• 문서교재,문서유형,

• 웹교재

• URL번호,

• URL 주소

• 수업명,학습주제,

• 학습목표,수업공지

• 입장상태

• 과제명,

• 제출기한

• 질문내용,

• 등록일

• 화이트보드번호

• 화이트보드번호_

• 메세지

• 메세지번호화면공유

• 공유번호 손들기

• 손들기번호

학생차단

관찰기록

칭찬포인트

감정출석

학생출결

• 차단번호(PK)

• 학생번호(PK)

• 기록번호(PK)

• 학생번호(PK)

• 포인트번호(PK)

• 학생번호(PK)

• 출결번호(PK)

• 학생번호(PK)

• 출결번호(PK)

• 학생번호(PK)

학생번호차단사유

학생번호관찬내용

학생번호포인트

학생번호감점상태

학생번호출결상태

---

Slide 90 — 지원공통정보

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 행정지원(Agent)

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(행정지원(Agent))

주요 논리 모델

엔티티 정보

주제영역	데이터그룹	엔티티명	엔티티 설명
행정지원(Agent)	AI 어시스터	프롬프트	AI 어시스트 질의 및 응답 관리
	수업개설	교육과정 개설	교육과정 기반 수업 개설 정보 관리
		자체운영 개설	교사 자체 수업 개설 정보 관리
		외부 교육서비스 연결	외부 교육서비스 연계 정보 관리
	수업환경 설정	수업 알림 설정하기	수업 알림 설정 정보 관리
		수업공지사항 작성	수업 공지사항 관리
		칭찬포인트	학생 칭찬포인트 관리
	멤버 구성	교사 초대하기	수업 참여 교사 초대 관리
		학생 초대하기	수업 참여 학생 초대 관리
		학습그룹 설정	학습그룹 구성 정보 관리
		튜터권한 설정	튜터 권한 관리
	차시 설정	차시정보 설정	차시 운영 정보 관리
		성취기준 등록	성취기준 관리
		관찰기록 설정	관찰기록 양식 관리
		학습목표 입력	학습목표 관리
		신규차시 생성	신규 차시 생성 관리
	수업교재 구성	수업꾸러미 등록	수업꾸러미 관리
		첨부 파일 등록하기	수업 첨부파일 관리
		동영상 파일 등록하기	수업 동영상 자료 관리
		유투브 영상 등록	유튜브 영상 관리
		URL 등록	외부 URL 관리
	수업활동 구성	문제지 등록	문제지 정보 관리
		과제 등록	과제 정보 관리
		질문 등록	질문 정보 관리
		설문 등록	설문 정보 관리
		토론 등록	토론 정보 관리
		동료 평가	동료평가 정보 관리

# 지원번호(PK)

AI어시스트

수업설계

주제영역구분

# 어시스트ID(PK)

# 설계IDID(PK)

지원번호

지원번호

AI어시스트

수업운영

• 성취기준/
• 학습목표

멤버구성

차시설정

수업교재

수업활동

# 어시스트ID(PK)

• 초대번호(PK)

• 교사번호(PK)

• 학생번호(PK)

• 수락일자(PK)

• 그룹번호(PK)

• 설계ID(PK)

• 수험번호(PK)

• 설정번호(PK)

# 성취기준번호(PK)

# 차시번호(PK)

• 꾸러미번호(PK)

• 파일번호(PK)

• 동영상번호(PK)

• 영상번호(PK)

• URL번호(PK)

• 문제지번호(PK)

• 과제번호(PK)

• 질문번호(PK)

• 설문번호(PK)

• 토론번호(PK)

• 평가번호(PK)

지원번호

• 성취기준명

• 교과

• 학년

• 차시명

• 차시일시

• 공개여부

• 수업명

• 운영기간

• 알림유형

• 수신범위

평가기록

# 목표번호(PK)

• 콘텐츠목록

• 파일명

• 동영상명

• 재생구간

• URL명

• 제목

• 그룹명

• 학생목록

목표내용

• 과제번호

• 학생번호(PK)

• 문제지명

• 과제명

• 질문내용

• 설문명

• 토론주제

• 평가명

• 루브릭

• 배점

문제지평가

과제평가

• 점수
• 교사의견
• 평가상태

평가정보

• 문제지번호(PK)

• 학생번호(PK

• 과제번호(PK)

• 학생번호(PK

점수,교사의견

• 점수,교사의견
• 평가상태

# 연계번호(PK)

# 제출번호(PK))

# 제출번호(PK

# 제출번호(PK

연계구분

• 학생번호

• 제출일시

• 학생번호

• 제출일시

학생번호,제출일시

학생변경/출결

시간표

환경구성/정보

포트폴리오평가

나이스연계정보

# 변경번호(PK)

# 시간표번호(PK)

# 교과번호(PK)

# 학생번호(PK)

• 학생번호(PK)

• 성적번호(PK)

• 학생번호

• 변경내용

• 학기

• 요일

• 교시

• 교과

교과명

정답율

수행평가점수

# 학급번호(PK)

# 학생서적번호(PK)

# 출결번호(PK)

학급명

• 평가의견

• 문제지점수

• 최종점수

• 출결상태

• 출결일

# 교사번호(PK)

교사명,담당과목

• • • •

---

Slide 91 — • • • •

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > AI 학습 Agent

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(AI 학습 Agent)

주요 논리 모델

엔티티 정보

주제영역	데이터그룹	엔티티명	엔티티 설명
AI학습Agent	AI 튜터	프롬프트	AI 챗봇 질의 및 응답 정보 관리
	수업 결과	수업활동현황	학생의 수업 참여 및 결과 현황 관리
		출결 확인	학생 출결 정보 관리
		제출하지 않은 과제	미제출 과제 현황 관리
		제출한 과제	제출 과제 정보 관리
		학점이수현황	학생 학점 이수 현황 관리
		칭찬포인트 현황	학생 칭찬포인트 관리
		배지 현황	학생 배지 획득 현황 관리
	콘텐츠 찾기	콘텐츠 검색하기	학습 콘텐츠 정보 관리
		콘텐츠 추천받기	개인 맞춤형 콘텐츠 추천 정보 관리
	나의보관함	추천 콘텐츠	추천 콘텐츠 보관 정보 관리
		영상	영상 학습 콘텐츠 관리
		문제집 만들기	사용자 생성 문제집 관리
		내콘텐츠	개인 보관 콘텐츠 관리
	학습 진단	진단하기(응시)	학습 진단 응시 정보 관리
		진단결과	학습 진단 결과 관리
		맞춤형 학습 목록	진단 결과 기반 맞춤 학습 관리
	논술 진단	논술문항 풀이	논술 문항 답안 관리
		풀이결과 확인	논술 평가 결과 관리
	과목 리포트	요약	과목 학습 요약 정보 관리
		과목별 리포트	과목별 학습 분석 정보 관리
		누적 학습 현황	누적 학습 현황 관리
	종합 리포트	학습 수준	종합 학습 수준 정보 관리
		과목별 리포트	종합 과목별 분석 정보 관리
		누적 학습 현황	종합 누적 학습 현황 관리
	자기주도학습	문제 풀기	자기주도 문제풀이 관리
		채점 하기	문제 채점 결과 관리
		오답노트 작성하기	오답노트 관리
		오답노트 보기	오답노트 조회 관리
		콘텐츠 학습	콘텐츠 학습 이력 관리
	포트폴리오(성취기준)	포트폴리오 작성 및 확인	성취기준 기반 학습 포트폴리오 관리

AI학습통합정보

# 통합ID(PK)

주제영역구분

회원기본정보

# 회원ID(PK)

유형 ID

서비스기본정보

• 서비스ID(PK)

• 통합 ID(PK)

서비스 구분

• 학습진단
• (진단결과)

# 진단번호(PK)

• 학생번호

• 응시일시

• 진단유형

• 리포트조회

• (종합학습현황)

# 학생번호(PK)

• 수즌등급
• 성장도
• 평균점수

학습기능(AI튜터)

# 프롬프트번호(PK)

• 질문내용,답변내용,
• 사용자번호
• 생성일시

과제관리

• 과제번호

• 학생번호

• 과제명,제출기한,

• 제출상태

• 콘텐츠탐색

• (콘텐츠관리)

# 콘텐츠번호(PK)

• 콘텐츠명
• 교과학년
• 성취기준
• 콘텐츠유형

칭찬포인트

# 포인트번호(PK)

• 학생번호
• 포인트점수
• 누적포인트
• 지급사유

출결확인

# 출결번호

• 회원아이디
• 출결상태
• 최초접속일시

학점이수현황

# 졸업ID(PK)

• 회원아이디
• 취득학점
• 조건충족여부

과제제출

# 제출번호

• 학생번호
• 과제번호
• 제출일시
• 채점결과

배지

# 배지번호

• 학생번호
• 배지명
• 획득일

논술풀이

# 답안번호(PK)

• 학생번호
• 문항번호

과목별요약

• 요약번호(PK)

• 리포트번호(PK)

종합과학리포트

# 리포트번호

# 요약번호

보관함

# 보관번호

• 학생번호
• 콘텐츠번호

영상콘텐츠

# 영상번호

• 제목,URL
• 재생시간

종합현황

맞춤학습

# 추천번호

채점결과

# 추천번호

자기주도학습

# 채점번호

오답노트관리

# 오답노트번호

일정

# 구분코드

• 회의구분
• 일정

주요행사

# 구분코드

• 검색색인
• 정보링크
• 색인일시

추천콘텐츠

# 추천번호

나의문제집

# 문제집번호

---

Slide 92 — • • • •

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 콘텐츠서비스

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(콘텐츠서비스)

주요 논리 모델

엔티티 정보

콘텐츠기본정보

# 콘텐츠번호(PK)

• 콘텐츠명

• 콘텐츠유형

• 생성번호(FK)

• 꾸러미번호(FK)

• 교과,학습,학급,

• 성취기준

• 콘텐츠즐겨찾기

• 즐겨찾기번호,교사번호,콘텐츠번호

의뢰기본정보

# 콘텐츠번호(PK)

• 콘텐츠공유정보

• 공유번호,공유자,공유범위,공유일

• 사용자 ID

• 유형ID

• 콘텐츠신고

• 신고번호,신고자,신고사유,신고일

• 지난수업정보

• 수업번호,수업명,운영일,콘텐츠번호

문항관리

# 문항번호(PK)

• 문항명,난이도,
• 학교급,학년,
• 교과,난이도,
• 문항유형

문제지제작

수업꾸러미목록

공유/추천관리

내콘텐츠(교사/학생)

# 콘텐츠번호(PK)

• 교사콘텐츠
• (문항번호)
• 학생콘텐츠
• (콘텐츠번호)
• 콘텐츠명
• 저장일

지난수업/기타

• 수업번호(PK)

• 신고번호(PK)

• 지난수업(수업번호)

• 콘텐츠신고(신고번호)

• 문항검색(검색번호)

# 문제지번호(PK)

# 꾸러미번호(PK)

• 공유번호(PK)

• 추천번호(PK)

• 문제지명,문항목록

• 생성조건,문항수,

• 생성일,수정일,

• 상태

• 꾸러미명

• 과목

• 생성일

• 성명

• 콘텐츠번호

• 교사번호

• 학생번호

• 추천사유

• 추천일

• 조회수

• 선다형문항

• (문항번호)

• 진위형문항

• (문항번호)

• 서술형문항

• (문항번호)

• 문제지편집

• (문제지번호)

• AI문제지생성

• (문제지번호)

• 검색조건

• (문제지번호)

• 꾸러미적용범위

• (꾸러미번호)

• 꾸러미콘텐츠

• (꾸러미번호,

• 콘텐츠번호,순서))

• 꾸러미등록

• (꾸러미번호)

• 지난수업

• 수업번호

• 콘텐츠순서

• 신고번호

• 문항검색

• 검색번호

• 교사콘텐츠

• 콘텐츠번호

• 학생콘텐츠

• 콘텐츠번호

주제영역	데이터그룹	엔티티명	엔티티설명
콘텐츠서비스	문항 보관함	내 문항	교사가 작성하여 보관한 문항 정보 관리
		즐겨찾는 문항	즐겨찾기한 문항 관리
		공유 문항	교사 간 공유된 문항 관리
	문항 만들기	선다형 문항 만들기	선다형 문항 정보 관리
		진위형 문항 만들기	O/X 또는 T/F 문항 관리
		단답형 문항 만들기	단답형 문항 관리
		서술형 문항 만들기	서술형 문항 관리
		다중문항만들기	다중 문항 묶음 관리
		AI 문항 생성	AI 기반 자동 문항 생성 관리
	문제지 만들기	문항 찾기	문제지 구성용 문항 검색 관리
		문항 고르기	문제지에 포함할 문항 선택 관리
		순서 바꾸기	문제지 문항 순서 관리
		저장하기	문제지 저장 관리
		AI 문제지 생성	AI 기반 문제지 자동 생성 관리
	문제지 보관함(교사)	저장한 문제지	저장된 문제지 관리
		진행 중 문제지	작성 중 문제지 관리
		완료한 문제지	완료된 문제지 관리
		공유 문제지	공유된 문제지 관리
	문제지 보관함(학생)	수업 문제지	수업 중 제공된 문제지 관리
콘텐츠서비스	문제지 보관함(학생)	나의 문제지	학생 풀이 문제지 관리
		공유 문제지	학생 공유 문제지 관리
	수업꾸러미 목록	수업꾸러미 목록	수업꾸러미 정보 관리
		미리보기	꾸러미 미리보기 정보 관리
	수업꾸러미 생성	적용범위 선택	꾸러미 적용범위 관리
		학습콘텐츠 선택	꾸러미 콘텐츠 구성 관리
		꾸러미 등록	꾸러미 등록 관리
		콘텐츠 추가	꾸러미 콘텐츠 추가 관리
	공유 꾸러미	공유 꾸러미	공유 수업꾸러미 관리

---

Slide 93 — 6. 데이터 아키텍처 설계

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 데이터분석

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(데이터분석)

주요 논리 모델

엔티티 정보

주제영역	데이터 그룹	엔티티명	엔티티설명
데이터분석	과목 분석	과목 종합 리포트	학급 단위 과목별 학습성과 종합 분석 정보 관리
		과목별 리포트	과목별 학습 수준 및 성취도 분석 관리
		누적학습현황	과목 및 단원별 누적 학습 현황 관리
		문제유형별 정답율	문제유형별 정답률 분석 관리
	학생별 분석	학생분포도	학생 학습수준 분포 정보 관리
		문재풀이현황	학생별 문제풀이 현황 분석 관리
		성취수준 분석	교과 및 단원별 성취수준 분석 관리
		학기종합영역	학기 전체 학습성과 분석 관리
		칭찬이 필요한 학생	칭찬이 필요한 학생 관리
		누적학습현황(우리반)	학급 단위 누적 학습 현황 관리
		문제유형별정답율(우리반)	학급 단위 문제유형별 정답률 관리
		누적학습현황(과목별)	과목별 누적 학습 현황 관리
		사회정서 분석	학생 사회정서 상태 분석 관리
	과목 리포트	요약	학생 학습현황 요약 정보 관리
		과목별 리포트	학생별 과목 학습 분석 정보 관리
		누적 학습 현황	학생 누적 학습 현황 관리
	종합 리포트	학습 수준	학생 학습 수준 진단 결과 관리
		과목별 리포트	종합 과목별 성취도 분석 관리
		누적 학습 현황	학생 종합 누적 학습 현황 관리

학급리포트기본

# 리포트번호

분석통합정보

# 통합분석ID(PK)

• 주제영역
• (데이터분석)
• 생성일

분석기본정보

# 학급번호(PK)

분석그룹

학급명

• 학급번호

• 과목번호

분석공통정보

통합분석ID(PK)

• 분석구분
• 생성일

누적학습현황

• 학급번호

• 과목번호(PK)

• 총풀이수

• 총정답율

학급분석현황

• 학급번호

• 과목번호(PK)

• 평균성취도

• 학급수준

• 생성일

학생분석현황

성취수준분석

사회정서분석

# 학생번호(PK)

• 학생번호

• 과목번호(PK)

• 학생번호

• 과목번호(PK)

• 학습요약

• 문제풀이수

• 정답율

• 월별변화

• 성취수준

• 성취도

• 단원명

• 감정상태

• 위험도

학급과목종합

• 학급번호,

• 과목명(PK)

평균성취도

종합리포트요약

• 학급번호

• 과목명(PK)

• 보충학습과목

• 학습메세지

학생종합분석

# 학급번호(PK)

• 진단결과
• 성취도
• 종합수준

학급과목리포트

• 학급번호,

• 과목명(PK)

• 정답율

• 성취수준

• 차시별수준

학급누적학습

# 학급번호(PK)

• 주차별풀이수
• 정답율

---

Slide 94 — 6. 데이터 아키텍처 설계

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 지식허브

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(지식허브)

주요 논리 모델

엔티티 정보

주제영역	데이터 그룹	엔티티명	엔티티 설명
지식허브	교육과정 기준정보	교육과정 버전	교육과정 개정 버전 관리
		학교급	학교급 기준정보 관리
		교과	교과 기준정보 관리
		과목	과목 기준정보 관리
		학년	학년 기준정보 관리
		학기	학기 기준정보 관리
		영역	교육과정 영역 정보 관리
		핵심아이디어	핵심아이디어 정보 관리
		내용요소	교육과정 내용요소 관리
		성취기준	성취기준 정보 관리
	학습개념 정보	학습개념	학습개념 정보 관리
		선수개념	선수개념 관계 관리
		후속개념	후속개념 관계 관리
		유사개념	유사개념 관계 관리
	수업설계 정보	단원	단원 정보 관리
		차시	차시 정보 관리
		활동유형	교수학습 활동유형 관리
		수업모형	수업모형 정보 관리
	교육자료 정보	콘텐츠	교육 콘텐츠 정보 관리
		평가문항	평가문항 정보 관리
		활동지	학습활동지 정보 관리
		프로젝트 과제	프로젝트 과제 정보 관리
	학습이력 정보	학습자	학습자 정보 관리
		활동이력	학습활동 로그 관리

지식허브통합정보

# 통합ID(PK)

주제영역구분

회원기본정보

# 회원ID(PK)

• 회원ID
• 유형ID

미래교육과정

교육관리

학습개념

수업설계

교육자료

학습이력

교육과정버전

• 교육과정버전코드(PK)
• 버전명

과정영역

• 영역코드(PK)
• 영역명

학습개념

• 학습개념코드(PK)
• 개념명

단원

• 단원코드(PK)
• 단원명

콘텐츠

• 콘텐츠번호(PK)
• 콘텐츠명

학습자

• 학습자번호(PK)
• 학습자명

학교급

• 학교급코드(PK)
• 학교급명

핵심아이디어

• 핵심아이디어코드(PK)
• 핵심내용

선수개념

• 학습개념코드
• 선수개념코드

차시

• 차시코드(PK)
• 차시명

평가문항

• 문항번호(PK)
• 문항유형

학습활동이력

• 활동이력번호(PK)
• 활동내용

교과

• 교과코드(PK)
• 교과명

성취기준

• 성취기준코드(PK)
• 교과명

후속개념

• 학습개념코드
• 후속내몀코드

활동유형

• 활동유형코드(PK)
• 활동명

활동지

• 활동지번호(PK)
• 활동지명

과목

• 과목코드(PK)
• 과목명

유사개념

• 학습개념코드
• 유사개념코드

수업모형

• 수업모형코드(PK)
• 수업모형명

프로젝트과제

• 과제번호(PK)
• 과제명

학년

• 학년코드(PK)
• 학년명

학기

• 학기코드(PK)
• 학기명

---

Slide 95 — 6. 데이터 아키텍처 설계

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 시스템 관리

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(시스템 관리)

주요 논리 모델

엔티티 정보

주제영역	데이터그룹	엔티티	엔티티설명
시스템 관리	시스템 관리자	포털관리자	대민포털 시스템 Admin 데이터
		포털운영자	업무포털 시스템 Admin 데이터
	시스템 환경	포털매뉴얼	포털 이용을 위한 지침 등의 매뉴얼 데이터
		메뉴관리	포털 메뉴 구조 데이터
		권한관리	포털 메뉴 접근 권한 등의 권한 데이터
		시스템로그관리	포털에서 발생하는 각종 로그 데이터
	공통코드	학교코드	학교 코드 데이터
		근무처코드	사용자 근무처 구분을 위한 근무처 데이터
		위원회코드	확장성을 고려하여 정의한 위원회 코드 데이터
		분류코드	업무(사건)분류를 위한 분류코드 데이터

코드 관리

권한그룹

# 코드ID(PK)

# 권한그룹ID(PK)

• 코드명

• 코드 영문명

• 코드 값

• 설명

• 출력 순서

• 사용여부

• 등록자ID

• 등록 일시

• 코드그룹ID(FK)

• ……….

• 권한그룹ID

• 그룹명

• 권한

• 사용여부

• 등록일

사용자

# 사용자ID(PK)

• 구분
• 소속
• 사용자유형(관리자/운영자)
• 이름
• E-Mail
• 등록일
• 권한ID(FK)

권한

# 권한ID(PK)

공통코드그룹관리

• 권한ID
• 권한구분
• 권한레벨
• 사용여부
• 등록일
• 권한그룹ID(FK)

# 코드그룹ID(PK)

• 그룹코드명
• 그룹상세설명
• 코드조합체계
• 등록자ID
• 등록 일시
• ………

---

Slide 96 — 6. 데이터 아키텍처 설계

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 시스템 연계

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(시스템 연계)

주요 논리 모델

엔티티 정보

주제영역	데이터그룹	엔티티	엔티티설명
시스템 연계	연계 대상	포털(기관) 정보	연계 대상인 포털(기관)의 접근 설정 정보 데이터
		연계 설정정보	연계 방식, 주기 등 실시간 연계 정보 데이터
	연계 항목	연계 항목	연계 세부 항목을 정의한 데이터
	연계 처리	연계 모니터링	실시간 연계에서 발생하는 연계 상태 데이터
		연계로그	연계시간, 연계상태값, 소요시간, 상태메세지 등 정보
	연계 통계	연계수집 통계	연계 처리시의 최초, 변경 등의 연계 통계 데이터
		연계처리 통계	연계 처리시에 발생하는 성공, 실패 등기간별 통계 데이터

연계관리

연계정보

# 연계관리ID(PK)

# 연계정보ID(PK)

• 연계시스템명

• 데이터셋명

• 제공학교

• 담당자

• 담당자 연락처

• 연계 주기

• 연계 방식 등

• 연계구분

• 파라미터

• 데이터값

• 연계처리ID(FK)

• 연계관리ID(FK)

• 연계테이블관리ID(FK)

• 연계데이터관리ID(FK)

연계데이터관리

연계테이블관리

연계처리

# 연계테이블관리ID(PK)

# 연계데이터관리ID(PK)

# 연계처리ID(PK)

• 결과

• 시작 시간

• 종료 시각

• 총건수

• 처리 건 수

• 삽입 건 수

• 삭제 건 수

• 갱신 건 수

• 오류 건 수

• 연계데이터관리ID(FK)

• 컬럼 순서

• 컬럼 설명

• 컬럼데이터타입

• 컬럼 기본값

• 컬럼데이터길이

• 컬럼 널 여부

• 컬럼데이터유형

• 사용여부

• 연계데이터관리ID(FK)

• 데이터명

• 데이터 설명

• 사용여부

• 최초수집일

• 최종수집일

• 연계처리ID(FK)

• 연계데이터관계ID(FK)

---

Slide 97 — 6. 데이터 아키텍처 설계

6.1.4 데이터 구조관리 방안 › 6. 데이터 아키텍처 설계 › 6.1 데이터 관리체계 구축 방안

6.1.4.22 개념모델 설계 > 논리 모델 > 메타데이터 관리

• 데이터 모델을 데이터 모델링 기법을 적용하여 확장성을 고려한 엔티티관계도(ERD)에 대해 정의함

논리 모델(메타 데이터 관리)

주요 논리 모델

엔티티 정보

정보시스템

응용프로그램

코드 관리

표준도메인

표준용어

표준단어

# 코드ID(PK)

도메인ID(PK)

표준용어ID(PK)

표준단어ID(PK)

• 정보시스템

• ID(PK)

• 응용프로그램

• ID(PK)

• 도메인명

• 도메인설명

• 데이터 타입

• 데이터 길이

• 소수점 길이

• 저장형식

• 표현형식

• 단위

• 허용값

• 코드명

• 표준용어

• 표준용어 영문명

• 표준용어 영문약어명

• 표준용어구분

• 표준용어 설명

• 도메인ID

• 사용유무

• 비고

• 표준단어

• 표준단어 영문명

• 표준단어 영문약어명

• 비고

• 코드명

• 코드 영문명

• 코드 값

• 설명

• 출력 순서

• 사용여부

• 등록자ID

• 등록 일시

• 코드그룹ID(FK)

• ……….

• 학교명

• 정보시스템명

• 관련법령(보유목적)

• 구축년도

• 운영부서명

• 담당자명

• 전화번호

• 이메일

• 응용프로그램명

• 정보시스템ID{FK}

데이터베이스

테이블

컬럼

• 데이터베이스

• ID(PK)

# 테이블ID(PK)

# 컬럼ID(PK)

표준용어 매핑

공통코드그룹관리

• 표준용어매핑
• ID(PK)

# 코드그룹ID(PK)

• 논리DB명

• 물리DB명

• DB 설명

• 적용 업무

• DBMS 정보

• 운영체제 정보

• 구축일자

• 테이블수

• 데이터 용량

• 수집제외 사유

• 테이블 소유자

• 테이블 영문명

• 테이블 한글명

• 테이블 유형

• 테이블 설명

• 업무분류체계

• 품질진단여부

• 보존기간

• 테이블 볼륨

• 발생주기

• 공개/비공개 여부

• 개방데이터목록

• 컬럼 영문명

• 컬럼 한글명

• 컬럼 설명

• 데이터 타입

• 데이터 길이

• 데이터 포맷

• Not Null 여부

• PK 정보

• FK 정보

• 제약조건

• 개인정보 여부

• 암호화 여부

• 공개/비공개 여부

• 표준용어ID(FK)

• 동의어

• 유사어

• 등록일자

• 비고

• 그룹코드명

• 그룹상세설명

• 코드조합체계

• 등록자ID

• 등록 일시

• ………

테이블컬럼매핑

• 테이블ID(FK)

• 컬럼ID(FK)

컬럼순서

주제영역	데이터그룹	엔티티	엔티티 설명
메타 데이터 관리	정보 시스템	정보시스템	정보시스템명, 관련법령(보유목적),구축년도, 운영부서명, 담당자명, 전화번호, 이메일 등
		응용프로그램	정보시스템명, 응옹프로그램명, 설명
	데이터 베이스	데이터베이스	논리DB명, 물리DB명, DB 설명, 적용 업무, DBMS 정보, 운영체제 정보, 구축일자, 테이블수, 데이터 용량, 수집제외 사유 등
		테이블	테이블 소유자, 테이블 영문명, 테이블 한글명, 테이블 유형, 테이블 설명, 업무분류체계, 품질 진단여부, 보존기간, 테이블 볼륨, 발생주기, 공개/비공개 여부, 개방데이터목록
		컬럼	컬럼 영문명, 컬럼 한글명, 컬럼 설명, 데이터 타입, 데이터 길이, 데이터 포맷, Not Null 여부, PK 정보, FK 정보, 제약조건, 개인정보 여부, 암호화 여부, 공개/비공개 여부
	데이터 표준	표준도메인	도메인명, 도메인설명, 데이터 타입, 데이터 길이, 소수점 길이, 저장형식, 표현형식, 단위, 허용값, 코드명 등
		표준용어	표준용어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등
		표준단어	표준단어명, 설명, 출처, 원어, 약어, 동의어, 관련어, 등록일 등
		표준코드	코드명, 코드설명, 코드값
	데이터 모델	논리모델	논리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전
		물리모델	물리모델명, 응용프로그램, 설명, 논리모델첨부파일, 버전

---

Slide 98 — 복제 및 HA 구성 설계 개요

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 1. 복제 및 HA 구성 설계 개요

• 복제와 고가용성은 장애 자체를 제거하는 기술이 아니라, 장애 발생 시에도 서비스 중단과 데이터 손실을 최소화하는 설계 속성임. 본 설계는 저장소별 업무 중요도, 데이터 손실 허용수준, 복구 목표시간을 기준으로 복제방식과 Failover 구성을 차등 적용함

• HA·복제·

• Failover 개념 정의

개념	정의	사업적용 의미
고가용성(HA)	단일 장애점(SPOF) 없이 서비스 연속성을 보장하는 설계 속성	수업 중 장애 = 학습권 침해 → 전 저장소 HA 내재화
복제(Replication)	동일 데이터를 2개 이상 노드에 동기화하여 대체 가능 상태 유지	장애 시 데이터 손실을 최소화하고 대체 노드가 서비스 처리를 인계
Failover	장애 감지 후 대기 노드를 자동 승격하여 서비스를 이어받는 메커니즘	RTO를 결정하는 핵심 — 자동화 없이 4 Nine 달성 불가
RTO	장애 후 서비스 복구까지 허용 시간 (Recovery Time Objective)	DB별 10초~60초 이내 목표
RPO	장애 시 허용 가능한 최대 데이터 손실 시점 (Recovery Point Objective)	운영DB·kafka: RPO 0초 지향 / LRS·DW: 10초 이내 / 캐시 세션: 1초 이내 또는 재인증 허용 기준 적용

분류	방식	적용유형	핵심원리
로그 기반	WAL Streaming	행정 DB, 운영DB	트랜잭션 로그를 실시간 스트리밍
로그 기반	Oplog	내부LRS	작업 로그를 순차 전송
로그 기반	AOF + RDB	캐시 저장소	쓰기 로그 + 주기적 스냅샷 병행
합의 기반	Raft	벡터유, 그래프유	과반수 노드 동의 후 커밋
스트림 기반	ISR (In-Sync Replicas)	이벤트	동기화 완료 Replica 목록 관리
분산 저장 기반	Erasure Coding	Object Storage	데이터 분산 저장으로 노드 손실 허용

복제 방식 분류

동기 vs 비동기 복제 선택 기준

개념	동기복제	비동기 복제
RPO	0초 (무손실)	수초~수분 손실 가능
성능 영향	응답 지연 증가	영향 최소
적용 기준	손실 불허 데이터 또는 손실 최소화 필요 데이터(운영DB·Kafka·핵심 세션)	재생성 가능 데이터 (캐시·분석 쿼리)
본 사업 적용	운영DB, 그래프DB Core, 캐시 세션은 손실 최소화 구성으로 별도 관리	내부 LRS, 운영 DB, 캐시

• 본 별첨은 저장소 단위 HA 구성 기준이며, 센터 장애·리전 장애·랜섬웨어·논리 삭제 대응은 백업/DR/BCP 설계에서 별도 정의함

---

Slide 99 — 가용성 목표 및 Failover 메커니즘

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 2. 가용성 목표 및 Failover 메커니즘

• 수업 중 장애는 학습권 침해로 직결되므로 핵심 저장소는 4 Nine 수준의 가용성을 목표로 설정함. 저장소별 업무 중요도에 따라 세션·Kafka·운영DB는 핵심경로, LRS·DW·Graph·Vector는 중요경로, 캐시는 보조경로로 구분하여 RTO/RPO를 차등 적용함

• 4 Nine 기준은 연중 운영 기준 약 52.6분/년이며, 수업 핵심시간 1,330시간 기준으로 환산하면 약 8분/년 수준임.

• 따라서 핵심 수업 시간대 장애는 자동 Failover와 연결 자동 전환으로 대응해야 함

가용성 등급 및 본 사업 적용 기준

등급	가동율	연간 허용 다운타임	본 사업 적용
3 Nine	99.9%	8.76시간	미적용 - 수업 중 수시간 장애 허용 불가
4 Nine	99.99%	52.6분	핵심·중요 저장소 목표 기준
5 Nine	99.999%	5.26분	세션·Kafka 핵심 경로 지향 목표

Failover 단계별 흐름

장애감지

구 Primary 격리 (Fencing)

신규 Primary 선출

클라이언트 연결 전환

구 Primary 복구 후 Replica 재편입

• Heartbeat 타임아웃 / Quorum 투표로 Primary 장애 확정

Split-Brain 방지 - 구 Primary의 쓰기 권한 강제 차단

• 최신 LSN / Oplog / Raft Leader 선출로 가장 최신 노드 승격

• VIP 또는 HAProxy / Bolt Driver Routing 자동 전환

• pg_rewind / Oplog 재동기화 / Raft Follower 재합류

Split-Brain 방지 방식 DB별 적용

DB	DB별 방지방식	구체적 설정
PostgreSQL	Fencing (Patroni + etcd)	etcd/DCS lease 상실 시 구 Primary 자동 demote, HAProxy/VIP 라우팅 제외, 필요 시 Fencing 정책 적용, 복구 후 pg_rewind 기반 Replica 재합류
MongoDB	Quorum 과반수 투표	electionTimeoutMillis = 10,000ms
Neo4j	Raft 과반수 합의	Core 3노드 필수 — 2/3 쿼럼 미충족 시 쓰기 거부
Kafka	ISR + Unclean Election 금지	unclean.leader.election.enable = false
Redis/Valkey	Sentinel 쿼럼 투표	Sentinel 3노드, 과반(2/3) 동의 시 Failover
MinIO	Erasure Coding 쿼럼	Erasure Set 기준 Read/Write Quorum 충족 시 읽기·쓰기 유지. 노드·드라이브 구성에 따라 장애 허용 범위는 구축 시 검증 필요
Milvus	Raft (etcd)	etcd 3노드 과반수 합의

---

Slide 100 — DB별 복제방식 비교 및 선택 근거

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 3. DB별 복제방식 비교 및 선택 근거

• 저장소별 데이터 특성과 서비스 중요도에 따라 복제 방식과 동기화 수준을 차등 적용하며, 동일한 HA 목표라도 DB 엔진 고유의 복제 메커니즘을 활용해야 실제 RTO·RPO 달성이 가능함

DB	복제방식	동기화수준	선택근거
운영DB	WAL Streaming	동기	학습이력 영구보존, 트랜잭션 무결성 필수
운영DB Read Replica	WAL Streaming	비동기	운영DB 조회 부하 격리, 10초 지연 허용 (MyData DW는 별도 분석 저장소로 분리)
내부 LRS	Oplog	비동기	50 events/학생/일 고빈도 수집, 지연 허용
그래프 DB	Raft (Core 간)	동기	관계 데이터 무결성, GraphRAG 일관성 필수
스트리밍	ISR	동기	xAPI 파이프라인 유실 시 전체 데이터 흐름 중단
세션	AOF + Replication	손실 최소화 구성	세션 토큰 손실 최소화, 장애 시 재인증 허용
캐시	RDB	비동기	캐시 재생성 가능, 손실 허용
Object Storage	Erasure Coding	분산 저장	콘텐츠·모델파일 대용량, 노드·드라이브 장애 시 데이터 복구 가능
벡터 DB	Raft (etcd) + MinIO	동기 (메타)	etcd 메타데이터는 Raft 기반 보호, 벡터 세그먼트는 Object Storage 내구성 기준 보호, 인덱스 손상 시 재색인 가능

분산

복제방식 선택 판단 흐름

DB → Raft (벡터/그래프DB)

불허

합의 기반 필요 여부

동기 복제 (WAL / Raft / ISR / AOF)

스트림

ISR (스트리밍)

단일

데이터 손실 허용 여부

Primary → WAL / AOF 운영DB, 캐시)

가능

RDB 스냅샷 (캐시)

비동기 복제

재생성 가능 여부

Oplog + writeConcern:majority (LRS)

허용

불가

---

Slide 101 — HA전략 및 저장소별 RTO/RPO 목표

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 4. HA전략 및 저장소별 RTO/RPO 목표

• 수업시간 중 장애가 학습권 침해로 직결되므로 모든 저장소에 단일 장애점(SPOF) 없는 고가용성 구조를 내재화하되, 저장소별 서비스 중요도와 데이터 재생성 가능 여부에 따라 RTO/RPO 목표를 차등 적용함

• 저장소별

• HA전략

저장소	HA 방식	최소 구성	Failover 방식
행정/운영DB	Streaming Replication + Patroni	Primary 1 + Standby 2 권고. 분석 조회 격리가 필요한 경우 Read Replica 별도 추가	Patroni 자동 선출
내부 LSRS	Replica Set	Primary 1 + Secondary 2	자동 선거(Election)
그래프DB	Causal Cluster (Enterprise)	Core 3 + Read Replica 2	자동 Leader 재선출
세션/캐시	Sentinel 또는 Cluster	Sentinel: 3노드 / Cluster: 6노드(3+3)	Sentinel 자동 Failover
스트리밍	Multi-Broker + ISR	Broker 3 + KRaft Controller 3	Controller 자동 재선출
Object Storage	Distributed Mode	4노드 이상 (Erasure Coding)	장애 노드 복구 후 자동 데이터 힐링 및 재분산
벡터 DB	etcd(Raft) + MinIO(EC)	etcd 3노드 + Object Storage 4노드	etcd Raft 자동 재선출

• RTO/RPO
• 목표

저장소	RTO 목표	RPO 목표	복제 방식
운영DB	30초 이내	0초 (동기)	동기 Streaming Replication
운영DB Read Replica	60초 이내	10초 이내	비동기
내부 LRS	30초 이내	10초 이내	비동기 Replica Set
그래프 DB	30초 이내	0초 (동기 Core)	Raft 기반 동기 복제
스트리밍	10초 이내	0초 (ISR 동기)	ISR 기반 동기
세션	10초 이내	1초 이내 또는 재인증 허용 RPO 0초 지향 시 WAIT/min-replicas-to-write 적용	AOF + Replication 기반 손실 최소화 구성
캐시	30초 이내	손실 허용 (캐시 재구성)	비동기
Object Storage	60초 이내	노드·디스크 장애 기준 데이터 유실 없음 논리 삭제·오염 대응은 버전관리/Object Lock/백업 적용	분산 저장
벡터 DB	30초 이내	etcd 메타데이터 RPO 0초 지향, 벡터 세그먼트는 MinIO 내구성 기준, 색인 손상 시 재색인 복구	Raft 합의 + EC 분산

• RTO/RPO 목표는 구축 단계에서 장애 주입 테스트, 복제 지연 측정, Failover 리허설을 통해 검증해야 함

---

Slide 102 — 운영DB HA 구성

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 5. 운영DB HA 구성

• 운영DB는 Patroni기반 자동Failover와 Streaming Replication으로 운영DB 단일장애점을 제거하고, 운영성 데이터는 Patroni 기반 자동Failover로 보호하고 조회·분석성 부하는 Read Replica 또는 별도 MyData DW로 분리하여 운영DB 부하를 보호함

구성 아키텍처

설계기준

항목	설계 기준
Primary 장애 감지	TTL 30초 이내 — etcd에 heartbeat 미갱신 시 장애 판단
Standby 승격	가장 LSN(Log Sequence Number)이 높은 Standby 자동 선출
Failover 소요시간	감지(10초) + 선출(10초) + 승격(10초) = 약 30초 이내
구 Primary 복구	장애 원인 제거 후 pg_rewind로 Replica 재합류. 데이터 불일치 또는 timeline 불일치 시 재동기화 수행
수동 개입 차단	Patroni가 vip-manager 또는 HAProxy와 연동하여 연결 자동 전환

• HA구성

• 아키텍처

  • 쓰기
  • 요청

HAProxy / Load Balancer

운영DB Primary

Streaming Replication (동기)

• 운영DB Standby 1
• (Patroni 관리)

Streaming Replication (비동기)

• 읽기

• 요청

• 운영DB Read Replica

• (분석·DW 조회 전용)

etcd 클러스터 3노드

Patroni 리더 선출·상태 관리

• Patroni는 운영DB의 HA 클러스터를 관리하는 오픈소스 도구로, DCS(Distributed Configura tion Store, 본 사업에서는 etcd)를 통해 Primary 상태를 지속 감시하고 장애 시 자동으로 Standby 를 승격시킴

Streaming Replication 설계기준

운영 DB / Standby / Read Replica 역할 분리

구분	Primary → Sync Standby	Primary → Async Read Replica
복제 방식	동기 (Synchronous)	비동기 (Asynchronous)
지연 허용	0초(쓰기 확인 전 복제 완료)	최대 10초 (비실시간 조회)
용도	운영 데이터 무손실 보장	운영DB 조회 부하 격리, 대시보드성 조회, 제한적 분석 조회
복제 슬롯	사용 (WAL 유실 방지)	복제 슬롯 사용 여부는 운영정책에 따라 결정 사용 시 max_slot_wal_keep_size로 WAL 축적 제한

구분	노드	처리 내용	접근 경로
Primary	운영 DB	쓰기(INSERT/UPDATE/ DELETE), 실시간 조회	애플리케이션 쓰기 연결
Standby	HA 대기	동기 복제 수신, Failover 대기	평상시 읽기 부하 미배정 원칙. 장애 시 자동 승격 대상(Failover 시 승격)
Read Replica	조회 Replica	운영DB 조회 부하 격리, 대시보드성 조회, 제한적 분석 조회 (대규모 분석·마이데이터 처리는 별도 MyData DW 사용)	읽기 전용 연결 풀

---

Slide 103 — MongoDB HA 구성

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 6. 내부LRS HA 구성

• 내부LRS는 Replica Set 자동선거를 통해 장애 시 Primary를 재선출하며, electionTimeout 및 복제지연 상태에 따라 약 30초 이내 복구를 목표로 함. xAPI 이벤트 고빈도 수집환경에서 Write Concern majority 설정으로 데이터 정합성을 확보함

구성 아키텍처

쓰기

Primary

애플리케이션 - 내부LRS Driver

Oplog 복제 (비동기)

Secondary 1

읽기 분산 (secondary Preferred)

자동 선거(Election)

• 읽기분산은 Secondary에서 처리하며, Arbiter는 불가피한 짝수 노드 구성 시에만 제한적으로 검토

• Primary 장애 시 Secondary 중 최신 Oplog 보유 노드가 Primary 승격

Secondary 2

구성 설계기준

복제 설계 기준

구분	설계기준
최소 구성	Primary 1 + Secondary 2 (쿼럼 과반수 보장)
선거 타임아웃	electionTimeoutMillis = 10,000ms (10초) - 장애 감지
Failover 소요시간	감지(10초) + 선거(10~20초) = 약 30초 이내
읽기 선호도	secondaryPreferred - 분석쿼리는 Secondary 처리, Primary 부하 격리
Arbiter	Arbiter 기본 미사용. 짝수 노드 구성이 불가피한 경우에만 제한 검토
Write Concern	majority - Primary + 과반 노드 확인 후 쓰기 성공 반환. 3노드 구성에서는 Primary + Secondary 1개 확인
복제 지연 임계값	10초 초과 시 경고, 60초 초과 시 긴급 (6.2.7.7 기준 준용)

구분	설계기준
복제 방식	Oplog 기반 비동기 복제 + writeConcern majority로 쓰기 정합성 확보
Write Concern	majority - Primary + 과반 노드 확인 후 쓰기 성공 반환. 3노드 구성에서는 Primary + Secondary 1개 확인
읽기 선호도	secondaryPreferred는 조회 부하 분산에 적용하되, 최신성이 중요한 조회는 Primary 또는 majority readConcern 적용
복제 지연 임계값	10초 초과 시 경고 / 60초 초과 시 긴급 (6.2.7.7 기준 준용)
Arbiter	본 사업 기본 구성은 Primary 1 + Secondary 2의 3노드 구성이므로 Arbiter는 원칙적으로 미사용. 단, 짝수 노드 구성이 불가피한 경우에만 투표권 확보 목적으로 제한 적용

---

Slide 104 — 그래프DB Causal Cluster HA 구성

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 7. 그래프DB HA 구성

• 그래프DB는 Enterprise Causal Cluster 기반 Core 3노드 Raft 합의와 Read Replica 조회분산을 통해 Graph DB의 쓰기 일관성과 조회 확장성을 확보함

구성 아키텍처

설계기준

항목	설계 기준
Core 노드	최소 3노드 필수 - Raft 과반수(2/3) 쿼럼
Read Replica	2노드 이상 - 조회 전용, Core 부하 격리. 단, 최신성 보장이 필요한 조회는 Bookmark 기반 causal read 적용
합의 방식	Raft - Leader 선출, 과반 Core 확인 후 커밋 (동기)
Failover	Leader 장애 시 Core Follower 중 새 Leader 자동 재선출. 쿼럼 미충족 시 쓰기 중단, 읽기는 가용 노드 기준으로 제한 제공
Read Replica 복제	비동기 - 약간의 지연 허용 (조회 전용이므로 허용 가능)
라이선스	Enterprise 필수— Community에서 Causal Cluster 구성 불가. 구축사업 시 조달 가능성, 기술지원, 라이선스 비용 검토 필요
라우팅 정책	Bolt 드라이버 Routing - 쓰기는 Core Leader, 읽기는 Read Replica 자동 라우팅

쓰기

Bolt / HTTP 연결

Core 1 - Leader(Raft 합의 (동기))

• Core 2 - Follower
• Core 3 - Follower

읽기

Read Replica 1

Async 복제

Read Replica 1

교육과정 탐색, GraphRAG 전용

그래프DB vs 내부LRS HA 비교

저장소	그래프DB Causal Cluster	내부LRS Replica Set
합의 방식	Raft 기반 합의	Raft 기반 선거
최소 노드 수	5 (Core 3 + ReadReplica 2)	3 (Primary 1 + Secondary 2)
쓰기 일관성	Core 과반 동기 확인	Write Concern (majority)
읽기 분산	Read Replica 전용 라우팅	secondaryPreferred
자동 Failover	Leader 재선출	자동 선거(Election)
라이선스	Enterprise 필수	Community 가능
감사 로그	Enterprise 완전 지원	Enterprise/Atlas 또는 별도 감사 로그 체계 검토 필요

---

Slide 105 — 세션/캐시 HA 구성

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 8. 세션/캐시 HA 구성

• 세션/캐시는 세션과 캐시의 데이터 특성이 다르므로 역할별 HA 방식을 분리하고, 세션은 AOF와 Replica 기반으로 손실을 최소화하고, 캐시는 재구성 가능한 데이터로 간주하여 경량 HA 구성을 적용함

Sentinel HA 구성도 (세션 전용)

세션 / 캐시 분리 운영 원칙

쿼럼(2/3) 기반 장애 판단

Bolt / HTTP 연결

Bolt / HTTP 연결

Bolt / HTTP 연결

감시·Failover 지시

Primary (세션)

Replication

Replica 1

Replica 1

구분	세션 Redis	캐시 Redis
Eviction 정책	noeviction 또는 TTL 보장	allkeys-lru
Persistence	AOF (appendfsync=everysec) 적용 시 장애 상황에서 최대 1초 손실 가능 RPO 0초 지향 시 WAIT 또는 min-replicas-to-write 추가 적용	RDB 스냅샷 (주기적) 또는 미적용
Failover 우선순위	최우선. 단, 세션 유실 가능성에 대비하여 재인증·토큰 재발급 처리 기준 포함	2순위 (캐시 재구성 허용)
암호화	필수 (세션 토큰 포함)	권고

구분	Sentinel 구성	Cluster 구성
구성 방식	Primary 1 + Replica 2 + Sentinel 3 권고. Sentinel은 서로 다른 장애 도메인에 분산 배치	샤드별 Primary+Replica, 총 6노드 이상
자동 Failover	Sentinel이 Primary 감시·전환	내장 Cluster 자동 Failover
데이터 분산	전체 데이터 단일 Primary	16,384 슬롯 자동 분산
적합 용도	세션 저장소 (데이터 작고 일관성 중요)	대규모 캐시 (수평 확장 필요 시)
본 사업 권고	세션 : Sentinel	캐시 : Sentinel 또는 소규모 Cluster
최소 구성	Primary 1 + Replica 2 + Sentinel 3. 단일 VM 내 Sentinel 중복 배치는 불가	3샤드 × (Primary+Replica) = 6노드

Sentinel vs Cluster 구성 비교

---

Slide 106 — 분산이벤트 스트리밍 HA 구성 – Multi Broker + ISR

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 9. 분산이벤트 스트리밍 HA 구성

• 분산이벤트 스트리밍은 ISR 기반 동기복제와 acks=all 설정으로 xAPI 이벤트 유실을 최소화하고, ISR 기반 쓰기 확인과 Unclean Leader Election 금지로 데이터 정합성을 확보함

구성 아키텍처

Kafka 장애 시나리오별 대응

장애 유형	영향	자동 대응
Broker 1개 장애	ISR에서 제외, 나머지 Broker로 자동 Failover	Leader 재선출 (10초 이내)
Broker 2개 동시 장애	ISR min.insync.replicas 미충족  쓰기 중단	min.insync.replicas 미충족으로 Producer 쓰기 실패 또는 대기 발생. Producer retry, 임시 버퍼, 상위 수집 큐 재시도 후 복구 시 재전송
Controller 장애	Controller 재선출 (KRaft 쿼럼)	자동 (30초 이내)
전체 재시작	Partition Leader 분산과 ISR 상태 확인 후 Rolling Restart 수행 재시작 전 under-replicated partition 여부 확인 필요	운영 절차 문서화

Producer — xAPI Event

스트리밍 Broker 1

스트리밍 Broker 2

스트리밍 Broker 3

Leader

ISR Follower

ISR Follower

KRaft Controller 3노드

Replication

감시·Failover 지시

• Consumer Group –내부LRS / Object Storage / 분석체계

항목	설계 기준
Broker 수	최소 3노드 - Replication Factor = 3 보장
Replication Factor	3 - 3개 Broker에 데이터 복제
ISR (In-Sync Replicas)	min.insync.replicas = 2 - 최소 2개 동기 복제 확인 후 쓰기 성공
Controller	신규 구축은 KRaft 3노드 우선 적용. ZooKeeper는 기존 운영 호환이 필요한 경우에만 검토
Leader Failover	Controller가 감지 후 ISR 내 Follower를 새 Leader로 선출 (10초 이내)
acks = all	Producer 설정 - min.insync.replicas 이상 ISR 확인 후 쓰기 완료. ISR 부족 시 쓰기를 실패 처리하여 유실보다 정합성 우선함
Unclean Leader Election	false - ISR 외 Follower의 Leader 선출 금지 (ISR 외 Replica의 Leader 승격을 금지하여 데이터 유실 가능성을 최소화하고, 필요 시 쓰기 중단으로 정합성을 우선함)
Topic Partition 복제	각 Partition Leader가 서로 다른 Broker에 분산 배치

설계기준

---

Slide 107 — Object Storage HA 구성 — Distributed Mode + Erasure Coding

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 10. Object Storage HA 구성

• Object Storage는 Erasure Coding(EC:2) 기반 분산 저장으로 4노드 EC:2 구성은 노드 또는 드라이브 장애 시 데이터 복구 가능성을 제공하나, 읽기·쓰기 지속 여부는 Erasure Set 구성과 Read/Write Quorum 충족 여부에 따라 결정됨.

구성 아키텍처

애플리케이션 / Load Balancer

Object Storage Node 1

Object Storage Node 2

Object Storage Node 3

Object Storage Node 4

최소 4노드 구성

Erasure Coding (EC:2) 적용

항목	설계 기준
최소 구성	4노드 — Erasure Coding 적용의 최소 요건
Erasure Coding	EC:2 — 데이터/패리티 분산 저장으로 장애 허용성을 확보하되, 논리 삭제·오염·랜섬웨어 대응은 별도 백업·Object Lock· 버전관리 필요
쿼럼	Read/Write Quorum 충족 시 읽기·쓰기 가능. 노드 수, 드라이브 수, Erasure Set 구성에 따라 허용 장애 범위 검증 필요
자동 복구	장애 노드 복구 또는 교체 후 자동 Healing 및 Rebalance 수행
다중 드라이브	노드당 4드라이브 이상 권고 (Drive Erasure Coding 병행)
버킷 버전 관리	콘텐츠·모델파일 버전 이력 관리. 중요 버킷은 Object Lock, Retention Policy 적용 검토
장애 허용	4노드 구성 시 EC 정책에 따라 데이터 복구 가능. 2노드 장애 시 무중단 쓰기 가능 여부는 구축 구성 기준으로 별도 검증

설계기준

---

Slide 108 — 벡터DB HA 구성 - Distributed Mode + Erasure Coding

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 11. 벡터DB HA 구성(1/2)

• 벡터DB는 메타데이터(etcd)와 벡터세그먼트(MinIO)를 분리저장하며, Proxy, QueryNode, IndexNode, DataNode가 역할별로 분산 구성되는 구조임. 따라서 메타데이터, 세그먼트저장소, 검색 노드별 HA를 각각 설계해야 검색서비스 연속성을 확보할 수 있음

구성 아키텍처

QueryNode

클라이언트 / RAG Pipeline

벡터DB Proxy

• etcd 클러스터(3노드)
• 메타데이터 Raft 합의

IndexNode

요청 라우팅

• 벡터DB 클러스터 (4노드 이상)
• 벡터 세그먼트 Erasure Coding

DataNode

역할 분리 다중화

항목	설계 기준
메타데이터 HA	etcd 3노드 Raft 합의 — 과반수(2/3) 충족 시 읽기·쓰기 유지
벡터 세그먼트 HA	벡터DB 4노드 Erasure Coding(EC:2) - 벡터 세그먼트 내구성 확보 2노드 장애 시 서비스 지속 여부는 벡터DB Quorum 기준 검증 필요
Proxy 다중화	벡터DB Proxy 2개 이상 — 단일 진입점 SPOF 제거
컴포넌트 다중화	RootCoord / QueryCoord / DataCoord는 Active-Standby 또는 다중 인스턴스 구성 기준을 구축 단계에서 확정
Failover	etcd Leader 장애 시 Raft 자동 재선출 (30초 이내)
RTO 목표	30초 이내
RPO 목표	etcd 메타데이터 RPO 0초 지향 벡터 세그먼트는 벡터DB 내구성 기준 적용. 인덱스 손상은 재색인으로 복구
재색인 고려	인덱스 파일 손상 또는 검색 인덱스 불일치 시 재색인 가능 원천 벡터 세그먼트 손실은 벡터DB 복구·백업 기준으로 대응
라이선스	Apache 2.0 (오픈소스)

설계기준

---

Slide 109 — 벡터DB HA 구성 - Distributed Mode + Erasure Coding

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 11. 벡터DB HA 구성(2/2)

• 벡터DB는 메타데이터(etcd)와 벡터 세그먼트(벡터DB)를 분리 저장하는 구조상 두 저장소 각각의 HA가 독립적으로 보장되어야 벡터 검색 서비스의 연속성이 확보됨

역할별 HA 적용 구분

컴포넌트	역할	HA방식	장애 시 영향
etcd	컬렉션·인덱스 메타데이터 저장	Raft 3노드 동기	etcd 메타 손실 → etcd snapshot 기반 복구 필요. 복구 불가 시 컬렉션 재구성 및 재색인 필요
MinIO	벡터 세그먼트 실체 저장	Erasure Coding EC:2	세그먼트 손실 → MinIO 복구·백업 우선. 원천 데이터와 임베딩 재생성 가능 시 재색인 복구
QueryNode	벡터 검색 처리	다중 인스턴스	검색 성능 저하 (서비스 유지)
IndexNode	인덱스 빌드 처리	다중 인스턴스	신규 인덱스 빌드 지연
DataNode	세그먼트 Flush·Compaction	다중 인스턴스	Flush 지연 (데이터 유입 지속)
Proxy	클라이언트 요청 라우팅	2개 이상 + LB	단일 Proxy 장애 시 자동 전환

본 사업 적용 기준

장애 시나리오별 대응

항목	적용기준
임베딩 규모	768차원 / float32 / HNSW(M=16, ef_construction=200) 기준으로 산정하되, 최종 차원 수와 인덱스 파라미터는 임베딩 모델 확정 후 재산정
청크 단위	512 token, 10% overlap
예상 벡터 수	초기 수천만 건 → 5년 1억 건 이상으로 가정 실제 콘텐츠·문항·학습개념 수와 청크 정책 확정 후 보정 필요
etcd 용량	메타데이터 경량 — 3노드로 충분
Object Storage 연계	기존 Object Storage 클러스터와 공용 또는 전용 버킷 분리 운영
모니터링 연계	etcd Leader 변경, etcd DB size/quota, compaction/defrag 상태, QueryNode 장애, Index build 실패, Object Storage 버킷 오류를 모니터링 항목에 포함

장애유형	영향	대응(자동)
etcd 1노드 장애	과반수 유지 → 서비스 정상	Raft 자동 재선출
etcd 2노드 동시 장애	쿼럼 미충족 → 메타 읽기/쓰기 제한 및 신규 색인·컬렉션 변경 중단. etcd snapshot 백업 기반 복구 절차 필요	수동 복구 필요
Object Storage 1~2 노드 장애	EC:2 기준 데이터 복구 가능. 검색 서비스 지속 여부는 Object Storage Read/Write Quorum 및 벡터DB QueryNode 상태 기준으로 검증	자동 Healing 및 Rebalance
QueryNode 장애	검색 성능 저하	나머지 노드 자동 처리
Proxy 장애	LB가 정상 Proxy로 전환	자동 (LB 기반)
전체 재시작	순차 재시작 Rolling 방식	운영 절차 문서화 필요

---

Slide 110 — 저장소별 HA 구성(종합)

6. 데이터 아키텍처 설계 › 6.2 데이터 HUB 구축 방안

• [별첨 7] 복제 및 고가용성(HA) 구성 설계

• 12. 저장소별 HA 구성 종합

• 본 사업 8종 저장소 전체에 단일 장애점(SPOF) 없는 HA 구성을 적용하되, 저장소별 RTO/RPO 목표는 장애 테스트와 복제 지연 측정으로 검증 가능한 기준으로 정의함

저장소	HA 방식	최소 노드	Failover 방식	RTO 목표	RPO 목표	라이선스 조건
운영DB	Patroni + Streaming Replication	Primary 1 + Standby 2 권고, Read Replica는 조회 부하 격리 목적 시 별도 추가	Patroni 자동 선출	30초	0초(동기)	무료 (오픈소스)
내부 LRS	Replica Set	Primary 1 + Secondary 2	자동 선거(Election)	30초	10초	Community 가능. 감사·보안 기능은 Enterprise/Atlas 또는 별도 구현 검토
그래프DB	Causal Cluster	Core 3 + Read Replica 2	Raft Leader 재선출	30초	0초(Core 동기)	Enterprise 필수
세션	Sentinel	Primary 1 + Replica 2 + Sentinel 3	Sentinel 자동 전환	10초	1초 이내 또는 재인증 허용. RPO 0초 지향 시 WAIT/ min-replicas-to-write 적용	BSD 3-Clause (Valkey)
캐시	Sentinel	Primary 1 + Replica 1 + Sentinel 3	Sentinel 자동 전환	30초	손실허용	BSD 3-Clause (Valkey)
분산스트리밍	Multi-Broker + ISR	Broker 3 + KRaft 3	Leader 재선출	10초	0초 지향(ISR 기반), ISR 부족 시 쓰기 실패 처리	Apache 2.0
Object Storage	Distributed (Erasure Coding)	4노드 이상	장애 노드 복구후 자동 Healing	60초	노드·디스크 장애 기준 데이터 유실 없음/논리 삭제·오염은 버전관리·Object Lock·백업으로 대응	AGPL/상용
벡터DB	etcd(Raft) + MinIO (Erasure Coding)	etcd 3노드 + MinIO 4노드	etcd Raft 자동 재선출	30초	etcd 메타데이터 RPO 0초 지향, 벡터 세그먼트는 Object Storage 내구성 기준	Apache 2.0

• HA는 노드 장애 대응 기준이며, 재해복구(DR), 백업, 랜섬웨어, 논리 삭제 대응은 별도 백업/DR 설계와 연계 필요함
• 구축사업 단계에서 저장소별 Failover 테스트, 복제 지연 측정, 장애 복구 리허설을 수행하여 RTO/RPO 달성여부 검증 필요함