큐레아 핵심 용어
Shared Core
큐레아 제품군이 계정 · 콘텐츠 · 권한 · 학습 데이터 · AI 작업 · 운영 리포트를 함께 쓰는 공통 기술 기반. 풀림·리브에듀·라스쿨 AI·새빛인강이 모두 이 위에서 운영됩니다. 표면은 다르지만 진실은 하나.
Three Stamps · 세 도장
AI 1차(생성) · AI 2차(교차 벤더 검증) · 교사 검수. 공개되는 모든 큐레아 콘텐츠는 이 세 단계를 거칩니다. 하나라도 빠지면 학생에게 도달하지 않습니다.
Stamp Cradle
큐레아의 시그니처 마크 — 270° 호와 세 도장이 결합된 브랜드 심볼. 외부에서는 로고로, 내부에서는 검증 구조의 시각화로 작동합니다.
Content Grid
큐레아가 만든 모든 콘텐츠가 쌓이는 단일 저장소. 같은 콘텐츠가 다른 제품 표면에서 다르게 포장되도록 설계되어 있습니다. 단원·유형·난이도 메타데이터가 일관됩니다.
Ledger · 기여자 장부
누가 어떤 콘텐츠를 만들고, 검증하고, 수정했는지의 흔적이 시간순으로 쌓이는 운영 로그. AI와 사람의 손길이 분리되어 기록됩니다.
Sovereign Corpus
한국 교육 도메인 독자 코퍼스 — 외부 모델에 의존하지 않는 큐레아 자체 텍스트 자산. 한국어 시험 문항 · 교과서 · 운영 데이터로 구성됩니다.
Evaluation Harness
큐레아 콘텐츠 품질을 자동 측정하는 평가 라인. 사람 교사 채점을 Ground Truth로 두고, AI 생성 콘텐츠의 난이도·정확도·교육학적 적절성을 검증합니다.
Curea OS
큐레아 내부 운영 시스템. PM 산출물 · 프로젝트 포트폴리오 · 운영 보고 · AI 작업 흐름이 한 곳에 통합됩니다. 외부 제품의 Shared Core와 동일한 원리.
ComponentBlock
큐레아 콘텐츠 단위 추상화. 지문 · 선지 · 해설 · 이미지 · 오디오 · 메타데이터를 독립 블록으로 분리해 재사용·교차 검증을 쉽게 만듭니다.
QGen & AI 엔진
QGen Engine
큐레아의 핵심 AI 문항 생성·검증·재고화 파이프라인. 단순 LLM 호출이 아니라 Provider 라우팅·검증층·평가 라인이 결합된 운영 시스템입니다.
QGen API
파트너가 자체 제품에 임베드할 수 있는 QGen 엔진의 REST/GraphQL 인터페이스. NDA → 기술 검토 → 운영 액세스 평균 2주.
CUREA DEEP
큐레아의 멀티모달 인식 엔진 — 수식 · 그래프 · 도표 · 그림이 포함된 학습 자료를 구조화합니다. PDF · 사진 · 손글씨 OCR을 지원합니다.
Self-Refine
AI가 자기 출력을 다시 평가해 수정하는 패턴. 큐레아는 단일 모델에 맡기지 않고 다른 벤더 계열로 self-bias를 차단합니다. 1회 사이클당 정답률 +12~17%p 개선 확인.
RLHF (Reinforcement Learning from Human Feedback)
사람의 피드백을 보상 신호로 활용해 모델 출력을 정렬하는 학습 방식. 큐레아는 교사 검수 결과를 다음 생성 품질에 반영합니다.
RAG (Retrieval-Augmented Generation)
외부 지식 베이스에서 관련 문서를 검색해 모델 응답에 결합하는 패턴. 큐레아는 2025년 6월에 자체 범용 RAG 시스템을 완성했습니다.
Hybrid Retrieval
의미 기반 벡터 검색 + 키워드 기반 검색의 결합. 교육 콘텐츠는 단원명·개념어처럼 정확한 키워드와 유사 의미 검색이 모두 필요해 둘을 함께 씁니다.
Provider Pattern
한 모델·벤더에 묶이지 않도록 단계마다 교체 가능한 모델 슬롯을 두는 큐레아의 구조적 결정. Vendor lock-in 방지와 세대 교체 안정성 확보.
Model-Agnostic
모델 세대 교체에도 살아남는 시스템 설계 원칙. 같은 파이프라인이 다양한 상용 모델과 한국 sovereign 모델을 라우팅합니다.
Cross-Vendor Validation
서로 다른 벤더의 모델이 같은 콘텐츠를 교차 검증하는 방식. 동일 모델 패밀리가 자기 출력을 채점하지 못하게 분리합니다.
검증 & 운영
AI 1차 도장
큐레아 콘텐츠 검증의 첫 단계. 생성 모델과 다른 모델이 자동 검수 — 정확도·논리·교과 정합성을 확인합니다.
AI 2차 도장 · 교차 검증
AI 1차와 다른 벤더의 모델이 한 번 더 검수. 단일 모델 패밀리의 편향을 차단하는 핵심 안전장치.
교사 검수 (verified teacher)
세 도장 중 마지막. 교과 전문가가 AI가 미처 못 잡은 미세 오류·교육학적 부적절성을 확인합니다. 이 도장이 없으면 학생에게 도달하지 않습니다.
Validation Layer
큐레아 플랫폼의 검증 전담 레이어. Stamp 1·2·3을 운영하고, 각 단계의 통과율·소요 시간·에러 패턴을 운영 로그로 남깁니다.
Ground Truth
사람 교사가 검토한 정답 데이터. 큐레아는 2022 개정 교육과정 41 유형 · 1,218 문항을 Ground Truth로 사용해 난이도·정확도를 측정합니다.
Observability
시스템 자체가 운영 상태를 드러내는 설계 원칙. 큐레아는 별도 BI 도구 없이 데이터베이스 스키마와 운영 로그에서 직접 SQL로 질문합니다.
Vendor Independence
특정 LLM·클라우드·SaaS에 묶이지 않는 운영. 단계별 교체 가능 구조로 시작해 점진적으로 자체 모델로 이동.
교육학 / 학습
Bloom Taxonomy
인지적 학습 목표를 기억 · 이해 · 적용 · 분석 · 평가 · 창조 6단계로 분류한 교육학 프레임. 큐레아는 문항 난이도 판정의 첫 변수로 사용합니다.
Lexical Complexity
문항·지문의 어휘 복잡도. 같은 Bloom 단계라도 어휘가 복잡하면 학생이 체감하는 난이도가 달라집니다. 큐레아 난이도 모델의 두 번째 변수.
Syntactic Complexity
문항·지문의 구문 복잡도. 문장 길이 · 종속절 깊이 · 도치 구조 등을 정량화합니다. Bloom × Lexical × Syntactic 결합 채점.
Learning Taxonomy · 학습 분류 체계
한국 2022 개정 교육과정 41 유형을 3-Depth 그래프로 표현한 자체 구축 체계. 4,800 노드 규모. PostgreSQL LTREE로 저장.
형성평가 (Formative Assessment)
학습 과정 중에 학생의 이해도를 진단해 다음 학습을 조정하기 위한 평가. 풀림 ClassBot이 이 흐름을 자동화합니다.
진단평가 (Diagnostic Assessment)
학습 시작 전 학생의 현재 수준·약점을 파악하는 평가. 큐레아 AI 진단고사가 이를 자동 생성·채점합니다.
평생학습
학교 교육 이후에도 시민이 지속 학습하는 시스템. 새빛인강(수원시 3만 시민) · 리브에듀 B2G 패키지가 이 영역.
2022 개정 교육과정
한국 교육부의 최신 교육과정 개정안. 큐레아 Learning Taxonomy의 기준. 핵심 역량과 41 문항 유형이 정의되어 있습니다.
사업 모델
B2B (Business-to-Business)
기업·기관에 직접 제품·서비스를 판매하는 모델. 큐레아의 KB 라스쿨 AI · Custom Build가 여기에 해당합니다.
B2G (Business-to-Government)
지자체·공공 기관에 패키지를 납품하는 모델. 큐레아의 리브에듀(LiveEdu) · 새빛인강(수원시)이 여기에 해당합니다.
B2B2C
기업·기관을 통해 최종 사용자(학생·시민)에게 도달하는 모델. KB 라스쿨 AI(KB → 고등학생) 구조.
White-label · 자체 브랜드 운영
파트너가 자체 브랜드로 운영하되 뒤에서 큐레아 시스템이 작동하는 방식. KB 라스쿨 AI · 새빛인강이 이 구조.
Custom Build
기관 요구에 맞춰 큐레아가 함께 구축하는 맞춤형 학습 서비스 트랙. NDA → 기술 검토 → 운영 액세스 흐름.