사용자 자료를 학습에 직접 활용하는 AI 플랫폼이 등장했다. 홍콩대학교 데이터 인텔리전스 연구실에서 개발한 DeepTutor는 단순 질문 응답을 넘어 업로드된 교재를 기반으로 개념을 설명하고 퀴즈와 영상 수업까지 생성하는 에이전트 기반 개인화 튜터링 플랫폼이다. 학습 데이터를 사용자 환경 내부에서 다루어 개인 정보 보호를 강화한 점이 주목받는다.

개인화 학습을 지원하는 오픈소스 AI 튜터 플랫폼

홍콩대학교 데이터 인텔리전스 연구실(HKUDS)에서 개발한 DeepTutor는 에이전트 기반 오픈소스 개인화 튜터링 플랫폼이다. 검색 증강 생성(RAG)과 지식 그래프, 다중 에이전트 협업 추론 기술을 결합하여 지식 검색부터 연습 및 평가까지 전반적인 학습 과정을 돕는다.

이 플랫폼은 사용자가 직접 업로드한 교재나 PDF 문서, 지식 기반 자료를 바탕으로 작동한다. 학습자의 질문에 답변을 제공하는 동시에 사용자의 학습 진도와 스타일, 과거 학습 이력을 기억하여 맞춤형 설명과 시연을 제공한다.

DeepTutor는 Apache License 2.0으로 배포된다. 오픈소스 라이선스 특성상 사용자는 자신의 로컬 환경이나 자체 서버에 시스템을 구축하여 데이터를 외부 유출 없이 안전하게 유지할 수 있다.

개인화 학습을 지원하는 오픈소스 AI 튜터 플랫폼 관련 사진

사진: Fotis Fotopoulos · Unsplash

v1.7.0 업데이트로 확장된 기능 구조

2026년 10월 28일 공개된 v1.7.0 버전은 기능 구조를 대폭 확장했다. 모듈식 설치와 새로워진 학습 작업 공간, Dito 기반 블록형 학습 노트, 자막 및 내레이션이 포함된 영상 수업 제작 기능이 v1.7.0의 주요 구성 요소로 탑재되었다.

새롭게 추가된 블록형 학습 노트는 Dito를 기반으로 동작하며 학습 자료의 구절에 대한 논의와 편집 제안 기능을 제공한다. 학습자는 AI가 제안한 수정 사항을 검토한 뒤 수락할 수 있어 노트 작성 과정에서 주도권을 유지한다.

자막과 내레이션이 포함된 영상 수업 제작 기능도 제공한다. 브라우저에서 직접 재생되는 영상 수업은 캡션과 Microsoft Edge 내레이션을 선택하여 생성할 수 있으며, 교재나 PDF 문서를 입체적인 수업 자료로 변환한다.

2026년 10월 28일 공개된 v1.7.0 버전은 모듈식 설치와 블록형 학습 노트 및 영상 수업 제작 기능을 추가했다.

문서 기반 질의응답과 인터랙티브 시각화

DeepTutor는 벡터 검색(retrieval)과 RAG 파이프라인을 활용하여 대규모 문서에 대한 질의응답을 지원한다. 학습자가 업로드한 수백 페이지의 교재 속에서도 질문에 정확히 부합하는 대목을 찾아 답변을 도출한다.

답변을 생성할 때는 항상 해당 내용이 나온 근거 출처를 함께 제시한다. 학습자는 AI가 인용한 원문 구절을 즉시 확인할 수 있어 오답 위험을 줄이고 답변의 신뢰도를 판단할 수 있다.

복잡한 개념을 다룰 때는 단계별 시연으로 변환하는 인터랙티브 학습 시각화 기능을 포함한다. 단순 텍스트 설명에 그치지 않고 과정별 작동 원리를 시각적 단계로 나누어 제시하므로 다차원적인 개념 이해를 돕는다.

문서 기반 질의응답과 인터랙티브 시각화 관련 사진

사진: Luke Chesser · Unsplash

기억 시스템과 학습 작업 보드 관리

학습자의 개인화 과정을 투명하게 관리하기 위해 L1 추적, L2 요약, L3 합성으로 구성된 세 가지 계층의 검사 가능한 메모리 시스템을 도입했다. L1 단계에서는 학습자가 탐색한 기록과 근거를 추적하고, L2 단계에서는 핵심 내용을 요약하며, L3 단계에서는 전체 지식을 종합한다.

이 메모리 시스템은 각 단계마다 근거 링크를 눈으로 확인할 수 있도록 설계되었다. 학습자는 튜터가 어떤 자료를 기반으로 추론했는지 직접 검사하고 필요한 경우 기억된 내용을 수정하거나 편집할 수 있다.

학습 진행 상황을 추적하는 작업 보드 기능도 탑재되어 있다. 학습 작업을 할 일, 진행 중, 완료 상태로 구분하여 드래그 앤 드롭이나 키보드로 손쉽게 이동시킬 수 있으며, 완료된 작업은 아카이브에 보관하거나 필요시 복원한다.

세 가지 계층의 메모리 시스템을 통해 개인화 과정을 시각화하고 작업 보드로 학습 진행 상황을 추적한다.

개인화된 학습 관리와 오픈소스 활용

학습자의 성취도에 맞춘 맞춤형 경로 설정 기능을 통해 개인화된 학습을 지원한다. 마스터리 경로(Mastery Path) 모드를 선택하면 학습자의 스타일과 필요 수준에 맞춰 단계별 연습 세션을 구성한다.

지능형 연습 생성 기능은 시험 스타일과 난이도를 고려하여 문제를 만들고 유효성을 검증한다. 퀴즈 생성 알고리즘이 학습 자료 내부에서 핵심 평가 항목을 추출하므로 실제 시험 대비에 유용하다.

외부 영상 매체와의 연동도 지원한다. 유튜브나 빌리빌리(Bilibili) 링크를 등록하면 자체 재생과 함께 자막 검색, 타임스탬프 기반 튜터링이 실행된다. 학습자는 영상을 시청하는 도중 특정 구간에서 질문하고 노트를 저장하며 언제든 학습을 이어갈 수 있다.

참고