Skip to content

README.md

Latest commit

 

History

History
302 lines (234 loc) · 11.1 KB

README.md

File metadata and controls

302 lines (234 loc) · 11.1 KB

🎓 WEcHU (We Chat, Helps U)

광운대학교 학생을 위한 All-in-One AI 학사·진로 상담 챗봇

한국 최초의 통합형 대학 학사 행정 RAG 챗봇

License: MIT Python React FastAPI

📋 목차

🎯 프로젝트 소개

WEcHU는 광운대학교 학생들의 학사 및 진로 고민을 해결하기 위한 AI 기반 통합 상담 챗봇입니다.

🚀 Why WEcHU?

대학생들은 입학과 동시에 다양한 과업을 마주하게 됩니다:

  • 🎓 전공 선택 및 학업 설계
  • 📚 졸업 요건 파악 (이수 구분, 재수강 기준 등)
  • 💼 진로 탐색 및 커리어 플래닝

하지만 이런 정보들은...

  • 📄 학교 홈페이지, 교과과정 안내문, 진로센터 등 여러 시스템에 분산
  • 🔍 복잡한 규정으로 인한 낮은 접근성
  • ⏰ 전문 상담센터 이용의 시간·비용 제약

WEcHU는 이 모든 문제를 해결합니다! 🎉

✨ 차별화 포인트

WEcHU는 기존 대학 챗봇들과 다릅니다:

구분 기존 챗봇 WEcHU
서비스 범위 1~2개 도메인 4개 전체 도메인 (학사·정책·진로·졸업)
응답 방식 단순 FAQ RAG 기반 맞춤형 상담
정확도 60~70% 96.88%
개인화 ❌ ✅ (S모델 페르소나)
멀티턴 대화 제한적 완벽 지원 (150턴 학습)

🌟 주요 기능

1. 💡 강의 탐색

  • 난이도별 강의 추천
  • 실시간 강의 평점 및 후기 제공
  • 상황에 맞는 맞춤형 강의 제안

2. 📊 학업 현황 관리

  • 졸업 요건 자동 체크
  • 필수 과목 이수 현황
  • 현재 학점 상태 점검
  • 재수강 규정 안내

3. 🎯 진로 상담

  • 개인 수강 이력 기반 로드맵 제시
  • 심층 진로 고민 상담
  • 진로 목표 맞춤형 조언
  • 정서적 지지 + 구체적 솔루션 제공

4. 🛡️ 안전성 보장

  • Safety 필터링 시스템
  • Fallback 응답 설계
  • 할루시네이션 최소화 (96.88% 정확도)

🏗️ 기술 아키텍처

시스템 구조도

┌─────────────────────────────────────────────────────────────┐
│                         사용자 인터페이스                    │
│                    (React/Vite Frontend)                    │
└────────────────┬────────────────────────────────────────────┘
                 │
                 ▼
┌─────────────────────────────────────────────────────────────┐
│                      FastAPI Backend                        │
│  ┌──────────────────────────────────────────────────────┐   │
│  │          의도 분석 & 라우팅 레이어                     │   │
│  │    (정보 검색 모드 ↔ 심층 상담 모드)                   │   │
│  └──────────────┬───────────────────────────────────────┘   │
│                 │                                           │
│  ┌──────────────▼────────────────────────────────────────┐  │
│  │              RAG 파이프라인                            │  │
│  │  ┌──────────┬──────────┬──────────┬──────────────┐    │  │
│  │  │1. 전처리 │ 2. 임베딩 │ 3. 검색  │ 4. 응답 생성  │    │  │
│  │  │  & 분할  │  (Clova) │ & Rerank │ (HyperCLOVA) │    │  │
│  │  └──────────┴──────────┴──────────┴──────────────┘    │  │
│  └───────────────────────────────────────────────────────┘  │
└──────────────┬──────────────────────────────────────────────┘
               │
               ▼
┌─────────────────────────────────────────────────────────────┐
│                  FAISS Vector Database                      │
│  ┌─────────────────┐        ┌──────────────────┐            │
│  │   정형 데이터    │        │   비정형 데이터   │            │
│  │ (학사 규정, 교과)│        │ (상담 대화, 후기) │            │
│  └─────────────────┘        └──────────────────┘            │
└─────────────────────────────────────────────────────────────┘

🔧 Tech Stack

Frontend

  • Framework: React 18.0+ with Vite
  • Styling: TailwindCSS
  • State Management: React Context API
  • UI/UX: Figma 기반 디자인

Backend

  • Framework: FastAPI 0.100+
  • Language: Python 3.9+
  • API Integration: Naver Clova Studio APIs

AI/ML

  • LLM: HyperCLOVA X (한국어 특화)
  • Embedding: Clova Embedding API
  • Reranker: Clova Reranker
  • Vector DB: FAISS

Data

  • Sources:
    • 광운대학교 정보융합학부 공식 홈페이지
    • 수강신청 자료집
    • 진로 기초 가이드북
    • 에브리타임 강의 후기
  • Volume: 150턴 멀티턴 대화 데이터

🎨 시스템 특징

1. 🧠 하이브리드 RAG 아키텍처

정형 + 비정형 데이터 통합 처리

정형 데이터 (학사 규정, 커리큘럼) 
    +
비정형 데이터 (진로 가이드, 강의 후기)
    ↓
통합 벡터 DB (FAISS)
    ↓
지능형 검색 & Reranking
    ↓
맥락 기반 응답 생성

2. 📈 4단계 RAG 파이프라인

단계 프로세스 설명
1단계 데이터 수집 & 전처리 PDF → 텍스트 변환 → 의미 단위 분할
2단계 임베딩 & 벡터화 HyperCLOVA X 임베딩 → FAISS 저장
3단계 검색 & 재정렬 유사도 검색 → Clova Reranker 적용
4단계 응답 생성 최적 문맥 + HyperCLOVA X → 답변

3. 🎭 S모델 페르소나

공감 + 해결책의 완벽한 균형

이전 연구에서 MBTI T/F 특성을 반영한 3가지 모델을 비교 실험한 결과:

  • T모델 (사고형): 문제 해결 중심
  • F모델 (감정형): 공감 및 정서적 지지
  • S모델 (균형형): 공감 + 구체적 해결책 ⭐

→ S모델이 정서적 만족도·문제 해결력·전반적 선호도에서 압도적 우위

4. 🎯 인간공학적 UI/UX

  • ✅ 직관적 질문 예시 카드로 진입 장벽 완화
  • ✅ 가독성 최적화 (리스트, 이모티콘, 볼드체 활용)
  • ✅ 로딩 피드백 ("WEcHU가 생각하는 중...")
  • ✅ 후속 질문 추천 기능으로 대화 지속성 강화

📊 실험 결과

실험 설계

  • 대상: 광운대학교 재학생 24명
  • 방법: A/B 교차 설계 (WEcHU vs 학교 홈페이지 FAQ)
  • 평가: BUS-11 사용성, WAI-Short 상호작용, DCS 효과성

🏆 핵심 성과

지표 WEcHU FAQ/가이드 비고
과제 성공률 98.6% 51.4% ⬆️ 47.2%p
정확도 96.88% - 할루시네이션 최소화
응답 일관성 SD 5배 ↓ - 사용자 무관 균일 품질
NPS 50점 - 적극 추천 수준

📈 사용성 평가 (10개 차원)

WEcHU가 8개 차원에서 FAQ보다 우수:

  • ✅ 정보 검색 노력 절감
  • ✅ 높은 정확성
  • ✅ 사용 편리성
  • ✅ 탐색 효율성
  • ✅ 이해 용이성
  • ✅ 만족도
  • ✅ 재사용 의도
  • ✅ 전반적 선호도

💬 사용자 피드백

"빠르고 정확해서 좋았어요. 학교 홈페이지에서 찾는 것보다 훨씬 편했습니다!"

"진로 고민을 털어놓을 수 있는 친구 같았어요. 현실적인 조언이 도움이 됐습니다."

"출처를 명확히 보여주면 더 신뢰가 갈 것 같아요."

👥 팀원 소개


김현진
Frontend & DB
프론트엔드 및 DB 구축
유승연
UI/UX & RAG
UI/UX 설계, RAG 구현
문혜진
Backend & Research
백엔드 개발 및 사용자 실험 설계·평가
장문선
Backend & RAG
백엔드 개발 및 RAG 구현

🏅 수상 및 인증

  • 🏆 2025 산학연계 SW프로젝트 우수상
  • 📜 소프트웨어 저작권 등록 (한국저작권위원회)
  • 📝 학술대회 장려상 (대한인간공학회)

Made with ❤️ by WEcHU Team

⭐ 이 프로젝트가 도움이 되었다면 Star를 눌러주세요!

Report Bug · Request Feature · Contribute