전국 2학기 재학률은 69.5%로, 이는 10명 중 약 3명의 학생이 입학한 학교로 복귀하지 못한다는 것을 의미합니다. 커뮤니티 칼리지의 경우, 시간제 학생의 거의 절반이 2학년까지 진학하지 못합니다. 조기 경보 시스템이 존재하지만, 대부분의 교육 기관은 여전히 수동적인 의뢰와 분산된 데이터에 의존하고 있습니다.
프로젝트 관리 플랫폼 내에 구축된 AI 에이전트는 위험 식별, 개입 조치 배정, 재학률 분석 및 성공 코칭 워크플로우를 자동화할 수 있습니다.
아래는 ClickUp에 붙여넣기만 하면 몇 분 만에 완벽한 학생 성공 모니터링 작업 공간을 구축할 수 있는, 바로 사용 가능한 AI 에이전트 프롬프트입니다. 하지만 이를 사용하기 전에, 이러한 시스템이 해결하고자 하는 운영상의 문제점을 살펴보는 것이 도움이 됩니다. 대부분의 학생 성공 팀의 경우, 문제는 위험 신호를 파악할 수 없다는 것이 아닙니다. 문제는 그러한 신호가 학생들의 학업 지속을 돕는 담당자들 사이에서 신속하고 조율된 조치로 이어지는 경우가 거의 없다는 점입니다.
이 학생 성공 모니터링 설정을 활용해야 하는 대상
이 설정은 위험 요인을 파악하고, 개입 조치를 배정하며, 여러 지원 부서 전반에 걸쳐 후속 조치를 추적하는 업무를 담당하는 학생 성공 팀, 재학 유지 담당 부서, 학사 지도 담당자, 성공 코치, 튜터링 코디네이터 및 학생 지원 관리자를 위해 설계되었습니다. 특히 이미 경보 플랫폼이나 분석 도구를 사용하고 있지만, 여전히 수동적인 조정을 통해 위험군 학생을 지원 대상자로 전환하는 기관에 유용합니다.
문제: 스프레드시트와 막연한 희망만 가지고 5,000명의 위험군 학생을 파악하려 하고 있습니다
학생 성공 지원 분야에서 일하신다면 그 중요성을 잘 알고 계실 것입니다. 중도 탈락하는 학생 한 명 한 명은 인간적, 재정적 실패를 의미합니다. 교육 기관은 등록금 수입을 잃고, 학생은 시간과 돈을 낭비하며, 인증 기관이 면밀히 검토하는 재학률 메트릭은 또다시 타격을 입게 됩니다. 문제는 조기 개입이 효과가 있는지 여부가 아닙니다. 핵심은 귀하의 팀이 충분한 수의 학생을 충분히 빠르게 파악하고 지원할 수 있는지 여부입니다.
데이터가 말해주듯이, 학사 학위를 취득하기 위해 처음 등록한 전일제 학생의 39%는 8년 이내에 학위를 완료하지 못합니다. 인종별 재학률 격차는 여전히 크며, 히스패닉, 흑인, 아메리카 원주민 학생의 재학률은 각각 63.6%, 56.6%, 52.8%로 , 전국 평균인 68.2%에 미치지 못합니다. 이는 단순한 숫자가 아닙니다. 이는 도움이 필요했으나 귀 기관이 제때 파악하지 못했거나 제때 도달하지 못한 수천 명의 학생들을 의미합니다.
대부분의 조기 경보 시스템은 경고 신호를 생성합니다. 하지만 그 이후의 조치를 실제로 관리하는 시스템은 드뭅니다. 교직원이 경보를 제출하면, 누가 개입 업무를 배정할까요? 48시간 내에 누가 후속 조치를 취할까요? 학생이 응답하지 않을 때 누가 상급 부서로 보고할까요? '경고'와 '지원' 사이의 간극이 바로 학생들이 시스템의 사각지대로 빠져나가는 지점입니다.
마이애미 대학교의 해결 방안: 마이애미 대학교의 진로 탐색 및 성공 센터(Center for Career Exploration and Success )는 ClickUp을 활용하여 19,107명의 학생을 추적하고 소통하며 98%의 성공률을 달성했습니다. 이를 통해 분산된 도구들을 대체하고, 학생의 상호작용과 성과를 모니터링하는 중앙 집중식 시스템을 구축했습니다.
마이클 터너, 부국장
ClickUp 덕분에 전 세계적인 팬데믹 상황 속에서도 체계적으로 업무를 관리할 수 있었고, 놀라울 정도로 성공적인 몇 년을 보낼 수 있었습니다.
이것이 바로 여기서 얻을 수 있는 기회입니다. 기존 경고 tools를 대체하는 것이 아니라, 학생에게 문제가 감지된 후 진행되는 일 전반을 아우르는 가시적인 운영 계층을 구축하는 것입니다. 이 모델을 테스트하는 가장 빠른 방법은 프로젝트 관리 플랫폼 내에서 실제로 작동하는 학생 성공 모니터링 설정을 구축해 보는 것입니다.
귀 기관의 학생 성공 지원 업무에서도 유사한 모델을 테스트해 보고 싶으신가요? 아래 프롬프트를 바탕으로 시작하여, 귀 기관의 위험군, 인력 구성, 개입 워크플로우에 맞게 조정해 보세요.
마이애미 대학교의 해결 방안: 마이애미 대학교의 진로 탐색 및 성공 센터(Center for Career Exploration and Success )는 ClickUp을 활용하여 19,107명의 학생을 추적하고 소통하며 98%의 성공률을 달성했습니다. 이를 통해 분산된 도구들을 대체하고, 학생의 상호작용과 성과를 모니터링하는 중앙 집중식 시스템을 구축했습니다.
마이클 터너, 부국장
ClickUp 덕분에 전 세계적인 팬데믹 상황 속에서도 체계적으로 업무를 관리할 수 있었고, 놀라울 정도로 성공적인 몇 년을 보낼 수 있었습니다.
ClickUp 덕분에 전 세계적인 팬데믹 상황 속에서도 체계적으로 업무를 관리할 수 있었고, 놀라울 정도로 성공적인 몇 년을 보낼 수 있었습니다.
이것이 바로 여기서 얻을 수 있는 기회입니다. 기존 경고 도구를 대체하는 것이 아니라, 학생에게 문제가 감지된 후 진행되는 일 전반을 아우르는 가시적인 운영 계층을 구축하는 것입니다. 이 모델을 테스트하는 가장 빠른 방법은 프로젝트 관리 플랫폼 내에서 실제로 작동하는 학생 성공 모니터링 설정을 구축해 보는 것입니다.
귀 기관의 학생 성공 지원 업무에서도 유사한 모델을 테스트해 보고 싶으신가요? 아래 프롬프트를 바탕으로 시작하여, 귀 기관의 위험군, 인력 구성, 개입 워크플로우에 맞게 조정해 보세요.
이것이 바로 여기서 얻을 수 있는 기회입니다. 기존 경고 tools를 대체하는 것이 아니라, 학생에게 문제가 감지된 후 진행되는 일 전반을 아우르는 가시적인 운영 계층을 구축하는 것입니다. 이 모델을 테스트하는 가장 빠른 방법은 프로젝트 관리 플랫폼 내에서 작동하는 학생 성공 모니터링 설정을 구축해 보는 것입니다.
귀 기관의 학생 성공 지원 업무에서도 유사한 모델을 테스트해 보고 싶으신가요? 아래 프롬프트를 바탕으로 시작하여, 귀 기관의 위험군, 인력 구성, 개입 워크플로우에 맞게 조정해 보세요.
귀 기관의 학생 성공 관리 업무에서도 유사한 모델을 테스트해 보고 싶으신가요? 아래 프롬프트를 바탕으로 시작하여, 귀 기관의 위험군, 인력 구성, 개입 워크플로우에 맞게 조정해 보세요.
프롬프트: AI를 활용한 학생 성공 모니터링 작업 공간 구축
이 프롬프트를 복사하여 ClickUp Brain에 붙여넣고 나만의 ClickUp 슈퍼 에이전트를 생성한 다음, 귀하의 교육 기관 정보를 입력하면 조기 경보, 개입 추적, 재학률 분석 및 성공 코칭 워크플로우가 포함된 완벽한 학생 성공 관리 작업 공간을 얻을 수 있습니다.
이를 통해 라우팅 규칙, 후속 조치 타임라인, 위험 가시성, 사례 처리 워크플로우 등을 포함한 운영 구조의 탄탄한 초안을 마련할 수 있습니다. 이후 팀에서는 학생 인구, 개입 모델, 재학 유지 우선순위에 맞춰 이를 맞춤형으로 조정할 수 있습니다.
이를 통해 라우팅 규칙, 후속 조치 타임라인, 위험 가시성, 사례 처리 워크플로우 등을 포함한 운영 구조의 탄탄한 초안을 마련할 수 있습니다. 이후 팀에서는 학생 인구, 개입 모델, 재학 유지 우선순위에 맞춰 이를 맞춤형으로 조정할 수 있습니다.
프롬프트:
→ 첫 번째 슈퍼 에이전트를 구축할 준비가 되셨나요?
ClickUp Brain을 열고 위의 프롬프트를 붙여넣기하여 작업 공간용 맞춤형 슈퍼 에이전트를 생성하세요.
에이전트 청사진이 생성되면, 다음 단계는 이를 학생 성공 팀이 매일 활용할 수 있는 실용적인 작업 공간으로 전환하는 것입니다.
ClickUp에서 설정하는 방법 (4단계)
스페이스를 설정하기 전에, 팀이 이미 위험에 처한 학생을 파악하고 지원하기 위해 사용하고 있는 정보를 수집하세요. 여기에는 일반적으로 경고 범주, 개입 유형, 현재 에스컬레이션 규칙, 위험 지표, 사례 관리 구조, 코호트 보고 요구 사항 등이 포함됩니다. 정확한 입력 데이터를 바탕으로 시작하면 자동화, 대시보드 및 개입 워크플로우의 활용도를 훨씬 높일 수 있습니다.
- 작업 공간 구조 만들기 '학생 성공(Student Success)'이라는 전용 스페이스를 설정하세요. 학생 성공 라이프사이클 전반의 일을 체계적으로 관리하기 위해 다음 네 가지 폴더를 추가하세요: '조기 경보 및 사례(Early Alerts & Cases)': 신규 경보, 진행 중인 사례, 해결된 사례, 위기 의뢰를 관리합니다. '개입 및 지원(Interventions & Support)': 튜터링 조정, 보충 수업, 성공 코칭, 동료 멘토링을 관리합니다. '재학 분석(Retention Analytics)': 코호트 추적, 형평성 격차 모니터링, 예측 지표 분석, 학기별 비교를 관리합니다. '학위 진행 상황(Degree Progress)': 유예 상태 모니터링, 학위 심사 후속 조치, 학기 중 점검, 졸업 준비 지원을 관리합니다.
- 모든 학생 과제에서 사용자 지정 필드 설정 학생 성공 과제 템플릿에 사용자 지정 필드를 추가하여, 각 사례에 팀이 위험을 식별하고, 지원을 배정하며, 후속 조치를 모니터링하는 데 필요한 핵심 데이터가 포함되도록 하세요. 위험 점수, 위험 등급, 경고 출처, 담당 코치, 개입 유형, 마지막 연락일로부터 경과 일수, 1세대 학생 여부, 펠(Pell) 보조금 수혜 자격 등의 필드를 포함하세요. 이러한 일관된 구조를 통해 대시보드, 자동화 및 사례 관리의 신뢰성을 크게 높일 수 있습니다.
- ClickUp Brain에 프롬프트 붙여넣기 새로운 스페이스에서 ClickUp Brain을 열고 위의 프롬프트를 붙여넣으세요. 기관명, 학생 수, 재학률, 졸업률, 현재 사용 중인 도구, 직원 수, 위험군 등 변수들을 입력하세요. 생성된 결과를 활용하여 조기 경보 라우팅 규칙, 개입 워크플로우, 재학률 대시보드, 코칭 사례 관리 구조의 초안을 작성한 후, 학생 성공 모델에 맞게 세부 사항을 조정하세요.
- 지속적인 관리를 위한 자동화 설정 수동으로 지속적으로 후속 조치를 취하지 않아도 학생 성공 관련 업무가 원활하게 진행되도록 자동화 기능을 설정하세요. 규칙을 활용하여 경고 유형별로 경로를 지정하고, 여러 지표가 누적될 경우 위험 등급을 상향 조정하며, 후속 조치 기한을 준수하도록 하고, 개입 점검을 자동으로 실행하며, 연말에 예상치 못한 문제가 되기 전에 확대되는 형평성 격차를 미리 파악할 수 있습니다.
'학생 성공(Student Success)'이라는 전용 스페이스를 설정하세요. 학생 성공 라이프사이클 전반의 일을 체계적으로 관리하기 위해 다음 네 가지 폴더를 추가하세요: '조기 경보 및 사례(Early Alerts & Cases)': 신규 경보, 진행 중인 사례, 해결된 사례, 위기 의뢰를 관리합니다. '개입 및 지원(Interventions & Support)': 과외 조정, 보충 수업, 성공 코칭, 동료 멘토링을 관리합니다. '재학 분석(Retention Analytics)': 학년별 추적, 형평성 격차 모니터링, 예측 지표 분석, 학기별 비교를 관리합니다. '학위 진행 상황(Degree Progress)': 유예 상태 모니터링, 학위 심사 후속 조치, 학기 중 점검, 졸업 준비 지원을 관리합니다.
학생 성공 관리 작업 템플릿에 사용자 지정 필드를 추가하여, 각 사례에 팀이 위험을 식별하고, 지원을 배정하며, 후속 조치를 모니터링하는 데 필요한 핵심 데이터가 포함되도록 하세요. 위험 점수, 위험 등급, 경고 출처, 담당 코치, 개입 유형, 마지막 연락일로부터 경과 일수, 1세대 학생 상태, 펠(Pell) 보조금 수혜 자격 등의 필드를 포함시키세요. 이러한 일관된 구조는 대시보드, 자동화, 사례 관리의 신뢰성을 크게 높여줍니다.
새 스페이스에서 ClickUp Brain을 열고 위의 프롬프트를 붙여넣기하세요. 기관명, 학생 수, 재학률, 졸업률, 현재 사용 중인 도구, 직원 수, 위험군 등 변수들을 입력하세요. 생성된 결과를 활용하여 조기 경보 라우팅 규칙, 개입 워크플로우, 재학률 대시보드, 코칭 사례 관리 구조의 초안을 작성한 후, 학생 성공 모델에 맞게 세부 사항을 조정하세요.
수동적인 후속 조치를 반복하지 않고도 학생 성공 관리 일이 원활하게 진행되도록 자동화 시스템을 구축하세요. 규칙을 활용하여 경고 유형별로 경로를 지정하고, 여러 지표가 중첩될 경우 위험 등급을 상향 조정하며, 후속 조치 기한을 준수하도록 하고, 개입 점검을 자동으로 실행하며, 연말에 예상치 못한 문제로 번지기 전에 확대되는 형평성 격차를 미리 파악할 수 있습니다.
💡 전문가 팁: 전체 학생 성공 운영 시스템으로 확대 적용하기 전에, 조기 경보 라우팅이나 코칭 후속 조치와 같은 단일 워크플로우부터 시작하세요. 소규모 시범 운영을 통해 팀은 시스템을 확장하기 전에 임계값, 소유권 규칙, 개입 시기를 세밀하게 조정할 수 있습니다.
학생 성공 모니터링 작업을 위한 권장 사용자 지정 필드
이러한 필드는 경고, 개입, 재학 분석, 과외 조정 및 코칭 사례 관리 전반에 걸쳐 일관된 운영 기록을 생성합니다.
| 필드 | 유형 | 목적 |
|---|---|---|
| 위험 점수 | 번호 | 학업, 참여도 및 재정 지표를 기반으로 한 종합 점수 |
| 위험 등급 | 드롭다운 메뉴 | 정상 진행, 추적, 위험군, 고위험군 |
| 경고 출처 | 드롭다운 메뉴 | 교수진 보고서, LMS 활동, 중간고사 성적, 출석, 재정적 제한, 학습 지도 의뢰, 상담 의뢰, 기숙사 인시던트 |
| 담당 코치 | 사람들 | 개입 후속 조치 담당 직원 |
| 개입 유형 | 드롭다운 메뉴 | 성공 코칭, 학업 지도, 과외, 장학금 상담, 심리 상담, 또래 멘토링, 워크숍, 식비 또는 주거 지원 |
| 마지막 연락 이후 경과 일수 | 번호 | 마지막 성공적인 연락 또는 회의 이후 경과 시간 |
| 1세대 학생 상태 | 드롭다운 메뉴 | 1세대, 비 1세대, 미상 |
| 펠(Pell) 지원 대상 | 드롭다운 메뉴 | 예, 아니요, 알 수 없음 |
| 참여 상태 | 드롭다운 메뉴 | 시작 전, 연락 시도, 연락 완료, 개입 진행 중, 모니터링, 닫힘 |
| 코호트 유형 | 드롭다운 메뉴 | 신입생, 재학생, 편입생, 시간제 학생, 유예생, 기타 |
| 형평성 그룹 태그 | 라벨 | 펠(Pell) 수혜자, 1세대 대학생, 학생 운동선수, 편입생, 기숙사생, 통학생, 기타 |
| 다음 후속 조치 일정 | 날짜 | 다음 연락 또는 점검 사항 |
📘 함께 읽어보기: 모든 사용자 지정 필드 유형을 확인하고 귀하의 보조금 워크플로우에 가장 적합한 필드를 결정해 보세요.
학생 성공 모니터링을 위한 핵심 자동화 예시
사용자 지정 필드를 설정한 후, 반복적인 수동 후속 조치 없이도 경고, 개입, 후속 조치 및 분석이 원활하게 진행되도록 자동화 프로세스를 구축하세요.
| 언제… | 그 다음… |
|---|---|
| 교직원의 우려 사항 또는 LMS 비활성 알림이 제출되었습니다 | 경보 유형과 학생 집단에 따라 적절한 담당자에게 전달하세요 |
| 한 학생이 7일 이내에 여러 건의 경고를 받음 | 이를 하나의 사례로 통합하고 위험 검토 우선순위를 높입니다 |
| 위험 점수가 '고위험' 단계로 이동했습니다 | 집중 개입 워크플로우 트리거를 실행하고 24시간 내 연락 작업을 할당하세요 |
| 후속 조치 기한이 지났으나 연락 기록이 없습니다 | 에스컬레이션 작업을 생성하고 관리자에게 알립니다 |
| 학생이 튜터링 또는 코칭 약속을 지키지 못한 경우 | 재참여 유도 작업을 생성하고 연락이 닿지 않은 사례를 기록하세요 |
| 형평성 격차가 모니터링 기준치를 초과했습니다 | 코호트 보기를 표시하고 재학률 담당자에게 검토를 요청하세요 |
📘 함께 읽어보세요: 자동화에서 사용자 지정 필드가 어떻게 작동하는지 알아보세요
학생 성공 라이프사이클 전반에 걸쳐 에이전트가 담당하는 역할
학생 성공을 위한 AI 에이전트는 예측 분석 모델이 아닙니다. 이는 프로젝트 관리 작업 공간 내에서 실행되며, 위험에 처한 학생을 식별하는 단계부터 실제 지원에 이르기까지의 운영 워크플로우를 관리하는 시스템입니다. 분석은 누가 도움이 필요한지 알려줍니다. 에이전트는 그 도움이 실제로 전달되도록 보장합니다.
| 라이프사이클 단계 | 에이전트의 역할 | 기존 시스템 대체 내용 |
|---|---|---|
| 조기 경보 | 경고를 전달하고, 중복된 신호를 통합하며, 적절한 후속 조치 소유자를 지정합니다. | 경고 표시 전용 시스템 및 수동 경고 분류 |
| 위험 모니터링 | 학업, 참여도 및 재정적 위험 지표를 추적하고 개입 우선순위를 업데이트합니다. | 분산된 스프레드시트와 일관성 없는 검토 절차 |
| 개입 워크플로우 | 지원 조치를 할당하고, 후속 조치 시기를 추적하며, 응답이 없는 경우 상급 부서로 이관합니다. | 단순히 문제를 파악하는 데 그치고 후속 조치를 관리하지 않는 경보 시스템 |
| 재학률 분석 | 학기별 지속성, 코호트 동향 및 하위 그룹 간 격차를 모니터링합니다 | 문제가 발생한 후에 작성되는 일회성 재학률 보고서 |
| 튜터링 및 학습 지원(SI) 조정 | 학생 성과와 연계하여 의뢰 건수, 세션, 인력 배치 및 지원 서비스 이용 현황을 추적합니다 | 별도의 튜터링 기록과 연계되지 않은 학업 지원 보고 |
| 성공 코칭 | 전체 학생 인구를 대상으로 사례 관리, 연락 일정, 노트, 연계 조치 및 진행 상황을 관리합니다 | 로컬 노트북, 달력 알림 및 수동 사례 검토 |
실제 ClickUp 환경에서 Super Agents가 어떻게 작동하는지 확인해 보시겠습니까? 아래의 데모 영상을 통해 AI가 생성한 워크플로우, 작업, 자동화 기능이 실제로 어떻게 결합되는지 확인해 보세요.
교육 기관 유형별 적용 방안
위의 프롬프트는 ClickUp을 사용하는 모든 고등 교육 기관에서 사용할 수 있습니다. 귀하의 기관에 맞게 프롬프트를 수정해 보세요:
| 교육기관 유형 | 주요 변경 사항 |
|---|---|
| R1 연구 중심 대학 | 전체 프롬프트를 있는 그대로 사용하십시오. 더 많은 학생 인구, 보다 전문화된 개입 팀, 그리고 대학 및 학생 인구 전반에 걸친 더 강력한 세분화를 추가하십시오. |
| R2 대학 | 전체 구조는 유지하되, 인력이 부족한 팀에서는 업무 배정을 간소화하십시오. 학사 지도 및 지원 부서 전반에 걸쳐 재학 유지, 코칭, 그리고 협력을 중점적으로 다뤄야 합니다. |
| 인문대학 | 신입생 및 전공 탐색 중인 학생들을 대상으로, 집중적인 개입, 소규모 사례 관리, 철저한 사후 관리에 중점을 둡니다. |
| 커뮤니티 칼리지 | 시간제 학생의 학업 지속성, 편입 동향, 기초 지원 필요 학생의 연계, 통학 학생을 위한 유연한 지원 활동을 중점적으로 다룹니다. |
| 직업 교육 기관 | 출석, 학년별 진도, 면허 취득 관련 학업 지원, 그리고 수료와 연계된 단기 학생 개입에 중점을 둡니다. |
한 곳에서 학생 성공 모니터링 실행하기
경고, 개입, 재학률 대시보드, 튜터링 의뢰, 코칭 노트 등이 공유된 운영 뷰 없이 서로 다른 시스템에 분산되어 있으면 학생 성공 모니터링은 제대로 작동하지 않습니다. ClickUp Brain, 사용자 지정 필드, 자동화 기능을 활용하면, 귀 기관은 학생 성공 운영을 하나의 반복 가능한 시스템으로 전환하여 더 신속한 개입, 명확한 소유권, 철저한 후속 조치, 그리고 재학률 위험에 대한 더 나은 가시성을 확보할 수 있습니다.
목표는 기존 경보 플랫폼이나 분석 tools를 대체하는 것이 아닙니다. 이를 둘러싼 조정 업무를 줄이고, 학생이 위험 신호를 받은 후의 가시성을 높이고, 팀이 위험 요소를 식별하는 단계에서 실제 해결 단계로 나아갈 수 있도록 돕는 것입니다. 위의 프롬프트를 바탕으로 시작하여, 귀하의 학생 인구와 인력 운영 모델에 맞게 조정하고, 팀이 매 학기 실제로 활용할 수 있는 설정을 구축해 보십시오.
자주 묻는 질문
AI가 Starfish나 EAB Navigate와 같은 조기 경보 시스템을 대체할 수 있을까요?
AI 에이전트는 기존 조기 경보 플랫폼을 대체하는 것이 아닙니다. 경보가 발령된 후의 후속 조치를 관리함으로써 플랫폼을 보완합니다. Starfish와 Navigate는 위험 신호를 생성합니다. AI 에이전트는 이러한 위험 신호가 후속 조치 기한, 에스컬레이션 경로, 결과 추적을 포함한 실질적인 개입으로 이어지도록 보장합니다. 대부분의 재학 유지 실패는 위험에 처한 학생이 식별되지 않았기 때문이 아니라, 개입 워크플로우가 제대로 작동하지 않았기 때문에 발생합니다.
이 기능은 학생 데이터에 대한 FERPA 요건을 어떻게 준수합니까?
ClickUp은 SOC 2, ISO 27001, ISO 27017, ISO 27018 및 ISO 42001 인증을 보유하고 있으며, SSO(단일 로그인), 역할 기반 권한 관리, 저장 중 및 전송 중 데이터 암호화를 지원합니다. 학생 단위 권한 설정을 통해 코치는 자신에게 배정된 사례만 확인할 수 있습니다. 교직원은 경고 제출 양식만 볼 수 있으며, 사례 결과는 확인할 수 없습니다. AI 모델 훈련에는 어떠한 데이터도 사용되지 않습니다. 자세한 내용은 보안 페이지에서 확인하세요.
편향을 강화하지 않으면서 형평성 격차를 어떻게 추적할 수 있을까요?
이 위험도 평가 시스템은 인구통계학적 특성이 아닌, 관찰 가능한 학업 및 행동 지표(GPA, 출석률, LMS 참여도)를 주요 위험 요인으로 활용합니다. 인구통계학적 데이터는 초기 위험도 평가가 아닌, 사후 세분화된 보고를 위해 사용됩니다. 이러한 접근 방식은 보호 대상 특성을 사용하여 개별 학생을 지목하지 않으면서도 성과 격차를 파악할 수 있게 해줍니다.
이미 자체 개발한 조기 경보 시스템을 사용하고 있다면 어떻게 해야 할까요?
많은 교육 기관에서 초기 경보를 처리하는 내부 시스템을 구축해 왔습니다. AI 에이전트 작업 공간은 그 위에 구축되어 운영 워크플로우를 관리합니다. 즉, 누가, 언제까지, 어떤 업무를 수행해야 하며, 이를 이행하지 않을 경우 어떻게 처리될지를 관리합니다. 이는 학생 성공을 위한 프로젝트 관리 계층이며, 기존 경보 시스템을 대체하는 것이 아닙니다.
이 시스템을 원활하게 운영하려면 성공 코치가 몇 명이나 필요할까요?
이 시스템은 직원 규모에 관계없이 운영됩니다. 코치 수가 많을수록 담당 학생 수는 줄어들고 대응 속도는 빨라집니다. 코치 수가 적을 경우 자동화 시스템이 선별 및 후속 조치 업무를 더 많이 처리하므로, 코치는 최우선순위 상호작용에만 집중할 수 있습니다. 사전 예방적 성공 코칭의 일반적인 목표는 코치 1인당 150~300명의 학생이지만, 자동화된 워크플로우를 통해 실질적인 지원 범위를 크게 확대할 수 있습니다.