코그니이

-
개발사 코그니이
공식 웹사이트 https://www.cognii.com/

Cognii는 대화형 AI 기반 로 K-12 및 고등교육을 대상으로 개인별 맞춤 지도 및 평가 서비스를 제공하며 자연어 대화를 통해 학생들이 개념을 깊이 이해할 수 있도록 도와줍니다.

코그니이 제품 인터페이스

코그니이

Cognii의 핵심 매개변수 및 통계

Cognii는 K-12, 고등 교육 및 기업 교육 시장을 위한 대화형 AI 지도 및 평가 플랫폼입니다. 공식적으로는 '인공지능 기반의 확장 가능한 맞춤형 교육'으로 자리잡고 있습니다. Quizlet, Khan Academy 및 문제 은행 및 비디오에 중점을 둔 다른 플랫폼과 달리 Cognii의 핵심 상호 작용 형태는 개방형 질문 및 답변 + 대화식 지도입니다. 학생들은 개방형 질문에 자신의 언어로 답변하고 AI 엔진은 의미 수준에서 답변의 품질을 평가하고 실시간으로 형성 피드백을 제공합니다. 이 메커니즘은 전통적인 "질문-답변-채점" 순서보다는 실제 사람들의 일대일 지도 효과에 더 가깝습니다.

프로젝트 공공정보
공식 포지셔닝 K-12를 위한 AI 기반 맞춤형 교육, 고등교육 및 기업훈련
핵심제품 Cognii 가상 학습 도우미(VLA)
목표 시장 K-12 학교, 대학교, 학군, 기업 교육 부서
핵심 기술 스택 자연어 처리(문법 분석 + 심층 의미 + 개념 수준), 머신러닝 평가 엔진
평가 정확도 연구에 따르면 인간 평가자와 96%의 일치가 확인되었습니다(짧은 에세이 평가)
지원되는 언어 영어(미공개 다국어 지원 계획)
배포 방법 Cloud SaaS, LMS 임베딩 지원(LTI 통합)
회사위치 미국 캘리포니아주 샌프란시스코
설립 대략 2013년
최신 버전 게시되지 않음(지속적인 반복)
등록된 사용자 수 비공개

평가 정확도: 공식 웹사이트에 인용된 통제된 연구에 따르면 Cognii는 짧은 에세이 채점에서 인간 평가자와 96%의 일치도를 달성한 것으로 나타났습니다. 이 수치는 통제된 실험에서 나온 것입니다. 실제 교실 시나리오에서는 과목 범위, 질문 복잡성 및 데이터 희소성으로 인해 채점 일관성이 변동될 수 있지만 학문적 참고 자료로는 자연어 평가 엔진의 성숙도를 설명하기에 충분합니다.

포지셔닝 경계: Cognii의 포지셔닝은 "콘텐츠 생성"이 아닌 "코칭 및 평가"입니다. 교사는 여전히 코스 문제와 채점 기준을 직접 작성해야 하며 플랫폼은 과목 콘텐츠의 자동 생성을 제공하지 않습니다. 이는 이미 완전한 과정 강의 계획서와 문제 은행을 갖춘 교육 기관을 보완하지만 "처음부터 자동으로 과정을 생성"하려는 팀에게는 명백한 기능 격차가 있습니다.

Cognii의 사용자 및 시장 인지도

Cognii의 시장 인지도는 주로 업계 수상 및 학술 파트너십에 반영됩니다. 공개 고객 수와 수익 데이터는 공개되지 않습니다.

업계 상: 공식 웹사이트는 두 개의 권위 있는 상을 공개적으로 표시합니다.

  • MassTLC 최고의 교육 기술 상(2016): 매사추세츠 기술 리더십 위원회(MassTLC)가 뉴잉글랜드에서 가장 혁신적인 교육 기술 회사를 표창하기 위해 선정했습니다.
  • 학습 평가 부문 최고의 혁신을 위한 Reimagine Education Award(2015): 그 해 500개 이상의 프로젝트 지원서를 접수하고 40명의 심사위원으로 구성된 국제 패널에 의해 선정된 글로벌 대회입니다.

학술 협력: Cognii는 대학 및 K-12 학군과 협력을 구축했습니다. 공식 홈페이지에는 드렉셀대학교 등 기관과의 협력 사례가 언급되어 있지만, 구체적인 고객 목록이나 계약 금액은 공개하지 않는다.

시장 포지셔닝 비교: Cognii는 AI 교육 튜터링 트랙에서 다음 플랫폼을 통해 차별화된 경쟁 환경을 형성했습니다.

비교차원 코그니이 칸아카데미 Quizlet 등급 내시경 턴니틴
핵심 상호작용 열린 대화 + AI 평가 비디오 + 문제 은행 연습 플래시카드 + 퀴즈 인적 채점 워크플로 논문표절검사
AI 평가 역량 의미 수준의 공개 질문 채점 없음(참 또는 거짓 여부를 판단하기 위한 객관식/빈칸 채우기 문제만 가능) 없음 제한적(그룹 채점 지원) 없음(중복검사만 가능)
형성 피드백 실시간, 개인화, 반복 가능 표준 답변 비교 참 또는 거짓 피드백 교사 매뉴얼 필요 없음
1:1 코칭 대화형 코칭 내장 없음 없음 없음 없음
가격 모델 기관별 맞춤 무료(기부금 지원) 프리미엄 학생/과정별 기관별
오픈 소스 아니요 예(일부) 아니요 아니요 아니요
다국어 영어로만 다국어 지원 다국어 영어 기반 다국어

위 표에서 볼 수 있듯이 Cognii는 'AI 기반 개방형 질의응답 평가'의 수직적 역량 측면에서 현재 시중에 나와 있는 몇 안 되는 제품 중 하나이지만, 칸아카데미 등 무료 플랫폼에 비해 브랜드 인지도와 사용자 규모가 훨씬 낮다.

Cognii의 비용 이점: AI가 수동 프로세스 절감을 대체합니다.

Cognii의 비용 구조는 "절대적으로 저렴한 가격"이 아니라 "인력을 AI로 대체"하여 발생하는 프로세스 절감에 반영됩니다. 비용 가치를 평가하려면 C 측, 기관 측, 개발자 측의 세 가지 수준에서 이를 해체해야 합니다.

C 측/개인 학습자: Cognii는 개인 소비자에게 직접 판매하지 않습니다. 학생들은 학교나 교육 기관을 통해 접속 권한을 얻어야 합니다. 이는 개인이 독립적으로 구매하거나 시험해 볼 수 없으며 의사결정 권한이 전적으로 기관에 있음을 의미합니다. 이는 자신의 비용으로 학습 능력을 향상시키려는 개인에게는 선택 사항이 아닙니다.

B면/학교 및 학군: 공식 표준 가격표는 공개되지 않았으며, 연회비는 학생 수나 학교 규모에 따라 맞춤화됩니다. 일반적인 수수료 구성 요소는 다음과 같습니다.

  • 플랫폼 라이선스: 총 학생 수 또는 활성 사용자 수를 기준으로 청구되며 계약 기간은 일반적으로 1년 또는 3년입니다.
  • 기술 지원: 초기 통합 배포와 지속적인 운영 및 유지 관리 지원이 포함됩니다.
  • 교사 교육: 일부 계약에는 교사 활용 교육 및 모범 사례 워크숍이 포함됩니다.
  • API 통합: 기존 LMS 또는 사용자 정의 프런트 엔드를 심층적으로 포함해야 하는 경우 추가 API 라이센스 비용이 적용될 수 있습니다.

기업/기업 교육: 기업 학습 및 개발(L&D) 부서를 위한 솔루션도 주문형으로 견적되며 일반적으로 내부 LMS(예: Cornerstone, SAP SuccessFactors)와의 통합 조정, 독점 SLA 및 데이터 격리 조건이 포함됩니다.

비용 절감 및 효율성 향상의 정량적 추론 (아래는 공개정보, 비공식자료를 바탕으로 추정한 수치입니다.)

비용 항목 기존 수동 모드(예상) Cognii 보조 모드(공제) 저축마진(공제)
주당 채점 시간(200명) 교사 10~15시간 AI 초기 평가 + 교사 검토 3~5시간 60-70%
강좌 튜터링 응답 지연 24~48시간(비동기) 실시간(<1초) 비교할 수 없음
형성 평가 빈도 학기당 3~5회(인력제한) 일주일에 여러 번 5~10배 개선
교사연수 투자 학기당 2~3일 집중훈련 첫 배포 + 온라인 안내 약 50%

숨겨진 비용: Cognii를 채택하려면 기관에서 초기 통합 시간(LTI 도킹, 데이터 마이그레이션, 교사 교육)에 투자해야 하는데, 이는 구매 결정에서 쉽게 과소평가됩니다. 또한 AI 채점은 캠퍼스 내 검토 위원회 사이에서 "알고리즘 공정성" 의심에 직면할 수 있으며, 신뢰 구축을 위해 추가 설명 문서와 파일럿 데이터가 필요합니다.

직위별 비용 절감 및 효율성 개선 매핑(공제): Cognii가 다양한 교육 직위의 근무 시간에 미치는 영향에는 상당한 차이가 있습니다.——

  • 교사: 주간 채점 시간을 10~15시간에서 3~5시간으로 줄일 수 있으며(60~70% 절약), 여유 시간은 기계적인 교정 대신 소규모 학급 개인 지도 및 수업 설계에 사용할 수 있습니다.
  • 조교/TA: 형성 평가 시나리오에서 TA의 채점 작업량은 80~90%까지 줄어들 수 있지만 "AI 채점 품질 샘플링"이라는 새로운 책임으로 전환해야 합니다.
  • 학술 관리자: 데이터 분석 및 보고서 생성 시간이 주당 2~3시간(수동 편집)에서 거의 0(자동 대시보드)으로 단축되었지만, 데이터를 해석하고 개입 전략을 개발하는 데 추가 시간을 투자해야 합니다.
  • IT 지원팀: 초기 통합 배포에는 20~40일의 투자(LTI 구성, 데이터 마이그레이션, 권한 설정)가 필요하며 일일 운영 및 유지 관리 부담은 낮습니다(<2일/월).

Cognii의 주요 기능

Cognii의 제품 기능은 "개방형 질문 및 답변 평가 + 대화형 코칭"이라는 핵심 축을 중심으로 이루어지며, 각 기능은 평가부터 피드백, 경로 조정까지 완전한 관계를 형성합니다.

  • 개방형 응답 평가: 학생들이 자연어로 답변을 작성하면, AI 엔진이 단순히 키워드 일치나 문장 유창성만 확인하는 것이 아닌 내용의 완전성, 정확성, 논리적 구조를 의미론적 수준에서 평가합니다. 짧은 질문과 답변부터 짧은 에세이까지 다양한 질문 유형을 지원합니다. 가치: 고차원적 사고 능력을 측정할 수 없는 전통적인 객관식 문제의 한계를 극복하여 평가가 "이해" 자체로 돌아갈 수 있도록 합니다.

  • 형성 평가 및 즉각적인 피드백: 학생들은 답변을 제출한 후 즉시 점수와 개인화된 피드백을 받습니다. 이는 단순히 옳고 그름을 판단하는 것이 아니라 답변의 정답과 누락된 개념 포인트를 명확하게 지적합니다. 학생들은 여러 번 수정하고 다시 제출할 수 있으며 숙달될 때까지 매번 반복적인 피드백을 받을 수 있습니다. 가치: 평가를 "최종점 테스트"에서 "학습 과정의 일부"로 전환하는 것은 Bloom 2-sigma 개인교습 효과와 일치합니다. 즉, 일대일 개인교습은 학생 성과를 2 표준편차만큼 향상시킬 수 있습니다.

  • 대화형 튜터링: Cognii는 스스로를 "교육 속의 Siri"라고 부르며 학생들이 AI와 여러 차례의 질문 및 답변 대화를 수행할 수 있도록 지원합니다. AI는 개념적 오해를 발견하면 표준적인 답변을 직접 제공하기보다는 적극적으로 질문하고 반성을 안내합니다. 이 메커니즘은 실제 강사의 소크라테스식 교육 방법을 시뮬레이션합니다. 가치: "일대일 맞춤형 튜터링은 확장될 수 없다"는 교육 분야의 고전적 모순을 해결합니다.

  • 적응형 개인화: 각 개방형 답변의 의미론적 평가 결과를 기반으로 시스템은 후속 질문에 대한 튜터링의 난이도, 주제 및 깊이를 동적으로 조정합니다. 학생들의 지식 그래프가 점진적으로 구축되고, 약점이 자동으로 표시되며, 목표가 있는 연습문제가 배열됩니다. 가치: 각 학생이 자신의 현재 수준에 맞는 학습 속도를 얻을 수 있도록 하고 "일률적인" 교육 진행 상황을 방지합니다.

  • 고해상도 분석: 교사와 관리자는 수업의 전반적인 지식 포인트 숙달, 각 학생의 개념 숙달 궤적, 일반적인 오류 패턴의 분포, 학습 진행 속도에 대한 히트맵을 볼 수 있습니다. 분석의 세분성은 "특정 주제의 특정 지식 지점에 대한 학생의 이해 수준"만큼 깊을 수 있습니다. 가치: 교육 의사결정을 '경험 중심'에서 '데이터 중심'으로 전환하면 교사는 개입이 필요한 학생과 약점을 정확하게 찾을 수 있습니다.

  • LMS 및 강좌 콘텐츠 통합: LTI 표준 통합을 지원하며 Canvas, Blackboard, Moodle 등 주류 학습 관리 시스템과 연결될 수 있습니다. 교사는 시스템을 전환하지 않고도 기존 코스의 프레임워크 내에 Cognii 평가 활동을 직접 포함시킬 수 있습니다. 또한 맞춤형 문제 은행 및 채점 표준도 지원합니다. 가치: 기술 이전에 대한 저항을 줄이고 교사의 기존 워크플로 내에서 AI 개선 사항을 구현합니다.

Cognii의 모델 및 버전 진화

Cognii는 자세한 내부 모델 버전 번호와 출시 일정을 공개하지 않았지만 기술 반복은 공식 웹사이트 정보와 업계 공개 이정표를 통해 분류할 수 있습니다.

초기탐사(~2013~2015)

Cognii는 샌프란시스코에서 설립되었으며 창립팀은 자연어 처리와 교육 기술의 교차점에서 시작되었습니다. 2015년 Reimagine Education 최고의 학습 평가 혁신상을 수상하여 학술 리뷰에서 조기 개방형 평가 기술을 인정받았습니다. 이 단계의 제품 형태는 주로 "자동 채점 엔진"이며 아직 완전한 대화 학습 경험을 형성하지 못했습니다.

제품 성형 및 상용화(2016~2020)

2016년 최고의 교육 기술 부문 MassTLC 상을 수상함으로써 제품이 연구용 프로토타입에서 상업적으로 배포 가능한 솔루션으로 전환되었습니다. 이 기간 동안 Cognii는 VLA(Virtual Learning Assistant) 제품 라인을 점진적으로 출시하여 평가 엔진을 대화형 상호 작용 기능을 갖춘 개인교습 시스템으로 업그레이드했습니다. 이 기간 동안 Drexel University와 같은 대학과의 협력 사례가 확립되었습니다. LTI 통합 기능을 추가하면 Cognii를 주류 LMS 워크플로우에 내장할 수 있습니다.

지속적인 반복 기간(2021년~현재)

Cognii는 특정 버전 번호나 릴리스 지침을 공개하지 않았지만 공식 제품 페이지에는 다음과 같은 기술 발전 방향이 계속 표시됩니다.

  • 구문 분석 + 심층 의미론 + 개념 수준: 초기 키워드 매칭에서 다계층 NLP 구문 분석 아키텍처로 업그레이드되었습니다.
  • 향상된 평가 정확도: 초기의 "허용 가능한" 수준에서 연구에 표시된 96%의 인간 일관성으로 점차 개선되었습니다.
  • 적응형 경로 최적화: 개인화된 추천 엔진이 규칙 중심에서 데이터 중심으로 전환됩니다.

최신 버전 정보는 공개되지 않았습니다. 공식 웹사이트에는 변경 로그나 릴리스 노트 페이지가 없습니다. 제품 반복 리듬은 "주요 버전 릴리스" 모델이 아닌 "지속적인 제공" 모델에 속합니다. 조직은 평가 시 영업팀과 직접 현재 배포된 엔진 버전 및 기능 세트를 확인해야 합니다.

주요 목표 요약:

시간 이벤트 의미
~2013 샌프란시스코에 위치한 Cognii 설립 회사 설립 및 NLP+EdTech 시작
2015 Reimagine Education 최고의 학습 평가 혁신상 수상 국제 심사에서 인정받은 기술 솔루션
2016 MassTLC 최우수 교육기술상 수상 지방자치단체가 인정한 제품 상용화 역량
~2016-2018 가상 학습 도우미 출시 평가 엔진에서 대화형 튜터링으로 업그레이드
~2020 LTI 통합 + LMS 도킹 학교 조달 표준 워크플로 입력
지금까지 지속적으로 반복되는 NLP 엔진 및 적응형 경로 미공개 버전 번호, 주문형 제공

Cognii의 기술적 장점

Cognii의 기술 경로 선택은 핵심 모순, 즉 공개 질문과 답변의 평가 정확성과 대규모 배포 비용 간의 균형을 중심으로 진행됩니다. NLP 엔진은 GPT 시리즈와 같은 범용 대형 언어 모델이 아니라 교육 평가 시나리오를 위해 특별히 설계된 수직 모델입니다.

3계층 의미 분석 아키텍처: Cognii의 평가 엔진은 아래에서 위로 세 가지 수준으로 구성되어 있습니다.

  1. 언어 구문: 단어가 구, 문장, 단락으로 결합되는 방식을 분석하고 기본적인 문법 정확성과 구조적 무결성을 식별합니다.
  2. 심층의 의미: 문자 그대로의 일치보다는 질문의 맥락에서 단어, 구, 문장의 의미를 이해합니다. 이 레이어는 Cognii와 기존 키워드 채점 시스템 간의 근본적인 차이점입니다.
  3. 개념 계층: 학생의 답변에 어떤 의미론적 개념이 포함되어 있는지, 어떤 개념이 누락되었는지, 어떤 개념이 잘못 이해되었는지 확인합니다. 이것이 '지식 사각지대 식별' 능력을 구현하는 핵심이다.

평가 정확도 대 일반 AI: Cognii는 GPT와 같은 범용 대형 모델을 직접 호출하는 대신 수직 교육 시나리오를 위한 독점 NLP 모델을 선택합니다. 이 기술 경로의 장점은 채점 표준이 제어 가능하고(일반 모델 버전으로 표류하지 않음) 추론 비용이 예측 가능하며 학생 데이터가 도메인을 벗어나지 않는다는 것입니다. 대가는 일반 모델의 영표본 적응성이 부족하고 교사가 채점 기준을 미리 설정하거나 각 질문에 대한 참조 답변을 제공해야 한다는 것입니다.

일반 LLM과의 기술 경로 비교:

비교 차원 Cognii 독점 NLP 엔진 채점을 위한 일반 LLM(예: GPT-4)
평가방법 구문 + 의미 + 개념 계층적 구조 분석 엔드투엔드 프롬프트 추론
점수 일관성 구조화된 규칙을 재현 가능 온도 계수 및 프롬프트 문구의 영향
데이터 개인정보 보호 현지화된 배포/클라우드 제어 가능 API 데이터 사용 약관에 주의하세요
맞춤형 교사 미리 설정된 채점 기준/참고 답변 필요 제로샷 평가는 가능하지만 품질이 불안정함
비용 구조 연간 계약 비용 기준, 토큰 과금 없음 토큰 소비에 따라 대규모 사용 비용이 선형적으로 증가
질문 유형에 적합 단답형, 단문 페이퍼(50-500단어) 질문 유형에는 제한이 없지만 긴 텍스트는 비용이 많이 듭니다

원인 설명: 96% 일관성을 달성할 수 있는 이유 - 3계층 구문 분석 아키텍처를 통해 Cognii는 "답이 올바른지 여부"를 판단할 수 있을 뿐만 아니라 "개념 A는 맞지만 개념 B는 틀립니다"라는 정확한 문제를 찾을 수 있습니다. 이러한 세분화된 평가 기능은 기존의 텍스트 일치 또는 간단한 ML 분류기에서는 불가능합니다. 연구에서 나타난 96% 일관성은 빈도가 높은 표준 질문에서는 더 신뢰할 수 있지만 창의적인 글쓰기 또는 교사의 검토가 필요한 매우 개방형 질문에서는 85-90% 수준으로 떨어질 수 있습니다.

적응 메커니즘의 엔지니어링 구현: Cognii의 적응 경로 시스템은 개념 수준 분석 결과를 기반으로 학생 지식 그래프를 구축합니다. 각 평가 후 시스템은 맵의 "숙달" 표시기를 업데이트하고 (순수 신경망이 아닌) 미리 설정된 코스 구조 규칙을 통해 다음 질문의 방향을 결정합니다. 이 접근 방식은 순수한 데이터 기반 접근 방식보다 더 해석하기 쉽지만 규칙 유지 관리 비용은 코스 수에 따라 증가합니다.

코그니이 사용 방법

Cognii는 독립형 소비자 애플리케이션(App Store 개인 버전 없음)을 제공하지 않으며 모든 액세스는 교육 기관을 통해 이루어집니다.

사용 방법 적용대상 활성화 전제조건 주요업무
LMS 임베디드(LTI) 캔버스/칠판/무들이 배포된 학교 기관에서 라이센스 구매 + IT가 LTI 구성 완료 교사는 코스에 Cognii 활동을 추가하고 학생들은 LMS
Cognii 독립 포털 주류 LMS를 사용하지 않는 기관 기관이 라이센스를 구매하고 교육 관리자가 수업을 엽니다 학생들은 Cognii 플랫폼에 로그인하여 수업/과정별 연습을 완료합니다
API 통합 온라인 교육 플랫폼 MOOC, 전자책 제공업체 업무협약 + 기술도킹 Cognii 평가 엔진을 자체 제품에 내장

일반적인 교사 작업 흐름(단일 평가 활동):

  1. LMS에서 새로운 Cognii 평가 활동을 생성하고 개방형 질문을 선택하거나 작성하고 채점 기준을 설정합니다.
  2. 허용되는 시도 횟수(형성 평가 효과를 최대한 활용하려면 3~5회 권장)와 시작 시간 창을 설정합니다.
  3. 학생이 답변하면 AI가 실시간으로 점수를 매기고 맞춤형 피드백을 제공합니다. 학생들은 피드백을 검토하고 다시 제출한 내용을 수정할 수 있습니다.
  4. 교사는 대시보드에 로그인하여 수업 숙달도, 일반적인 오류 분포, 수동 검토가 필요한 분쟁 답변에 대한 히트맵을 볼 수 있습니다.
  5. 교사는 인간-기계 협업 전략에 따라 AI 점수를 무작위로 검사하고 검토합니다(검토 비율은 "인간-기계 협업 경계" 참조).

일반적인 학생 경험:

  1. 개방형 질문(예: "광합성의 에너지 전환 과정을 설명하세요")을 받습니다.
  2. 자신만의 답을 입력하세요(자연어 50~200단어).
  3. 즉시 평가 + 개념 수준 피드백 받기: "명반응 단계를 올바르게 설명했지만 암반응(캘빈 주기)의 탄소 고정 과정은 불완전합니다."
  4. 피드백을 바탕으로 답변을 수정하고 다시 제출하세요.
  5. 2~3회 반복한 후 핵심 개념을 마스터할 때까지 AI의 지도하에 점차적으로 개선합니다.

인간-기계 협업 경계: Cognii를 사용하려면 AI 자동화 및 수동 확인 지점에 대한 명확한 정의가 필요합니다.

  • 100% 자동화 가능: 표준 개방형 질문 및 답변의 초기 평가 및 즉각적인 피드백, 학생을 위한 여러 차례의 반복 지도, 일반적인 오류 패턴 통계 및 지식 포인트 숙달에 대한 히트맵 생성, 표준화된 시험의 시뮬레이션 채점.
  • Human-in-the-loop 필요: 고부담 시험(기말고사, 입시)의 최종 점수, 논란이 있거나 민감한 주제와 관련된 학생 답변 검토, 임계값보다 낮은 AI 점수 신뢰도(예: <80%)가 있는 답변, 평가 활동에 대한 교사의 초기 설정 및 주기적인 채점 기준 조정, 수업 개입 전략의 수립 및 구현.
  • 권장 인적 검토 비율: 신뢰 기준을 설정하기 위해 첫 번째 평가 활동 배치에 대해 100% 교사 검토가 권장됩니다. 정규 실행 단계 동안 10-20% 무작위 샘플링 + 신뢰도 임계값에 의해 트리거된 대상 검토; 코스 내용이나 채점 기준이 변경될 때마다 일관성을 조정하기 위해 2~3주 동안 50% 검토로 되돌립니다.

통합 참고: 구매하기 전에 LTI 1.3 표준 호환성을 확인해야 합니다. 일부 이전 LMS 버전은 모든 Cognii 기능을 지원하지 않을 수 있습니다. API 통합 시나리오에서는 동시성 제한 및 데이터 리플로우 지연에 주의해야 합니다. 계약서에 SLA 조건을 명확히 하는 것이 좋습니다.

Cognii 제품 가격

Cognii는 표준화된 가격 목록을 공개하지 않으며 모든 계획은 조직 규모에 따라 맞춤형 비즈니스 모델을 채택합니다. 다음 정보는 공식 웹사이트의 설명과 업계 유사 제품의 가격 논리를 기반으로 합니다. 공식 견적이 우선합니다.

C측/개인 학습자: 직접 판매는 없습니다. 학생들은 독립적으로 구매할 수 없으며 학교나 훈련 기관을 통해 액세스해야 합니다.

B면/학교 및 학군: 가격에는 일반적으로 다음 수수료 항목이 포함됩니다.

비용 구조 설명 일반적인 범위(공제)
플랫폼 라이센스 비용 총 학생 수 또는 활성 사용자 수를 기준으로 요금 청구 비공개, 유사한 AI 평가 플랫폼 참조 약 $5-15/학생/년
초기 배포 비용 LTI 통합, 데이터 마이그레이션, 교사 교육 조직 규모에 따라 일회성
연간 기술지원 원격 지원 + 온라인 리소스 라이센스 비용에 포함되거나 별도로 견적됨
교사 연수 워크숍 선택적 부가 가치 서비스 세션별 ​​견적
API 통합 추가 통합 요구 사항 개발자의 날에 청구되거나 연회비에 포함됨

기업/기업 교육: 기업 L&D 부서를 위한 계획은 일반적으로 데이터 격리, 전용 SLA 및 고급 분석을 통해 교육 버전을 업그레이드합니다. 가격은 교육용 버전보다 훨씬 높습니다.

무료 평가판: 공식 웹사이트에서는 셀프 서비스 등록 평가판 입장을 제공하지 않습니다. 기관은 공식 홈페이지 문의 양식이나 이메일([email protected])을 통해 시연이나 시범 신청을 해야 하며, 절차는 '비즈니스 커뮤니케이션 -> 기술 검증 -> 소규모 파일럿 -> 정식 서명' 순이다.

계약 조건에 중점:

  • 데이터 개인정보 보호: 학생 데이터(FERPA, COPPA 준수)가 모델 보조 교육에 사용되지 않는다는 서면 확인이 필요합니다.
  • 계약 기간: 일반적으로 1~3년이며 장기 계약의 경우 할인이 제공될 수 있지만 종료 조항에 유의하세요.
  • 서비스 수준: SLA에는 가용성 약속(99.5% 이상 권장) 및 지원 응답 시간이 포함되어야 합니다.
  • 데이터 내보내기: 계약 만료 후 학생 데이터를 완전히 내보낼 수 있는지 여부를 사전에 확인해야 합니다.

Cognii 애플리케이션 시나리오

Cognii의 구현 시나리오는 "고빈도 형성 평가가 필요하고 일대일 개인 지도를 위한 인력이 부족한" 교육 문제에 중점을 둡니다.

  • K-12 과목 형성 평가: 과학, 수학, 영어 등 열린 사고가 필요한 과목에서는 교사가 매주 2~3개의 개방형 질문을 배정합니다. 학생이 답변하면 AI가 즉시 점수를 매기고 수정 사항을 안내합니다. 교사는 주당 5~8시간의 채점 시간을 절약하고 소규모 학급 개인 교습에 에너지를 쏟을 수 있습니다. 검증 핵심 사항: 수업 내에서 AI 채점 및 교사 채점을 일관되게 샘플링합니다(각 수업의 각 과목에 대해 5~10개의 수동 검토 샘플링을 권장함).

  • 대학 인문학, 사회과학 논문 예비 평가 : 역사, 철학, 심리학 등 설명력이 필요한 과목에서는 AI가 학생들의 단편 논문에 대해 먼저 예비 채점 및 개념적 수준의 피드백을 제공합니다. 학생들이 수정한 후 교사의 최종 검토를 위해 최종 버전을 제출합니다. 교사의 피드백 시간은 근무일 기준 3~5일에서 몇 시간으로 단축되었으며, 즉각적인 피드백을 받아 학생들의 수정 의지가 크게 향상되었습니다. 검증의 핵심 포인트: AI의 창의성과 논증 논리를 평가하는 능력의 경계 - 현재는 사실적 토론에 더 적합하며 매우 개인적인 의견을 평가하는 능력이 제한되어 있습니다.

  • 원격 교육 및 MOOC 교사 교체: 온라인 과정에 Cognii 평가 활동을 포함하여 수천 명의 학생에게 동시에 개인화된 피드백을 제공하고 원격 시나리오에서 교사와 학생 간의 비동기 통신의 응답 지연을 보완합니다. 구현 팁: API 통합 모드에서는 동시성 제한 및 응답 시간을 미리 평가해야 합니다. 공식적인 동시성 용량 데이터는 공개되지 않았으며 계약에 서명하기 전에 스트레스 테스트를 완료하는 것이 좋습니다.

  • 기업 교육 지식 검증: 내부 L&D 과정에 개방형 Q&A 테스트를 포함합니다. 직원이 과정을 완료하면 AI가 자동으로 직원의 이해도를 평가하고 HR은 팀의 전반적인 숙달도에 대한 히트맵을 볼 수 있습니다. 가치: 기존의 객관식 질문보다 "대처 기반 학습"을 더 정확하게 식별합니다. 직원은 자신의 말로 지식 포인트를 설명해야 하며 추측으로는 통과할 수 없습니다.

  • 표준화된 시험 준비: 공개 질문 유형(단답형)을 사용하는 표준화된 시험의 수가 증가함에 따라 학생들은 Cognii를 사용하여 목표 연습을 수행할 수 있습니다. AI는 채점 기준을 시뮬레이션하고 답변 아이디어의 허점을 즉시 지적합니다. 가치: 시험 준비를 "객관식 문제 학습"에서 "건설적인 학습"으로 업그레이드하세요.

Cognii 적용 그룹

Cognii의 서비스 역할은 교육 시나리오에서 세 가지 유형의 핵심 사용자를 다루며, 각 역할 유형의 사용 범위는 다릅니다.

  • 교사 및 교육 설계자: AI 자동 채점 및 세밀한 데이터 분석을 통해 시간이 절약되는 이점을 누리세요. 적응 조건: 학습 평가 활동을 설정하고 채점 기준을 설정하는 데 2~4시간을 기꺼이 투자합니다. 과목은 주로 사실적 지식(과학, 수학, 언어, 역사 등)에 중점을 둡니다. ROI는 학급 규모가 30명 이상일 때 가장 분명합니다. 적합하지 않음: 순전히 창의적인 글쓰기(시, 개인 서사) 교사인 AI는 창의적인 콘텐츠를 평가하는 능력이 제한되어 있으며 지나치게 표준화된 피드백으로 인해 학생들의 표현의 자유가 제한될 수 있습니다.

  • 학생 및 학습자: 학습 경험의 즉각적인 피드백과 무제한 반복의 이점을 누릴 수 있습니다. 적응조건: 기본적인 작문 표현 능력 보유(영어); 강한 자기 동기를 가진 학생들은 여러 번의 반복을 통해 가장 많은 혜택을 얻을 수 있습니다. 단기 기억보다는 깊은 이해가 필요한 시나리오에 적합합니다. 적절하지 않음: 미취학 아동/어린이(그림-텍스트 상호 작용 필요, Cognii는 텍스트 기반) 글쓰기 표현이 약한 학생들은 AI의 텍스트 평가에 좌절감을 느낄 수도 있다.

  • 교육 관리자 및 IT 팀: LMS와 원활하게 통합되는 통합 평가 데이터 대시보드의 이점을 누리세요. 적응 조건: 기관은 Canvas/Blackboard/Moodle과 같은 주류 LMS를 배포했습니다. IT 팀은 LTI 통합 구성을 완료할 수 있습니다. 관리자는 일부 채점 책임을 AI에 위임할 의향이 있습니다. 적합하지 않음: LMS를 표준화하지 않은 조직의 경우 통합 비용이 크게 증가합니다. AI 채점에 대해 "오류 제로" 기대치를 갖고 있는 관리자는 먼저 소규모 파일럿을 통해 합리적인 기대치를 설정해야 합니다.

  • 기업 교육 및 HR 부서: 자동화된 지식 검증 및 기술 평가의 이점을 누리세요. 적응 조건: 교육 내용은 주로 표준 지식 시스템(규정 준수 교육, 제품 지식, 프로세스 운영 등)을 기반으로 합니다. 적합하지 않음: 소프트 스킬 훈련(리더십, 커뮤니케이션 스킬 등), AI 텍스트 평가는 행동 수준에서 능력을 측정하기 어렵습니다.

Cognii 개요 및 전망

Cognii는 "대화형 AI 교육 평가"라는 수직적 트랙에서 명확한 기술적 해자를 보유하고 있습니다. Cognii의 독점적인 3계층 NLP 평가 엔진과 96% 인간 일관성 연구 결과는 학문적으로 검증된 핵심 자산입니다. 또한, 현재 시중에 나와 있는 "개방형 문답 자동 채점 + 형성 피드백"을 진정으로 상품화한 몇 안 되는 제품 중 하나입니다.

핵심 역량: 객관식 플랫폼(Quizlet, Khan Academy) 및 수동 채점 도구(Gradescope)와 본질적으로 다른 Cognii는 AI를 사용하여 과거 인간 교사만이 제공할 수 있었던 "독해-이해-평가-안내" 프로세스를 실현합니다. 이미 강좌 콘텐츠가 있지만 개인화된 지도 인력이 부족한 기관의 경우 이는 비용을 통제할 수 있는 업그레이드 경로입니다.

현재 제한 사항 및 불확실성: 영어만 지원하고 명확한 다국어 로드맵은 없으며 비영어권 국가의 K-12 또는 ESL 시나리오에는 적용되지 않습니다. 오픈 소스가 아니며 커뮤니티 버전이 없으므로 교육 기관은 자체적으로 확장하거나 사용자 정의할 수 없습니다. 가격이 투명하지 않으며, 중소 기관의 경우 연락부터 견적 받기까지의 통신 ​​비용이 높습니다. 독립적인 소비자 버전이 없으며 개별 학습자가 직접 사용할 수 없습니다. 버전 반복 프로세스는 공개되지 않으므로 기관에서 기술 진화의 예측 가능성을 평가하기가 어렵습니다.

경쟁 환경 관찰: GPT-4와 같은 일반 대형 모델의 채점 기능이 빠르게 향상되면서 Cognii는 "일반 AI 차원 축소 공격"의 장기적인 위험에 직면해 있습니다. 학교에서 직접 GPT를 사용하여 충분히 저렴한 비용으로 공개 질문 및 답변 평가를 완료할 수 있다면 독점 NLP 엔진의 차별화된 가치가 압축될 것입니다. 그러나 단기적으로 일반 모델의 점수 일관성, 데이터 개인 정보 보호 및 토큰 비용 문제는 여전히 Cognii의 창구 기간을 유지합니다.

조달/채택 위험 평가: 기관은 AI 채점 및 교사 채점, 학생 수용 및 IT 통합 안정성의 일관성을 검증하는 데 중점을 두고 "3단계"로 진행하는 것이 좋습니다. 첫 번째 단계(1~2개월), 시연을 신청하고 1~2개 수업의 소규모 범위 내에서 파일럿을 완료합니다. 두 번째 단계(1학기)에서는 파일럿을 5~10개 수업으로 확장하고 교사 검토 및 무작위 검사 메커니즘을 구축하고 시험 점수 비교 데이터를 수집하여 "Cognii를 사용하는 수업과 기존 수업의 학습 효과 차이를 평가합니다. 세 번째 단계(1~2년)에서는 정량적 데이터 지원을 기반으로 전체 학구/학교로 확장할지 여부를 결정합니다. 계약을 체결하기 전에 학생 데이터가 모델 중등 교육에 사용되지 않는다는 것을 서면으로 확인해야 합니다. LTI 1.3 호환성에는 계약 만료 후 데이터 내보내기 형식 및 경로는 물론 IT 환경에서 완벽하게 테스트되었습니다.

관련 도구: khanmigo, quizlet

버전 정보

  • 코그니이 최신 버전 ：아직 공식적인 정확한 날짜는 없으며 대화 코칭 엔진은 계속해서 반복될 예정입니다.
  • 코그니 V1 ：공식적인 정확한 날짜는 아직 없지만 Cognii의 초기 버전에서는 대화형 학습 평가 기능을 출시할 예정입니다.

사용자 후기

  • 후기를 불러오는 중...