건국대학교 글로컬캠퍼스 학생을 위한 졸업요건 분석 서비스
서비스 링크: www.zolver.co.kr
현재 베타 서비스로 운영 중입니다. 일부 기능이 변경되거나 오류가 발생할 수 있습니다.
학교 포털에서 성적표(.xlsx)를 다운로드해 업로드하면, 커리큘럼 기준에 따라 이수 과목을 자동 분류하고 졸업까지 남은 요건을 시각적으로 확인할 수 있습니다.
단순한 학점 합산을 넘어, 태그 기반 세부 이수 현황 추적 / 수강 시뮬레이션 / GPA 분석 / AI 수강 추천까지 제공합니다.
| 기능 | 설명 |
|---|---|
| 이수 과목 등록 | .xlsx 성적표 업로드 또는 직접 입력으로 수강 이력 등록 |
| 졸업요건 분석 | 전공·교양·기타 학점 달성률 실시간 확인 |
| 이수 현황 | 태그(전필·전선·소분류 등)별 세부 이수 현황 및 달성 여부 |
| 태그 관리 | 전공·교양·기타 과목의 세부 영역을 태그로 직접 구성, 최소 이수학점 설정 |
| 수강 시뮬레이션 | 앞으로 들을 과목을 미리 등록해 졸업요건 달성 여부 시뮬레이션, 초성 검색 지원 |
| GPA 분석 | 학기별 GPA 추이 시각화, 목표 GPA 달성 시뮬레이션 |
| 과목 모아보기 | 관리자 등록 과목 + 신뢰도 알고리즘으로 시스템 검증된 과목 검색 (초성 검색 지원) |
| AI 수강 추천 | 졸업요건·GPA·학번·학과 데이터 기반 이번 학기 수강 전략 AI 추천 (Gemini API) |
| 카카오 로그인 | 카카오 OAuth 기반 간편 로그인 |
성적표 업로드 시점부터 과목 데이터가 lecture_master에 승격되기까지의 전체 흐름입니다.
| 단계 | 레포 | 설명 |
|---|---|---|
| L1 Physical Check | zolver-worker | 파일 확장자·용량·수정자 메타데이터 위변조 검증 |
| L2 Content Check | zolver-worker | 고정 좌표 구조·헤더 텍스트 매칭으로 양식 무결성 검증 |
| ETL | zolver-worker | 추출(Extractor) → 정규화(Transformer) → DB 적재(Loader) |
| L3 Confidence Engine | zolver-airflow | 데이터 일치성 기반 신뢰도 점수 산출, lecture_master 승격 |
검증 파이프라인에서 생성된 로그를 수집·분석하여 Schema Drift 탐지 및 업로드 현황을 모니터링합니다.
EC2 서버 (로그 생성)
│ scp (수동 수집)
▼
로컬 WSL2
│
▼
Filebeat → Elasticsearch → Kibana 대시보드
서로 다른 유저가 동일한 form_hash로 반복 실패
↓
해당 양식 = 파서가 인식 못하는 새 포맷
↓
학교 측 성적표 양식 변경 감지 → 파서 업데이트 필요
자세한 내용은 zolver-elastic README를 참고하세요.
1. 유저 태그 달성 현황 → 부족한 졸업요건 파악
2. 유저 이수 과목 → 전공 학과 코드 추출 (lecture_code 앞 4자리)
3. lecture_master → 해당 코드 과목 필터링
4. 정렬 우선순위:
① lecture_category에 '필' 포함 여부 (전필 유력 과목 우선)
② 본인 학번 기준 admission_stats 이수 수 (많은 순)
③ last_completed_year 최신 순
5. 졸업요건 메모 → 자격증·논문 등 학점 외 요건 고려
6. GPA 목표 → 학점 수와 난이도 조율
케이스 1 — 단일 전공 (컴공)
major_codes = {NDGE}
→ NDGE 과목 중 전필 유력 과목 우선 정렬
→ 21학번 이수 많은 과목 앞으로
→ 예: 운영체제(전필 유력, 21학번 6명) → 데이터베이스 → 빅데이터기초 순
케이스 2 — 다전공 (컴공 + 경영)
major_codes = {NDGE, BCGE} ← system_category='major'인 과목 코드 전부 추출
→ NDGE + BCGE 과목 모두 필터링
→ 각 학과별 전필 유력 과목 우선
→ 예: 운영체제(NDGE) → 경영학원론(BCGE) → 자료구조(NDGE) 순
케이스 3 — 전필 이수 완료, 전선만 부족
lecture_master에서 '필' 포함 과목 없음 → is_required = 1로 동일
→ 2순위 기준(본인 학번 이수 수)으로 전선 과목 추천
→ 예: 빅데이터기초(21학번 8명) → 클라우드컴퓨팅(21학번 5명) 순
케이스 4 — 다필/다선으로 타과 전공 이수
타과 과목도 system_category='major'로 등록 → major_codes에 포함
→ 타과 코드 과목도 필터링 대상
→ lecture_master.lecture_category에 '필' 있으면 우선 정렬
이수구분(전필/전선 등)은 학번·커리큘럼마다 다를 수 있으므로 AI 답변에서 단정하지 않고 유연하게 표현합니다.
- 추천 결과는 DB(
users.ai_recommend)에 저장, 30분간 캐시 유지 - 30분 이내 재요청 시 API 호출 없이 저장된 결과 즉시 반환
- 추천 결과에
ai_recommend_at타임스탬프 저장 → 프론트에서 쿨다운 표시
| 테이블 | 설명 |
|---|---|
users |
유저 정보, 학과·학번·학점 목표·GPA 목표·AI 추천 캐시 |
login_sessions |
카카오 OAuth 세션, refresh token hash |
lecture_evidence |
성적표에서 파싱된 수강 이력 원본 |
lecture_validation |
L3 검증 결과 스냅샷 (rule별 점수) |
lecture_frequency |
과목별 누적 match_count · val_score |
lecture_master |
신뢰도 임계값 통과 후 승격된 과목 마스터 데이터 |
validation_rule |
L3 검증 규칙 정의 |
simulation_plans |
수강 시뮬레이션 학기별 계획 |
simulation_courses |
시뮬레이션에 등록된 예정 과목 |
course_tags |
유저가 설정한 태그 (그룹·소분류·최소학점) |
user_majors |
유저 학과·커리큘럼 버전 |
user_manual_curriculum |
유저가 직접 등록한 졸업요건 메모 (자격증·논문 등) |
user_actions_log |
유저 행동 로그 |
notices |
공지사항 |
| 레포 | 설명 |
|---|---|
| zolver-backend | FastAPI REST API 서버 |
| zolver-worker | L1·L2 검증 파이프라인 (Worker) |
| zolver-airflow | L3 신뢰도 검증 Airflow DAG |
| zolver-frontend | React SPA |
| zolver-elastic | 로그 수집·분석 파이프라인 (Elastic Stack) |
| 분류 | 기술 |
|---|---|
| Frontend | React, Nginx |
| Backend | FastAPI, SQLAlchemy, PostgreSQL |
| AI | Google Gemini API (gemini-2.5-flash) |
| Worker | Python (L1·L2 검증 파이프라인) |
| Batch | Apache Airflow (L3, 로컬 + SSH 터널) |
| 로그 분석 | Elastic Stack (Filebeat · Elasticsearch · Kibana) |
| 인증 | 카카오 OAuth 2.0 |
| 인프라 | AWS EC2 (Ubuntu), Docker Compose |
| 개발 환경 | Windows + WSL2 |
MIT License