KLingo 기획 발표 — 최종 프로젝트 평가 보고서
발표자: 이재진
기술 응답 및 보완: 배주백, 전민우
작성일: 2025.11.18
1. 발표 개요
1.1 발표 목적
KLingo 프로젝트의 핵심 목표인
“공항 입국 시나리오 기반 실전 한국어 학습을 UE5 + AI로 구현하는 플랫폼”의 기획 의도, 교육 설계, 기술 구조를 평가위원에게 명확히 전달하는 것을 목적으로 한다.
1.2 구성 자료
- 슬라이드 PDF
- 발표 녹음 기반 STT 자막(srt)
- 발표자 메모(txt)
2. 문제 정의 및 필요성
2.1 실전 한국어 학습 수요 증가
- 한국 방문 외국인 폭증
- 2022년 906만 명 → 2024년 1,770만 명
- K-컬처 기반 한국어 관심 급증
- 문체부의 한국어 세계화 전략 발표 및 메타버스 세종학당 사업 추진
2.2 기존 언어 학습 플랫폼의 한계
발표자는 듀오링고 사례를 중심으로 다음 문제를 제시함.
- 암기 중심 → 말하기, 상황 대응 부족
- TTS 품질 낮음 → 발음 부정확, 자연스러움 부족
- 문법 설명·맥락 제공 부족
- 레딧 사용자 다수 불만 사례 존재
→ 결론: 실전 맥락 기반 학습이 필요함
2.3 공항 입국 절차의 특성
- 한 장면에서 모든 언어 기능이 등장
- 표지판: Reading
- 안내방송: Listening
- 입국카드: Reading & Writing
- 심사관 인터뷰: Speaking
→ KLingo는 이 공간을 통합 “언어 기능 순환 학습 공간”으로 활용함.
3. 프로젝트 소개
3.1 KLingo의 목표
- 입국 절차 중심의 실전형 한국어 학습 메타버스 콘텐츠 구축
- UE5 기반 3D 환경 제공
- AI 기반(STT/TTS/OCR/LLM) 실시간 피드백
- 읽기 → 듣기 → 쓰기 → 말하기의 순환형 학습 구조
3.2 핵심 가치
- 실전 맥락 대응력 향상
- 즉각 피드백 기반 학습 속도 향상
- 멀티플레이 협력 기반 반복 학습 구조
- 관광·유학·생활형 확장 가능성
4. 프로토타입 핵심 기능 요약
아래 6개 기능을 시나리오 기반으로 설명하였다.
4.1 멀티플레이(Room) 기반 협력 구조
- 룸 생성/참여
- Ready 시스템
- GameState 기반 진행 상태 동기화
- 협력형 시나리오 시작 지점 구성
4.2 읽기 기반 수하물 식별 학습 (협력형 Reading)
- P1(색상 정보), P2(스티커 정보) 비대칭 제공
- 두 정보 결합 → 목표 캐리어 추론
- 컨베이어 벨트 조작 + 회수 협력
교육 효과: 묘사 기반 읽기, 단어장 시스템 결합
4.3 안내 방송 듣기 기반 이동 (협력형 Listening)
- 방송 내용이 P1/P2에게 분리 제공
- P1: 장소
- P2: 행동
- 두 지시를 합쳐 목적지 도출
- 잘못 이동 시 시간 페널티
교육 효과: 실전 지시 이해 + 협력 의사소통
4.4 입국카드 작성 학습 (Read/Write)
- 체크박스 + 타이핑 기반 입력
- 일부 항목은 필기(OCR) 기반
- 단어 클릭 → 뜻/발음/번역 제공
- 오답 강조 및 교정 팝업 제공
발표자 메모 반영:
타이핑 기반이 실전성↑
OCR은 교육 다양성·난이도 조절용으로 병행
4.5 Listen & Speak 기반 면접 대화
- STT → LLM 기반 발음/문장 구조 분석
- 오류 교정 후 재발화
- 협력 팀 기반 귓속말 시스템
- 발화 시간·정확도 기반 점수 반영
4.6 여권·스탬프·레벨 기반 게임화 구조 (Gamification)
- 로그인 시 출국 스탬프
- 미션 성공 시 입국 스탬프
- 누적 스탬프 기반 업적
- 성적표(F~S), 레벨 시스템 제공
5. 기술 아키텍처 정리
5.1 UE5 역할
- 실시간 상호작용(캐릭터, NPC, UI, 대사)
- 단어장·입력 UI·상호작용 처리
- NPC 애니메이션 및 대사 재생
- 멀티플레이 상태 동기화(GameState)
- HTTP 비동기 통신 및 요청 상태 관리
5.2 AI 서버 역할
- STT: 음성 → 텍스트
- TTS: 텍스트 → 음성
- OCR: 이미지 → 텍스트
- LLM: 문법/발음/내용 교정 및 힌트 생성
- 번역/훈독 생성
5.3 연동 방식(End-to-End 루프)
- UE5에서 입력 발생(텍스트·음성·이미지)
- API로 Request 전달
- AI가 분석
- 텍스트·음성·교정 결과 반환
- UE5에서 UI·NPC·시나리오 갱신
- LLM 기반 교정 루프 운영
6. 발표 및 QA 피드백 분석
6.1 발표 스탠스 평가
강점
- 문제 → 필요성 → 사례 → 솔루션 흐름이 매우 논리적
- 데이터·레딧 사례·정책 근거 등 근거 제시 능력 우수
- 언어 기능 4종을 하나의 시나리오로 결합한 설계가 설득력 있음
- 기술 구조 설명이 명확해 UE5-AI 협업 모델 이해도 높음
개선 가능 지점
- 각 기능 설명에서 “핵심 결론을 먼저 제시하는 구조”로 개선하면 더 명료
- 멀티플레이 비대칭 정보 구조 설명이 조금 길게 전달됨
6.2 QA 대응 분석 (배주백 응답 포함)
긍정적 요소
- 기술적 질문에 즉시 구조적으로 답변
- UE5와 AI의 역할 분리를 정확히 설명
- 시나리오·교육 관점에서 균형 잡힌 답변 제공
개선 여지
- 질문을 ‘요약→확인→답변’ 구조로 받았다면 정확도 상승
- 실제 녹취 기반으로 보면, 2~3회 정도 질문 의도와 다른 방향으로 답변이 나간 구간 존재
- 발표자-기술 응답자 역할을 명확히 나누면 체계적 전달 가능
6.3 전체 발표 완성도 평가
| 평가 항목 | 수준 | 근거 |
|---|---|---|
| 문제 정의 | 매우 우수 | 수치·사례·정책 기반 근거 제시 |
| 교육 설계 | 우수 | RLWS 구조 명확, 실전 맥락 부여 |
| 기술 구조 | 매우 우수 | UE5와 AI의 연동 구조 정교함 |
| 전달력 | 우수 | 논리적 구성, 시나리오 중심 |
| QA 대응 | 보통 | 일부 질문 이해 지점 흔들림 |
총평:
기획 발표로서 매우 높은 완성도.
기술적 난이도·UX 설계·교육 설계 모두 충분히 설득력 있게 제시됨.
QA에서 질문 의도 재확인 절차만 개선되면 발표력은 최상위 수준.
7. 향후 보완 및 적용 아이디어
7.1 설득력 향상을 위한 데이터 가시화
- 한국어 학습 시장 증가율을 % 단위 시각화
- 듀오링고 사례를 그래프 형태로 제시
- 메타버스 세종학당 “3명 접속” 사례를 인포그래픽화
7.2 멀티플레이 정보 비대칭성 개선
- “잇 테이크 투” 사례를 한 장 슬라이드로 요약
- 정보 분할 구조를 다이어그램으로 표준화
7.3 타이핑/OCR 역할 분리 명확화
- 타이핑: 실전성
- OCR: 난이도 조절·읽기→쓰기 연결
→ 두 기능의 교육적 목적 분리하여 명확히 설명
8. 결론
이번 KLingo 기획 발표는
교육·기술·시나리오·UX·AI 협업 구조를 하나의 일관된 내러티브로 묶어냈으며,
최종 프로젝트 평가 기준에 부합하는 높은 설득력과 완성도를 보여주었다.
발표자(이재진)는 문제 정의와 흐름 구성에서 강점을 드러냈고,
응답자(배주백)는 기술 구조 설명에서 높은 정확도를 보였으며,
QA 구간에서 질문 의도 파악을 강화하면 전체 전달력이 더 완성될 것으로 평가된다.
KLingo는 “실전형 한국어 교육 플랫폼”이라는 명확한 방향성과 기술적 실행 가능성을 갖추고 있으며,
향후 챕터 확장 및 서비스화 가능성이 높은 프로젝트임을 본 발표로 증명하였다.