BETA 영상 교육자료 기반 문제 생성 데이터
- 분야교육
- 유형 텍스트 , 비디오
- 생성 방식LMM
※ 25년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다.
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2025-04-16 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2025-04-16 산출물 전체 공개 소개
본 데이터셋은 학습자의 학습 패턴을 분석하고, 개별 학습자의 특성에 맞춘 문제 데이터를 생성하기 위해 교육 영상과 텍스트를 활용하여 구축된 데이터
구축목적
∎ 교육 효과 평가와 맞춤형 학습 계획 수립을 지원 ∎ AI 디지털 교과서와 맞춤형 교수학습 플랫폼을 위한 고품질 학습 데이터를 제공하는 목적
-
메타데이터 구조표 데이터 영역 교육 데이터 유형 텍스트 , 비디오 데이터 형식 mp4, json 데이터 출처 저작권 해결 완료된 디피니션 교육 콘텐츠 수집 라벨링 유형 문제-정답 쌍(Q&A 데이터) 라벨링 형식 json 데이터 활용 서비스 교육 영상 스크립트로 문제 생성 데이터 구축년도/
데이터 구축량2024년/원천데이터 (영상) 3,900건 원천데이터 (스크립트 텍스트) 3,900건 라벨링데이터 (문제-정답 텍스트) 12,078건 -
- 데이터 구축 규모
데이터 구축 규모 구축 데이터 담당기관 수량 ① 영상 트위그팜 3,900건 ➁ 스크립트 3,900건 ➂ 문제-정답 텍스트 12,078건 - 데이터 분포
데이터 분포 1레벨 2레벨 3레벨 4레벨 제출 수량 1. 원천데이터 국어 초등 1~2학년 200 3~4학년 200 5~6학년 250 중등 1~3학년 251 수학 초등 1~2학년 200 3~4학년 300 5~6학년 300 중등 1~3학년 299 사회 초등 3~4학년 250 5~6학년 350 중등 1~3학년 350 과학 초등 3~4학년 250 5~6학년 350 중등 1~3학년 350 2. 라벨링데이터 국어 초등 1~2학년 619 3~4학년 618 5~6학년 773 중등 1~3학년 772 수학 초등 1~2학년 643 3~4학년 929 5~6학년 931 중등 1~3학년 939 사회 초등 3~4학년 765 5~6학년 1079 중등 1~3학년 1080 과학 초등 3~4학년 772 5~6학년 1081 중등 1~3학년 1077 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드AI모델-유효성 검증 모델 학습 및 검증 조건 유효성 검증 모델 학습 및 검증 조건 개발 언어 Python 3.11.8 프레임워크 CUDA 12.2, Pytorch 2.4.1 학습 알고리즘 whisper-large 학습 조건 batch_size = 4 optimizer = AdamW max_step = 4000 initial ir = 1e-5 weight_decay = 0 파일 형식 원본 데이터: mp4 전처리 후 데이터: json 전체 구축 데이터 대비
모델에 적용되는 비율3,900 / 3,900 (100%) 모델 학습 과정별
데이터 분류 및 비율 정보학습용 데이터셋: 3119
검증용 데이터셋: 392
평가용 데이터셋: 389
총 3,900건AI모델 유효성 검증 모델 학습 및 검증 조건 유효성 검증 모델 학습 및 검증 조건 개발 언어 Python 3.11.8 프레임워크 CUDA 12.2, Pytorch 2.4.1 학습 알고리즘 kobart 학습 조건 batch_size = 8 optimizer = AdamW num_train_epochs = 5 initial ir = 3e-5 weight_decay = 0 파일 형식 원본 데이터: csv 전처리 후 데이터: json 전체 구축 데이터 대비
모델에 적용되는 비율12,000 / 12,000 (100%) 모델 학습 과정별
데이터 분류 및 비율 정보학습용 데이터셋: 9662
검증용 데이터셋: 1207
평가용 데이터셋: 1209
총 12,078건 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
데이터 구성 1레벨 2레벨 3레벨 4레벨 1. 원천데이터 국어 초등 1~2학년 3~4학년 5~6학년 중등 1~3학년 수학 초등 1~2학년 3~4학년 5~6학년 중등 1~3학년 사회 초등 3~4학년 5~6학년 중등 1~3학년 과학 초등 3~4학년 5~6학년 중등 1~3학년 2. 라벨링데이터 국어 초등 1~2학년 3~4학년 5~6학년 중등 1~3학년 수학 초등 1~2학년 3~4학년 5~6학년 중등 1~3학년 사회 초등 3~4학년 5~6학년 중등 1~3학년 과학 초등 3~4학년 5~6학년 중등 1~3학년 - 어노테이션 포맷
어노테이션 포맷 구분 속성명 타입 필수여부 설명 범위 비고 1 id string Y 구분식별자 2 video object Y 동영상 정보 2-1 file_name string Y 동영상 파일 이름 2-2 video_length string Y 동영상 길이 정보 0:00:00 2-3 resolution string Y 해상도 2-4 framerate string Y 초당 프레임 정보 2-5 speaker_num string Y 발화자 수 최소값 1 2-6 location_info string Y 강의 환경 정보 2-7 school_level string Y 학교급 정보 2-8 domain string Y 교과 과목 정보 2-9 grade string Y 학년군 정보 2-10 unit string Y 교과 단원 정보 2-11 topic string Y 강의 주제 2-12 keywords array Y 핵심 키워드 3 script object Y 스크립트 정보 3-1 audio_script array Y 동영상 자막 스크립트 3-1-1 subtitle string Y 자막 3-1-2 start_time string Y 자막이 시작하는 시작 시간 00:00.0 3-1-3 end_time string Y 자막이 끝나는 종료 시간 00:00.0 3-2 source_script string Y 문제 생성을 위한 전체 스크립트 4 question_answer array Y 문제 생성 정보 4-1 question_script string Y 문제 생성에 사용된 스크립트 4-2 image_description string N 영상 이미지에 대한 설명 4-3 audio_start_time string Y audio_script 시작 시간 4-4 audio_end_time string Y audio_script 종료 시간 4-5 question string Y 구축된 문제 4-6 answer_1 string Y 구축된 답변 #1 4-7 answer_2 string Y 구축된 답변 #2 4-8 answer_3 string N 구축된 답변 #3 4-9 answer_4 string N 구축된 답변 #4 4-10 answer_5 string N 구축된 답변 #5 4-11 answer array Y 문제 정답 4-12 fib_info string Y 틀린 답변 찾기 여부 true, false 4-13 answer_level number Y answer 개수에 따른 난이도 표시 1~4 4-14 question_level string Y 문제 수준에 따른 난이도 표시 상, 중, 하 -
데이터셋 구축 담당자
수행기관(주관) : 트위그팜
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 백선호 02-1833-5926 ceo@twigfarm.net 총괄 담당자 수행기관(참여)
수행기관(참여) 기관명 담당업무 디피니션 데이터 수집 및 가공, 유효성 검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 백선호 02-1833-5926 ceo@twigfarm.net 엄향미 070-7603-3003 jhyangmi_eom@daekyo.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 백선호 02-1833-5926 ceo@twigfarm.net 박주일 02-1833-5926 jooil.park@twigfarm.net 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 백선호 02-1833-5926 ceo@twigfarm.net 박주일 02-1833-5926 jooil.park@twigfarm.net
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.
국방데이터 개방 안내
본 데이터는 국방데이터로 군사 보안에 따라 AI허브에서 데이터를 제공하지 않으며,
군 담당자를 통한 별도의 사용 신청이 필요합니다.