Chaemi 자동 채점 AI 시스템

학생 답안지는 한글 손글씨에 수학 수식·표·그래프가 혼재한다. 일반 OCR 엔진은 한국어 손글씨 인식률이 낮고 수식 기호를 텍스트로 잘못 인식해 채점 데이터 품질이 떨어진다.

자유형 프롬프트로 LLM에 채점을 위임하면 같은 답안이라도 루브릭 해석 차이로 점수 편차가 발생한다. 강사별 채점 기준 편차도 별도로 관리해야 했다.

프랜차이즈 본사와 각 지점이 같은 플랫폼을 사용하되 지점 간 학생 데이터·시험지·채점 결과가 완전히 격리돼야 한다. 앱 레이어 필터는 버그로 인한 데이터 노출 위험이 있었다.

Google Vision API 기본 OCR 후 수식 기호 재매핑 사전(≤→≤, ×→* 등)과 KoNLPy 형태소 분석 교정 레이어 적용. 수식 영역은 bounding box로 분리해 독립 처리 후 재조합. OCR 정확도 94.7% 달성.

루브릭을 `{criterion, full_score, partial_conditions[]}` JSON 스키마로 구조화해 Claude에 전달. 모델이 criterion별 점수·근거를 JSON으로 반환. 강사 승인/수정 케이스를 누적해 루브릭 품질 지속 개선.

모든 테이블에 school_id 컬럼 + `auth.jwt() ->> school_id = school_id` RLS 정책. 본사 계정은 `role = franchise_admin` JWT 클레임으로 전 지점 읽기 권한. DB 레벨 격리로 앱 레이어 필터 버그 영향 제거.