대학생들의 번아웃(burnout)은 고등 교육 기관에서 매우 흔한 문제로, 심한 경우 70% 이상의 학생이 겪는다고 보고됩니다. 그러나 이러한 번아웃은 대개 학업 성과가 이미 저하된 후에야 뒤늦게 인식되는 경향이 있습니다. 학생들이 자신의 학습 행동을 체계적으로 파악하기 어렵고, 기존 생산성 도구들은 단순히 활동을 기록할 뿐 해석해주지 못하는 것이 주요 원인으로 지적됩니다.
이러한 문제 해결을 위해 '리아트(RIACT: Record, Insight, Analyze, Coach, Track)'라는 웹 기반 애플리케이션이 개발되었습니다. RIACT는 학생들이 학습 세션을 장소와 시간별로 기록하면, 시스템이 휴식 시간을 고려하여 순수 집중 시간을 계산합니다. 특히, 주간 학습 행동 변화를 비교하여 번아웃 징후를 감지하는 투명하고 결정론적인 규칙 기반 AI 아키텍처를 활용합니다. 또한, 대규모 언어모델(LLM)을 활용해 학습 패턴을 분석하고 개인화된 맞춤형 학습 권장 사항을 제공하지만, 이는 고정된 출력 스키마에 맞춰 제한적으로 운영됩니다.
RIACT는 책임감 있는 AI(Responsible AI) 원칙을 설계 전반에 적용했습니다. 경고 메시지는 모델의 판단이 아닌 감사 가능한 규칙에 따라 생성되며, 모든 출력은 진단이 아닌 관찰 결과로 제시됩니다. 데이터 수집 역시 학생이 직접 기록한 행동 데이터로 제한하여 개인 정보 보호와 시스템의 신뢰성을 확보했습니다. 이 시스템은 대학생 번아웃 문제에 대한 조기 개입 가능성을 열어주며, 교육 분야에서 설명 가능한 AI(Explainable AI)의 실제 적용 사례를 제시한다는 점에서 중요한 의미를 가집니다.