지식 맵은 디지털 학습 환경에서 적응형 및 AI 기반 학습 시스템에 필수적이지만, 그 구축은 여전히 주로 수작업에 의존하고 있어 확장성과 일관성이 제한된다. 본 연구는 국가 교육과정 문서로부터 계층형 지식 맵을 자동으로 구축하기 위해 설계된 감독자 오케스트레이션 멀티에이전트 워크플로(Supervisor-Orchestrated Multi-Agent Workflow, MAW)를 제시한다. 다수의 LLM 기반 에이전트가 맥락 엔지니어링 프로토콜(Context Engineering Protocol) 하에서 지식 생성, 검증, 관계 형성을 협력적으로 수행함으로써 정보 손실을 최소화하고 맥락의 연속성을 유지한다. MAW는 단일 LLM 기반 순차 워크플로와 비교되었다. 결과는 MAW가 구조적 충실도, 관계의 질, 의미 정확도에서 더 우수함을 보여주었다. 또한 검증 에이전트(Validation Agent)와 ProxyDB 기반 메모리 시스템은 맥락 단편화를 감소시키고 선수관계(prerequisite) 관계의 완전성을 보장하였다. 이러한 결과는 MAW가 단일-LLM 워크플로의 한계를 효과적으로 극복하여 더 높은 맥락적 응집성과 교육적 타당성을 갖춘 지식 맵을 산출함을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.