GarethManning/education-agent-skills

해결하는 문제

대부분의 AI 교육 도구는 증거가 아닌 관습에 기반하여 구축되어 있어, 효과 없는 교육을 확산시킬 위험이 있습니다. 이 프로젝트는 교육 분야의 AI를 위한 신뢰할 수 있고 연구에 기반한 토대를 제공합니다. 이는 에이전트가 명시된 연구와 명확하게 라벨링된 실무자 프레임워크에 근거하여 수업 계획, 평가, 커리큘럼 설계 및 학습 지원을 생성하도록 돕는 재사용 가능한 스킬 세트입니다. 또한 업무량 문제를 해결하여, 교육자는 몇 시간씩 연구할 필요 없이 몇 분 만에 구조화된 증거 기반의 지원을 받을 수 있습니다.

작동 방식

이 라이브러리는 오픈 Agent Skills 형식(원래 Anthropic에서 개발)을 사용합니다. 각 스킬은 지침이 포함된 SKILL.md와 선택적 지원 리소스를 포함하는 폴더입니다. 스킬은 20개의 도메인으로 그룹화되어 있습니다. 19개는 교사 및 설계자용(예: 기억 및 학습 과학, 커리큘럼 설계, 포용적 설계), 1개는 학생 대상 학습 상호작용용입니다. 모든 스킬에는 YAML 스키마 헤더, 유형이 지정된 입력 및 출력, 체이닝 메타데이터가 포함되어 있어 프로그래밍 방식으로 사용할 수 있습니다. 라이브러리는 표준 소스 파일, 공식 형식 검사기를 통과하는 휴대용 에디션, 그리고 Claude, Codex, Hermes용 통합 기능으로 제공됩니다. 스킬의 프롬프트를 수동으로 복사하여 모든 AI에 붙여넣을 수도 있습니다.

대상 사용자

• 몇 시간의 연구 없이 증거 기반의 수업 및 평가 설계를 원하는 교실 교사
• 정식 교사 교육을 받지 못했지만 실용적이고 연구에 기반한 지원을 원하는 대학 강사
• 프로그램과 단원을 구축하는 커리큘럼 설계자 및 학습 책임자
• 혁신적이고 대안적인 교육 환경(국제학교, 몬테소리, 프로젝트 기반 학습 등)의 학교 리더
• 교육을 재구상하고 새로운 학교 모델을 구축하는 혁신가
• 구조화되고 프로그래밍 방식으로 접근 가능한 교육 지식 계층이 필요한 EdTech 개발자 및 AI 빌더
• 증거가 어떻게 AI 매개 실천으로 변환되는지에 관심이 있는 교육 연구자

주요 특징

• 20개 도메인에 걸친 165개의 스킬, 인출 연습부터 학생 대상 학습 코칭까지 모든 것을 포괄
• 증거 강도를 투명하게 평가: Strong(강함), Moderate(보통), Emerging(신흥), Original(독창적, 실무자 프레임워크 명확히 라벨링됨)
• 학습 스타일 및 VAK와 같이 증거가 부족한 접근 방식을 명시적인 제외 목록을 통해 배제
• 20년의 국제학교 경험을 가진 교육자가 구축했으며, 모든 프롬프트에 한계점과 교육적 판단이 내장됨
• 첫날부터 오케스트레이션을 고려하여 설계됨 — 유형이 지정된 입력/출력, 체이닝 메타데이터 및 구성 가능한 출력
• 다양한 통합 경로: Claude 플러그인, Codex CLI, Hermes tap, 휴대용 ZIP 또는 수동 복사/붙여넣기