Install any skill in seconds. Free to start, no credit card required.
Get Started Free →주차별 강의 목차와 학습 목표, 평가 방법이 담긴 커리큘럼 설계안을 만들어 드립니다. 다음과 같은 요청 시 사용하세요: - "Python 입문 온라인 강의 8주 커리큘럼 짜줘" - "영업직 신입사원 역량 모델 설계해줘" - "사내 AI 활용 교육 프로그램 기획해줘" - "TOEIC 900점 목표 3개월 학습 계획 세워줘" - "이 강의 학습 목표를 단계별로 정리해줘" - "기존 강의계획서 개선안 제안해줘" - "신입 교육 과정 차시별 내용이랑 평가 방법 정해줘" - "직무 역량 갭 분석하고 개발 계획 만들어줘" 학습 목표 명세서, 주차별 커리큘럼 표, 강사 가이드 초안까지 한 번에 정리해 드립니다. [책임 경계] vs moai-education:assessment-creator: 이 스킬=커리큘럼과 학습 목표 설계, 저 스킬=실제 시험 문제 출제와 채점.
.claude/skills/modu-ai-curriculum-designer/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-03 | ✗→✓ | ▲ Improved | 96% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 82% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 121% | 0% |
| case-16 | ✗→✓ | ▲ Improved | 142% | 0% |
| case-09 | ✓→✓ | = Same ✓ | 81% | 0% |
교육 과정 설계 및 학습 콘텐츠 제작을 지원한다. 온라인 강의 커리큘럼, 직무 역량 모델, 외국어 학습 전략 수립, Bloom's Taxonomy 기반 학습 목표 정의, 2026년 에듀테크 트렌드(초개인화 학습, AI 코스웨어)를 반영한 교육 설계를 제공한다.
강의, 커리큘럼, 온라인 교육, 학습 목표, 역량 모델, 스킬 갭, 외국어, 어학, 언어 학습, 교육 과정, 강의 계획, 직무 교육, 역량 개발
대상 학습자:
교육 목표:
Bloom's Taxonomy 6단계 적용: | 인지 수준 | 설명 | 학습 목표 예시 | |-----------|------|---------------| | 기억(Remember) | 사실 암기 | 기본 개념, 용어, 원리 설명 | | 이해(Understand) | 개념 설명 | 자신만의 언어로 재정의 | | 적용(Apply) | 실제 사용 | 실습 문제, 시뮬레이션 | | 분석(Analyze) | 구조 파악 | 비교, 분류, 원인 분석 | | 평가(Evaluate) | 판단·비판 | 비판적 사고, 타당성 평가 | | 창조(Create) | 새로운 산출 | 프로젝트, 포트폴리오 |
구체적 학습 목표 작성:
주차별/단원별 목차 구성:
각 차시 학습 내용:
학습 활동 방식:
평가 방식:
평가 비중:
학습 목표 명세서:
주차별 커리큘럼 표: | 주차 | 학습 목표 | 학습 내용 | 학습 활동 | 평가 | |------|----------|----------|----------|------|
강사 가이드 초안:
에듀모닝 2026-2027 교육산업 전망 보고서 및 에듀테크 코리아 페어 동향 반영:
| 영역 | 2026 트렌드 | |------|------------| | 공교육 | AI 디지털 교과서 전면 도입 대비, 교사 역할 재정의 | | 사교육 | AI 튜터 경쟁력 강화, 인간 강사의 고차원 사고 지도 차별화 | | 기업 교육 | AX(AI Transformation) 역량 개발, 직무별 AI 활용 교육 | | 어학 교육 | AI 발음 교정, 실시간 번역, 원어민 AI 대화 파트너 |
커리큘럼 목표를 Bloom's 6단계에 맞춰 구조화:
예시 1: "Python 입문 온라인 강의 8주 커리큘럼을 만들어줘" → 학습자 수준 확인 → Bloom's 수준 배분 → 주차별 목차 → 평가 방법
예시 2: "영업직 신입사원 역량 모델을 설계해줘" → 직무 분석 → 핵심 역량 도출 → 현재 수준 vs 목표 수준 → 개발 계획
예시 3: "TOEIC 900점을 위한 3개월 학습 계획을 세워줘" → 현재 점수 확인 → 약점 분석 → 주차별 학습 계획 → 모의고사 스케줄
예시 4: "사내 AI 활용 교육 프로그램을 기획해줘" → 대상 직군 확인 → 학습 목표 정의 → 커리큘럼 설계 → 평가 방법
교육 자료 접근:
학습 목표 불명확 시:
기존 커리큘럼 개선 요청 시:
특수 교육 대상 (장애, 고령층 등):
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-09 | pass→pass | 14,593 | 13,017 | -11% | 1 | 1 | 0% | 2,172 | 3,936 | +81% | 0 | 0 | — |
case-01 | pass→pass | 14,561 | 22,294 | +53% | 1 | 1 | 0% | 2,548 | 4,528 | +78% | 0 | 0 | — |
case-02 | fail→fail | 10,685 | 12,679 | +19% | 1 | 1 | 0% | 1,824 | 4,080 | +124% | 0 | 0 | — |
case-03 | fail→pass | 13,679 | 12,915 | -6% | 1 | 1 | 0% | 2,096 | 4,117 | +96% | 0 | 0 | — |
case-10 | pass→pass | 10,085 | 11,245 | +12% | 1 | 1 | 0% | 1,565 | 3,639 | +133% | 0 | 0 | — |
case-04 | fail→pass | 11,799 | 11,015 | -7% | 1 | 1 | 0% | 1,983 | 3,607 | +82% | 0 | 0 | — |
case-05 | pass→pass | 17,803 | 13,439 | -25% | 1 | 1 | 0% | 2,521 | 4,456 | +77% | 0 | 0 | — |
case-06 | fail→pass | 24,535 | 17,166 | -30% | 1 | 1 | 0% | 2,046 | 4,529 | +121% | 0 | 0 | — |
case-07 | pass→pass | 20,289 | 14,330 | -29% | 1 | 1 | 0% | 2,319 | 4,094 | +77% | 0 | 0 | — |
case-08 | pass→pass | 14,142 | 16,516 | +17% | 1 | 1 | 0% | 2,113 | 4,441 | +110% | 0 | 0 | — |
case-11 | pass→pass | 9,624 | 11,049 | +15% | 1 | 1 | 0% | 1,602 | 3,679 | +130% | 0 | 0 | — |
case-12 | pass→pass | 12,406 | 9,755 | -21% | 1 | 1 | 0% | 1,929 | 3,299 | +71% | 0 | 0 | — |
case-13 | pass→pass | 13,173 | 13,687 | +4% | 1 | 1 | 0% | 2,101 | 4,036 | +92% | 0 | 0 | — |
case-14 | pass→pass | 14,836 | 14,363 | -3% | 1 | 1 | 0% | 2,358 | 4,161 | +76% | 0 | 0 | — |
case-15 | pass→pass | 16,985 | 15,552 | -8% | 1 | 1 | 0% | 2,595 | 4,569 | +76% | 0 | 0 | — |
case-16 | fail→pass | 9,255 | 9,739 | +5% | 1 | 1 | 0% | 1,405 | 3,395 | +142% | 0 | 0 | — |
case-17 | pass→pass | 14,941 | 14,299 | -4% | 1 | 1 | 0% | 2,367 | 4,188 | +77% | 0 | 0 | — |
case-18 | fail→fail | 13,021 | 13,507 | +4% | 1 | 1 | 0% | 2,003 | 4,011 | +100% | 0 | 0 | — |
case-19 | pass→pass | 10,341 | 10,008 | -3% | 1 | 1 | 0% | 1,543 | 3,385 | +119% | 0 | 0 | — |
case-20 | pass→pass | 12,963 | 12,279 | -5% | 1 | 1 | 0% | 2,038 | 3,810 | +87% | 0 | 0 | — |
case-21 | pass→pass | 10,748 | 12,732 | +18% | 1 | 1 | 0% | 1,769 | 3,943 | +123% | 0 | 0 | — |
case-22 | fail→fail | 15,383 | 14,564 | -5% | 1 | 1 | 0% | 3,270 | 4,881 | +49% | 0 | 0 | — |
case-23 | fail→fail | 29,482 | 22,173 | -25% | 1 | 1 | 0% | 4,507 | 5,514 | +22% | 0 | 0 | — |
case-24 | fail→fail | 21,727 | 19,819 | -9% | 1 | 1 | 0% | 3,573 | 5,100 | +43% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 24 cases were attempted. The headline lift of +17 percentage points is the difference between those two pass rates over the 24 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.