Knewton의 목표는 전 세계 학생을 대상으로 맞춤형 학습을 제공하는 것입니다. 교육 기업은 Knewton 기술을 사용하여 교육 과정을 각 학생의 고유한 요구 사항에 맞게 동적으로 조정할 수 있도록 지원합니다. Knewton은 데이터를 분석하여 학생이 알고 있는 것을 파악하고 다음 학습 과정을 추천함으로써 학생이 더 많은 교육 자료를 익히고 앞서 나갈 수 있도록 지원합니다. Knewton을 기반으로 한 분석은 지식 격차를 파악하고 성과를 예측하여 교육자, 부모 및 행정 담당자가 모든 학생을 더 잘 지원하도록 돕습니다.
Knewton은 뉴욕시와 런던에 사무실이 있습니다.
2008년에 설립된 Knewton은 출판사와 교육 기업을 위해 적응형 학습을 지원하는 견고한 인프라를 개발했습니다. Knewton은 처음부터 Amazon Web Services(AWS)를 사용했습니다. "AWS를 기반으로 개발함으로써 환경을 프로비저닝하고 유지 관리하는 비용을 낮게 유지할 수 있었습니다. 우리는 신학기와 같이 수요가 급증하는 시기에 확장하여 많은 수의 학생과 교사를 지원할 수 있도록 클라우드를 사용하고자 했습니다. AWS는 클라우드 분야에서 단연 선두에 있었습니다."라고 CTO인 Ryan Prichard는 설명합니다.
Knewton은 익명의 학습 데이터를 분석하고 정규화하는 엔터프라이즈용 플랫폼을 시작하였으며, 이를 통해 출판사는 각 학생의 고유한 요구 사항에 맞게 지속적으로 조정되는 좀 더 효과적인 디지털 교육 자료를 만들 수 있습니다. 2014년에는 6백만 명이 넘는 학생이 Knewton 기반의 제품을 사용하도록 추진했습니다. Knewton은 새로운 교과 영역, 교육 수준 및 강의로 빠르게 확장하고 있으며, 현재 미국, 유럽, 동아시아 등의 지역에서 파트너십을 체결했습니다. Knewton이 계속해서 성장함에 따라 조직이 전 세계의 학생과 교사에게 안정적인 환경을 제공하도록 플랫폼을 신속하게 확장하는 것이 매우 중요합니다.
Prichard는 "AWS를 사용하지 않았다면 우리의 성장이 지연되었을 것입니다. 사업 기회를 놓치고 핵심 기능도 빨리 개발하지 못했을 것입니다. 현재 전 세계에서 19개의 출판사, 교육 기업 및 기관과 파트너십을 맺고 있습니다. 대규모 사내 운영팀을 고용하여 여러 개의 데이터 센터를 운영했었다면 이런 성과를 얻지 못했을 것입니다."라고 말합니다.
적응형 학습 플랫폼은 학생이 집 또는 강의실에서 공부하면서 장시간 Knewton 기반의 제품을 사용함에 따라 대량의 익명 데이터를 분석합니다. Knewton은 추천 및 분석 모델을 보정하기 위해 Amazon Elastic Map Reduce(EMR)를 사용하여 플랫폼 전체에서 병렬로 대규모 데이터 세트를 분석합니다. 이러한 유형의 분석은 주기적으로 수행됩니다. Knewton 팀은 Amazon EMR을 활용함으로써 자체 하둡 클러스터를 관리하는 운영 오버헤드와 추가 비용을 부담할 필요가 없습니다.
Knewton은 AWS CloudFormation을 사용하여 1,000개가 넘는 Amazon Elastic Compute Cloud(EC2) 인스턴스를 프로비저닝합니다. "인스턴스의 80%를 예약 인스턴스로 변경하면서 월별 비용이 거의 절반으로 줄었습니다."라고 Prichard는 말합니다.
Amazon Simple Storage Service(S3)는 구성 파일과 백업용 스토리지를 제공합니다. Elastic Load Balancing은 인스턴스 간에 트래픽을 분산합니다. 그림 1은 Knewton의 AWS 기반 적응형 학습 플랫폼을 보여줍니다.
그림 1. AWS 기반 Knewton 적응형 학습 플랫폼
AWS를 사용함으로써 Knewton은 대규모 트래픽 스파이크를 관리하도록 확장할 수 있게 되었습니다. "학년 초에는 학생들이 Knewton 기반 교육 자료를 동시에 사용합니다."라고 Prichard는 말합니다. "바쁜 시기에 매우 짧은 사전 통지로 신속하게 확장하고 트래픽이 정상으로 돌아오면 축소할 수 있는 기능이 AWS의 장점 중 하나입니다."
이 회사는 또한 AWS 클라우드를 활용하여 정보를 바탕으로 한 대규모 인프라 의사 결정을 내립니다. 차세대 그래프 데이터베이스에 적용할 기술을 결정할 때 Knewton은 소규모 클러스터로 프로토타입을 먼저 생성하여 솔루션의 기능적 타당성을 검증할 수 있었습니다. 그런 다음 Knewton 팀에서 해당 클러스터를 완전히 프로비저닝된 프로덕션 클러스터 규모로 확장하여 향후 12개월간 예측된 규모에서 새로운 솔루션을 충분히 활용할 수 있도록 했습니다. 모든 데이터베이스 인스턴스는 기능 및 성능 테스트가 완료된 후 해제되었습니다. 비교적 적은 규모의 이러한 투자로 Knewton은 중요한 인프라 의사 결정에 훨씬 더 확신을 가질 수 있었습니다.
비즈니스 측면을 보면 AWS를 사용하면서 Knewton은 학생과 파트너의 수요를 맞추고 새로운 시장으로 확장하여 적응형 학습 플랫폼의 선두주자가 되었습니다. "AWS에서 플랫폼을 운영하면서 전 세계 파트너와 협력할 수 있습니다."라고 Prichard는 말합니다. "AWS는 다양한 국가의 데이터 규제를 준수하는 인프라를 제공합니다. 이미 4개 대륙에 파트너가 있는 우리에게 이는 필수적입니다. Amazon Virtual Private Cloud(VPC)에서 배포하고 여러 리전에서 운영할 수 있는 기능도 우리에게 상당한 전략적 이점이 되었습니다."
"AWS 팀은 초창기부터 Knewton의 파트너였습니다."라고 Prichard는 말합니다. "AWS는 안정적인 인프라를 제공하고 전 세계적으로 교육 기업에 자료를 제공할 수 있도록 지원해 주었습니다. 저는 AWS 팀이 Knewton의 성장에 필요한 귀중한 파트너라고 생각합니다."
AWS가 어떻게 교육 분야를 지원할 수 있는지 자세히 알아보려면 http://aws.amazon.com/education/을 참조하십시오.