os-taxonomy 딥다이브
— "아이가 무엇을 배우는가"를 통째로 그래프로 만든 1,590개 미시-주제 데이터셋

1프로젝트 한줄 요약

이 저장소가 대체 무엇인가.

os-taxonomy는 "실행되는 프로그램"이 아니라 "잘 설계된 데이터"다. 교육회사 Marble이 유아~초등 시기 학습을 1,590개의 작은 개념 단위로 쪼개고, 그 개념들이 서로 어떤 순서로 배워야 하는지를 3,221개의 화살표(선수학습 관계)로 이어 하나의 그래프로 만든 뒤, 이걸 통째로 오픈소스로 공개한 것이다.

구성은 극도로 단순하다. data/ 폴더 안에 JSON 4개가 있고, 그 형식을 정의한 schema/와, 데이터가 깨지지 않았는지 확인하는 무의존 검증 스크립트 하나가 붙어 있다. 런타임도, 서버도, 설치할 라이브러리도 없다. "JSON을 불러와서 바로 쓴다"가 사용법의 전부다.

2왜 주목받는가

데이터 파일 몇 개짜리 저장소가 어떻게 트렌딩에 올랐나.

① "AI가 교육을 개인화"하려면 딱 이런 그래프가 필요했다

요즘 LLM 기반 학습 앱이 쏟아지지만, 대부분 "다음에 뭘 가르쳐야 하나?"를 그때그때 지어낸다. os-taxonomy는 그 빈자리를 정확히 겨냥한다. 개념 사이의 선수학습 관계가 이미 사람 손으로 정리된 DAG로 존재하므로, AI 튜터는 "이 아이가 방금 틀린 문제의 뿌리 개념"을 그래프 탐색만으로 찾아낼 수 있다. 요즘 트렌드인 개인화 학습·적응형 커리큘럼의 빠진 퍼즐 조각을 오픈으로 던진 셈이다.

② "제품 안에 갇힌 데이터"를 밖으로 꺼냈다

교육 표준(Common Core 등)은 원래 공개돼 있지만, 그건 평평한 목록일 뿐 "무엇을 먼저 배워야 하는가"라는 연결 정보는 어디에도 없다. 그 연결을 만드는 건 교육 전문가의 값비싼 수작업이라 보통 회사 제품 안에 숨긴다. Marble은 그 비싼 연결 데이터를 자기 제품에서 떼어 통째로 공개했다. "데이터셋을 오픈소스처럼 릴리스한다"는 태도 자체가 화제가 됐다.

③ 라이선스를 진지하게 설계했다 (오픈 데이터의 모범 사례)

단순히 "MIT!" 던진 게 아니다. 데이터베이스 구조는 ODbL, Marble이 쓴 글은 CC BY-SA, 남의 교육 표준은 각자의 원 라이선스로 3층으로 분리했다. 심지어 저작권이 까다로운 NGSS·IB 같은 출처는 표준 코드만 넣고 원문 텍스트는 뺐다(codes-only). 오픈 데이터를 법적으로 어떻게 배포해야 하는지에 대한 교과서 같은 사례여서 개발자·연구자 사이에서 회자된다.

④ 진입장벽이 0이다

의존성도, 빌드도, API 키도 없다. git clone 후 JSON을 import하면 끝. 데이터 자체가 완결된 산출물이라, 누구나 5분 안에 자기 프로젝트에 붙일 수 있다는 점이 확산에 유리했다.

3기술 스택 전체 지도

코드가 거의 없는 저장소의 "기술"은 무엇인가 — 데이터 모델·포맷·검증이 곧 스택이다.

데이터 포맷 계층

패키지 구성 (package.json)

{
  "name": "marble-taxonomy",
  "version": "1.0.0",
  "type": "module",
  "license": "(ODbL-1.0 AND CC-BY-SA-4.0)",
  "scripts": { "validate": "node scripts/validate.mjs" }
}

dependencies 항목 자체가 없다. "의존성 없음"이 스펙이라는 것을 package.json이 그대로 증명한다. ESM("type":"module")로 작성돼 import ... with { type: 'json' } 최신 문법을 예시로 든다.

4개 데이터 파일의 역할

4아키텍처 심화 분석

데이터가 어떻게 하나의 그래프로 맞물리는가 — 4개 파일의 참조 구조.

설계 패턴 ① — 관계는 전부 "키 참조"로만

객체를 다른 객체 안에 중첩(embed)하지 않는다. 주제는 자기 표준을 통째로 품지 않고 standards: ["ccss-ela:L.K.1f"]처럼 문자열 키만 가진다. 엣지도 마찬가지로 양 끝을 topicId·prerequisiteId라는 id 문자열로만 가리킨다. 이렇게 하면 같은 표준이 100개 주제에 연결돼도 원본은 한 곳에만 있어 중복·불일치가 원천 차단된다(정규화된 데이터베이스와 동일한 발상).

설계 패턴 ② — 데이터가 스스로를 증명한다 (self-validating)

validate.mjs는 외부 라이브러리 없이 Node 표준 모듈만으로 6가지를 검사한다. 데이터셋에 검증기를 함께 넣는 것은 "이 데이터는 믿을 수 있다"를 코드로 보증하는 것이다.

설계 패턴 ③ — codes-only 불변식 (저작권을 데이터 구조로 강제)

가장 영리한 부분이다. NGSS·IB 같은 저작권 민감 출처는 textIncluded:false로 표시하고 표준 코드(예 1-ESS1-1)만 담는다 — 코드는 "짧은 사실적 식별자"라 저작권 위험이 낮기 때문. 그리고 검증기가 "codes-only 출처에 data(원문) 필드가 실수로 들어가면 빌드를 실패"시킨다. 즉 법적 규칙을 문서가 아니라 자동 검사로 못박아, 실수로 저작권 텍스트가 새어나가는 것을 막는다.

주제(topic) 한 개의 해부

{
  "id": "mt_N8CpN1EJrP",         // 안정적 식별자(엣지·이웃이 이걸 가리킴)
  "type": "CONCEPTUAL",          // 개념/절차/표현/언어/메타 5종 중 하나
  "subject": "English",
  "domain": "Grammar & Punctuation",
  "name": "Building sentences",
  "description": "단어가 모여 문장이 된다는 것을 이해…",
  "ageRangeStart": 4, "ageRangeEnd": 6,   // 대략의 나이대
  "centrality": 0.257,           // 그래프 중심성(얼마나 많은 것이 이걸 거치나)
  "evidence": [                  // "안다"를 어떻게 확인하나(성취 증거)
    "완전한 문장과 조각을 구분한다",
    "주어와 동사가 있는 완전한 문장을 만든다"
  ],
  "assessmentPrompt": "{{name}}에게 '그 개' 라고 말하면, 그게 완전한 문장이 아니라고…?",
  "standards": ["ccss-ela:L.K.1f", "uk-nc-2013:Eng.App2.Y1.Sent.1"]
}

assessmentPrompt에는 {{name}} 자리표시자가 들어있다 — 아이 이름을 끼워 넣어 개인화된 확인 질문을 만들 수 있게. 표시 전에 치환하거나 지우라고 문서가 명시한다.

엣지(dependency) 한 개의 해부

{ "topicId": "mt__00ZSLnB7p",          // 이 주제는
  "prerequisiteId": "mt_VBl1T1sFCM",   // 이 선수학습에 의존한다
  "strength": "hard",                  // hard(필수) / soft(있으면 좋음)
  "reason": "소리 크기 패턴을 찾기 전에 진동이 소리를 만든다는 걸 알아야" }

화살표를 거꾸로 뒤집으면 "이 개념을 익히면 무엇이 열리는가(unlocks)"가 된다. 같은 데이터로 "선행 지식 추적"과 "다음 학습 추천"을 모두 할 수 있다.

5디렉토리 구조 해부

파일 몇 개 안 된다 — 그래서 하나하나가 의도적이다.

주목할 점: 문서 파일이 데이터 파일만큼 진지하다. PROVENANCE.md는 7개 교육과정 출처마다 발행처·라이선스·필수 고지문구·"우리가 실제로 무엇을 실었는지"를 🟢🟡🔴 색으로 표기한다. CHANGELOG.md는 "무엇을 일부러 뺐는가"(임베딩·아동 개인정보)까지 밝힌다. 데이터셋을 하나의 출판물처럼 다룬다.

6학습 포인트 (기술별)

코드가 없어도 배울 게 많다 — 이 저장소는 "데이터 설계"의 살아있는 교재다.

① 그래프로 사고하기 (노드 + 엣지 모델링)

학습을 "목록"이 아니라 "그래프"로 본다는 발상이 핵심이다. 노드(topics)와 엣지(dependencies)를 별도 파일로 분리하고, 엣지는 노드를 id로만 참조한다. 이 구조를 이해하면 소셜 네트워크·추천 시스템·의존성 그래프 등 "연결이 데이터의 본질인" 모든 문제에 응용할 수 있다.

② 데이터 정규화와 참조 무결성

같은 정보를 두 곳에 두지 않는 것(정규화), 그리고 "가리키는 대상이 반드시 존재하도록" 검증하는 것(참조 무결성)은 관계형 데이터베이스의 핵심 원리다. os-taxonomy는 DB 없이 JSON만으로 이 원리를 구현해 보여준다 — SQL의 FOREIGN KEY가 하는 일을 validate.mjs가 손으로 한다.

③ 무의존 검증기 작성법

validate.mjs는 훌륭한 참고 코드다. Node 표준 모듈(node:crypto, node:fs)만으로 개수 대조 → 필드 검사 → 중복 탐지 → 참조 무결성 → 불변식 → 체크섬까지 6단계를 100줄 안에 짜냈다. "오류를 모아서 마지막에 한 번에 보고"하는 패턴(errors.push 후 exit code)도 배울 만하다.

④ 오픈 데이터 라이선싱 (법률 × 엔지니어링)

이 저장소의 진짜 걸작은 PROVENANCE.md다. 내가 만든 것(구조·글)과 남의 것(표준)을 구분하고, 각각 다른 라이선스를 붙이고, 저작권 위험이 큰 건 데이터 구조 자체로 배포를 제한(codes-only)한다. 데이터를 공개하려는 사람이라면 반드시 참고할 모범 사례다.

7시스템 요구사항 · 라이선스

쓰는 데 필요한 것은 사실상 없다. 대신 "지켜야 할 것"이 있다.

기술 요구사항

라이선스 3층 구조 (사용 전 반드시 확인)

8직접 해볼 수 있는 실습 과제

JSON을 불러오는 순간부터 놀거리가 쏟아진다. 난이도별 5개.

과제 A — 선수학습 추적기 난이도 ★☆☆☆

임의의 주제 하나를 골라 "그것을 배우기 전에 알아야 할 모든 것"을 재귀적으로 나열하라. dependencies를 거꾸로 타고 올라가는 그래프 역방향 탐색(BFS/DFS) 연습이다.

const byId = new Map(topics.topics.map(t => [t.id, t]));
function prereqTree(id, seen = new Set()) {
  for (const d of deps.dependencies.filter(e => e.topicId === id)) {
    if (seen.has(d.prerequisiteId)) continue;
    seen.add(d.prerequisiteId);
    console.log(byId.get(d.prerequisiteId).name, `(${d.strength})`);
    prereqTree(d.prerequisiteId, seen);   // 한 단계 더 깊이
  }
  return seen;
}

과제 B — 학습 순서 자동 정렬 난이도 ★★☆☆

전체 그래프를 위상 정렬(topological sort)해 "이 순서대로 배우면 항상 선수학습이 먼저 나온다"는 커리큘럼 시퀀스를 만들어라. DAG의 대표 알고리즘을 실제 데이터로 연습한다. 덤: 정렬 중 사이클이 나오면 데이터 오류이니, 검증기가 놓친 순환이 없는지도 확인된다.

과제 C — 3D/2D 그래프 시각화 난이도 ★★★☆

README의 회전 3D 영상처럼, d3-force나 three.js로 1,590개 노드를 과목별 색, 나이별 높이로 배치하고 엣지로 잇는 인터랙티브 뷰를 만들어라. centrality 값으로 노드 크기를 주면 "중요한 개념"이 시각적으로 도드라진다.

과제 D — AI 튜터 프롬프트 파이프라인 난이도 ★★★★

"아이가 문제 X를 틀렸다" → 그 문제의 주제를 찾고 → 선수학습을 역추적해 → assessmentPrompt({{name}} 치환)로 진단 질문을 생성하는 LLM 파이프라인을 짜라. os-taxonomy가 겨냥한 바로 그 용도를 직접 구현해보는 과제.

과제 E — 표준 커버리지 대시보드 난이도 ★★★★

Common Core·영국 NC 각 표준이 몇 개 주제에 연결됐는지 집계하고, 연결이 0인 "고아 표준"이나 유난히 많은 "허브 표준"을 찾아 표로 만들어라. 교육과정 간 커버리지 격차를 데이터로 드러내는 분석 연습.

9관련 기술 심화 학습 로드맵

이 데이터셋을 제대로 활용하려면 익힐 것들 — 4주 코스.

더 깊이 파고 싶다면

지식 그래프(Knowledge Graph)와 온톨로지(ontology) 개념 — os-taxonomy는 사실상 교육 도메인의 경량 지식 그래프다. RDF/그래프 DB(Neo4j)를 배우면 이 JSON을 진짜 그래프 DB에 올려 강력한 질의를 던질 수 있다. 또 적응형 학습(adaptive learning)·지식 추적(knowledge tracing) 이론을 함께 보면, 이 데이터가 왜 이렇게 설계됐는지가 선명해진다.

10핵심 키워드 사전

이 저장소를 이해하는 데 필요한 용어 총정리.

11참고 링크

더 파고들 곳.