강사님, 시급은 ReLU 입니다
강사비 책정 함수를 만들다
모두의연구소에서도 기업 교육을 진행하고 있습니다
잘 알려지지 않았지만 모두의연구소에서는 기업 맞춤형으로 다양한 강의를 진행하고 있습니다. 제가 주로 하는 일은 기업이 원하는 강의를 기획하고 만들어 드리는 일 입니다. 모두의연구소 내의 랩과 풀잎스쿨에서 활동하시는 멤버쉽 회원 분들은 다양한 전문 지식을 갖춘 훌륭한 분들이 많습니다. 저는 이 분들과 연을 맺고 강의 가능하신 분들께 연락을 하고 같이 강의를 기획합니다. 강의가 가능하신 분들은 언제든 모두의연구소로 연락을 주실 수 있습니다 ^^ 언제나 환영합니다 (글의 마지막에 신청 가능한 페이지가 있습니다 ^^).
OOO 기업의 비대면 인공지능 직무전환 과정 (싱글벙글)화성에서 온 강사, 금성에서 온 만족도
강사님들의 스케쥴에 따라 같은 형태의 강의임에도 불구하고 다른 강사님들이 투입될 때가 있습니다. 이런 경우 가끔 강의 만족도가 들쭉 날쭉 해질 때가 있습니다. 언제나 최고의 강의를 제공해 드리기 위해 강의 피드백을 강사님께서 보내드리고 다음엔 더 나은 강의가 될 수 있도록 노력합니다.
강사님을 통해 최고의 강의를 전달 드려야하는데 이를 잘 반영해 주시지 못하시는 강사님들도 계십니다. 강사님들이 좋은 강의 컨텐츠를 만들도록 저희가 도움을 드릴 수 있는 방법은 여러가지가 있을 것 같습니다. 가장 자연스러운 방법은 무엇일까 고민해 봤습니다. 강사님 스스로 높은 만족도의 결과물을 만들 수 있도록 높은 만족도를 보이신 강사님들께는 더 높은 강사료를 드리는 방식을 채택해야 한다고 생각했습니다.
강사님, 시급은 ReLU로 정했습니다
강사님께서 받으신 강의 추천지수(NPS; Net Promot Score)를 기반으로 강사료를 책정하는 함수를 만들어 보려고 합니다. NPS가 궁금하신 분들은 다음의 링크를 보시면 쉽게 NPS를 설명하고 있어서 도움이 되실 겁니다.
NPS 1 : 회사 성과 지표로 고민중이라면 NPS 개념은 알고 가자.
NPS를 간단히 말씀 드리면 추천도로 (강의를 추천하는 비율) - (강의를 추천하지 않은 비율)로 계산됩니다. 즉 모두가 추천하지 않으면 -100% 로 나타나고 모든 사람이 강의를 추천할 경우 +100%로 나타납니다. 점수로 -100~100범위로 나타난다고 보시면 됩니다.
모두의연구소에서는 많은 인공지능 강의를 진행합니다. 따라서 강사비 책정함수로 인공지능에 많이 사용되는 함수를 활용해 보기로 했으며 다음과 같은 제약 조건을 가지고 디자인해 보려고 합니다.
1) 높은 만족도에는 높은 강사료를 지급한다
2) 강사비의 하한선을 만든다
인공지능을 사랑하시는 여러분들은 혹시 적합한 함수가 떠오르시나요? ^^
맞습니다. ReLU(Rectified Linear Unit)을 이용해 보려고 합니다. ReLU함수는 다음과 같은 형태를 나타냅니다. 수식으로 표현하면
시간당 강사료 = max(강의 만족도(NPS), 0)
위 그래프는 조정이 필요합니다. NPS(강의 추천지수)가 100점일 경우 시간당 100만원의 강사비를 지급해야 되는거죠. 너무나 뛰어난 연사님의 경우 시간당 100만원도 받으실 수 있겠지만 일반적이지 않으니 스케일을 조정해 보도록 하겠습니다. 그래서 NPS에 0.1을 곱하면 아래의 그림 (a)가 되게 됩니다.
그림 (a)의 그래프도 문제가 있습니다. NPS가 0이면 강사료를 전혀 못 받게 되는군요. 너무나 가혹하게 느껴집니다.
그래서 강사비의 기본급을 부여해 보겠습니다. 이는 그림 (b)처럼 나타나게 됩니다. 그림 (b)의 붉은색으로 표현된 10이 수정된 부분입니다. 역시 이 그래프도 문제가 있습니다. NPS의 범위가 -100~100이기 때문에 100을 받아도 10만원을 받게되걸 알 수 있습니다. 다시한번 조정이 필요합니다. NPS 축을 이동 시킬 필요가 있어 보입니다.
그래서 그림 (c)처럼 수식을 조정해 보았습니다.
이렇게되면 강의 추천지수인 NPS가 100점 만점일 경우 시간당 20만원의 강사료가 되고 NPS가 0이하일 경우엔 10만원이 되는군요. 합리적으로 보입니다 ^^ 그림 (c)는 강의추천 지수에 따르는 강사비 책정함수로 적절해 보입니다. 어느정도 합리적인 강사료 책정 모델이 완성됐다고 볼 수 있겠군요. 보람됩니다. 와하하!!!
강사료 이거 너무 싼거 아니요?!
위 모델의 강사료가 너무 비싸게 느껴질 수도 있고 싸게 느껴질 수도 있습니다. 굉장히 어려운 강의도 있고 모시기 어려운 연사기 때문에 더 많이 드려야하는 강의, 혹은 누구나 쉽게 할 수 있는 강의도 있을 수 있습니다. 위에서 제시한 획일화된 강사비 책정 모델로는 모든걸 담아 내기는 어려워 보입니다.
자~! 그러면 수식을 일반화 시켜 보도록 하겠습니다.
max( 강사 응원지수 x NPS + 과목별 기본강사비, 과목별 기본강사비)
0.1로 NPS(강의추천 지수) 에 고정해 곱해두었던 값을 강사 응원지수 라고 이름을 붙여 봤습니다. NPS가 높을 수록 훨씬 더 많이 받을 수 있게 0.1 이상의 값들을 사용할 수 있습니다. 상황에 따라 달라지겠지요. 아래 동영상은 강사 응원지수를 0에서 시작하여 0.5까지 바꿔 봤을 때의 그래프 입니다. 강사 응원지수가 0일 경우는 NPS에 상관없이 그냥 과목별 기본 강사비만 받게 되는 것을 확인할 수 있습니다. 아래의 영상에서 과목별 기본 강사비는 10으로 고정하였습니다.
이제 과목별 기본 강사비를 변경해 보겠습니다. 쉽게 할 수 있는 강의는 기본 강사비를 낮추고 어려운 강의일 때는 기본 강사비를 높이면 되겠네요. 강사 응원지수는 0.1로 고정한 후 과목별 기본 강사비를 5에서 20까지 변경했을 때의 모습은 다음의 영상과 같습니다.
뭔가 더 복잡해진 것 같아요.
복잡하시나요? ^^ 지금까지 훌륭한 강사님들(추천지수가 높은 강의를 만들어 주시는)을 응원할 수 있는 강사료 책정 시스템을 도입해 봤습니다. 저희는 훌륭한 강사님께는 더 많은 이익이 돌아가길 바랍니다.
물론 추천지수가 높은 강의라고 전부 좋은 강의라고 말할 수는 없습니다. 실제 배운 내용을 교육 후에 어떻게 활용하고 있는지, 교육을 통해 어떤 해결책을 얻었는지가 기업 교육에선 특히나 중요할 것 입니다. 그래도 강의평가에 사용되는 여러가지 요소 중 어느정도 공신력이 있는 강의 추천지수(NPS)를 이용하여 강사료가 책정된다면 훌륭한 강사님들께 더 좋은 보상이 되지 않을까요? ^^
강사비 책정함수는 강사 응원지수와 과목별 기본 강사비라는 두 가지 값을 결정해야만 합니다. 어떤 값을 결정해야 할지 잘 모르시고, 어렵게 느껴지신다는 분들을 위해서 강사 응원지수와 과목별 기본 강사비의 가이드 라인을 제공하도록 하겠습니다.
max( 강사 응원지수 x NPS + 과목별 기본강사비, 과목별 기본강사비)
강사응원지수를 높게 주어 더 많이 응원하고 싶습니다 ㅠㅠ 그러나 저희도 남는것은 있어야지요.과목별 기본 강사비는 그냥 더해지는 고정 값이기 때문에 표로 살표볼 필요까진 없을 듯 하지만 그래도 가이드라인이 됐으면 하는 바람에 표를 넣어 봅니다.
과목별 기본 강사비도 많이 올려드릴 수 있도록 더 노력하겠습니다~!!!이 가이드 표 2개에서 약간의 살구 빛 색이 칠해진 부분이 모두의연구소 딥러닝 기초과정을 준비 해주시는 강사님들애게 적용하는 강사 응원지수와 기본 강사비 입니다. 즉, 강사 응원지수 0.1, 과목별 기본강사비를 10만원으로 정해봤습니다.
딥러닝 기초과정 강사비 책정함수 : max( 0.1 x NPS + 10, 10)
실제 교육을 운영하는 측에서 강사추천지수 (NPS가 50이 되면 일반적으로 훌륭한 강의라는 평가를 듣습니다. 기업강의는 항상 높은 NPS점수를 요구합니다. 50을 넘어가면 선형적으로 시간당 강사비가 증가하게 됩니다. 물론 50미만일 경우 떨어지게 되며 0부터는 그냥 과목별 기본 강사비를 받게 됩니다. 모두의연구소에서는 실제로 강사님이 연동형 강사비와 고정형 강사비 중 선택하실 수 있게 안내하고 있습니다.
나도 강의할 수 있다~!! (기, 승, 전, 강사모집)
고정된 강사비로 자신의 역할 만큼 강사비를 못받고 계신다고 생각하시는 분~!
수익금을 분배하기에 좋은 강의임에도 불구하고 수강생이 적어 그에 따른 대가를 받지 못했다고 생각하시는 분~!!
모두의연구소에서 데이터 엔지니어링, 데이터 싸이언스, 딥러닝 등의 강의를 만들어 보고싶으신 분~!!!
언제든 연락 주십시요. 모두의연구소에서 강의를 만들어 드릴 수 있도록 노력하겠습니다.
아래의 링크로 들어가서 신청해주시거나 이메일을 보내셔도 됩니다. 저희가 응답하도록 하겠습니다 ^^
감사합니다~!!!!
강사신청 페이지 :
모두의연구소가 진행하는 기업교육 내용이 궁금하신 분들은 아래를 클릭~^^
이메일 연락처 : aiffel.biz@modulabs.co.kr
