이러닝은 특히 COVID-19 팬데믹과 같은 위기 상황에서 전 세계적으로 필수적이 되면서 큰 변화를 겪었다. 유네스코(UNESCO)는 여러 기존의 이러닝 플랫폼을 신속한 해결책으로 승인했지만, 이들은 학습 과정에 영향을 미치는 여러 문제로 인해 장기적인 해결책으로는 권장되지 않았다. 최근 연구들은 인공지능(AI), 딥러닝, 블록체인 기술을 활용하여 이러한 문제들을 해결하고 있다. AI와 딥러닝은 학습자 성과 평가 강화에 초점을 맞추고 있으며, 블록체인과 스마트 계약은 가짜 자격증, 결과 조작, 학습 활동 추적 문제를 해결하는 데 도움을 준다. 이 두 기술이 강력한 잠재력을 보여주지만, 이러닝 내 통합 연구는 매우 제한적이어서 본 연구는 블록체인과 딥러닝을 결합한 스마트 프레임워크를 제안한다. 이 프레임워크는 데이터 보안, 투명성, 자동화를 보장함으로써 이러닝 시스템을 안전하고 향상시킨다. 이 프레임워크는 분산형 대용량 파일 저장을 위해 Interplanetary File System(IPFS)를 이용하여 학습자 데이터를 안전하게 블록체인에 저장하며, 이더리움 프라이빗 블록체인 지갑을 통해 데이터 무결성과 기밀성을 확보한다. 딥러닝 모델은 이 애초에 보안된 데이터를 분석하여 학생의 성적을 정밀하게 예측한다. 스마트 계약은 대학이 자격증을 발행할 때 이를 블록체인에 불변하게 기록하며, 네트워크 노드들이 접근 가능하게 만들어 자동화와 보안, 신뢰를 높인다. 블록체인은 중앙 권한 없이 분산된 P2P 네트워크 내에 시간정보가 기록되고 변경 불가능한 데이터를 안전하게 저장하며 투명성을 제공한다. Bitcoin 다음 시장 가치 2위인 이더리움은 Solidity를 활용한 프로그래머블 스마트 계약을 지원하며, 조건부 및 자동화된 거래를 가능하게 한다. 스마트 계약은 사전에 정해진 조건이 충족되면 계약 내용을 자동으로 실행하며, 이 모든 실행 내역을 불변하게 기록한다. 대용량 파일 저장을 위해 블록체인은 부적합하므로, IPFS, Storj, FileCoin 등 오프체인 저장 방식을 사용한다. IPFS는 암호화를 통해 대용량 파일을 P2P 방식으로 배포하며, 콘텐츠 주소화 해시를 생성하여 데이터 무결성과 접근을 검증한다. 이 방식은 학습자의 방대한 데이터를 안전하게 저장하는 데 중요하며, 해시를 통해 블록체인 거래와 연결한다. 딥러닝, 특히 생물학적 뇌를 모방한 인공신경망(ANN)은 입력, 은닉, 출력 계층으로 구성되며, 순전파, 오류 계산, 역전파를 여러 에포크에 걸쳐 학습한다. 여러 은닉층을 갖춘 딥 뉴럴 네트워크(DNN)는 예측 정확도를 더욱 높인다. 본 연구에서는 이러한 모델들을 활용하여 블록체인과 IPFS에 저장된 학습자 데이터를 분석, 성과를 정확히 예측한다. 선행 연구들은 교육 성과 예측에 딥러닝을 활용해왔다.

예를 들어, MOOCs의 학생 탈락률 예측에 순환 신경망(RNN)과 합성곱 신경망(CNN)을 사용했고, 기존 방법보다 높은 정확도를 달성했다. 또한 양방향 장단기 메모리(BiLSTM)를 이용한 예측이나, 작은 불균형 데이터셋에서도 높은 성과를 나타내는 딥러닝 모델들이 활용되고 있다. 본 연구에서 제안하는 프레임워크는 세 단계로 구성된다: 1. **학습자 데이터 블록체인 저장:** “Open University Learning Analytics” 데이터셋(32, 593건, 인구통계 및 온라인 학습 상호작용 기록)을 암호화 후 IPFS에 저장하고, 생성된 해시 값을 사설 이더리움 블록체인 스마트 계약에 기록한다. 이를 통해 분산형, 불변적 접근이 가능하며, 대학 행정, 교수, 학습자, 고용주 등 노드(Node)가 각각 개인 및 공개 키로 네트워크에 등록한다. 2. **딥러닝 기반 성과 예측:** IPFS에서 복구한 암호화된 데이터는 전처리 과정을 거친다. 특징 선택, 최빈값·상수로 결측치 대체, 범주형 데이터 인코딩, MinMaxScaler로 정규화, 주성분분석(PCA)으로 차원 축소를 실시한다. 이후 90% 학습 데이터와 10% 시험 데이터로 나눈 후, 10개의 입력 뉴런, 은닉층 5개(각 500개 뉴런, ReLU 활성화), 출력층 4개(통과, 실패, 철회, 우수 분류, 소프트맥스 활성화, 희소범주교차엔트로피 손실)를 갖춘 딥신경망에 입력하여 성과를 예측한다. 이 모델은 파이썬, 케라스, Sklearn으로 구현하며 약 91. 29% 높은 정확도와 낮은 손실값을 기록한다. 3. **스마트 계약 활용:** Solidity 기반 스마트 계약은 교수들이 IPFS에 과제 업로드 시 파일 해시를 전달, 학습자들이 과제를 제출하고, 대학이 인증서를 발급·변경 불가하게 블록체인에 저장하며, 고용주는 대학 승인 후 학습자의 성과와 증명서를 열람하는 과정을 자동화·보안·투명하게 만든다. 구현은 다음과 같다: - **블록체인 구조:** Python, Flask, Postman을 활용하여 블록 채굴, 체인 검증, 거래 기록 등을 수행한다. 노드(대학, 교수, 학습자, 고용주)는 MyEtherWallet(MEW)로 등록하며, 지갑은 키와 주소를 관리한다. - **블록체인과 딥러닝 연계:** IPFS는 암호화된 데이터와 해시를 저장하며, 스마트 계약은 이 해시를 블록체인에 기록한다. 딥러닝 모델은 저장된 데이터를 분석하여 성과를 예측한다. 스마트 계약은 과제 배포, 제출, 인증서 발급, 데이터 접근 등의 거래를 관리한다. 테스트 단계에서는 노드 등록, 지갑 접근, 해시 저장·검증, 증명서 발급·조회, 과제 상호작용, 거래 유효성, 파일 무결성 등을 검증했고, 결과는 데이터의 불변성, 스마트 계약의 원활한 작동을 보여준다. 본 프레임워크는 블록체인과 딥러닝의 결합이 높은 보안과 투명성, 자동화를 갖춘 이러닝 환경을 구현할 수 있음을 증명하며, 이전 연구보다 뛰어난 성능과 신뢰성을 보여준다. 이러한 접근은 데이터 보안, 학습자 인증, 학사 처리의 자동화 문제를 해결하며, 미래 스마트 이러닝 플랫폼의 토대를 마련한다.