학부 컴퓨터과학 교육과정이 국제 가이드라인을 얼마나 충실히 반영하는지 재현 가능하게 측정하는 사람 참여형(human-in-the-loop) 파이프라인을 제안하고, 한 인증 학사 프로그램을 CS2013과 CS2023에 대해 종단적으로 분석했다. 프로그램과 가이드라인을 구조화 코퍼스로 표현하고 의미 검색으로 과목-지식단위 후보 매칭을 생성한 뒤 사람이 확정하는 방식이며, 7개 검색기 중 RRF 앙상블이 가장 강력했고 장문맥 모델이 소형 문장 모델보다 부진했다. 해당 프로그램은 CS2023 지식단위의 49.7%, CS2013의 50.9%를 커버해 10년간 거의 일정했고, 권장 인지 깊이 충족률은 CS2013 95%에서 CS2023 76%로 떨어졌다. 이는 새 가이드라인의 높아진 기대치를 반영하며, 병렬·분산 컴퓨팅 등 지속적 구조적 공백과 표준 진화에 따른 차이를 구분해준다.

• •검색 후 사람 확정(retrieve-then-confirm) 방식으로 교육과정의 가이드라인 커버리지를 종단 측정
• •프로그램은 CS2023 지식단위 49.7%, CS2013 50.9%를 커버해 10년간 거의 일정
• •7개 검색기 중 RRF 앙상블이 최고, 장문맥 모델은 소형 문장 모델보다 부진(검색기 선택을 측정해야 함)
• •권장 인지 깊이 충족률이 CS2013 95%→CS2023 76%로 하락해 새 표준의 높아진 기대치 반영
• •독립 2차 평가자 검증 Cohen's kappa 0.64(CS2023)·0.69(CS2013)