데이터의 급속한 증가로 데이터를 활용한 새로운 가치 창출은 기업뿐 아니라 국가 경쟁력의 중요한 요소로 대두대고 있다. 이에 따라 데이터를 분석하여 통찰력을 제시할 수 있는 데이터 과학자라 불리는 분석 전문가의 수요가 늘고 있는데, 이들 전문 인력 양성을 위해서는 정부, 학계, 산업의 공동 노력이 필요하다. 본 연구는 특히 교육 분야에서의 빅데이터 활용현황을 조사하고, 새로운 데이터 기반의 맞춤형 서비스 및 교육 과정을 제안한다. 또한, 데이터 과학자 양성을 위한 국내외 대학 및 기업의 대표적인 프로그램들을 살펴보고, 장기적인 관점에서 분석능력을 배양할 수 있는 새로운 교과과정도 제시한다. 본 연구는 다양한 사례를 바탕으로 대학에서 데이터를 활용한 교육환경 개선을 위한 방안을 모색하는데 도움을 주고자 한다.
데이터의 급속한 증가로 데이터를 활용한 새로운 가치 창출은 기업뿐 아니라 국가 경쟁력의 중요한 요소로 대두대고 있다. 이에 따라 데이터를 분석하여 통찰력을 제시할 수 있는 데이터 과학자라 불리는 분석 전문가의 수요가 늘고 있는데, 이들 전문 인력 양성을 위해서는 정부, 학계, 산업의 공동 노력이 필요하다. 본 연구는 특히 교육 분야에서의 빅데이터 활용현황을 조사하고, 새로운 데이터 기반의 맞춤형 서비스 및 교육 과정을 제안한다. 또한, 데이터 과학자 양성을 위한 국내외 대학 및 기업의 대표적인 프로그램들을 살펴보고, 장기적인 관점에서 분석능력을 배양할 수 있는 새로운 교과과정도 제시한다. 본 연구는 다양한 사례를 바탕으로 대학에서 데이터를 활용한 교육환경 개선을 위한 방안을 모색하는데 도움을 주고자 한다.
Massive increases in data available to an organization are creating a new opportunity for competitive advantage. In this era of big data, developing analytics capabilities, therefore, becomes critical to take advantage of internal and external data and gain insights for data-driven decision making. ...
Massive increases in data available to an organization are creating a new opportunity for competitive advantage. In this era of big data, developing analytics capabilities, therefore, becomes critical to take advantage of internal and external data and gain insights for data-driven decision making. However, the use of data in education is in its infancy, in comparison with business and government, and the potential for data analytics to impact education services is growing. In this paper, I survey how universities are currently using education data to improve students' performance and administrative efficiency, and propose new ways of extending the current use. In addition, with the so-called data scientist shortage, universities should be able to train professionals with data analytics skills. This paper discusses which skills are valuable to data scientists and introduces various training and certification programs offered by universities and industry. I finally conclude the paper by exploring new curriculums where students, by themselves, can learn how to find and use relevant data even in any courses.
Massive increases in data available to an organization are creating a new opportunity for competitive advantage. In this era of big data, developing analytics capabilities, therefore, becomes critical to take advantage of internal and external data and gain insights for data-driven decision making. However, the use of data in education is in its infancy, in comparison with business and government, and the potential for data analytics to impact education services is growing. In this paper, I survey how universities are currently using education data to improve students' performance and administrative efficiency, and propose new ways of extending the current use. In addition, with the so-called data scientist shortage, universities should be able to train professionals with data analytics skills. This paper discusses which skills are valuable to data scientists and introduces various training and certification programs offered by universities and industry. I finally conclude the paper by exploring new curriculums where students, by themselves, can learn how to find and use relevant data even in any courses.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
, 2012), 국내에서도 2017년까지 약 14000명의 인력 수요가 있을 전망이다.4) 따라서, 데이터 과학자가 되기 위해 필요한 기술이 무엇인지 알아보고 이러한 전문인력을 양성할 수 있도록 개설된 학계와 산업의 교육 프로그램들을 소개한다. 마지막으로, 대학의 기존 교과 과정에서도 데이터 분석능력을 배양할 수 있는 방안을 제시한다.
IBM Academic Initiates, Microsoft Dynamic Academic Alliance, SAS Global Academic Program, Teradata University Network의 프로그램 등이 그 예이다. 각 프로그램은 기업 특성에 따라 조금씩 다른 주안점을 두고 있지만, 정형과 비정형 데이터를 수집하고 분석, 해석하여 의사 결정에 이용할 수 있는 행동가능한 정보로 변화할 수 있는 인재를 양성하는 데는 같은 목표를 가진다. 국내에서도 투이컨설팅, 한국SAS, 한국EMC 등에서 실무 교육 위주의 교육과정을 제공하고 있다.
Facebook, Twitter, Youtube, LinkedIn 등의 다양한 소셜미디어에 약 200개 이상의 계정을 가지고 있는데, 하나로 통합된 학교 계정이 아닌 다양한 역할의 계정을 만들어 관리한다. 그리고, 단순히 학교의 정보를 알리는 기사를 게재하는데 그치지 않고, 팬이나 팔로워들과 항상 상호 소통하고자 한다. 소셜미디어 운영에 있어서도 학생 인턴을 뽑아 새로운 콘텐츠나 비디오 제작 등 직접적으로 참여할 수 있도록 유도한다.
다양한 정보통신기술(ICT)을 활용한 스마트 교육으로 교육 데이터는 점점 더 급증하고 있고, 이를 통합적으로 관리, 분석하여 새로운 가치를 창출하는 새로운 교육 형태와 패러다임에 대한 연구의 필요성은 앞으로 더욱 커질 것이고, 더 많은 연구가 이루어 질 것으로 기대된다. 따라서 본 연구의 결과는 대학에서의 빅데이터 활용할 수 있는 구체적인 방안을 제시하는 연구로, 이 분야의 연구의 활성화에 기여할 수 있다. 본 연구의 결과를 토대로 학생들에게 새로운 교육 서비스를 제공하고 그 활용성과를 평가하여 데이터 기반의 새로운 교육환경을 구축하는데 개선방안을 제시할 수 있다면, 이는 향후 연구과제로서도 흥미로운 주제가 될 것이다.
4) 따라서, 데이터 과학자가 되기 위해 필요한 기술이 무엇인지 알아보고 이러한 전문인력을 양성할 수 있도록 개설된 학계와 산업의 교육 프로그램들을 소개한다. 마지막으로, 대학의 기존 교과 과정에서도 데이터 분석능력을 배양할 수 있는 방안을 제시한다.
둘째, 데이터 과학자라 불리는 데이터분석 전문가 양성을 위한 국내외 대학 및 기업의 대표적인 프로그램들을 살펴보고, 장기적인 관점에서 분석능력을 배양할 수 있는 새로운 교과과정도 제시한다. 본 연구는 다양한 사례를 바탕으로 대학에서 데이터를 활용한 교육환경 개선을 위한 방안을 모색하는데 도움을 주고자 한다.
본 장에서는 앞의 조사 결과를 바탕으로 대학의 교육데이터를 활용하는 데이터 기반의 새로운 교육 서비스를 제안한다.
위의 사례에서 본 것과 같이, 본 연구는 빅데이터 시대에 대학이 보유하고 있는 데이터를 활용하여 교육 환경을 더욱 창조적으로 발전시켜 나갈 수 있는 방안을 연구하여 제시하고자 한다. 좀 더 세부적으로, 본 연구는 다음과 같은 결과 도출을 목표로 한다.
좀 더 세부적으로, 본 연구는 다음과 같은 결과 도출을 목표로 한다. 첫째, 대학의 교육데이터 활용현황을 조사하고, 데이터 기반의 교육 서비스 및 학교 행정 업무 향상에 활용할 수 있는 방안을 제시하고자 한다. 둘째, 데이터 과학자라 불리는 데이터분석 전문가 양성을 위한 국내외 대학 및 기업의 대표적인 프로그램들을 살펴보고, 장기적인 관점에서 분석능력을 배양할 수 있는 새로운 교과과정도 제시한다.
제안 방법
그 활용 분야는 크게 다음과 같이 세 가지로 나눌 수 있다. 각 학생의 학업 성과데이터를 이용하여 학업 관리 지원, 소셜 네트워크 서비스(SNS) 데이터와 같이 학업 이외의 데이터를 이용하여 학업 이외의 지원, 모바일 및 다양한 정보통신기술(Information and Communication Technology)을 활용한 새로운 행태의 수업에 대해서도 알아보았다.2)
예를 들어, “교육, 사진, 타투”등 학생들의 ‘좋아요’ 목록 가운데 공통된 목록이 많은 경우 친구로 추천해 준다. 또한, 캠퍼스 내에서 학생 카드를 이용하여 이루어지는 활동을 모니터하고 이를 활용한다. 예를 들어, 캠퍼스 내 식당에서 음식을 사 먹거나, 피트니스 클럽 출입과 같은 일련의 활동들이 기록되므로, 이러한 데이터를 기반으로 학생들의 과외 활동 및 사회생활 패턴까지 파악할 수 있다.
학사지원 시스템의 활용방안 : 전공, 학점, 수강과목, 강의평가 등 학생 개인별 학습 정보를 수집하고, 학습 성과에 따라 학습 방향, 공부 방법, 진로상담과 같은 맞춤별 학습 지도를 할 수 있다. 첫째, 각 전공마다 가장 성공적으로 학위를 마친 학생의 사례를 참조하고 각 학생의 적성을 고려하여, 적절한 수강 과목을 추천한다. 앞 장의 여러 사례에서 보았듯이, 이미 많은 학교에서 사용되고 있으므로 가장 널리 이용되는 알고리즘을 참조할 수 있다.
성능/효과
가트너의 정의에 따르면 데이터 과학자는 의사결정자들과 함께 일하면서 비즈니스 이슈를 이해할 수 있는 팀워크 및 협업 능력, 데이터의 관계 및 패턴을 찾아낼 수 있는 분석 및 모델링 능력, 그리고 분석을 위해 적절한 데이터셋을 구축할 수 있는 데이터 관리 능력이 요구된다.5) 기존의 데이터 관리자, 데이터 분석가와 다른 점은 데이터를 이용하여 주어진 문제를 해결하는 것이 아니라, 비즈니스 통찰력을 제시해 줄 수 있는 문제를 직접 찾아낼 수 있어야 한다는 것이다. 즉, 데이터를 분석하고자 하는 분야의 전문지식을 바탕으로 분석에 필요한 가설을 설정할 수 있어야 한다.
또는 하나의 강의에 대해 난이도가 다른 여러 모듈을 제공할 수 있다면, 통계적 접근법을 이용하여 학생들이 자기 수준에 맞는 모듈을 선택하도록 돕는다(Jung, 2012). 둘째, 학습 성과 분석 결과를 시각화(visualization) 기술을 이용하여 이해하기 쉽도록 보여줌으로써, 학생 스스로 자신의 성과를 자세히 분석할 수 있고 더 나아가 새로운 목표를 세울 수 있도록 도와준다. 학생 개개인이 세운 목표와 진척 상황에 대한 추적이 가능하도록 하고, 담당 지도교수는 이러한 정보를 이용하여 학생에게 어떤 도움(장학금, 채용정보, 관심 분야의 세미나 및 공모전 등)이 필요한지 쉽게 파악할 수 있을 것이다.
, 2011)에 따르면, 미국의 애틀란타에 위치한 한 공립 고등학교에서 학생들의 학업 데이터를 분석한 결과 학생들의 졸업률이나 학업성과를 좌우하는 가장 중요한 과목이 수학(algebra 1)이고, 이 과목을 잘 하는 학생들이 창의적 글쓰기(creative writing) 과목도 잘 한다는 것을 알게 되었다. 따라서 분석결과를 토대로 학생들이 글쓰기 과목에서 잘 할 수 있도록 도와줌으로써, 수학 과목을 성공적으로 이수하고 나아가 학교 전체의 졸업률을 높일 수 있었다.
후속연구
7억 원을 지원키로 했다.7) 또한, 공공, 민간부문의 빅데이터 서비스 도입을 지원할 빅데이터 분석활용 센터를 구축할 예정이다.8) 따라서, 국내에서도 빅데이터 분석을 위한 실무 전문 인력에 대한 요구가 더욱 커질 것으로 예상되므로 이에 대한 교육 프로그램이 더욱 활성화되어야 할 것이다.
7) 또한, 공공, 민간부문의 빅데이터 서비스 도입을 지원할 빅데이터 분석활용 센터를 구축할 예정이다.8) 따라서, 국내에서도 빅데이터 분석을 위한 실무 전문 인력에 대한 요구가 더욱 커질 것으로 예상되므로 이에 대한 교육 프로그램이 더욱 활성화되어야 할 것이다.
또한 국가정보화전략위원회와 교육과학기술부 에서 추진하는 ‘스마트 교육’의 주요 과제는 빅데이터의 활용 측면 보다는 디지털 교과서 개발 및 온라인 수업 활성화 등과같이 교육 데이터를 생성할 수 있는 환경을 만드는데 초점을 맞추고 있다. 다양한 정보통신기술(ICT)을 활용한 스마트 교육으로 교육 데이터는 점점 더 급증하고 있고, 이를 통합적으로 관리, 분석하여 새로운 가치를 창출하는 새로운 교육 형태와 패러다임에 대한 연구의 필요성은 앞으로 더욱 커질 것이고, 더 많은 연구가 이루어 질 것으로 기대된다. 따라서 본 연구의 결과는 대학에서의 빅데이터 활용할 수 있는 구체적인 방안을 제시하는 연구로, 이 분야의 연구의 활성화에 기여할 수 있다.
첫째, 대학의 교육데이터 활용현황을 조사하고, 데이터 기반의 교육 서비스 및 학교 행정 업무 향상에 활용할 수 있는 방안을 제시하고자 한다. 둘째, 데이터 과학자라 불리는 데이터분석 전문가 양성을 위한 국내외 대학 및 기업의 대표적인 프로그램들을 살펴보고, 장기적인 관점에서 분석능력을 배양할 수 있는 새로운 교과과정도 제시한다. 본 연구는 다양한 사례를 바탕으로 대학에서 데이터를 활용한 교육환경 개선을 위한 방안을 모색하는데 도움을 주고자 한다.
국내 대학생의 경우 전공에 대한 적성문제보다는 다른 이유가 더 많을 것으로 보인다. 또한, 강의의 질을 따지기보다 과제가 적고 쉬운 과목을 고르려고 하는 경향도 보이기 때문에, 이러한 시스템을 효과적으로 이용하기 위해서는 국내 대학생들에 대한 성향을 먼저 파악한 후에 이에 맞는 알고리즘을 적용해야 할 것이다.
예를 들어, 유전자 데이터를 분석하는 경우 생명공학분야에 대해 더 공부할 수 있고, 고객데이터를 분석하는 경우 관련 마케팅 분야의 다른 수업을 수강할 수 있을 것이다. 또한, 데이터 분석시 사용되는 통계 및 데이터 마이닝 기술에 대해 더 알고 싶다면 관련학과에서 고급과정을 수강할 수 있을 것이다. 이러한 고급 과정은 온라인 무료강의를 통해서도 충분히 얻을 수 있는 지식이기에, 빅데이터 프로그램에서는 어떤 교과목을 수강해야 하는지 알려주는 역할을 해야 한다.
전공과 수업방식이 비슷한 교수들을 대상으로 맞춤형 지원 및 가이드라인을 제공할 수 있다. 모든 교수들에게 획일적인 티칭 워크샵을 실시하는 것 보다는, 각 교수에 맞는 맞춤식 지원을 해 줄 수 있다면 교수 및 학교 입장에서 비용대비 효과적인 결과를 얻을 수 있을 것이다. 또한, 기업에서 구성원들 간의 지식을 공유할 수 있도록 지식관리시스템을 운영하는 것과 같이, 교수들의 티칭노하우 및 학생상담 경험을 공유할 수 있는 시스템을 구축하고 적절한 인센티브를 부여하여 교수들의 참여를 유도한다.
따라서 본 연구의 결과는 대학에서의 빅데이터 활용할 수 있는 구체적인 방안을 제시하는 연구로, 이 분야의 연구의 활성화에 기여할 수 있다. 본 연구의 결과를 토대로 학생들에게 새로운 교육 서비스를 제공하고 그 활용성과를 평가하여 데이터 기반의 새로운 교육환경을 구축하는데 개선방안을 제시할 수 있다면, 이는 향후 연구과제로서도 흥미로운 주제가 될 것이다.
, 2013). 이를 해결하기 위해서는 학생, 교직원에게 소셜미디어 사용 가이드라인을 제시하면서, 소셜 미디어의 장점을 최대한 살려 교육적 효과를 가져올 수 있는 해결방안을 계속적으로 모색해 보아야 할 것이다.
이와 같은 교육방식이 데이터 과학자가 프로젝트 진행시 제공되는 데이터뿐만 아니라, 제공되지 않은 방대한 관련 데이터 중에서 유용한 지식을 찾아내어 이를 분석하고 유용한 정보를 도출하는 기술을 습득하는데 적절하다고 판단된다. 향후 우리나라가 IT 강국으로서 스마트국가로 도약하기 위해서는 빅데이터를 분석하고 활용하는 창의적 IT 전문인력에 대한 요구가 더욱 커질 것으로 예상되므로, 방대한 데이터를 활용하여 각 분야별 전문가들이 필요한 지식이나 정보를 직접 습득하는 빅데이터를 활용한 맞춤형 교육서비스 개발이 중요하고, 이를 지속적으로 발전시켜 나가야 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 마이닝 기법이란?
이미 전 세계 유수 대학에서 빅데이터 분석 가능한 인프라를 구축하고, 다양한 분석 기술을 이용하여 학교 내․외부에서 축적된 데이터를 활용하고 있다. 가장 대표적인 기술로는, 방대한 데이터에서 의미 있는 정보를 추출해 내는 데이터 마이닝 기법을 이용한다(Linoff and Berry, 2011). 예를 들어 데이터 마이닝 기법을 이용하여 웹로그를 분석하면, 고객이 어떤 취향을 가지고 어떤 제품에 관심이 있는지 파악하여 고객 개개인에 맞는 광고 전략을 세울 수 있다.
빅데이터란?
최근 들어 조직 내․외부에 축적되는 디지털 데이터가 폭발적으로 증가함에 따라, 이른바 ‘빅데이터’를 활용하여 새로운 가치를 창출할 수 있는 능력이 기업 뿐 아니라 국가 경쟁력의 중요한 요소로 대두되고 있다. 빅데이터는 데이터 형식이 다양하고 생성 속도가 매우 빨라서 새로운 관리, 분석 방법이 필용한 대용량 데이터를 의미하는데, 점차 처리 기술과 인력, 활용 효과도 포함하는 것으로 의미가 확대되고 있다(Russom, 2011). 이에 따라 세계 각국에서 창의적인 빅데이터 활용이 미래 경쟁력의 핵심 수단으로 인식하고, 국가 차원에서 빅데이터 활성화를 위한 다양한 노력을 기울이고 있다.
교육분야에서 데이터 마이닝 기법을 통해 어떤 교육 서비스를 제공할 수 있나?
이와 마찬가지로 교육 분야에서도 데이터 마이닝 기법은 다양하게 사용될 수 있다. 즉, 개개의 학생에게 맞는 의미 있는 정보를 찾아냄으로써 맞춤형 교육 서비스를 제공할 수 있다. 학생별로 계속해서 새로운 데이터가 저장되므로, 데이터가 업데이트 될 때마다 실시간으로 분석해서 분석 결과를 보여주는 것 또한 중요하다.
참고문헌 (17)
Brynjolfsson, E., L. M. Hitt, and H. H. Kim, "Strength in numbers : how does data-driven decision-making affect firm performance?,"Working paper, Sloan School of Management, MIT, 2011. Available at http://papers .ssrn.com/sol3/papers.cfm?abstract_id1819486 (Accessed 17 June, 2013).
Chang, R. M., R. J. Kauffman, and Y. Kwon, "Understanding the Paradigm Shift to Computational Social Science in the Presence of Big Data," Decision Support Systems, Forthcoming.
Chiang R. H. L, P. Goes, and E. A. Stohr, "Business Intelligence and Analytics Education, and Program Development : A Unique Opportunity for the Information Systems Discipline," ACM Transactions on Management Information Systems, Vol.3, No.3(2012), 1-13.
Choi, D. W., K. P., Cho, and J. K., Shin, "A Study on The Development Methodology for Intelligent College Road Map Advice System," Journal of Intelligence and Information Systems, Vol.11, No.3(2005), 57-67.
Curran, C. and T. O. Halter, PwC 5th Annual Digital IQ Survey, February, 2013. Available at http://www.pwc.com/en_US/us/advisory/2013-digital-iq-survey/assets/2013-global-digit al-iq-survey-report.pdf (Accessed 17 June, 2013).
Davenport, T. H. and B. Manville, Judgment Calls, Harvard Business Review Press, 2012.
Davenport, T. H. and D. J. Patil, "Data Scientist : The Sexiest Job of the 21st Century." Harvard Business Review, October 2012. Available at http://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/ (Accessed 17 June, 2013).
Ham, Y. G. and S. B. Chae, Big Data Changes Businesses, Samsung Economic Research Institute, 2012.
Jung, J. H., "The Statistical Approach-based Intelligent Education Support System," Journal of Intelligence and Information Systems, Vol.18, No.1(2012), 109-123.
Lavelle, S., E. Lesser, R. Shockley, M. S. Hopkins, and N. Kruschwits, "Big data, analytics and the path from insights to value," Sloan Management Review, Vol.5, No.2(2011), 21-32.
Lee, H. S., D. W. Lim, and H. J., Cho, "Personal Information Overload and User Resistance in the Big Data Age," Journal of Intelligence and Information Systems, Vol.19, No.1(2013), 125-139.
Linoff, G. S. and M. J. Berry, Data Mining Techniques : For Marketing, Sales, and Customer Relationship Management, Wiley Computer Publishing, 2011.
Manyika, J., M. Chui, B. Brown, J. Bughin, R. Dobbs, C. Roxburgh, and A.H. Byers, "Big Data : The next frontier for competition," Mckinsey Global Institute, May 2012.
Parry, M., "Big Data on Campus," New York Times, July 18, 2012. Available at http://www.nytimes.com/2012/07/22/education/edlife/collegesawakening-to-the-opportunities-of-data-mining.html?pagewantedall (Accessed 17 June, 2013).
Russom, P., Big data analytics, best practices report, fourth quarter 2011, The Data Warehouse Institute, Renton, WA, Sep 2011. Available at http://www.tdwi.org (Accessed 17 June, 2013).
Suh, M. H., "교수가 아니라 디지털 휴머니티 디자이너입니다," Money Today, March 11, 2013. Available at http://www.mt.co.kr/view/mtview.php?type1&no2013031016512109978&outlink1 (Accessed 17 June, 2013).
West, D. M., "Big Data for Education : Data Mining, Data Analytics, and Web Dashboards," Brookings Institution Report, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.