국내의 경우 빅데이터 전문인력을 양성하는 기관이나 대학이 아직 많지 않은 실정이다. 그 원인은 여러 가지이지만 우선적으로 빅데이터에 관한 융합적 이해 및 인식 부족을 들 수 있다. 이에 본 연구는 대학 교원들의 빅데이터에 관한 인식실태를 조사하고 이를 토대로 대학의 빅데이터 인력 양성을 위한 방향을 제시하였다. 조사 결과, 빅데이터에 관한 다소간의 이해에도 불구하고 빅데이터의 영향은 그리 크지 않다고 인식하고 있는 것으로 조사되었다. 특히 빅데이터에 관한 연구 및 교육 의향도 높지 않은 것으로 분석되어 당분간 빅데이터 인력 양성이 쉽지 않은 것으로 파악되었다. 이에 본 연구는 빅데이터를 중요한 정책의 한 축으로 고려하고 있는 정부 3.0의 정책 기조에 맞게 대학의 빅데이터 인력 양성 정책에 보다 심혈을 기울려야 할 것을 제언하였다.
국내의 경우 빅데이터 전문인력을 양성하는 기관이나 대학이 아직 많지 않은 실정이다. 그 원인은 여러 가지이지만 우선적으로 빅데이터에 관한 융합적 이해 및 인식 부족을 들 수 있다. 이에 본 연구는 대학 교원들의 빅데이터에 관한 인식실태를 조사하고 이를 토대로 대학의 빅데이터 인력 양성을 위한 방향을 제시하였다. 조사 결과, 빅데이터에 관한 다소간의 이해에도 불구하고 빅데이터의 영향은 그리 크지 않다고 인식하고 있는 것으로 조사되었다. 특히 빅데이터에 관한 연구 및 교육 의향도 높지 않은 것으로 분석되어 당분간 빅데이터 인력 양성이 쉽지 않은 것으로 파악되었다. 이에 본 연구는 빅데이터를 중요한 정책의 한 축으로 고려하고 있는 정부 3.0의 정책 기조에 맞게 대학의 빅데이터 인력 양성 정책에 보다 심혈을 기울려야 할 것을 제언하였다.
In Korea, institutions and universities to educate and train Bigdata manpower are not yet much. There are various causes, but major cause among them is lack of understanding and perception on Bigdata. Therefore, this study investigated the situation regarding the recognition on Bigdata of universiti...
In Korea, institutions and universities to educate and train Bigdata manpower are not yet much. There are various causes, but major cause among them is lack of understanding and perception on Bigdata. Therefore, this study investigated the situation regarding the recognition on Bigdata of universities' faculties and presented a direction for educating Bigdata manpower at the university. As a result, it was investigated that their awareness about the impact of Bigdata is not so great, despite of the somewhat understanding for the Bigdata. In particular, it was investigated that their intentions of research and education for Bigdata are not high. So, for a while, it was identified that Bigdata specialist training will not be easy. In conclusion, this study suggested that the government should pay its attention more on policy for Bigdata manpower training policy of the universities according to direction of the government 3.0 policy that considers the Bigdata to the axis of the major policy.
In Korea, institutions and universities to educate and train Bigdata manpower are not yet much. There are various causes, but major cause among them is lack of understanding and perception on Bigdata. Therefore, this study investigated the situation regarding the recognition on Bigdata of universities' faculties and presented a direction for educating Bigdata manpower at the university. As a result, it was investigated that their awareness about the impact of Bigdata is not so great, despite of the somewhat understanding for the Bigdata. In particular, it was investigated that their intentions of research and education for Bigdata are not high. So, for a while, it was identified that Bigdata specialist training will not be easy. In conclusion, this study suggested that the government should pay its attention more on policy for Bigdata manpower training policy of the universities according to direction of the government 3.0 policy that considers the Bigdata to the axis of the major policy.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 대학 교원의 빅데이터에 관한 이해와 관련 영향 인식 정도를 비교 분석함으로써 부족한 빅데이터 인력의 조기 양성을 위한 방향 설정에 기여하고자 하는 연구 목적을 가지고 이루어졌다. 그러나 전체적인 조사결과 빅데이터에 관한 다소간의 이해에도 불구하고 빅데이터의 영향에 대해서는 그리 크지 않다고 인식하고 있는 것으로 조사되었고, 특히 연구 및 교육 의향도 높지 않은 것으로 분석되어 당분간 빅데이터 인력 양성이 쉽지 않은 것으로 파악되었다.
본 연구는 전국 주요 대학 교원들의 빅데이터 관련 제반 인식 정도를 비교 분석하여 빅데이터 교육 방향 설정에 대한 제언을 하고자 하는 것이다. 따라서 대학 교원들을 대상으로 조사된 빅데이터에 대한 이해 정도, 빅데이터의 사회적 영향, 빅데이터가 전공에 미치는 영향, 빅데이터에 대한 연구(교육) 의향, 빅데이터 관련 강좌 개설계획 여부 등에 대한 자료 기반의 분석은 소속 대학 지역간(서울, 수도권, 충청권, 호남권, 영남권 등), 전공간(인문계, 사회계, 자연계, 이공계) 차이에 대한 분석 등 두 가지로 나누어 할 수 있다.
이에 본 연구는 대학 교원들의 빅데이터에 관한 인식실태를 조사하고 이를 근간으로 대학의 빅데이터 인력양성을 위한 방향을 제시하고자 한다. 이를 위해 본 연구는 대학 교원들의 빅데이터에 관한 이해도와 영향에 관한 인식 차이를 조사 분석함으로써 빅데이터에 대한 인력양성 기반 형성에 기여하고자 한다.
이에 본 연구는 대학 교원들의 빅데이터에 관한 인식실태를 조사하고 이를 근간으로 대학의 빅데이터 인력양성을 위한 방향을 제시하고자 한다. 이를 위해 본 연구는 대학 교원들의 빅데이터에 관한 이해도와 영향에 관한 인식 차이를 조사 분석함으로써 빅데이터에 대한 인력양성 기반 형성에 기여하고자 한다.
가설 설정
가설 10: 교원의 전공별로 빅데이터 관련 강좌 개설(계획)은 유의적인 차이가 있을 것이다.
가설 1: 교원의 소속대학 지역별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다.
가설 2: 교원의 전공별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다.
가설 3: 교원의 소속대학 지역별로 빅데이터의 사회적 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 4: 교원의 전공별로 빅데이터의 사회적 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 5: 교원의 소속대학 지역별로 빅데이터의 해당전공에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 6: 교원의 전공별로 빅데이터의 해당 전공에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 7: 교원의 소속대학 지역별로 빅데이터 연구(교육) 의향은 유의적인 차이가 있을 것이다.
가설 8: 교원의 전공별로 빅데이터 연구(교육) 의향은 유의적인 차이가 있을 것이다.
가설 9: 교원의 소속대학 지역별로 빅데이터 관련 강좌 개설(계획)은 유의적인 차이가 있을 것이다.
015이다. 이는 유의확률 0.05보다 작기 때문에 가설 1(교원의 소속대학 지역별로 빅데이터의 이해도는 차이가 있을 것이다)은 수락된다.
025이다. 이는 유의확률 0.05보다 작기 때문에 가설 2(교원의 전공별로 빅데이터의 이해도는 차이가 있을 것이다)는 수락된다.
530이다. 이는 유의확률 0.05보다 크기 때문에 가설 3(교원의 소속대학 지역별로 빅데이터의 사회적 영향에 대한 인식은 유의적인 차이가 있을 것이다)은 기각된다.
452이다. 이는 유의확률 0.05보다 크기 때문에 가설 4(교원의 전공별로 빅데이터의 사회적 영향에 대한 인식은 유의적인 차이가 있을 것이다)는 기각된다.
267이다. 이는 유의확률 0.05보다 크기 때문에 가설 5(교원의 소속대학 지역별로 빅데이터의 해당 전공에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다)는 기각된다.
736이다. 이는 유의확률 0.05보다 크기 때문에 가설 6(교원의 전공별로 빅데이터의 해당 전공에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다)은 기각된다.
759이다. 이는 유의확률 0.05보다 크기 때문에 가설 7(교원의 소속대학 지역별로 빅데이터 연구(강의) 의향은 유의적인 차이가 있을 것이다)은 기각된다.
제안 방법
본 연구는 가설 검정을 위해 설문조사를 실시하였으며, 응답자 표본은 편의표본추출법으로 추출하였다. 표본은 한국디지털정책학회 소속 전국 대학 교원 500명이었으며, 조사기간은 2014년 10월 22일부터 14일간이었다.
대상 데이터
표본은 한국디지털정책학회 소속 전국 대학 교원 500명이었으며, 조사기간은 2014년 10월 22일부터 14일간이었다. 자료 수집은 이메일과 전화요청을 통하여 이루어졌으며, 조사에 성실히 응답한 53명의 조사결과(유효한 조사결과)를 통계분석에 활용하였다. 응답자의 인구통계적 특성은 [Table1]과 같다.
본 연구는 가설 검정을 위해 설문조사를 실시하였으며, 응답자 표본은 편의표본추출법으로 추출하였다. 표본은 한국디지털정책학회 소속 전국 대학 교원 500명이었으며, 조사기간은 2014년 10월 22일부터 14일간이었다. 자료 수집은 이메일과 전화요청을 통하여 이루어졌으며, 조사에 성실히 응답한 53명의 조사결과(유효한 조사결과)를 통계분석에 활용하였다.
데이터처리
본 연구는 통계적 특성간 빅데이터에 대한 이해 정도, 빅데이터의 사회적 영향, 빅데이터가 전공에 미치는 영향, 빅데이터에 대한 연구(교육) 의향, 빅데이터 관련 강좌 개설 계획 여부에 대한 차이를 분석하기 위해 가설 1∼가설 10을 설정하고 이를 검정하기 위해 ANOVA 분석을 실시하였다.
성능/효과
[Table12]에서 볼 수 있듯이, 가설검정 결과를 요약하면, 가설 1(교원의 소속대학 지역별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다), 가설 2(교원의 전공별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다) 및 가설 8(교원의 전공별로 빅데이터 연구(강의) 의향은 유의적인 차이가 있을 것이다)은 수락되었지만, 나머지 가설은 모두 기각되었다.
본 연구는 대학 교원의 빅데이터에 관한 이해와 관련 영향 인식 정도를 비교 분석함으로써 부족한 빅데이터 인력의 조기 양성을 위한 방향 설정에 기여하고자 하는 연구 목적을 가지고 이루어졌다. 그러나 전체적인 조사결과 빅데이터에 관한 다소간의 이해에도 불구하고 빅데이터의 영향에 대해서는 그리 크지 않다고 인식하고 있는 것으로 조사되었고, 특히 연구 및 교육 의향도 높지 않은 것으로 분석되어 당분간 빅데이터 인력 양성이 쉽지 않은 것으로 파악되었다. 이에 본 연구는 빅데이터를 중요한 정책의 한 축으로 고려하고 있는 정부 3.
또한 자연계열과 공학계열 교원들이 인문계열과 사회계열 교원들에 비해 빅데이터에 대한 이해정도가 상대적으로 높은 것으로 분석된다. 그리고 사회계열과 공학계열 교원들이 인문계열과 자연계열의 교원들에 비해 빅데이터 연구(교육) 의향이 상대적으로 높은 것으로 조사되었지만, 전체적으로는 적극적인 의향을 갖고 있지 않은 것으로 분석되었다.
한편 조사 자료에 대한 빈도 분석 결과에 따르면, 전체적으로 대학 교원들은 빅데이터에 대해 어느 정도 이해하고는 있지만, 빅데이터의 사회적 영향이나 전공에의 영향이 크지 않을 것으로 보고 있는 것으로 파악되었다. 연구 및 교육의향도 크지 않아 몇몇 대학을 제외하고는 현재 혹은 향후에 관련 강좌를 개설할 계획이 없는 것으로 분석되었다.
후속연구
따라서 대학 교원들을 대상으로 조사된 빅데이터에 대한 이해 정도, 빅데이터의 사회적 영향, 빅데이터가 전공에 미치는 영향, 빅데이터에 대한 연구(교육) 의향, 빅데이터 관련 강좌 개설계획 여부 등에 대한 자료 기반의 분석은 소속 대학 지역간(서울, 수도권, 충청권, 호남권, 영남권 등), 전공간(인문계, 사회계, 자연계, 이공계) 차이에 대한 분석 등 두 가지로 나누어 할 수 있다. 각 대학이 속한 지역별로, 그리고 각 교원이 속한 전공별로 빅데이터에 대한 이해 및 영향 등에 차이를 보일 경우 그 차이에 따라 각기 다른 교육 방향이 제시될 수 있을 것이다.
0의 정책기조에 맞게 대학의 빅데이터 인력 양성 정책에 보다 심혈을 기울려야 할 것을 제언한다. 다만 본 연구는 대학교원에 대한 분석 요인을 탐색하는 과정상의 어려움으로 인해 설문항목 설정을 위한 이론적 근거 제시가 부족한 점, 광범위한 특성 유형으로 분석한 점, 그리고 조사대상 표본수가 적어 분석상 오류가 있을 수 있다는 점 등의 연구 한계를 가지고 있다. 이에 본 연구는 향후 교원의 특성 요인 파악의 근거 제시 및 보다 세부적인 특성 구분과 광범위한 표본 수에 기반한 미래 연구를 기대한다.
또한 각 기업은 매년 8엑사바이트의 비즈니스 데이터를 생성하고 있으며, 전 세계적으로 2013년까지 10조개 규모의 테스트 메시지가 발생되었다[2]. 데이터저장 및 처리비용의 하락, 소셜 네트워크 서비스의 확대 등으로 데이터 생성 규모는 지속적으로 확대될 것이며, 임베디드 시스템(embedded system)과 IoT(Internet of Things)의 확산으로 인해 가속화될 것이다. ‘빅데이터(Big Data)’라는 용어는 이와 같이 디지털정보량의 급증에 따른 대규모 데이터가 부각되며 등장한 것이다.
그러나 전체적인 조사결과 빅데이터에 관한 다소간의 이해에도 불구하고 빅데이터의 영향에 대해서는 그리 크지 않다고 인식하고 있는 것으로 조사되었고, 특히 연구 및 교육 의향도 높지 않은 것으로 분석되어 당분간 빅데이터 인력 양성이 쉽지 않은 것으로 파악되었다. 이에 본 연구는 빅데이터를 중요한 정책의 한 축으로 고려하고 있는 정부 3.0의 정책기조에 맞게 대학의 빅데이터 인력 양성 정책에 보다 심혈을 기울려야 할 것을 제언한다. 다만 본 연구는 대학교원에 대한 분석 요인을 탐색하는 과정상의 어려움으로 인해 설문항목 설정을 위한 이론적 근거 제시가 부족한 점, 광범위한 특성 유형으로 분석한 점, 그리고 조사대상 표본수가 적어 분석상 오류가 있을 수 있다는 점 등의 연구 한계를 가지고 있다.
다만 본 연구는 대학교원에 대한 분석 요인을 탐색하는 과정상의 어려움으로 인해 설문항목 설정을 위한 이론적 근거 제시가 부족한 점, 광범위한 특성 유형으로 분석한 점, 그리고 조사대상 표본수가 적어 분석상 오류가 있을 수 있다는 점 등의 연구 한계를 가지고 있다. 이에 본 연구는 향후 교원의 특성 요인 파악의 근거 제시 및 보다 세부적인 특성 구분과 광범위한 표본 수에 기반한 미래 연구를 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
빅데이터는 무엇인가?
원래 ‘빅데이터’란 기존의 관리 및 분석체계로는 감당할 수 없을 정도의 거대한 데이터의 집합을 지칭한다[5].사실 과거에는 빅데이터를 천문항공우주정보인간게놈정보 등 특수 분야에 한정하였으나 정보통신기술의 발달에 따라 전분야로 확산되었다.
에릭 슈미트에 의하면 2003년까지 인류가 쌓아 올린 데이터의 양은 어느정도인가?
데이터의 규모나 데이터 처리기술을 포함하고 있는 빅데이터의 개념은 사실 방대한 데이터의 생성으로부터 출발되었다 해도 과언이 아니다[1]. 에릭 슈미트(구글의 전 CEO)에 의하면, 2003년까지 인류가 쌓아 올린 데이터는 5엑사바이트 수준이다. 그런데 이제는 단 하루 만에 그 정도 분량의 데이터가 쏟아져 나오고 있다.
빅데이터에 대한 연구는 무엇이 주류를 이루고 있는가?
빅데이터가 중요한 트렌드를 형성하면서 이에 관한 다양한 연구와 분석 보고서가 출현하기 시작했다. 그런데 언급한 바와 같이, 가치, 개념 정의, 방법론과 추진전략, 사례 분석 등에 관한 연구가 주류를 이루고 있다[12,13,14]. 반면 빅데이터의 인식이나 영향 요인 등을 토대로 하는 연구나 빅데이터 인력 양성을 위한 기반 연구는 아직 미미한 상황이다.
참고문헌 (16)
Hansik Ryu, Issues and Prospect of Big data Business, Issue & Trend, 2012.
Society of Digital Policy and Management, Big data Analystics for Business, Gwangmungak, 2014.
McKinsey Global Institute, Big data: the next frontier for innovation, competition and productivity. McKinsey & Company, 2011.
Min-Jeong Song, Business Future Loadmap Made by Big data, Hansmedia, Korea, 2012.
Gartner,'Hyper Cycle for Analytic Applications', 2011.
Economist, 'The Data Deluge', 2010.
National Information Society Agency, Bigdata Curriculum Reference Model Ver 1.0, 2014.
Kyoo-Sung Noh, Activation Program of Education about 'Big Data Analytics for Business', Proceedings of the 17th International Conference of the Korea Society of Management Information Systems p. 25, 2015.
Kyoo-Sung Noh, A Study on Innovative Model for Communication System of Political Parties in Korea by using Big Data, IJACT(International Journal of Advancements Computing Technology) 5(12), 2013.
Kyoo-Sung Noh, Sanghwi Park, An Exploratory Study on Application Plan of Big Data to Manufacturing Execution System, Journal of Digital Convergence 12(1), 2014.
Kyoo-Sung Noh, A Study on Utilization Strategy of Big Data for Local Administration by Analyzing Cases, Journal of Digital Convergence 12(1), 2014.
Korea Education & Research Information Service, Big Data Trend in Smart Learning Environment, 2012.
Korea Education & Research Information Service, Use Cases of Data Mining Software in American universities, Global Trends of Smart Education No. 1, 2012.
Iljoo Na, Cheolil Lim, Youngwhan Cho, A Study on the Learning Analysis Model and Expansion Plans, Seoul Metropolitan Office of Education, 2015.
Kyoo-Sung Noh, Seong Taek Park, Kyung-Hye Park, Convergence Study on Big Data Competency Reference Model, Journal of Digital Convergence 13(3), 55-63, 2015.
Kyoo-Sung Noh, Smart Learning Strategies utilizing Convergence of e-Learning and Bigdata, Journal of Digital Convergence 13(1), 487-493, 2015.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.