보편적 빅데이터와 빅데이터 교육의 방향성 연구 - 빅데이터 전문가의 인식 조사를 기반으로 Study on the Direction of Universal Big Data and Big Data Education-Based on the Survey of Big Data Experts원문보기
최근 데이터 관련 법안이 개정되면서 빅데이터의 활용 분야는 점차 확장되고 있으며, 빅데이터 교육에 대한 관심이 증가하고 있다. 그러나 빅데이터를 활용하기 위해서는 높은 수준의 지식과 스킬이 필요하고, 이를 모두 교육하기에는 오랜 시간과 많은 비용이 소요된다. 이에 본 연구를 통해 산업 현장에서 사용되는 광범위한 영역의 빅데이터를 보편적 빅데이터(Universal Big Data)로 정의하고, 대학교 수준에서 보편적 빅데이터를 교육하기 위해서 중점적으로 교육해야 할 지식 영역을 산출하고자 한다. 이를 위해 빅데이터 관련 산업에 종사하는 전문인력을 구분하기 위한 기준을 마련하고, 설문 조사를 통해 빅데이터에 대한 인식을 조사했다. 조사 결과에 의하면 전문가들은 컴퓨터과학에서 의미하는 빅데이터보다 광범위한 범위의 데이터를 빅데이터로 인식하고 있었으며, 빅데이터의 가공 과정에 반드시 빅데이터 처리프레임워크 또는 고성능 컴퓨터가 필요한 것은 아니라고 인식하고 있었다. 이는 빅데이터를 교육하기 위해서는 컴퓨터과학(공학)적 지식과 스킬보다는 빅데이터의 분석 방법과 응용 방법을 중심으로 교육해야 한다는 것을 의미한다. 분석 결과를 바탕으로 본 논문에서는 보편적 빅데이터 교육을 위한 새로운 패러다임을 제안하고자 한다.
최근 데이터 관련 법안이 개정되면서 빅데이터의 활용 분야는 점차 확장되고 있으며, 빅데이터 교육에 대한 관심이 증가하고 있다. 그러나 빅데이터를 활용하기 위해서는 높은 수준의 지식과 스킬이 필요하고, 이를 모두 교육하기에는 오랜 시간과 많은 비용이 소요된다. 이에 본 연구를 통해 산업 현장에서 사용되는 광범위한 영역의 빅데이터를 보편적 빅데이터(Universal Big Data)로 정의하고, 대학교 수준에서 보편적 빅데이터를 교육하기 위해서 중점적으로 교육해야 할 지식 영역을 산출하고자 한다. 이를 위해 빅데이터 관련 산업에 종사하는 전문인력을 구분하기 위한 기준을 마련하고, 설문 조사를 통해 빅데이터에 대한 인식을 조사했다. 조사 결과에 의하면 전문가들은 컴퓨터과학에서 의미하는 빅데이터보다 광범위한 범위의 데이터를 빅데이터로 인식하고 있었으며, 빅데이터의 가공 과정에 반드시 빅데이터 처리 프레임워크 또는 고성능 컴퓨터가 필요한 것은 아니라고 인식하고 있었다. 이는 빅데이터를 교육하기 위해서는 컴퓨터과학(공학)적 지식과 스킬보다는 빅데이터의 분석 방법과 응용 방법을 중심으로 교육해야 한다는 것을 의미한다. 분석 결과를 바탕으로 본 논문에서는 보편적 빅데이터 교육을 위한 새로운 패러다임을 제안하고자 한다.
Big data is gradually expanding in diverse fields, with changing the data-related legislation. Moreover it would be interest in big data education. However, it requires a high level of knowledge and skills in order to utilize Big Data and it takes a long time for education spends a lot of money for ...
Big data is gradually expanding in diverse fields, with changing the data-related legislation. Moreover it would be interest in big data education. However, it requires a high level of knowledge and skills in order to utilize Big Data and it takes a long time for education spends a lot of money for training. We study that in order to define Universal Big Data used to the industrial field in a wide range. As a result, we make the paradigm for Big Data education for college students. We survey to the professional the Big Data definition and the Big Data perception. According to the survey, the Big Data related-professional recognize that is a wider definition than Computer Science Big Data is. Also they recognize that the Big Data Processing dose not be required Big Data Processing Frameworks or High Performance Computers. This means that in order to educate Big Data, it is necessary to focus on the analysis methods and application methods of Universal Big Data rather than computer science (Engineering) knowledge and skills. Based on the our research, we propose the Universal Big Data education on the new paradigm.
Big data is gradually expanding in diverse fields, with changing the data-related legislation. Moreover it would be interest in big data education. However, it requires a high level of knowledge and skills in order to utilize Big Data and it takes a long time for education spends a lot of money for training. We study that in order to define Universal Big Data used to the industrial field in a wide range. As a result, we make the paradigm for Big Data education for college students. We survey to the professional the Big Data definition and the Big Data perception. According to the survey, the Big Data related-professional recognize that is a wider definition than Computer Science Big Data is. Also they recognize that the Big Data Processing dose not be required Big Data Processing Frameworks or High Performance Computers. This means that in order to educate Big Data, it is necessary to focus on the analysis methods and application methods of Universal Big Data rather than computer science (Engineering) knowledge and skills. Based on the our research, we propose the Universal Big Data education on the new paradigm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 빅데이터 관련 산업 종사자를 대상으로 빅데이터에 대한 인식을 조사하고, 이를 바탕으로 보편적 빅데이터의 개념을 정의하고자 한다. 나아가 보편적 빅데이터를 교육하기 위해 어떤 영역의 지식을 교육해야 하는지 그 방향성을 제시함으로써 빅데이터 교육의 확산에 기여하는 것을 목표로 한다. 이를 위해 다음과 같이 세 가지 가설을 세웠다.
문항 Q4는 현재 소속된 기업 또는 교육기관에서 응답자가 담당하는 업무가 빅데이터 또는 인공지능과 관련 있는지를 파악하기 위한 문항이고, 문항 Q5는 응답자가 담당한 직무가 빅데이터 비즈니스 또는 빅데이터 개발 영역인지를 파악하기 위한 문항이며, 문항 Q6는 응답자의 경력을 파악하기 위한 문항이다. 문항 Q4에서부터 문항 Q6까지는 비즈니스와 개발의 두 축을 중심으로 관련성을 파악하는 것에 목적을 둔다. 문항 Q7에서부터 문항 Q9까지는 전문가의 입장에서 빅데이터에 대한 인식을 파악하기 위한 문항으로 가설 1과 가설2를 검증하기 위해 선정했다.
본 논문에서는 빅데이터 활용에 대한 전문가의 인식을 바탕으로 보편적 빅데이터 활용의 개념을 도출하기 위해 빅데이터 인식에 대한 세 가지 가설을 세웠다. 이를 위해 빅데이터 관련 산업 종사자를 분류하는 기준을 마련하고, 전문가 33인을 대상으로 설문 조사를 실시했다.
4장에서는 조사 결과를 분석하고 5장에서는 분석한 결과를 바탕으로 빅데이터 교육의 방향을 제시한다. 본 연구는 전문가 집단을 대상으로 빅데이터 정의와 교육의 주안점 그리고 교육 영역을 조사하고 이를 기반으로 빅데이터 교육 방향성을 제시하는 틀을 마련하는 것에 목적을 둔다.
2장에서 기술한 것과 같이 컴퓨터과학에서 정의하는 빅데이터는 산업 현장에서 의미하는 빅데이터와 의미가 다르다. 본 연구에서는 빅데이터 관련 산업 종사자를 대상으로 빅데이터에 대한 인식을 조사하고, 이를 바탕으로 보편적 빅데이터의 개념을 정의하고자 한다. 나아가 보편적 빅데이터를 교육하기 위해 어떤 영역의 지식을 교육해야 하는지 그 방향성을 제시함으로써 빅데이터 교육의 확산에 기여하는 것을 목표로 한다.
산업 현장에서 사용되는 빅데이터를 명확하게 정의하기 어렵고, 빅데이터를 전문적으로 교육한다 하더라도 산업 현장에서 요구하는 모든 지식(Knowledge)과 스킬(Skills)을 반영해서 교육하기 위한 지침서가 없으며, 전문적인 시설과 환경을 갖추기 어렵기 때문이다. 이에 본 논문에서는 산업현장에서 사용되는 광범위한 영역의 빅데이터를 정의하고, 빅데이터 확산을 위한 교육의 방향성을 제시하고자 한다. 이를 위해 ‘SW 기술자 등급’을 참고하여 빅데이터 전문가를 분류하기 위한 기준을 마련했다.
제안 방법
정화민[14]은 K 교육 기관의 빅데이터 분석과정에 참여한 192명의 중소기업 재직자를 대상으로 교육하고 학습 운영에 대한 설문조사를 실시했다. 교육 기간은 하루 8시간씩 4일 동안이며, 재직자를 대상으로 교육했기 때문에 실무 위주의 교육 내용으로 구성했다. 정화민[14]의 연구 결과에 따르면, 직무수행에 도움 되는 정도 및 재참여 의도에 영향을 주는 요인은 직무 연관성, 교재 만족, 교육 내용의 적절성인 것으로 나타났다.
빅데이터 관련 기술이 미래 산업에서 가치를 가지는지 여부를 파악하기 위해 문항 Q10을 선정했다. 마지막으로 다양한 영역에서 인공지능과 빅데이터 관련 직무를 맡고 있는 응답자들에게 빅데이터를 SW 비전공자에게 교육하기 위해서 어떤 영역의 교육이 필요할 것인지 파악하기 위해 문항 Q11을 선정했다. 인공지능과 빅데이터 직무는 어느 한 분야로 고립되지 않고 연관성이 있는 만큼 선택지의 중복을 허용했다.
문항 Q4에서부터 문항 Q6까지는 비즈니스와 개발의 두 축을 중심으로 관련성을 파악하는 것에 목적을 둔다. 문항 Q7에서부터 문항 Q9까지는 전문가의 입장에서 빅데이터에 대한 인식을 파악하기 위한 문항으로 가설 1과 가설2를 검증하기 위해 선정했다. 문항 Q7과 문항 Q8을 통해 산업 또는 교육에서 의미하는 빅데이터가 반드시 3Vs를 만족하는 데이터만을 의미하는 것은 아니라는 가설 1을 검증할 수 있다.
보다 세분화된 분석을 위해 응답자들의 직무 영역(Q5)을 비즈니스 (Big Data Business) 영역의 그룹과 개발(Big Data Development) 영역의 그룹으로 분류하고, 빅데이터에 대한 인식(Q8), 빅데이터 처리에 대한 인식(Q9), 그리고 미래 산업에서 빅데이터 관련 기술의 가치에 대한 인식(Q10)을 조사한 결과를 [Tabel 5]에 정리했다. 빅데이터에 대한 인식을 파악하기 위한 문항(Q8)에서는 비즈니스 그룹과 개발 그룹 모두에서 긍정과 부정 의견이 비슷한 수준으로 나타났다.
설문 내용은 [Tabel 2]와 같이 4개의 소분류와 11개 문항으로 구성했다. 문항 Q1에서부터 문항 Q3까지는 이름, 소속, 전공 등 응답자의 전문성을 파악하기 위한 문항으로 구성했다.
직무 영역을 개발에 한정하지 않기 위해 비즈니스 계열도 포함하였으며, 그림 2(b)와 같이 빅데이터 비즈니스 영역 전문가 8명, 빅데이터 개발 영역 전문가 23명으로 분류했다. 설문조사에 참여한 모든 전문가에게 본 설문이 연구에 활용된다는 사실을 안내하고 설문을 진행했다.
분석 기술(Analysis) 영역은 데이터를 분석하기 위한 통계 분석 기술, 데이터 마이닝 기술, 인공지능 기술, 데이터 시각화 기술, 데이터 모델링 기술 등 데이터를 분석하기 위한 교육 영역을 의미한다. 응용 영역(Applications)은 SNS 분석, 로그 데이터 분석 등 텍스트 마이닝 기술과 다양한 응용 사례 교육(Case Study), 마지막으로 빅데이터를 서비스하기 위한 클라우드 컴퓨팅 기술을 포함하는 교육 영역으로 분류했다.
다음으로 빅데이터 관련 산업에 종사하고 있는 전문가 33명을 대상으로 빅데이터와 빅데이터 처리에 대한 인식을 조사했다. 조사 결과를 바탕으로 산업 현장에서 사용되고 있는 빅데이터를 보편적 빅데이터(Universal Big Data)로 정의하고, 대학교 수준에서 빅데이터를 교육하기 위한 방향성을 제시했다. 본 연구의 특징과 독창성에 대해서 정리한다면 다음과 같다.
대상 데이터
가설1은 빅데이터 관련 산업 종사자를 대상으로 보편적 빅데이터에 대한 인식을 조사하기 위해서 선정했다. 기존에는 시도하지 않았던 새로운 분석 방법으로 데이터로부터 새로운 결과물을 산출해낼 수 있다면 이를 빅데이터의 활용으로 인식할 수 있다[21].
이를 위해 ‘SW 기술자 등급’을 참고하여 빅데이터 전문가를 분류하기 위한 기준을 마련했다. 다음으로 빅데이터 관련 산업에 종사하고 있는 전문가 33명을 대상으로 빅데이터와 빅데이터 처리에 대한 인식을 조사했다. 조사 결과를 바탕으로 산업 현장에서 사용되고 있는 빅데이터를 보편적 빅데이터(Universal Big Data)로 정의하고, 대학교 수준에서 빅데이터를 교육하기 위한 방향성을 제시했다.
본 논문에서는 빅데이터 활용에 대한 전문가의 인식을 바탕으로 보편적 빅데이터 활용의 개념을 도출하기 위해 빅데이터 인식에 대한 세 가지 가설을 세웠다. 이를 위해 빅데이터 관련 산업 종사자를 분류하는 기준을 마련하고, 전문가 33인을 대상으로 설문 조사를 실시했다. 설문 조사 결과는 다음과 같이 네 가지로 요약할 수 있다.
조사 대상의 학력 분포는 학사 6명, 석사 15명, 박사 12명이며, 경력 분포는 1년 이하 0명, 1년 이상 ∼ 3년 이하 8명, 3년 이상 ∼ 5년 이하 3명, 5년 이상 22명이다.
그러나 현행 NCS를 기반으로 자격을 구성하여 검정할 경우 6수준(석사 이상) 이상의 지식과 스킬이 요구되기 때문에 매우 어려운 수준의 자격이 개발될 수 있으며, NCS의 포괄범위 재조정과 능력단위 수준의 재조정이 필요하다고 기술하고 있다. 한국데이터산업진흥원은 데이터 전문인력 양성 방안 연구 보고서[22]에서 국내와 해외의 빅데이터 교육 모델과 사례를 분석했다. 한국데이터산업진흥원의 보고서[22]에서는 여러 교육 모델과 사례를 분석한 결과를 바탕으로 빅데이터 인력 양성을 위한 법적 근거 마련, 교육정책과 빅데이터 정책의 연계 강화 등 단기 과제와 다양한 주체에 의한 교육 확대, 빅데이터 R&D와 인력양성 융합 등 장기 과제를 시행해야 한다고 기술하고 있다.
데이터처리
마지막으로 직무(Q4)와 직무 영역(Q5)에 따른 빅데이터 교육에 대한 인식(Q11)에 차이가 존재하는지 확인해보기 위해 Q4-Q11, Q5-Q11 간 연관 분석을 수행한 결과를 [Tabel 8]에 정리했다. 연관 분석 도구는 WEKA 3.0과 EXCEL을 이용했으며, 신뢰도 0.7 이상, 향상도 1.1 이상인 결과만 나열했다.
성능/효과
(a)에서 빅데이터와 직․간접적으로 관련된 직무(Job1)를 담당하는 전문가는 11명, 인공지능과 직·간접적으로 관련된 직무(Job2)를 담당하고 있는 전문가는 24명, 빅데이터 또는 인공지능 교육 및 연구(Job3)를 담당하고 있는 전문가는 18명으로 나타났다.
3. 빅데이터 교육을 위한 인력 양성의 법적 근거를 마련하고 중․장기 과제를 통해 빅데이터 인력을 양성해야 한다.
결과적으로 [Tabel 6∼8]의 결과는 응답자의 직무(Q4)와 직무 영역(Q5)에 따라서 빅데이터 교육에 필요하다고 생각하는 지식 영역이 다소 차이가 있지만, 전체적인 경향은 빅데이터 환경을 구성하기 위한 시스템 위주의 교육보다는 빅데이터를 활용하거나 분석하기 위한 응용사례 위주의 교육과 데이터 분석 교육이 우선시 돼야한다는 것을 의미한다.
이는 가설2를 뒷받침하는 근거라 할 수 있다. 결과적으로 문항 Q7에서부터 문항 Q9까지의 결과는 3Vs를 모두 만족하지 않는 데이터로부터 새로운 분석 방법을 바탕으로 유의미한 결과물을 산출할 수 있다면, 반드시 분산 처리 시스템이나 고성능 컴퓨터를 이용하지 않더라도 빅데이터의 활용으로 인식할 수 있다는 사실을 뒷받침한다. 문항 Q7에서부터 문항 Q8까지의 결과를 바탕으로 보편적 빅데이터를 정의한다면 다음과 같다.
미래 산업에서 빅데이터 기술의 가치를 파악하기 위한 문항(Q10)에서 비즈니스 그룹 전원은 빅데이터 기술이 가치가 있으며, 미래 산업으로 볼 수 있다고 응답한 반면, 개발 그룹은 가치가 있으나 미래 산업으로 볼 수 없다는 부정적 의견이 24%로 나타났다. 결과적으로 빅데이터 비즈니스 영역 그룹과 개발 영역 그룹의 빅데이터 처리와 빅데이터 기술의 미래 가치에 대한 인식은 일부 차이가 있지만, 전반적인 응답의 경향은 비슷한 것으로 나타났다.
셋째, 빅데이터의 활용이 반드시 높은 수준의 지식과 스킬을 요구하는 분산 처리 시스템 또는 고성능 컴퓨터를 이용해야만 하는 것은 아니다. 넷째, 빅데이터 처리 시스템에 대한 교육보다는 빅데이터의 응용 사례 교육과 분석 방법 위주의 교육이 이루어져야 한다.
첫째, 산업 현장에서 인식되고 있는 빅데이터는 컴퓨터과학에서 정의되는 빅데이터의 개념보다 광범위한 범위의 데이터를 의미한다. 둘째, 예전에는 사용하기 어려웠던 데이터로부터 새로운 분석 기법 또는 새로운 정보 가공 시스템을 이용해서 가치를 창출해낼 수 있다면 빅데이터를 활용한다고 인식할 수 있다. 셋째, 빅데이터의 활용이 반드시 높은 수준의 지식과 스킬을 요구하는 분산 처리 시스템 또는 고성능 컴퓨터를 이용해야만 하는 것은 아니다.
미래 산업에서 빅데이터 기술의 가치를 파악하기 위한 문항(Q10)에서 비즈니스 그룹 전원은 빅데이터 기술이 가치가 있으며, 미래 산업으로 볼 수 있다고 응답한 반면, 개발 그룹은 가치가 있으나 미래 산업으로 볼 수 없다는 부정적 의견이 24%로 나타났다. 결과적으로 빅데이터 비즈니스 영역 그룹과 개발 영역 그룹의 빅데이터 처리와 빅데이터 기술의 미래 가치에 대한 인식은 일부 차이가 있지만, 전반적인 응답의 경향은 비슷한 것으로 나타났다.
비즈니스 영역의 그룹은 전원이 응용 사례 위주의 교육이 필요하다고 응답했으며, 시스템 구축을 위한 지식과 스킬 교육이 필요하다는 응답은 25%로 나타났으며, 데이터 분석 교육은 긍정과 부정이 비슷한 수준으로 나타났다. 반면, 빅데이터 개발 영역의 그룹은 응용 사례 위주의 교육보다는 데이터 분석 교육이 필요하다는 응답이 더 많았으며, 시스템 구축을 위한 지식과 스킬 교육이 필요하다는 응답은 전체의 44%로, 비즈니스 영역의 그룹보다 높게 나타났다. 이는 비즈니스 영역의 그룹과 개발 영역의 그룹이 빅데이터 교육에서 중요하다고 생각하는 지식 영역이 다르게 나타난다는 것을 의미한다.
[Tabel 6]은 SW 비전공자에게 어떤 지식 영역을 교육해야 하는지를 파악하기 위한 문항(Q11)의 조사 결과를 응답자들의 직무 영역(Q5)에 따라서 정리한 것이다. 비즈니스 영역의 그룹은 전원이 응용 사례 위주의 교육이 필요하다고 응답했으며, 시스템 구축을 위한 지식과 스킬 교육이 필요하다는 응답은 25%로 나타났으며, 데이터 분석 교육은 긍정과 부정이 비슷한 수준으로 나타났다. 반면, 빅데이터 개발 영역의 그룹은 응용 사례 위주의 교육보다는 데이터 분석 교육이 필요하다는 응답이 더 많았으며, 시스템 구축을 위한 지식과 스킬 교육이 필요하다는 응답은 전체의 44%로, 비즈니스 영역의 그룹보다 높게 나타났다.
둘째, 예전에는 사용하기 어려웠던 데이터로부터 새로운 분석 기법 또는 새로운 정보 가공 시스템을 이용해서 가치를 창출해낼 수 있다면 빅데이터를 활용한다고 인식할 수 있다. 셋째, 빅데이터의 활용이 반드시 높은 수준의 지식과 스킬을 요구하는 분산 처리 시스템 또는 고성능 컴퓨터를 이용해야만 하는 것은 아니다. 넷째, 빅데이터 처리 시스템에 대한 교육보다는 빅데이터의 응용 사례 교육과 분석 방법 위주의 교육이 이루어져야 한다.
후속연구
2. NCS 국가직무능력표준에 수준을 맞추기보다는 학습자와 산업계의 수요에 부합하는 보편적인 빅데이터 교육 모델을 개발할 필요가 있다.
또한, 빅데이터 처리를 반드시 분산 처리 시스템이나 고성능 컴퓨터를 이용해야 하는 것이 아니라면 빅데이터 교육이 요구하는 지식과 스킬의 기준이 완화될 수 있다. 결과적으로 빅데이터 역량의 필요성이 증가하고, 빅데이터 교육이 요구하는 지식과 스킬 기준이 완화된다면 SW 비전공자에게도 빅데이터 역량을 교육하기 위한 모델 개발이 가능하다.
나아가 본 연구에서 도출된 보편적 빅데이터의 개념을 바탕으로 SW 비전공자에게는 구체적으로 어떤 교육이 필요할 것인지에 대한 보다 자세한 연구가 필요하다.
부족한 인력 수요를 충족시키기 위해서는 보편적 교육을 통해 빅데이터 교육에 대한 관심을 높이고, 보편적 빅데이터 역량을 갖춘 보다 많은 인력을 양성해야 한다. 둘째, SW 전공자와 비전공자를 구분하지 않고 보편적으로 빅데이터를 교육할 수 있는 표준화된 교육 모델이 필요하다.
본 연구를 수행하기 위해 조사 대상을 빅데이터 또는 인공지능 기술 산업 종사자 또는 연구 및 교육 종사자로 제한했다. 조사 대상의 학력 분포는 학사 6명, 석사 15명, 박사 12명이며, 경력 분포는 1년 이하 0명, 1년 이상 ∼ 3년 이하 8명, 3년 이상 ∼ 5년 이하 3명, 5년 이상 22명이다.
참고문헌 (30)
Forbes(2019). The 7 Biggest Technology Trends That Will Transform Telecoms In 2020. Retrieved from https://www.forbes.com/
Forbes(2020). Why 2020 Will Be The Year Enterprise Applications Go Cloud Native. Retrieved from https://www.forbes.com/
Gartner(2020). Gartner Top 10 Strategic Technology Trends for 2020. Retrieved from https://www.gartner.com/
Pena-Lopez, Ismael(2017). OECD digital economy outlook 2017.
Schwab, Klaus(2017). The fourth industrial revolution. Currency.
Chulho Jang, & Minseop Kim(2019). A Study on the Contribution of Data Industry to the Korean Economy: An Input-Output Analysis, Journal of Economics Studies, 37(4), 1-22.
Rajaraman, Anand, & Jeffrey David Ullman(2011). Mining of massive datasets. Cambridge University Press.
Joon-Soo Kim(2018). Big Data Monthly, National Information Society Agency, 42, 2018.
Kyoo-Sung Noh, Seong Taek Park, & Kyung-Hye Park(2015). Convergence Study on Big Data Competency Reference Model, Journal of Digital Convergence, 13(3), 55-64.
Hyun Min Song(2015). A Study of Development for job Competency in the bigdata using DACUM method, Korea University master's thesis.
Korea Data Agency(2018). 2018 Data Industry Survey, Korea Data Agency.
Do-Sik Choi(2017). Problems of Big Data Analysis Education and Their Solutions, Journal of the Korea Convergence Society, 8(12), 265-274.
SeungHwa Jung, & Jaewoo Do(2019). Case Study on Operation of Big Data Educational Program, Journal of Education & Culture (JOEC), 25(5), 621-640.
Hwa-Min Jeong, & Youngsook Song(2019). A Study on Factors Affecting the Effectiveness of Big Data Training - Based on Perception of Participants in Consortium for HRD Ability Magnified Program -, The Journal of Learner-Centered Curriculum and Instruction (JLCCI), 18(4), 29-45.
Eun-Han Jeong, & Kyng-Ihl Kim(2018). A Study on Improvement of Accounting Curriculum in Big Data Age, Journal of Convergence for Information Technology (JCIT), 8(5), 142-152.
Hunkoog Jho(2017). The changes of higher education and the tasks of general education according to the fourth industrial revolution, Korean Journal of General Education, 11(2), 52-89.
Gandomi Amir, & Murtaza Haider(2015). Beyond the hype: Big data concepts, methods, and analytics, International journal of information management, 35(2), 137-144.
Apache Hadoop. Retrieved from https://hadoop.apache.org/
Traffic information of Seoul. Retrieved from http://news.seoul.go.kr/
Jong Soo Park, & Keumsook Lee(2015). Time-distance accessibility computation of Seoul bus system based on the T-card transaction big databases, Journal of the Economic Geographical Society of Korea, 18(4), 539-555.
Hee Jeoung Moon(2019). A Study on Visualizing Method and Expression for Big Data, Smart Media Journal, 8(1), 59-66.
Soo-Hyung Park(2016). Report on research results to develop data experts (Kdata 16-013), Korea Data Agency.
Ji Hei Kang(2016). Study on the current status of Data Science curriculum in Library and Information Science and its direction, Journal of Korean Library and Information Science Society 47(3), 343-363.
Wooje Cho(2018). Creating Value for Education through Big Data Analysis Education Programs, The Korean Journal of Bigdata 3(2), 123-130.
Youn-Soo Park, & Minjeong Lee(2020). A Study on Improving Computational Thinking Education of University by Reflecting Learner's Perception and Instructor's Opinion, Korean Journal of General Education, 14(1), 167-191.
Ji-Wun Jung(2018). Research and development of national technical qualification items for big data analysis articles, Human Resources Development Service of Korea.
Korea Policy Briefing. Retrieved from http://www.korea.kr/
Armbrust Michael, Fox Armando, Katz Randy, & Konwinski Andy(2010). A view of cloud computing, Communications of the ACM, 53(4), 50-58.
Botta Alessio, Donato Walterde, Persico Valerio, & Pescape Antonio(2016). Integration of cloud computing and internet of things: a survey, Future generation computer systems, 56, 684-700.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.