조영환(서울대) / 공교육 학습데이터 생태계 구축 방안 연구 / 2024 인문사회연구소지원사업 예비 선정
연구목표:
-2025년부터 AI·디지털 교과서가 전국적으로 보급됨에 따라서 학습데이터가 폭발적으로 증가할 것으로 예상되나, 데이터를 체계적으로 수집, 저장, 관리, 분석, 활용하기 위한 방안에 대한 연구는 부족함. 본 연구는 데이터에 기반한 맞춤형 교육과 국가 정책 수립을 위해 다음과 같은 연구목표를 설정함.
-학습데이터 표준 관련 선행문헌 검토: PRISMA 문헌조사를 통해서 학습데이터 용어, 분석방법, 비식별처리, 개인정보 보호 등에 대한 내용을 정리하고 시사점을 도출함. 학습데이터 수집, 저장, 전송, 관리 등에 대한 ADL(Advanced Distributed Learning Initiative)과 1EdTech의 국제 표준을 검토함.
-공교육 학습데이터 생태계 구성 요인과 쟁점 도출: 선행연구와 AI·디지털 교과서 개발 가이드라인을 바탕으로 학습데이터 생태계 구성 요인을 도출하고 전문가 타당화를 받음. 이해관계자를 대상으로 학습데이터 흐름도, 학습데이터 표준화, 학습데이터 보안체계, 거버넌스, 법·제도 등과 관련된 요구조사를 실시하고 쟁점을 도출함.
-공교육 학습데이터 생태계 구축을 위한 방안 수립: 학습데이터 생태계 구성 요인에 대한 요구조사를 바탕으로 국가수준의 학습데이터 허브를 구축하기 위한 방안을 개발함. 구체적으로 (1) 학습데이터 흐름도 및 세부 관리 방안, (2) 학습데이터 표준 수립 및 확산 방안, (3) 학습데이터 보안체계 구축 방안, (4) 거버넌스 체제 및 운영 방안, (5) 법·제도 정비 방안을 수립함. 각 방안이 타당한지 검토하기 위해 전문가 협의회를 개최하고 수정·보완을 반복적으로 실시함.
-학습데이터 생태계 사례 분석 및 실행연구: 국내·외 학습데이터 생태계를 구축한 사례(예: 일본 GIGA 스쿨 등)를 분석하고 시사점을 도출함. 협력학교에서 실행연구를 통해 학습데이터에 대한 쟁점과 해결방안을 도출함. 본 연구에서 도출한 학습데이터 생태계 구축 방안이 타당하고 현실 적용 가능성이 높은지에 대한 실행연구를 실시함.
-다양한 분야 전문가의 참여와 폭넓은 의견 수렴: 학습데이터 생태계 구성 요인, 쟁점, 구축 방안 등에 대한 기술적, 학문적 정합성과 정책 방향을 종합적으로 고려하기 위해 전문가 자문단을 두고 주기적으로 협의회를 개최함. 다양한 이해관계자의 관점을 충실히 반영하기 위해서 포커스 그룹 면담을 실시함. 교육부, 시도교육청, 한국교육학술정보원, 에듀테크 기업, 교사, 학부모 등의 다양한 의견을 수렴하기 위해서 정책 포럼을 개최함.
-성과목표: 총 6년의 연구 기간 동안 6편의 정책보고서와 12편의 이슈페이퍼를 발간하고, 12번의 정책 포럼과 24번의 세미나를 개최함. 교육부, 연구소, 학교, 에듀테크 기업의 전문가로 구성된 자문단과 총 24회 협의회를 개최하고 실행연구 결과에 대해서 매년 1회씩 총 6회의 결과보고회를 가짐. 더불어 18편의 논문과 2편의 저서를 작성하고, 국내외 학술대회에서 18회 연구결과를 발표함으로써 연구 결과와 우수 사례의 확산에 기여함.
기대효과:
-AI·디지털 교과서 학습데이터 허브 구축: AI·디지털 교과서에서 학습데이터를 수집, 저장, 관리, 활용하는 과정에서 발생하는 문제를 사전 예방하고 효율성을 높이기 위한 가이드라인과 표준을 제공함.
-국가수준 학습분석: 전국 시도교육청의 초·중·고등학생 데이터를 수집하여 통합적으로 분석함으로써 우리나라 교육의 강점과 약점을 진단하고 지역별 교육격차의 문제를 분석함.
-증거 기반 교육정책 개선: 학습데이터에 기반하여 새로운 교육과정과 제도의 효과를 평가하고, 교육의 질 향상을 위한 과학적 정책을 수립하는 데 기여함.
-맞춤형 교육: 획일적이고 표준화된 학교 교육을 학습자의 인지적, 정의적, 사회적 역량을 고려하여 최적의 학습경험을 제공하는 맞춤형 교육을 실현하는 데 기여함.
-교육격차 해소: 학습 패턴을 분석하여 기초학력 부진의 가능성이 높은 학생을 조기에 예측하고 학습 상담과 교사 지원을 통해 교육격차를 해소하는 데 기여함.
-학습자 개인정보 보호: AI·디지털 교과서로부터 학습데이터를 수집하고 관리하는 과정에서 개인정보가 유출되지 않도록 하고 해킹으로부터 국가 클라우드 서버를 안전하게 보호하는 방안을 제공함.
-교육데이터 통합 관리: AI·디지털 교과서 학습데이터, 시도교육청 민관 플랫폼 데이터, 나이스, 에듀파인 등 교육행정 데이터를 서로 연계하여 국가 수준의 교육데이터를 통합 관리하는 방안을 수립함.
-종단 연구 기반 조성: 학년이 변하거나 다른 학교로 전학을 가더라도 학습데이터를 일관성 있게 수집함으로써 학생의 발달을 종단적으로 연구할 수 있는 기반을 마련함.
연구요약:
- 연구목적
-AI·디지털 교과서를 중심으로 민간, 시도교육청, 교육부 등 다양한 기관이 생성하는 학습데이터를 연계할 수 있도록 국가 수준의 학습데이터 표준을 수립함.
-교육과 인공지능 분야의 융합연구를 통해 공교육 학습데이터 생태계를 설계하고 구성 요인을 체계적으로 도출함.
-현장 중심의 연구를 통해 학습데이터를 둘러싼 쟁점을 도출하고 국가 수준의 학습데이터 분석과 활용 목적을 달성하기 위해 구체적인 실천 방안을 수립함.
-정책 포럼을 통해 다양한 이해관계자의 의견을 수렴하고 지속가능한 학습데이터 생태계 구축을 위한 교육·기술·제도적 기반을 조성함. - 연구내용
-초·중·고등학교에서 수집하는 학습데이터에 대한 표준을 만들기 위해 선행연구를 조사하고 시사점을 도출함.
-공교육의 특성과 학습데이터 생애주기를 고려하여 학습데이터 생태계를 구성하는 요인을 도출함.
-학습데이터 흐름도, 학습데이터 표준화, 학습데이터 보안체계, 거버넌스, 법·제도 등에 대한 쟁점을 도출함.
-공교육 분야 학습데이터의 개념과 범위를 정의하고 학습데이터의 생애주기에 따른 데이터 흐름도 및 세부 관리 방안을 연구함.
-학습데이터의 활용·연계·공유를 지원하는 표준과 지침을 개발하고 확산 방안을 연구함.
-학습데이터를 안전하게 관리하고 개인정보를 보호하는 보안 체계 구축 방안을 연구함.
-학습데이터 생태계 구축과 운영을 위한 거버넌스를 연구함.
-학습데이터 생태계에 필요한 법·제도 개선 방안을 연구함.
-공교육 학습데이터 생태계 관련 국내외 사례를 분석하고 시사점을 도출함.
-협력학교와의 실행연구를 통해 학습데이터 생태계 구축에 필요한 실천적 지식을 생성함.
-다양한 분야의 전문가와 협의회를 개최하고 민관이 참여하는 정책 포럼을 통해 학습데이터 생태계에 대한 의견을 수렴함. - 연구방법
-교육, 인공지능, 데이터과학 분야의 우수 교수진으로 추진 체계를 구축함.
-교육부 및 한국교육학술정보원과 긴밀히 협력하여 국가 차원의 학습데이터 표준을 개발하고 학습데이터 생태계 구축 방안을 수립함.
-PRISMA 문헌조사 기법을 사용하여 체계적으로 선행문헌을 분석함.
-일본, 미국 등 해외 학자를 초청하여 세미나를 개최하고 해외 사례로부터 시사점을 도출함.
-학습데이터 생태계 구성 요인의 쟁점과 실천방안을 도출하기 위해 서울대 부설학교 등의 협력학교와 실행연구를 지속적으로 실시함.
-대학, 연구소, 학교, 에듀테크 기업의 전문가 약 30명을 자문단으로 구성하고, 연구 내용에 따라 최적의 전문가 집단을 선정하여 협의회를 수시로 개최함.
-서울대 학습과학연구소는 미래교육센터 지원 사업, AIEDAP 사업, 학습과학 세미나 등을 통해 전국의 교사 및 연구자들과 폭넓은 네트워크를 구축하고 있으므로 매 학기 정책 포럼을 개최하여 다양한 의견을 효과적으로 수렴할 수 있음.
키워드:
학습데이터, 생태계, AI·디지털 교과서, 학습분석, 인공지능, 데이터과학, 표준, 거버넌스, 개인정보, 맞춤형 교육
learning data, ecosystem, AI digital textbook, learning analytics, artificial intelligence, data science, standard, governance, personal information, personalized education