교육학 연구방법으로서 머신러닝 기법 적용에 대한 고찰

• 영문명: Datafication of Education and Machine Learning Techniques in Education Research: A Critical Review
• 발행기관: 전남대학교 교육문제연구소
• 저자명: 신수영
• 간행물 정보: 『교육연구』제46권 제1호, 215~240쪽, 전체 26쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2024.02.28

국문 초록

이 연구는 교육학 등 인문사회과학에서 최신 연구방법으로 확산되고 있는 머신러닝 기법에 대해 주목하여, 연구방법으로서 데이터 과학 기법의 적용에 대한 기술적(technical), 연구윤리적 고려사항을 고찰하는 것을 목적으로 한다. 구체적으로 교육의 데이터화(datafication) 개념(Cukier & Mayer-Schonberger, 2013)을 바탕으로 COVID-19를 거치며 급격하게 진행된 교육의 디지털 전환에 따른 교육생태계 변화와 데이터화가 연구방법의 전환으로 이어져 온 일련의 변화에 대해 비판적 논의를제기하였다. 이를 위해 머신러닝에 관한 문헌 고찰과 기존 연구사례들을 바탕으로 머신러닝 알고리즘을 적용한 교육학 연구에서 간과되어 온 컴퓨터 연산기법의 작동 조건들과 인과적 추론의 논리적 오류 등 5가지의 주요 문제점을 도출하였다. 구체적으로 신뢰할 수 있고 의미 있는 지식을 도출하기 위해 요구되는 데이터 분석 절차와 검증 내용을 제시하였으며, 머신러닝의 활용과 해석에서 연구자의학문영역에 대한 지식(subjective knowledge)과 데이터 준비과정(data preprocessing)의 중요성에 관하여 상술하였다. 본 연구결과를 바탕으로 전통적 통계모형과의 상보(相補)로써 교육 데이터 과학(educational data science)의 잠재력에 대해 제언하였다.

영문 초록

The aim of the study is to discuss the technical and ethical considerations regarding the current applications of the emerging data science techniques in the field of education. Based on the literature review, this study provides an overview of machine learning approaches that have been used to answer to educational research agenda in South Korea. By comparing the logical features of these computational techniques to the conventional statistical methodologies, the authors highlight the unique challenges and opportunities associated with educational data science and discuss what that means to developing scientific knowledge in the field of education research. The authors argue the importance of the awareness of the differences in data conditions and causal inferences between computational approaches and conventional statistical modelings. Computational techniques using big data are not a magical tool to discover knowledge. This study explains why researchers’ domain knowledge and rigorous data preparation have bigger impacts on drawing reliable and meaningful information for educational intervention. This study encourages critical inquiry into the implications of data science for education. By revisiting the goals of public education, the authors call for the future research to host open discussion of the potential of educational data sciences.

목차

Ⅰ. 서론

Ⅱ. 교육의 데이터화와 연구방법의 전환

Ⅲ. 머신러닝 알고리즘의 이해

Ⅳ. 연구방법으로서 머신러닝 기법 적용의 주요 오류

Ⅴ. 결론 및 제언

참고문헌

키워드

머신러닝 연구설계 빅데이터 인과효과 Machine Learning Research Design Big Data Causal Inference