대학 환경 변화에 따른 ‘데이터’ 중요성 부각…학사정책 변화 등 대응책도 급부상
[한국대학신문 황정일 기자] 학령인구 감소 등 위기를 겪고 있는 대학가. 이를 해결하기 위해 대학들은 수요자 중심의 학사구조 개편을 단행하는 추세다. 수요자 중심의 학사구조 개편은 학생 역량을 강화하고 개별화된 교육을 제공하는 방식으로 구현되고 있다.
교내 학생 데이터를 중심으로 인사이트를 도출하고 학생마다 개별화된 맞춤형 교육을 제공함으로써 교육 수요자인 학생을 만족시키고 충원율을 유지할 수 있기 때문이다. 또한 이런 수요자 중심으로의 변화는 더 이상 경쟁 학습이 아닌 학생 개개인의 역량과 성취를 중요시하는 교육의 본질에 집중할 수 있다는 데 의의가 있다.
대학가 뿐 아니라 교육부도 변화하고 있다. 교육부의 인공지능 시대 교육정책과 방향은 ‘인간’에 집중하고, ‘시대’에 부합하며, ‘기술’과 결합하는 교육을 추구한다. 특히 AI·빅데이터·블록체인 등 D.N.A 산업(Data·Network·AI)에 정부는 20조 원 이상의 투자 진행을 정책화하면서 대학 역시 디지털 트랜스포메이션(DX) 시대를 함께 맞이하고 있다.
이와 같은 인공지능 시대를 겨냥한 대학교육정책 패러다임의 변화에 따라 최근 각 대학 사이에서도 AI가 더 이상 두려워할 분야가 아닌 교육하고 개발하는 분야라는 인식의 전환이 일어나고 있다. 그렇다면 대학에선 ‘시대’에 부합하며 ‘기술’과 결합하는 교육을 추구하는 과정에서 ‘인간’에 집중하는 방향을 어떻게 추구할 수 있을까?
인간-컴퓨터 상호작용(HCI: Human Computer Interaction) 전문가로서 알고리즘랩스의 산학협력 및 자문교수로 활동하고 있는 김주호 KAIST 전산학부 교수는 “인간과 AI 사이의 상호작용을 연구하면서, 대학환경에 인공지능을 활용할 수 있는 다양한 방향을 제시할 수 있다”고 말한다.
- 주어진 대학환경에서 인공지능을 활용할 수 있는 방향은 어떤 것들이 있나?
“대학환경에서는 주 이해당사자인 학생과 교수·교직원이 수강·등록·전공선택·자퇴·취업 등 다양한 활동을 통해 상호작용을 하고 있다. 이 과정에서 발생하는 대규모의 데이터를 활용해 인공지능 기술을 적용함으로써 대학에서는 △데이터에 기반을 둔 의사결정을 하고 △학생들에게 맞춤형 교육경험을 제공할 수 있다. 예를 들어 학생의 취업률이나 중도이탈을 예측한다거나, 이전 수강 데이터를 활용해 교과목이나 전공, 진로의 방향을 추천하는 기술이 가능하다.”
- 대학환경에 인공지능 도입 시 대학에서 기술을 잘 활용하기 위해 중요한 것은?
“위와 같은 과정에서 데이터나 인공지능 기술 이상으로 사람이 인공지능 기술과 어떻게 상호작용을 하는지가 중요하다. 예를 들어 인공지능 결과에 대한 설명은 어떻게 제시할 것인지, 사용자의 신뢰를 어떻게 확보할 것인지, 사용자의 피드백은 어떻게 수집해 시스템을 개선해 나갈 것인지, 이전 데이터를 활용하는 경우 편향성이나 불균형 등의 문제는 없는지, 학생 데이터를 수집하는 데에 있어 개인정보나 프라이버시 이슈는 없는지 등을 폭넓게 고민해야 한다. 이런 상호작용 요소를 충분히 고려하지 않은 인공지능 기술은 일회성 데모에 그쳐 현실 적용에 많은 한계를 보일 수밖에 없다. 결국 사람의 판단과 업무를 대체하는 것이 아니라 사람의 의사결정을 지원하는 협업 파트너로서의 인공지능 기술을 개발하는 것이 중요하다.”
- 인공지능 모델을 도입하는데 유의해야 할 점은?
“인공지능을 적용해야 한다는 목표를 앞세운 나머지 비현실적인 목표를 잡거나 인공지능 기술의 특성을 충분히 파악하지 못한 채로 성급하게 솔루션을 적용하는 실수를 범하지 않아야 한다. 도메인 전문가와 기술 및 상호작용 전문가가 함께 일하면서 현실적인 인공지능 기술의 목표를 정의하고, 이를 함께 개발하는 과정을 통해 시행착오를 줄여나가야 한다.”
- 인간-인공지능 상호작용을 고려한 인공지능 모델의 대학 구축 사례가 있나?
“해외에서는 이미 많은 대학이 AI를 활용한 학생 관리를 통해 중도이탈과 미충원 문제를 해결한 바 있다. 국내 대학에서도 배우려는 학생들뿐만 아니라 가르치는 교수, 그리고 학생을 지원하는 교직원들에게 데이터를 통한 인공지능 기반의 학습경로를 제공하기 위한 다양한 방향을 모색하고 있다. 대표적인 사례로는 알고리즘랩스가 독자적 기술인 AI pipeline optimizer를 기반으로 대학 맞춤형 AI Solution ‘유니딕트(Unidict)’를 론칭, 일회성 데모가 아닌 상호작용 관점의 피드백 루프를 고려한 중도이탈 AI 예측, 전공 AI 추천 솔루션을 대학에 구축한 사례가 있다.”
