통계 입문·2학년 과정에서 데이터 과학 기초 가르치기

초록

본 논문은 통계학 입문 및 2학년 과목에서 데이터 과학의 핵심 전구인 재현 가능한 분석 도구와 대규모 데이터베이스 활용을 통합하는 교육 방안을 제시한다. 학생들이 실제 데이터를 다루며 “데이터와 함께 계산하기”와 “데이터 사고 방식”을 습득하도록 설계된 사례와 교과 설계 원칙을 논의한다.

상세 분석

이 연구는 현대 통계 교육이 데이터 과학과의 연계를 소홀히 하는 현상을 비판하고, 두 가지 핵심 전구—재현 가능한 워크플로우와 대규모 데이터베이스 접근—를 교육 커리큘럼에 삽입하는 구체적 전략을 제시한다. 먼저 재현 가능성은 R Markdown, Jupyter Notebook, Git 등 오픈소스 도구를 통해 구현된다. 저자는 이러한 도구가 코드와 결과를 일관되게 연결함으로써 학생들이 분석 과정을 투명하게 기록하고, 동료와 결과를 공유하며, 오류를 추적하는 능력을 기를 수 있다고 강조한다. 특히, 교실 내 과제에서 데이터 전처리, 시각화, 모델링을 하나의 문서에 통합하도록 요구함으로써 “컴퓨팅 사고”와 “통계적 사고”를 동시에 훈련한다는 점이 혁신적이다.

두 번째 전구인 대규모 데이터베이스 활용은 SQL 기반의 관계형 데이터베이스와 공공 데이터 포털을 연결하는 실습을 중심으로 한다. 저자는 전통적인 샘플 데이터셋 대신, 실제 정부·기업 데이터베이스(예: 미국 인구조사, 기후 관측 데이터)를 교재에 포함시켜 학생들이 데이터 추출, 정제, 조인, 집계 등의 기본 SQL 명령을 익히게 한다. 이를 통해 “데이터 규모가 커질수록 통계적 추론이 어려워진다”는 인식을 넘어, 데이터 관리와 탐색이 분석의 전 단계임을 체감하게 만든다.

교육 설계 측면에서 저자는 학습 목표를 세 단계로 구분한다. 1) 도구와 환경에 대한 기본 숙련도 확보, 2) 데이터 관리·시각화·모델링을 통한 통합 프로젝트 수행, 3) 결과 재현과 보고서 작성 능력 배양이다. 각 단계는 명확한 평가 루브릭과 피드백 메커니즘을 통해 학생들의 진행 상황을 지속적으로 모니터링한다. 또한, “데이터 습관”을 형성하기 위해 탐색적 데이터 분석(EDA) 과정을 강조하고, 데이터 윤리와 프라이버시 문제를 토론 주제로 포함한다.

결과적으로, 파일 기반 데이터 처리에서 데이터베이스 기반 처리로 전환함으로써 학생들은 메모리 제한, I/O 병목, 데이터 정합성 등 실제 빅데이터 환경에서 마주치는 기술적 제약을 직접 경험한다. 이는 전통적인 통계 교육이 제공하지 못하는 실무 감각을 키우는 데 크게 기여한다. 저자는 이러한 교육 모델이 다른 학과·대학에도 확장 가능하다고 주장하며, 교원 연수와 인프라 지원이 성공적인 도입을 위한 전제조건이라고 제시한다.