졸업생 성과 기반 고등교육 품질 평가 프레임워크

초록

본 연구는 졸업생의 취업·진학 성과를 고등교육 기관의 품질 지표로 삼는 새로운 평가 프레임워크를 제안한다. 클라우드 기반 빅데이터 도구인 BigQuery와 R을 활용해 실증 분석을 수행했으며, 기존 품질 모델이 간과한 ‘졸업 후 성과’를 핵심 변수로 도입하였다.

상세 분석

이 논문은 고등교육 품질 평가에 있어 전통적으로 교육 과정, 교수 역량, 시설 등 내부 요인에 초점을 맞춰온 기존 연구들을 비판적으로 검토한다. 저자들은 이러한 접근이 졸업생이 사회에 진입한 뒤 나타나는 실질적인 성과를 반영하지 못한다는 점을 지적하고, 이를 보완하기 위해 ‘졸업생 성과 기반’이라는 새로운 차원을 제시한다. 프레임워크는 크게 네 가지 구성 요소로 이루어진다. 첫째, 졸업생의 취업률, 연봉, 진학률 등 객관적 성과 지표를 정의하고, 둘째, 이들 지표를 수집·통합하기 위한 데이터 파이프라인을 설계한다. 여기서 저자들은 클라우드 데이터 웨어하우스인 BigQuery를 선택한 이유를 데이터 규모와 실시간 쿼리 성능, 그리고 다양한 데이터 소스와의 연동 용이성으로 설명한다. 셋째, 수집된 데이터를 R 환경에서 전처리·통계 분석하고, 다중 회귀와 군집 분석을 통해 기관별 성과 프로파일을 도출한다. 넷째, 도출된 프로파일을 기존 품질 평가 모델(예: ISO 21001, 학점제 평가)과 비교·통합함으로써 종합적인 품질 점수를 산출한다.

방법론적 강점으로는 빅데이터 인프라를 활용해 대규모 졸업생 데이터를 효율적으로 처리한 점, R을 통한 재현 가능한 분석 워크플로우를 구축한 점을 들 수 있다. 또한, 성과 지표를 단순히 취업률에 국한하지 않고 연봉, 진학 분야, 직무 만족도 등 다변량으로 확장함으로써 보다 정교한 품질 측정이 가능하도록 했다. 그러나 논문은 데이터 수집 단계에서 ‘통합 데이터 수집 시스템 부재’와 ‘프라이버시·동의 절차의 복잡성’이라는 한계를 명시한다. 또한, 성과 지표가 산업별 급여 차이나 지역적 경제 상황에 의해 왜곡될 위험이 있음을 인정하고, 이를 보정하기 위한 가중치 조정 모델을 향후 연구 과제로 제시한다.

이러한 분석을 통해 저자들은 졸업생 성과가 교육 기관의 장기적인 책임이며, 이를 품질 평가에 포함시킬 경우 기관의 교육 목표 설정과 자원 배분이 보다 결과 지향적으로 변할 것이라고 주장한다. 특히, 품질 인증 과정에서 이 차원을 반영하면 대학의 브랜드 가치가 상승하고, 대학원·연구과정 지원자 유입이 촉진될 것으로 기대한다.