데이터 시각 알고리즘 추상화 넘는 학습

초록

본 논문은 데이터 분석 교육 현장에서 알고리즘 적용이 규칙적 절차와 현장적 판단 사이에서 어떻게 교차하는지를 탐구한다. 규칙 기반의 기계적 적용과 상황에 따른 재량이 동시에 요구되는 ‘데이터 비전’ 개념을 제시하고, 두 개의 현장 사례를 통해 학습자가 추상적 규칙과 구체적 데이터 상황을 조율하는 과정을 분석한다.

상세 분석

이 연구는 CSCW(Computer‑Supported Cooperative Work)와 사회과학 연구에서 제시된 ‘규칙‑경계(rule‑bound)’와 ‘규칙‑기반(rule‑based)’ 개념을 데이터 분석 학습에 적용한다. 저자들은 두 개의 교육 현장—대학 수준의 데이터 과학 워크숍과 기업 내부 데이터 리터러시 프로그램—에서 참여 관찰과 인터뷰를 수행했으며, 그 결과 분석가들이 알고리즘을 단순히 사전 정의된 절차로 실행하는 것이 아니라, 데이터의 특수성, 도메인 지식, 그리고 조직적 목표에 따라 지속적으로 판단을 삽입한다는 점을 발견했다.

첫 번째 현장에서는 학습자들이 파이썬 기반의 머신러닝 파이프라인을 따라가면서도, 결측치 처리, 변수 선택, 모델 평가 지표 선택 등에서 ‘판단의 여지’를 적극 활용한다. 예를 들어, 동일한 결측치 대체 방법이라도 데이터의 분포와 비즈니스 맥락에 따라 평균 대체, 다중 대체, 혹은 삭제를 선택하는 과정이 관찰되었다. 이는 알고리즘이 ‘규칙‑기반’으로 작동하면서도 사용자의 ‘규칙‑경계’가 지속적으로 개입함을 보여준다.

두 번째 현장에서는 기업 내부 교육 참가자들이 비즈니스 KPI와 연결된 대시보드 설계 시, 시각화 도구의 기본 옵션을 그대로 쓰는 대신 색상 대비, 축 범위, 라벨링 등에서 사용자 경험과 의사결정 흐름을 고려해 맞춤형 조정을 한다. 여기서도 알고리즘(시각화 라이브러리)의 추상적 기능이 현장의 구체적 요구와 충돌하면서, 학습자는 ‘데이터 비전’이라는 인지적 프레임을 통해 추상과 구체 사이를 오가게 된다.

이러한 사례는 데이터 분석이 단순히 규칙을 기계적으로 적용하는 것이 아니라, ‘규칙‑경계’를 인식하고 상황에 맞게 재구성하는 ‘규칙‑기반’ 실천임을 강조한다. 논문은 또한 교육 설계 측면에서, 학습자에게 추상적 모델링 능력과 동시에 현장 판단 능력을 동시에 훈련시키는 커리큘럼이 필요함을 제언한다. 마지막으로, 데이터 비전이라는 개념을 통해 인간 작업이 알고리즘적 지식 생산에 어떻게 필수적인 중재 역할을 하는지 이론적·실천적 함의를 도출한다.