데이터 요청과 코로나 관련 혼란을 위한 TEEDA 기반 비관측 사건 데이터 설계 시나리오

초록

본 논문은 코로나19 팬데믹 동안 발생한 “코로나 관련 혼란” 현상을 이해하기 위해, 데이터 이용자와 제공자의 요구·제공 정보를 시각화·연결하는 웹 기반 플랫폼 TEEDA를 활용한다. 워크숍에서 수집한 61개의 데이터 아이템(요청 33건, 제공 28건)을 분석해 누락된 데이터 유형과 공유 조건을 파악하고, 변수 중심의 비관측 사건 데이터 설계를 위한 세 가지 시나리오를 제시한다.

상세 분석

TEEDA는 데이터 요청(data request)과 제공(providable data)을 각각 ‘데이터명’, ‘변수’, ‘활용 목적’(선택)으로 구조화하고, 제공 데이터는 ‘데이터 개요·변수·형식·공유 조건’ 등을 포함하는 ‘데이터 재킷(DJ)’ 형태로 기록한다. 플랫폼은 입력된 아이템을 그래프 형태로 시각화해 동일 변수 기반 매칭을 자동으로 수행한다는 점에서 기존 데이터 카탈로그와 차별화된다.

실험에서는 14명의 대학생·전문가(20세 이상)를 대상으로 TEEDA 사용법을 15분 교육 후 4~5분간 데이터 요청·제공 정보를 입력하도록 하였다. 결과적으로 61개의 아이템이 수집됐으며, 요청 데이터는 주로 행동·심리·생활양식 변수(예: ‘COVID‑19 감염자 행동 이력’, ‘불안 대처 방식’)가 다수였고, 제공 데이터는 국가·도시별 확진자 수, 시계열 그래프, 이미지 등 통계·시각 자료가 중심이었다.

특히, 코로나 관련 혼란 상황에서 ‘공유 조건’이 크게 변화했음을 확인했다. 기존 데이터 교환 플랫폼에서 공유 가능한 데이터 비율이 약 35%에 불과했으나, 이번 워크숍에서는 90%에 달했다. 이는 위기 상황에서 데이터 제공자가 공개 의지를 높인 결과로 해석된다. 또한 데이터 유형·포맷 분석에서 시계열·수치·텍스트·표 형태는 전후 차이가 미미했으나, ‘그래프’ 형태가 코로나 혼란 시기에 현저히 증가했으며, 이미지·그래프 파일이 ‘기타’ 포맷으로 가장 많이 등장했다. 이는 비전문가도 직관적으로 이해할 수 있는 시각화 자료에 대한 수요가 급증했음을 시사한다.

논문은 이러한 관찰을 바탕으로 비관측 사건(관측되지 않은 현상) 데이터 설계를 위한 세 가지 시나리오를 제시한다. 첫 번째는 ‘변수 확장 시나리오’로, 기존 변수 외에 심리·사회적 요인을 추가해 다차원 모델을 구축한다. 두 번째는 ‘실시간 매칭 시나리오’로, TEEDA의 매칭 알고리즘을 실시간 스트리밍 데이터와 연계해 즉시 요구·제공을 연결한다. 세 번째는 ‘프라이버시 보호 시나리오’로, 민감 변수는 익명화·집계 처리 후 제공하도록 설계한다.

비판적으로 보면, 샘플 규모가 작고 참여자 대부분이 학생·전문가에 국한돼 일반 기업·공공기관의 실제 데이터 요구를 충분히 대변하지 못한다는 한계가 있다. 또한 데이터 요청 입력 시 ‘활용 목적’이 선택 사항이어서, 목적 기반 매칭 정확도가 낮을 수 있다. 플랫폼의 매칭 알고리즘 상세 구현이 논문에 공개되지 않아 재현 가능성도 제한적이다. 그럼에도 불구하고, 데이터 공유·요구를 구조화하고 시각화하는 시도는 코로나와 같은 급변 상황에서 데이터 거버넌스 개선에 실질적인 기여를 할 수 있다.