데이터 과학 윤리 통합 학부 전공 사례 연구

초록

스미스 대학 통계·데이터 과학 전공에 윤리 교육을 전면 도입한 사례를 제시한다. 윤리 모듈 6개를 5개 과목에 포팅하고, 교육 효과를 평가해 향후 확장 방안을 논의한다.

상세 분석

본 논문은 데이터 과학 교육에 윤리성을 체계적으로 삽입하려는 시도로서, 교육 설계·운영·평가 전 과정을 일관된 프레임워크 안에 정리한 점이 돋보인다. 먼저, 저자들은 NAS(미국 국립과학원)의 “윤리·프라이버시를 데이터 과학 교육에 통합” 권고를 근거로, ‘위에서 아래로(top‑to‑bottom)’와 ‘옆으로 옆으로(side‑to‑side)’ 두 축을 제시한다. 위에서 아래로는 입문 과목부터 캡스톤까지 윤리 요소를 점진적으로 심화시키는 구조이며, 옆으로 옆으로는 전공 외 활동·워크숍·전시 등을 통해 윤리 담론을 확산한다는 전략이다.

교육 내용은 Floridi와 Taddeo가 제시한 “데이터 윤리·알고리즘 윤리·실천 윤리” 3축을 채택해 모듈을 설계한다. 각 모듈은 Bloom의 인지 영역(기억‑이해‑적용‑분석‑평가‑창조)과 연계돼, 학생들이 단순 지식 습득을 넘어 실제 데이터셋·알고리즘·연구 실무에 윤리적 판단을 적용하도록 만든다. 예를 들어, OkCupid 데이터 모듈은 프라이버시와 동의 문제를, StitchFix 알고리즘 모듈은 편향 탐지를, Grey’s Anatomy 실습 모듈은 의료 데이터의 책임성을 다룬다.

모듈의 포터블성을 강조한 점도 실용적이다. 기존 강의 계획에 최소 1~2시간만 추가하면 적용 가능하도록 설계했으며, GitHub와 같은 오픈소스 플랫폼에 코드와 자료를 공개해 다른 기관이 재사용하도록 했다. 이는 현재 데이터 과학 교육이 ‘윤리’를 부가적인 선택이 아닌 필수 요소로 전환하는 데 기여한다.

평가 측면에서는 사전·사후 설문, 학생 작품 분석, 강의 평가 등을 복합적으로 활용했다. 결과는 대부분의 학생이 윤리적 사고 능력이 향상되었으며, 특히 알고리즘 편향 인식과 데이터 프라이버시 보호에 대한 이해도가 크게 상승했음을 보여준다. 다만, 정량적 효과 측정이 제한적이며, 장기적인 행동 변화(예: 졸업 후 직무 윤리 실천) 검증은 부족한 점으로 남는다.

비판적으로 보면, 윤리 교육을 전공 전체에 강제 삽입함으로써 교과 과정 부담이 증가할 위험이 있다. 특히 소규모 교원 인력이 모든 모듈을 직접 진행하기엔 시간·전문성 부족이 우려된다. 저자들은 이를 보완하기 위해 외부 전문가 초청·온라인 강의·학생 주도 워크숍을 활용했지만, 지속 가능한 운영 모델에 대한 구체적 제언이 더 필요하다.

전반적으로 이 논문은 데이터 과학 윤리 교육을 체계화하고, 실제 강의에 적용 가능한 구체적 도구와 평가 방법을 제공함으로써, 학부 수준에서 윤리 통합을 시도하는 다른 대학에 실질적인 로드맵을 제공한다는 점에서 학술적·실천적 가치가 높다.