인공지능 활용 논문 ‘급증’
‘네트워크 연결성’이 중심으로
변화 반영한 연구 및 평가 필요

본 기사는 The Economy의 연구팀의 The Economy Research 기고를 번역한 기사입니다. 본 기고 시리즈는 글로벌 유수 연구 기관의 최근 연구 결과, 경제 분석, 정책 제안 등을 평범한 언어로 풀어내 일반 독자들에게 친근한 콘텐츠를 제공하는 데 목표를 두고 있습니다. 기고자의 해석과 논평이 추가된 만큼, 본 기사에 제시된 견해는 원문의 견해와 일치하지 않을 수도 있습니다.

가히 정보 과잉의 시대에 교육 당국은 연구 논문과 현황 자료, 학술 지표의 홍수에 빠져 있다. 하지만 문제는 너무 많은 정보가 아니라 그것들을 읽는 방법에 있다.

‘네트워크 중심성’이 핵심

44,000건 이상의 논문을 분석한 최근 연구는 경제 지식이 생산되고 소비되는 방법이 극적으로 변화하고 있음을 드러낸다. 현재 기계 학습과 대규모 텍스트 분석(text analysis)이 신규 논문의 20%에 사용되고 있는데 이는 10년 전에 비해 10배 증가한 수치다. 하지만 방법론 자체보다 중요한 사실은 이제 연구가 고립된 과정이 아니라는 것이다. 내용 자체보다는 그것이 광범위한 지식 네트워크에 어떻게 연결되는지가 더 중요하다.

구글이 초기에 도입한 ‘페이지 순위 알고리즘’(PageRank algorithm)은 학문적 결과물의 영향력을 판단하는 데도 사용할 수 있다. 수많은 연결망에서 중심에 위치한 연구 논문은 같은 수준의 정보를 담고 있는 주변부 논문보다 주목도가 세 배나 높다.

요약하면 연구 결과가 교육 생태계에서 어디에 위치하는지가 내용만큼 중요하다는 것이다. 이는 교육 당국이 교사 훈련을 설계하고 교과과정을 선정하며 지원 프로그램을 결정하는 양상을 바꿀 수 있다.

아이디어 확산과 후속 지원에 ‘결정적’

그리고 이러한 연결 관계를 연결해 볼 수 있는 도구들도 있다. 경제계에서는 이미 ‘페이지 순위’가 전통적인 연구논문 평가 지수(journal prestige)보다 영향력 예측에서 유용성을 인정받고 있다. 교육계도 2020년 이후 인공지능(AI)의 도움을 받는 자연어 처리(Natural Language Processing) 논문이 급증해 추세를 따라가고 있음을 보여준다. 또 최근 연구에 따르면 특정 연구 논문이 네트워크에서 중심적 위치를 차지하는지가 후속 지원 여부의 41%를 설명한다고 한다. 아이디어의 연결성이 그 무엇보다 중요하다.

그렇다면 교육 현장에서도 네트워크적 사고를 가르쳐야 한다. 예를 들어 기하학 과목이라면 그래프 이론(graph theory, 교점과 링크로 구성된 구조를 연구)과 인용 매핑(citation mapping, 학술 출판물의 인용을 시각적으로 표현하고 분석)을 포함하는 것이다. 학생들은 한 이론이 다양한 분야를 거치며 진화하는 과정을 깊이 있게 분석할 필요가 있다. 학교 당국은 전문성 개발 지원을 학제 간 중심에 위치한 연구에 집중시켜야 한다. 예를 들어 ‘교육 분야에서의 AI 활용’ 연구는 컴퓨터 및 학습 과학(learning science) 분야의 관심을 동시에 끌어낼 수 있다.

‘지표 절대화’ 막기 위한 ‘투명성’

정책 당국도 출판업체와 커리큘럼 제공자에게 인용된 논문의 네트워크 중심성(network centrality)을 공개하도록 요구할 수 있다. 보조금 지원 기관이라면 그간 외면받아 온 주제와 영향력 있는 연구를 연결하는 제안에 가산점을 줄 수도 있다. 연구의 질적 측면을 포기하지 않으면서 가능성이 큰 경로를 따라 혁신을 전파할 수 있는 방법이다.

당연히 교육을 인기 경쟁에 내모는 것 아니냐는 우려가 나올 수 있다. 역사적으로도 당대에 평가받지 못했지만 후대에 혁명적으로 드러난 연구들이 많다. 하지만 네트워크 중심성 자체는 목적이 아니라 양상임을 잊지 말아야 한다. 실제로 최고 인용 횟수를 기록한 경제 논문의 12%는 최초 인지도가 하위 25%에 속했는데 학제 간 수용(interdisciplinary uptake)을 통해 해당 위치에 오를 수 있었다.

물론 지표가 절대화되는 상황을 피하기 위해 투명성이 필수적이다. 그러기 위해 저자들이 인과 관계를 확인하고 자기 인용에 따른 편향을 바로잡기 위해 사용한 알고리즘을 오픈 소스(open source)화할 필요가 있다. 또 데이터베이스에 포함되지 않는 질적 연구(qualitative work)도 분석에 반영할 수 있어야 한다. 전체 논문의 18%에 이를 것으로 추정되는 이들 연구를 네트워크에 연결한다면 단절된 학문 분야를 연결하는 데도 유용할 것이다.

시대에 맞춘 ‘진화’ 필요

이제 양적 연구와 질적 연구를 나눠 취급하는 것은 시대착오적이다. 더 중요한 차이는 지식 네트워크를 탐색하는 연구와 고립된 연구 사이에서 발생한다. 교육 정책도 시대와 조류를 함께 하려면 단순히 데이터를 수집하는 것에서 나아가 맥락을 통해 해석할 줄 알아야 한다.

교사들은 학생들에게 사고(idea)가 확산하는 과정을 보여줄 수 있어야 하고, 교육 당국은 높은 연결성을 확보할 수 있는 주제를 지원해야 한다. 논문이 말하고자 하는 바가 여전히 중심이지만, 아이디어가 어디서 왔고 누구에게 영향을 미칠 것인가도 못지않게 중요해졌다.

AI와 알고리즘 시대를 맞아 교육이 통계학에 종속돼서는 안 되지만, 시대에 맞게 진화할 필요는 있다. 오히려 네트워크적 사고는 연구의 질적인 통찰력을 보존하는 동시에, 실질적인 영향력을 확대할 수 있다. 중요한 점은 데이터의 홍수에서 허우적거리지 말고 그들을 몰고 오는 물살을 파악하는 것이다.

본 연구 기사의 원문은 From Numbers to Narratives: How Network Thinking Can Rescue Education Policy from Its Data Deluge | The Economy를 참고해 주시기 바랍니다. 2차 저작물의 저작권은 The Economy Research를 운영 중인 The Gordon Institute of Artificial Intelligence에 있습니다.