(능력단위요소 도출) 4개의 직무(인공지능플랫폼구축, 인공지능서비스기획, 인공지능모델링, 인공지능서비스구현)에 중요 능력단위요소를 식별
- 직무의 중요도 6.0이상, 교육의 필요도 5.0이상의 능력단위요소를 선별하여 총 60개의 주요 능력단위요소를 식별
* 예: AI 데이터 정제, AI 학습 알고리즘 선정, AI 학습, AI 서비스 모델 테스트 등
[연구 2] AI 개발자 직무분석 및 교과과정 도출
(1) 직무 분석 방법
설문결과를 통해 식별된 산업체 수요가 많은 4개의 주요직무*에 대하여 직급, 나이 등을 고려하여 총 7명을 위촉하여 교육의 필요성에 대한 설문 및 FGI를 실시
* 인공지능 플랫폼 구축(78.2%) > 인공지능 서비스 구현(73.8%) > 인공지능 모델링(57.9%) > 인공지능 서비스 기획(57.3%) > 인공지능 서비스 운영관리(28.0%)
(2) 직무 분석 결과
각 주요직무 별로 능력단위요소와 K·S·T로 구성되는 매트릭스를 도출하였음. 아래는 인공지능플랫폼구축 직무의 지식(K)에 대한 매트릭스 예시이며 전체 사항은 본문을 수록되어 있음
(3) 교과목 도출
각 주요직무의 능력단위요소에 대한 K·S·T를 대상으로 관련성 높은 항목을 그룹핑하여 교과목을 도출함. 아래는 인공지능플랫폼구축 직무를 위한 교과목 도출 예시이며 전체 사항은 본문을 수록되어 있음
(4) 교과과정 도출
상기의 직무 분석 내용과 교과목 도출 내용을 바탕으로 학기 단위(16주, 3시수) 기준의 교과목과 AI 개발자 트랙 이수체계도를 도출하였음. 상세한 설명은 본문에 수록하였음
(5) 교과목명세서(예시)
상기의 15개 교과목에 대하여 교과목명세서를 작성하였음. 상세한 설명은 본문에 수록하였음. 단, 명세서의 상세한 부분은 향후 산업체 및 교육기관 간의 논의를 통해서 세부적인 조정이 이루어져야 함을 전제로 하고 있음
[연구 3] AI 개발자 교과과정 비교
(1) 교과과정 비교 방법
본 연구에서 도출된 AI 개발자 트랙과 국내외 대학*의 컴퓨터공학 유관 학과 교과과정 간의 부합 정도를 매트릭스로 표현
* 해외 Top 10 대학(QS World), CS2020 교과과정, SW중심대학(41개교), 거점국립대학(3개교), 전문대학(7개교)
단, 본 연구에서의 비교분석은 해당 학과에서 공개한 홈페이지 상의 정보를 대상으로 하고 있어, 실제 교과목에서 학습하는 내용과 상이할 수 있음
(2) 교과과정 비교 내용
전반적으로 볼 때, SW중심대학(41개교)과 거점국립대학(3개교)의 경우 대부분의 대학에서 인공지능수학, 인공지능개론, ML프레임워크(with파이썬), 빅데이터(with파이썬), 영상처리프로그래밍 과목이 개설되고 있는 것으로 나타났음
- 또한, 딥러닝 모델과 자연어처리프로그래밍 과목도 비교적 다수의 대학에서 별도의 교과목으로 개설되고 있는 것으로 나타났음
- 반면, DevOps, 컨테이너인프라, 클라우드서비스 관련 과목들의 개설은 매우 저조한 것으로 나타나 개발자로서의 기본역량에 해당되는 교육이 취약한 것으로 나타났음
- 이상의 현상은 해외 Top10 대학의 경우에도 유사한 것으로 나타나 우리나라 대학이 개발자 양성에 보다 힘을 쏟을 경우 글로벌 차원에서의 차별성 있는 교육이 이루어질 수 있다는 가능성을 기대할 수 있을 것으로 보임
한편, 전문대학(7개교)의 경우 인공지능개론, 파이썬 프로그래밍, 빅데이터with파이썬 과목을 제외하면 대체적으로 개설이 저조한 것으로 나타나 AI 개발자 양성을 위한 보다 집중적인 지원이 필요한 것으로 보임
5. 기대 효과
본 연구에서는 현업에 종사하는 AI 개발자를 대상으로 NCS 기반의 설문조사를 실시하여 60개의 중요 능력단위요소를 식별하였으며, 이를 바탕으로 전문가 심층면접을 통해 K·S·T를 도출하고 이를 분석하여 16주(3시수) 단위의 15개 교과목을 도출하였음
따라서, 도출된 15개 핵심과목과 교과목 이수 로드맵, 즉, AI 개발자 트랙은 인력 공급자가 아닌 수요자 측면의 요구사항에 바탕을 둔 것인바, 이를 대학 교과과정에 도입할 경우 보다 산업체 지향적인 AI 개발자를 배출하는 데에 기여하게 될 것으로 기대됨
AI 개발자 트랙의 각 교과목에 대하여 교과목명세서를 제시하였음
이는 향후 이를 도입하는 교과과정 간의 균일성을 유지하는 역할을 함과 아울러 배출 인력의 역량을 예측하는 기준점 역할을 할 것으로 기대됨
AI 개발자 트랙의 각 교과목에 대하여 현시점에서 국내외 대학의 교과과정에 반영된 현황을 매트릭스 형태로 분석하여 제시하였음
이는 향후 각 교과과정을 통한 배출인력의 산업체 경쟁력을 강화하기 위한 개선방향을 제시하는 효과를 가져올 것으로 기대됨
Summary
This study proposes a standard curriculum for AI developer tracks that can reduce mismatches between industrial sites and AI developers nurtured by universities. The core areas of this research are as follows: first, an analysis of industrial AI developer needs, second, an analysis of AI developer job duties and derivation of curriculum for AI developer track, third, a comparative analysis of AI developer curriculum, and fourth, a proposal of effective AI developer education at universities.
In the first area, the needs of industrial AI developers are analyzed and a survey for industrial AI developers is conducted to select jobs with high demand based on NCS's 5 jobs related to AI developers. As the result of this survey, jobs with a high demand for developer in industries shows that AI platform construction is (78.2%), AI service implementation (73.8%), AI modeling (57.9%), AI service planning (57.3%), and AI service operation management (28.0%).
In the second area, AI developer job analysis and AI developer track curriculum are derived. Job analysis is conducted by selecting four jobs (building an artificial intelligence platform, implementing artificial intelligence services, modeling artificial intelligence services, and planning artificial intelligence services), excluding artificial intelligence service operation management (28.0%). For four jobs, job analysis is conducted in stages ❶ to ❻.
❶ Derivation of competency unit elements: The competency unit elements for each job competency unit are derived.
❷ Competency Unit Element Verification: The elements of competency unit derived in step ❶ are classified into four areas according to the importance of duties and the need for education. In addition, the competency unit element with job importance >= 6.0/7.0, and education necessity >=5.0/7.0 is derived as the core competency unit element.
❸ K·S·T Derivation: Knowledge-skill-tool is derived for each core competency unit element derived in step ❶.
❹ Competency Unit Element/K·S·T Matrix Preparation: Using the K, S, and T derived in step ❸, the competency unit elements/K, S, and T Matrix of each job are prepared.
❺ Course derivation: In step ❹, K, S, and T with high relevance are classified, and the course is derived accordingly.
❻ Competency Unit Element/Course Matrix Preparation: The Course derived in step ❺ is used to derive the core competency unit element/ Course Matrix of each job.
In order to derive the curriculum of the AI developer track, the AI developer job/course matrix is created, and core courses and Road-Map are derived. In the AI developer job/course matrix derivation stage, AI developer job/course matrix is formed using the course obtained from four jobs (artificial intelligence platform construction, artificial intelligence service planning, artificial intelligence modeling, and artificial intelligence service implementation). At this time, 15 key subjects will be derived by considering the establishment of an artificial intelligence platform (78.2%) > implementation of artificial intelligence services (73.8%) > artificial intelligence modeling (57.9%) > artificial intelligence service operation management (28.0%). In addition, Road-Map is derived in consideration of the prior and backward relationship of 15 core subjects.
In the third area, the AI developer curriculum is compared and analyzed. In this area, the curriculum of the AI developer track derived from this study and the SW and AI-related departments of the Top 10 overseas universities (10 schools), SW-centered universities (41 schools), base national universities (3 schools), and junior colleges (7 schools) are compared and analyzed.
In the fourth area, we propose effective AI developer education plans for universities. In this area, an effective AI developer education plan is proposed to reduce mismatches between industrial sites and AI developers nurtured by universities.
