Earticle

본 연구는 학령인구 감소와 재정 압박, 대학 간 경쟁 심화라는 고등교육 환경 변화 속에서 대학의 지속가능성과 경쟁력 확보를 위한 대학기관연구의 역할과 기능을 재조명하고, 특히 교육부의 글로컬대학 정책에 따라 연합대학 형태로 운영되는 지방 사립대학의 대학기관연구 모델을 탐색하는 데 목적이 있다. 최근 대학 운영과 교육의 질 관리에 있어 데이터 기반 의사결정의 중요성이 강조되고 있으나, 국내 대학의 기관연구 조직은 여전히 역할과 기능, 거버넌스 체계 측면에서 미완의 단계에 머물러 있는 실정이다. 이를 위해 본 연구는 국내 주요 대학의 기관연구 및 교육성과관리 조직 사례를 분석하고, 선행연구 고찰을 통해 대학기관연구의 개념과 기능을 체계적으로 정리하였다. 연구 방법으로는 문헌 분석과 사례 비교 분석을 활용하였으며, 이를 바탕으로 오늘날 대학에 요구되는 기관연구조직의 역할과 기능을 도출하였다. 연구 결과, 대학기관연구는 단순한 통계·성과 관리 부서를 넘어, 전략적 의사결정을 지원하는 분석 조직이자 대학의 성과와 강점을 대내외적으로 설득력 있게 전달하는 커뮤니케이션 주체로 기능할 필요가 있음을 확인하였다. 또한 대학 체제에서는 데이터 통합 관리, 공동 성과지표개발, 지역사회 기여도 분석 등 거버넌스 차원의 기관연구 기능 강화가 중요함을 시사한다. 본 연구는 대학기관연구 조직 운영에 대한 실증적 논의를 확장하고, 대학의 기관연구 거버넌스 구축을 위한 기초 자료를 제공한다는 점에서 의의가 있다. 나아가 향후 국가 재정지원사업과 연계한 대학기관연구의 전략적 활용 방안을 모색하는 데 기여할 것으로 기대된다.

This study aims to reexamine the roles and functions of Institutional Research in securing the sustainability and competitiveness of universities amid the rapidly changing higher education environment characterized by declining school-age populations, financial constraints, and intensified inter-university competition. In particular, it seeks to explore an operational model of IR centers in regional private universities within the context of the Glocal University policy promoted by the Ministry of Education. Although data-driven decision-making has recently become increasingly important in university management and quality assurance, IR organizations in Korean universities remain underdeveloped in terms of their roles, functions, and governance structures. To address this issue, this study analyzes cases of IR and educational performance management organizations in major domestic universities and systematically reviews prior literature to conceptualize the roles and functions of Institutional Research. The research employs a combination of literature review and comparative case analysis to identify the key functions and roles required of IR organizations in contemporary higher education institutions. The findings indicate that IR should evolve beyond a unit focused solely on statistical analysis and performance management, functioning instead as a strategic analytical body that supports institutional decision-making and as a communication agent that effectively conveys institutional performance and strengths to both internal and external stakeholders. Furthermore, the study suggests that strengthening IR functions at the governance level—such as integrated data management, development of shared performance indicators, and analysis of contributions to regional communities—is critical within the current higher education system. This study contributes to expanding the empirical discussion on the operation of IR organizations and provides foundational insights for establishing effective IR governance in universities. It is also expected to offer practical implications for the strategic utilization of Institutional Research in alignment with national funding initiatives.

데이터 기반 의사결정 방법론, 고도화된 빅데이터 처리 기법의 발달로 데이터를 처리하는 방법에 대한 정보의 수요가 늘어나고 있다. 데이터를 활용하는 거의 모든 작업과 연구에서 데이터 전처리 과정이 포함 되나, 이러한 과정은 주장하고자 하는 내용이나 결과물을 도출하기 위한 수단으로써 언급될 뿐 실질적인 과정에 대해서 자세하게 설명하고 있는 연구는 부족하였다. 실질적인 분석 기법을 활용하기 이전의 단계 로 간단하게 언급되는 경우가 많아 데이터 처리에 대한 인사이트를 획득하기 어려운 경우가 많았다. 따라 서 해당 연구에서는, raw data에서부터 데이터를 처리하는 과정, 즉 데이터 처리 파이프라인에 대해서 자세하게 작성하고자 하였다. 특히 수입식품 수입 절차에 대한 설명을 구체화하여 해당 상황에서 데이터 의 필드들이 어떻게 해석될 수 있고 어떠한 필드들을 왜 활용하게 되었는지에 대한 상황과 해당 도메인 지식을 공유하면서 흐름을 기술하고자 하였다.

With the development of data-driven decision-making and sophisticated big data processing technique, there is a growing demand for information on how to process data. However, recent studies with data preprocessing mentioned only as a means to achieve a result. Therefore, in this study, we aimed to write in detail about the data processing pipeline, include prerocessing data. In particular, we shares the context and domain knowledge to aid fluent understand of the research.

디지털 교육 환경의 확산 속에서, 교육적 의사결정에 데이터를 기반으로 접근하려는 요구가 증가하고 있다. 그러나 현재까지의 데이 터 기반 의사결정(Data-Driven Decision Making, DDDM)에 관한 논의는 기술 중심적 활용에 집중되어 있으며, 교육적 맥락과 해석, 윤리적 정당성의 문제는 상대적으로 간과되어 왔다. 이에 본 연구는 교육 분야에서의 DDDM 개념을 이론적으로 재구성하고, 구성 요 소 및 실천 유형, 개념적 쟁점을 도출함으로써 교육적 실천에 적합한 개념틀을 제시하고자 하였다. 연구 방법으로는 국내외 주요 문헌 에 대한 분석을 바탕으로 DDDM의 정의와 진화 과정을 고찰하고, 데이터 유형, 주체, 목적, 수준, 해석 방식 등의 요소를 중심으로 구성 요소를 도출하였다. 이 요소들을 통해 기술 중심형, 교사 중심형, 윤리 중심형, 혼합형의 네 가지 실천 유형을 이론적으로 유형화하였으 며, 기술주의적 접근의 환원성, 교육 가치의 수치화 가능성, 데이터 윤리와 수용성 등의 개념적 쟁점을 비판적으로 분석하였다. 본 연구 의 결과는 DDDM이 단지 분석 기법이 아니라, 교육적 맥락 속에서 윤리적 판단과 해석이 통합되는 실천적 구조임을 강조하였으며, 이 를 통해 DDDM의 기술 중심적 논의에서 벗어나 인간 중심의 교육 가치와 해석적 실천을 아우르는 개념적 토대를 제공하였다. 향후 DDDM이 단순한 기능적 도구를 넘어 윤리적·전문적·공공적 교육 실천을 통해 결국 교육의 본질적 목적에 기여하게 될 것이다.

As digital education environments continue to expand, there is a growing demand for data-informed approaches to educational decision making. However, existing discourse on Data-Driven Decision Making (DDDM) has predominantly focused on its technical applications, while educational context, interpretive reasoning, and ethical legitimacy have remained relatively underexplored. This study seeks to theoretically reconstruct the concept of DDDM within the field of education by identifying its key components, classifying its practical typologies, and critically examining its conceptual tensions in order to propose a framework appropriate for educational practice. Drawing on an extensive review of domestic and international literature, the study investigates the definitional evolution of DDDM and derives core components such as data types, agents, purposes, levels, and interpretive modes. Based on these elements, the study develops a typology consisting of four theoretical models: the technology-centered type, the teacher-driven type, the ethics-oriented type, and the hybrid type. In addition, the study critically analyzes conceptual issues surrounding DDDM, including the reductionism of technocentric approaches, the risks of quantifying educational values, and the challenges of data ethics and public trust. The findings highlight that DDDM should not be seen merely as an analytical tool, but rather as a practical structure that integrates ethical reasoning and interpretive judgment within educational contexts. By repositioning DDDM beyond a technocratic framework, this research provides a conceptual foundation for a human- centered approach to data use that respects educational values and pedagogical agency. It is anticipated that DDDM, when enacted as an ethical, professional, and public educational practice, will ultimately contribute to the fundamental aims of education itself.

본 연구는 브랜드 사업자가 주도한 디지털 전환이 이루어진 배경하에 유통채널의 참 여자인 브랜드 사업자와 유통 사업자의 정보공유가 채널 파워에 미치는 영향에 대하여 연구하였다. 본 연구에서는 데이터 기반 의사결정의 매개효과와 신뢰의 조절효과를 규 명하는데 목적을 두었다. 선행연구를 기반으로 도출할 가설을 검증하기 위해 중국 양 쯔강 삼각주와 주강 삼각주 직역의 관련 기업을 대상으로 설문 조사를 진행하여 478개 유효 데이터를 수집하였다. 실증연구 결과, 브랜드 사업자와 유통 사업자의 정보공유는 유통사업장의 채널 파워에 긍정적인 영향을 미치고, 정보공유는 유통사업자의 데이터 기반 의사결정에 정(+)의 영향을 미치며, 데이터 기반 의사결정은 유통사업자의 채널 파위에 정(+)의 영향을 미친다. 또한 실증결과는 데이터 기반 의사결정이 브랜드 사업 자와 유통 사업자 간의 정보공유와 유통 사업자의 채널 파워의 매개효과와 신뢰의 조 절효과를 검증하였다. 본 연구는 유통 사업자의 채널 파워를 증진 시키는 메커니즘을 밝힘으로 브랜드 사업자(제조사)가 주도하는 정보공유를 회피하는 유통 사업자들이 정 보공유에 적극 참여함으로 자기 기업의 의사결정 능력과 채널 파워를 향상하는 이론적 근거를 제시하고 실무적 시사점을 제공하여 준다.

The rise of digital technology has also made supply chain management more complex, but it also provides more opportunities for information sharing. Information sharing can lead partners in different segments to better understand each other’s needs and capabilities, helping them better cope with market variations and uncertainties This paper investigates the relationship of information sharing between brands and distributors with distributor channel power after a successful brand-driven digitization reform. Furthermore, this study seeks to find out the moderating role of dealers’ data-driven decision-making and trust in the relationship between information sharing and distributors’ channel power. The data sources come from different industries in the Yangtze River Delta and Pearl River Delta regions, which are economically developed in China. The findings indicate that information sharing is positively associated with distributors’ channel power and data-driven decision-making. Trust mediates the impact of data-driven decision-making on channel power. This study provides new insights into how distributors can share information with brands to promote their channel power. It also presents suggestions for distributors on dealing with the relationship between the two during information sharing with brands. Researchers in the field of digital reform have previously overlooked the question of how information sharing enhances distributors’ channel power. This paper contributes to the information sharing and channel management literature by utilizing distributors’ data-driven decision-making and trust as moderation for analysis.

Artificial intelligence (AI) is the primary force driving digital transformation in sectors across the globe. In this paper, the contributions of AI technologies to the development of service innovation are investigated. These technologies enable informed choices in service provision through the analysis of data, they improve company processes, and they create individuality in the customer experiences. The research highlights a few key AI methods such as machine learning and deep learning that raise predictive capabilities and help to be the first to adapt services in the stress of a fast-changing business environment. Furthermore, the paper presents the problems of data protection, algorithm bias, and integration issues that organizations have to tackle to benefit from the use of AI. The basis of this research is the critical analysis of existing literature followed by presented practical examples of companies that show how innovation in service delivery has been influenced by AI. Also, the research provides companies that want to take the lead in the digital age with suggestions.

미래 사회는 데이터를 다룰 수 있는 역량이 특히 중요해질 것이라 예측되며, 따라서 통계적 지식과 더불어 통계적 사고력을 갖춘 교사 교육이 필요한 시대가 되었다. 이에 따라 본 연구는 연구자들이 개발한 데이터 분석 프로젝트를 예비 교사들에게 적용해본 뒤 이들의 통계적 지식의 변화를 살펴보고 통계적 사고력을 활용한 데이터 기반 의사 결정 경험의 내용을 살펴보았다. 해당 프로젝트를 통해 예비 교사들은 실제 데이터를 공학적 도구를 통해 분석하는 기회를 가질 수 있었다. 연구를 위해 혼합연구 모형을 적용하여 예비 교사들의 통계적 지식의 변화를 양적으로 분석하였고 데이터 기반 의사 결정의 경험을 질적으로 살펴보았다. 그 결과 예비 교사들은 모평균과 표본평균의 관계, 그리고 모평균 추정 및 해석에 관한 통계적 지식이 부족한 것으로 드러났다. 데이터 기반 의사 결정에 관해서는 데이터와 분석 방법 및 분석 결과에 대한 이해의 깊이에 차이를 보였으며 이러한 차이는 예비 교사들이 한 모둠에서 같이 활동한 경우에도 발생하였다. 이와 같은 결과를 바탕으로 통계 교육의 질 제고를 위한 제안점을 논하였다.

Various competencies such as critical thinking, systems thinking, problem solving competence, communication skill, and data literacy are likely to be required in the 4th industrial revolution. The competency regarding data literacy is one of those competencies. To nurture citizens who will live in the future, it is timely to consider research on teacher education for supporting teachers' development of statistical thinking as well as statistical knowledge. Therefore, in this study we developed and implemented a data analysis project for pre-service teachers to understand their changes in statistical knowledge in addition to their experiences of data-driven decision making process that required them utilizing their statistical thinking. We used a mixed method (i.e., sequential explanatory design) research to analyze the quantitative and qualitative data collected. The findings indicated that pre-service teachers have low knowledge level of their understanding on the relationship between population means and sample means, and estimation of the population mean and its interpretation. When it comes to the data-driven decision making process, we found that the pre-service teachers' experiences varied even when they worked as a small group for the project. We end this paper by presenting implications of the study for the fields of teacher education and statistics education.

디지털 전환과 함께 데이터 기반 의사결정이 교육 혁신의 주요 방안으로 강조되고 있으나, 학교 현장에서의 활용은 미흡한 실정이다. 이에 본 연구는 온라인 대시보드 활용에서 나타나는 교사의 데이터 기반 의사결정 양상과 구조적 어려움을 탐색하였다. 이를 위해 초․중등 교사 20명을 대상으로 반구조화 면담을 수행하였으며, 주제 분석 방법을 적용하여 데이터를 분석하였다. 연구 결과, 교사들의 대시보드 활용 양상은 적극적 활용과 소극적 활용으로 구분되었다. 적극적 활용 교사들은 진단, 설계, 실행, 성찰의 전 과정에서 학습분석 데이터를 수업 개선에 적극적으로 연결하였으나, 대시보드의 기능적 한계와 피상적 지표로 인해 데이터 재가공과 맥락 해석의 필요성을 느끼고 있었다. 반면 소극적 활용 교사들은 데이터 신뢰성, 해석의 부담, 시간 제약, 보수적 조직 문화로 인해 행정 관리 등 최소한의 목적을 위해서만 학습데이터를 사용하였으며, 시각화의 복잡성, 기술적 오류, 학부모 동의 문제 등으로 실천에 어려움을 겪었다. 두 교사 집단에서 공통적으로 대시보드 정보의 처방적 접근 부족과 학교 문화 및 연수 체계의 한계가 확인되었다. 이는 데이터 기반 교육의 성공이 개별 교사의 역량 강화만으로는 달성될 수 없으며, 각 집단이 처한 복합적인 환경적 맥락을 이해하고 그에 맞는 지원이 필요함을 시사한다. 이에 본 연구는 활용 수준별 차등화된 지원 전략, 사용자 중심의 대시보드 재설계, 기술지원 인력 및 거버넌스 구축 등의 정책적, 실천적 제언을 제시하고 효과적인 데이터 기반 의사결정 지원 방안을 모색하였다.

While data-driven decision-making (DDDM) is key to educational innovation, its implementation in schools remains insufficient. This study explores teachers’ DDDM practices and structural challenges through semi-structured interviews with 20 elementary and secondary school teachers who used online dashboards. Thematic analysis revealed two patterns: active users integrated learning data across diagnostic, design, implementation, and reflection stages to improve instruction, but faced dashboard limitations and superficial indicators, requiring data reprocessing. Meanwhile, passive users-constrained by low data reliability, time constraints, and conservative organizational cultures-used learning data mainly for administrative management. Common barriers included a lack of prescriptive information within dashboard and limitations in school culture and training systems. This study proposes differentiated support strategies by usage level, user-centered dashboard redesign, and technical support personnel and governance establishment. By exploring teachers’ learning data utilization patterns in educational settings, this research provides implications for effective data-driven decision-making support strategies.

최근 수십 년 동안, 데이터는 기업 조직 경영의 핵심 요소로 부상하였다. 많은 조직들이 데이터를 활용하여 전략적인 의사결정을 내리고 시장 변화에 적극적으로 대응하고 있다. 이러한 상황에서 본 연구는 데이터 기반 의사결정 조직 운영과 그에 영향을 미치는 요인을 살펴보고자 한다. 상시적 디지털 전환이 일어나고 있는 현대에 데이터 중심 의사결정은 조직의 성과 향상에 매우 중요한 역할을 한다. 그러나 데이터 기반 의사결정 조직에 영향을 미치는 선행 요인과 실제로 기업 내에서 데이터 기반 의사결정이 어떻게 일어나는지에 대한 연구는 아직 많이 부족한 실정이다. 본 연구는 기업의 밸류체인 디지털화 정도가 데이터 기반 의사결정 조직 구축에 중요한 영향을 미칠 것임을 가설로 설정하고, 이를 국내 기업 임직원 1,059명을 대상으로 한 설문응답 데이터로 검증하였다. 또한, 본 연구는 데이터 분석 능력을 포함한 디지털 역량을 갖춘 인재가 데이터 중심 의사결정 조직에 중요한 환경적 요건으로 작용할 수 있음을 고려하여, 기업의 밸류체인 디지털화와 데이터 중심 의사결정 조직 구축 간의 관계에 디지털 인재 준비도가 미치는 조절효과를 가설로 설정하고 통계적으로 검증하였다. 본 연구의 결과는 데이터 중심 의사결정 조직 형성과 운영에 대한 이해를 넓히고 기업 조직이 데이터를 효과적으로 활용하여 의사결정을 내리는 과정에 대한 유용한 시사점을 제공할 수 있다. 실무적 측면에서는 기업들이 자신의 데이터 전략을 개발하고 구현하는 데 중요한 시사점을 제공할 수 있을 것으로 기대한다.

In recent decades, data has emerged as a pivotal management element. Numerous organizations employ data to fortify strategic decision-making, actively adapting to market fluctuations. Within this context, our study delves into the establishment of data-driven decision-making organizations and its determinants. Specifically, our focus centers on the ramifications of value chain digitization, talent readiness, and innovation-enabling environments on data-driven decision-making. In the digital era of the 21st century, we understand that value chain digitization substantially heightens an organization's overall performance. Proficient data analytics skills among talent play a pivotal role in shaping data-driven decision-making organizations. An innovation-friendly environment further empowers active data-driven decision-making implementation, nurturing an ecosystem conducive to adoption. However, there remains an understanding gap concerning how these factors collectively mold data-driven decision-making organizations. Our research furnishes insights into the formation and operation of such organizations, facilitating effective data application in decision-making processes. The findings yield a new comprehension of the influences steering data-driven decision-making, providing a bedrock for deeper exploration by researchers. In practical terms, these revelations furnish valuable guidance for companies as they formulate and execute their data strategies.

최근 스마트 농업 기술의 확산은 농업 생산 방식뿐 아니라 농업 조직의 운영 구조와 거버넌스 체계에도 중요한 변화를 가져오고 있다. 특히 인공지능(AI), 사물인터넷(IoT), 데이터 플랫폼 등 디지털 기술의 도입은 농업 생산과 경영 활동에서 발생하는 다양한 데이터를 실시간으로 수집․분석할 수 있도록 하며, 이는 조직 내부의 의사결정 방식과 정보 관리 구조에도 영향을 미칠 수 있다. 그러나 기존 스마트 농업 연구는 주로 생산성 향상이나 기술적 효율성에 초점을 맞추고 있으며, 이러한 디지털 전환이 농업 조직의 지배구조 투명성과 부패 예방에 어떠한 영향을 미치는지에 대한 연구는 상대적으로 부족한 실정이다. 본 연구는 스마트 농업 조직의 디지털 전환이 농업 조직의 지배구조 투명성에 미치는 영향을 분석하고, 데이터 기반 의사결정과 디지털 플랫폼이 조직 내부의 정보 비대칭성과 부패 발생 가능성에 어떠한 변화를 가져오는지를 탐색하는 데 목적이 있다. 이를 위해 스마트 농업 도입 사례를 중심으로 데이터 기반 의사결정 체계, 조직 인적자원 구조 변화, 그리고 디지털 플랫폼 기반 정보 공유 구조가 농업 조직의 거버넌스 구조에 미치는 영향을 분석하였다. 연구 결과, 스마트 농업의 디지털 전환은 농업 조직 내부의 정보 비대칭성을 완화하고 자원 배분 과정의 객관성을 높이는 역할을 할 수 있는 것으로 나타났다. 또한 디지털 기술 활용 능력을 갖춘 새로운 인적자원의 참여는 조직 내부의 권력 구조와 의사결정 구조에 변화를 가져올 수 있으며, 이는 조직 내부의 상호 감시 기능을 강화하는 요인으로 작용할 수 있다. 나아가 디지털 플랫폼 기반 데이터 공유 구조는 조직 구성원 간 정보 접근성을 확대함으로써 조직 운영의 투명성과 책임성을 강화하는 데 기여할 수 있는 것으로 분석되었다. 이러한 분석 결과는 스마트 농업의 디지털 전환이 단순한 생산 기술의 혁신을 넘어 농업 조직의 거버넌스 구조와 반부패 체계에도 영향을 미칠 수 있음을 시사한다. 특히 데이터 기반 경영 시스템과 디지털 플랫폼을 활용한 정보 공유 구조는 농업 조직 내부의 부패 발생 가능성을 구조적으로 감소시키는 중요한 제도적 기반으로 작용할 수 있다. 따라서 향후 스마트 농업 정책을 추진함에 있어 단순한 기술 보급을 넘어 농업 조직의 거버넌스 구조 개선과 데이터 기반 의사결정 체계 구축을 함께 고려할 필요가 있다.

This study examines how the digital transformation of smart agriculture organizations in Korea contributes to enhancing governance transparency and reducing corruption risks. Focusing on technologies such as artificial intelligence, Internet of Things, and blockchain, the paper analyzes the mechanisms through which data-driven decision-making and tamper-proof traceability systems mitigate the structural problems of organizational closure and information asymmetry in traditional agricultural entities. In the context of tightening carbon neutrality policies and ESG management requirements after 2025, the study explores how digital platforms strengthen green organizational identity and internal resistance to corrupt practices. By comparing conventional governance structures with digital governance in smart farming, and by analyzing empirical cases related to subsidy misuse, smart farm operation, and data platforms, the research identifies concrete pathways by which technological innovation is translated into social integrity in the agricultural sector. The findings suggest that the platformization of smart agriculture not only improves resource allocation efficiency and accountability but also supports the establishment of democratic and transparent governance as a core capability for sustainable agriculture.

본 연구의 목적은 예비교사의 데이터 기반 의사결정 수업에서 생성형 AI를 활용한 후 그에 따른 수업 효과와 학습 경험을 탐색하는 것이다. 이를 위해 총 50명의 예비교사를 대상으로 생성형 AI를 활용한 데이터 기반 의사결정 수업을 진행하였고, 효과성 검증을 위해 수업 전과 후에 데이터 기반 의사결정 효능감에 대한 설문을 진행하여 수집한 응답에 대해서는 대응표본 t 검정을 통해 결과를 분석하였다. 이 외에 수업 마지막 시간에 성찰 저널을 작성하도록 한 뒤 이후 텍스트 마이닝으로 분석하였다. 본 연구의 결과는 다음과 같다. 첫째, 예비교사의 데이터 기반 의사결정 효능감은 유의하게 향상되었다. 둘째, 예비교사의 성찰 저널에 드러난 학습 경험을 토픽모델링으로 분석한 결과, 다음과 같이 총 5개의 토픽이 추출되었다: ‘예비교사가 현장에서 활용할 만한 데이터 기반 의사결정을 지원하는 생성형 AI 활용 데이터 리터러시 학습’, ‘생성형 AI 활용 그룹별 교수 전략 도출 및 교육 데이터에 관한 윤리적 문제 인식’, ‘데이터 리터러시 역량을 통해 예비교사의 문제 해결 능력 향상’, ‘성적 데이터 해석 능력을 위해 생성형 AI 도구를 통해 질문하는 역량 및 방법 성찰’, ‘데이터 시각화 기반 자료를 통해 예비교사의 효율적인 교수적 의사결정 조력’. 마지막으로, 예비교사의 성찰저널에 드러난 어려움을 분석하였을 때, ‘생성형 AI가 생성한 출력값에 대한 어려움’, ‘생성형 AI가 생성한 학습 자료에 관한 어려움’, ‘생성형 AI에게 질문하는 것에 대한 어려움’, ‘생성형 AI와의 데이터 분석 작업에 대한 어려움’, ‘생성형 AI 사용에 걸리는 시간’ 등이 도출되었다. 이에 따라 본 연구는 예비교사의 생성형 AI 활용 데이터 기반 의사결정 경험을 다방면으로 분석하여 추후 기초자료를 제안한 의의가 있다.

This study aims to explore the learning experiences of pre-service teachers in utilizing generative AI-based data-driven decision-making(DDDM) tools and to investigate whether the experience was effective. To verify the effectiveness, a survey on the efficacy of DDDM was conducted before and after the class, and the responses were analyzed using paired sample t-tests. In addition, students were asked to write a reflection journal at the end of the class, which was later analyzed by text mining. As a result, pre-service teachers’ DDDM efficacy significantly improved after utilizing the generative AI-based tools. In addition, the topic modeling from reflection journals was extracted as follows: ‘Data literacy learning using gen AI to support DDDM that pre-service teachers can use in the field,’ ‘Deriving teaching strategies by groups using generative AI and recognizing ethical issues regarding educational data,’ ‘Improving pre-service teachers’ problem-solving skills through data literacy competencies,’ ‘Reflecting on the ability and method of asking questions through gen AI tools for interpreting performance data,’ and ‘Supporting pre-service teachers’ efficient instructional decision-making through data visualization-based materials.’ Finally, the analysis of the difficulties revealed in the pre-service teachers’ reflective journals, the output, the learning materials generated by the gen AI, asking questions to the gen AI, data analysis tasks with the gen AI, and the time it takes to use the gen AI. Therefore, this study is significant for its dual implications for pre-service teachers’ learning experiences in DDDM using generative AI.

데이터기반행정의 추진과 함께 데이터 기반 의사결정의 질적 수준에 대한 관심이 증가하고 있다. 현대 행정환경에서 질 높은 의사결정을 위해서는 데이터 활용을 촉진할 수 있는 조직문화와 공무원의 데이터 문해력 역량이 핵심적인 요인 으로 작용한다. 이에 본 연구는 데이터 기반 조직문화와 의사결정 품질 간의 관계에서 데이터 문해력의 매개효과를 분석하는 것을 목적으로 한다. 이를 위해 2022년 한국행정연구원에서 조사한 데이터기반행정 인식 조사자료를 활용하 여 공무원 472명을 대상으로 구조방정식 분석을 수행하였다. 분석 결과, 데이터 기반 조직문화는 데이터 문해력과 의 사결정 품질에 모두 유의미한 영향을 미치는 것으로 나타났다. 또한, 데이터 문해력 중 데이터 활용과 성찰 역량만이 의사결정 품질에 유의미하게 긍정적인 영향을 미치는 것으로 분석되었다. 본 연구의 결과를 토대로 데이터 기반 의사결 정 품질 제고를 위한 정책적 시사점을 제시하였다.

With the advancement of data-driven public administration, there is increasing interest in the quality of data-driven decision making. In the modern administrative environment, promoting data utilization through an organizational culture and enhancing the data literacy of public servants are key factors for high decision making quality. This study aims to analyze the mediating effect of data literacy on the relationship between a data-driven organizational culture and decision-making quality. To this end, we utilized survey data on data-driven public administration awareness from the Korea Institute of Public Administration in 2022, analyzing responses from 472 public officials using structural equation modeling. The results showed that a data-driven organizational culture significantly impacts both data literacy and decision-making quality. Specifically, data utilization and reflexivity skills, components of data literacy, were found to have a significantly positive effect on decision-making quality. Based on the results of this study, policy implications for enhancing the quality of data-driven decision-making were suggested