Toward a Metaphysics of Learning Analytics: Ontological Positioning of Data, Inference, and Normativity

기술 요약: 학습 분석학의 형이상학을 향하여

문제 제기
첫 번째 LAK 컨퍼런스 이후 15년 동안 급격한 발전이 있었음에도 불구하고, 학습 분석학(Learning Analytics, 이하 LA) 분야는 형이상학적 탐구를 대체로 소홀히 해왔다. 인식론적 및 윤리적 논쟁은 활발했던 반면, LA의 존재론적 기초에 관한 논의는 부족했다. 구체적으로, 학계에는 LA의 정체성을 내부 원칙으로부터 체계적으로 도출해내는 논의가 결여되어 있다. 현재의 정의와 관행은 종종 LA의 목적(학습 증진)과 그 운영(데이터 조작)을 혼동하며, 이는 규범적 판단이 기술적 과정 내에 암묵적으로 내재되는 존재론적 긴장을 초과한다. 본 논문은 "LA란 무엇인가?"라는 근본적인 질문을 다루며, LA가 다루는 데이터의 존재론적 상태, 관련 주체, 그리고 추론의 논리적 경계를 검토한다.

방법론
본 논문은 스트로슨(Strawson, 1959)이 확립한 프레임워크를 따르는 **기술적 형이상학(descriptive metaphysics)**을 채택한다. 수정주의적 체계나 이상적인 형태를 LA에 강요하기보다는, 저자들은 LA의 기존 개념적 구조와 정의 및 관행에 내재된 약속들을 분석한다.

• 자료원: 본 분석은 LA의 자기 이해를 나타내는 특권적 표현으로서 학습 분석학 연구 협회(SoLAR)가 제공한 공식 정의에 근거한다.
• 분석적 접근: 저자들은 정의("학습자에 관한 데이터의 수집, 분석, 해석 및 전달")의 논리적 함의를 추적하여 존재론적 전제 조건을 도출한다. 또한, LA의 맥락 내에서 흄(Hume)의 'is/ought(존재/당위)' 문제를 다루기 위해 기술적 명제(is)와 규범적 명제(ought)를 엄격히 구분한다.
• 범위: 본 탐구는 "데이터"의 본질, 주체의 식별, 그리고 추론의 논리적 한계에 초점을 맞추며, 방법론적 중립성을 유지하기 위해 외부의 규범적 정당화는 명시적으로 제외한다.

주요 기여 및 결과

1. "데이터"의 존재론적 정교화:
   본 논문은 LA가 조작하는 데이터를 주어진 사실이 아닌 **"형식화된 구성된 기록(Formalized Constituted Records)"**으로 재정의한다.

• 구성된(Constituted): 데이터는 가공되지 않은 중립적인 주어진 것이 아니다. 그것은 학습 사건으로부터 개념적, 관찰적 환원(추상화)을 통해 구축된 것이다.
• 형식화된(Formalized): 기록은 LA 시스템에 의해 운용 가능하도록(수집, 분석 등) 구조화되어 있다.
• 함의: 학습 사건과 데이터 사이에는 일대일 대응 관계가 존재하지 않는다. 데이터의 의미는 그것을 구성하는 개념적, 기술적 프레임워크에 의해 전적으로 결정된다.

2. 제0원리와 제1원리:

• 제0원리: 학습자는 LA의 유일한 존재론적 전제 조건이다. 학습자는 주체이자 기록의 생산자이며, 학습자가 없다면 LA 데이터도 존재할 수 없다. 이는 데이터 조작의 내재적 조건이지 규범적 목표가 아니다.
• 제1원리: LA에서의 최소한의 정당한 추론 근거는 학습자와 그들의 학습에 관한 "형식화된 구성된 기록"으로 엄격히 제한된다.
• 논리적 결과: LA는 기술적 "is" 명제(데이터 기록)로부터 규범적 "ought" 명제(무엇이 바람직한 학습인가)를 논리적으로 도출할 수 없다. 규범적 판단은 LA 시스템 외부에서 기원해야 한다.

3. 8가지 주체의 식별:
   본 논문은 책임과 기능을 명확히 하기 위해 LA 과정을 8개의 뚜렷한 존재론적 주체로 분해한다.
4. 학습자: 주체이자 데이터의 생산자 (존재론적 전제 조건).
5. 시스템 설계자: 프레임워크를 정의하고 시스템 구조에 대한 궁극적 책임을 진다.
6. 데이터 수집가: 설계자의 프레임워크 내에서 수집을 실행한다.
7. 데이터 분석가: 분석을 수행하고 방법을 선택한다.
8. 데이터 해석가: 기술적 통찰을 도출하고 이론적 관련성을 보장한다.
9. 데이터 전달자: 발견 사항을 전송하며 형식과 대상을 선택한다.
10. 의사결정자: (예: 학습자, 교사, 정책 입안자) LA의 통찰을 사용하여 독립적인 규범적 판단과 개입을 수행한다.
11. 지식 번역가: 서로 다른 LA 시스템이나 맥락 간에 통찰을 번역한다 (예: 연구 결과를 발표하는 연구자).

• 참고 (교사): 교사는 독립적인 데이터를 생성하는 주체로 취급되지 않고 "의사결정자" 아래에 포함된다. 왜냐- LA의 운용 대상은 교사에 의해서만 생성된 데이터가 아니라 '학습자에 관한 데이터'로 정의되기 때문이다.

4. "규범 내재적 LA(Norm-Embedded LA)"에 대한 비판:
   본 논문은 **"규범 내재적 LA"**라고 명명된 관행에서 나타나는 심각한 존재론적 긴장을 식별한다. 이는 규범적 명제(바람직한 학습에 대한 정의)가 통찰이 생성되기 전, 즉 시스템 설계, 데이터 수집 또는 분석 단계에 이미 박혀 있는 시스템을 의미한다.

• 갈등: 목적(학습 증진)과 운영(데이터 처리)의 이러한 혼동은 제1원리를 위반한다. 이는 시스템이 자신의 논리 내에서 "ought"를 "is"로부터 도출하려고 시도함으로써, 분석을 편향시키고(예: '위험군' 변수에만 집중) 기술적 발견과 가치 판단 사이의 구분을 모호하게 만드는 존재론적 불일치를 초래한다.

5. 인접 분야의 위치 설정:
   본 프레임워크는 관련 분야를 존재론적으로 배치한다.

• 교육 데이터 마이닝(EDM): 광범위한 LA 존재론적 구조 내에서 "분석" 및 "해석" 단계를 수행하는 방법론으로 위치한다.
• 학습자 모델링(Learner Modeling): 모델이 기술적 기록으로서 기능할 때는 LA에 부합하지만, 학습 행동을 생성하는 규범적 구조로서 작로서 작용할 때는 LA에서 벗어난다.
• 학습 설계(Learning Design): LA 외부의 규범적 영역에 존재하지만, 그 통찰은 지식 번역가를 통해 시스템 설계 지침으로 번전될 수 있다.

의의 및 주장
본 논문은 이 형이상학적 체계가 LA의 실용적 유용성을 제한하거나 교육적 목표를 부정하려는 것이 아니라고 주장한다. 대신, 다음과 같은 목적을 가진다.

• 경계 명확화: 기술적 통찰의 생산(LA의 영역)과 규범적 판단의 적용(의사결정자 및 교육 철학의 영역)을 명시적으로 분리한다.
• Is/Ought 문제로부터 보호: 사실로부터 규범을 도출할 수 없음을 확립함으로써, 데이터가 도덕적 권위로 오인되는 논리적 오류를 방지한다.
• 주체성 보호: 학습자를 존재론적 전제로, 교사를 데이터 루프 외부의 의사결정자로 배치함으로써, 학습자와 교육자 모두가 단순한 데이터 포인트나 알고리즘 출력물로 환원되는 것으로부터 자율성을 보호한다.
• 비판적 대화 가능성 확보: 이 체계는 LA 커뮤니티가 인식론과 가치론을 논할 때, 이러한 논쟁이 운영적 정의와 얽히지 않도록 하는 안정적인 참조점을 제공한다.

저자들은 이러한 암묵적 가정들을 명시적으로 드러내는 것이 LA를 강요하는 행위가 아니라, 증거의 생성과 교육적 결정의 실행 사이의 명확한 역할 분담을 가능하게 함으로써 LA를 하나의 학문 분야로서 성숙시키기 위한 필수적인 단계라고 결론짓는다.