AI Acceptance and Digital Transformation as Predictive Drivers of University Sustainability Using a Hybrid Machine Learning Model

현대 사회에서 대학교는 단순히 배움의 장소를 넘어, 급변하는 환경 속에서 생존하고 번영해야 하는 복잡한 조직입니다. 이를 위해 대학은 두 가지 강력한 힘에 의존합니다. 하나는 모든 업무 영역에서 디지털 도구의 사용을 확대하는 것, 즉 '디지털 전환'이며, 다른 하나는 인공지능과 같은 새로운 기술을 수용하려는 직원들의 의지입니다. 디지털 전환은 단순히 컴퓨터를 구매하는 것이 아닙니다. 이는 기관이 어떻게 계획을 세우고, 인력을 관리하며, 외부 세계와 연결될 것인가를 바꾸는 과정을 포함합니다. 마찬가지로, 인공지 intelligence(AI)를 받아들이는 것은 단순히 소프트웨어를 설치하는 문제가 아니라, 조직 구성원들이 그 기술이 유용하고, 사용하기 쉬우며, 자신의 업무 방식을 바꿀 만큼 신뢰할 만하다고 믿는지에 관한 문제입니다. 이 두 가지 힘이 조화를 이룰 때, 대학은 학생, 교직원, 그리고 지역 사회를 위해 가치를 창출하면서 장기적으로 미션을 수행할 수 있는 지속 가능성을 확보할 잠재력을 갖게 됩니다. 그러나 이러한 아이디어들이 널리 논의되고 있음에도 불구하고, 동남아시아 대학이라는 구체적인 맥락에서 이들이 어떻게 함께 작용하는지에 대한 구체적인 증거는 거의 없었으며, 아직 특정 대학이 이러한 요인들을 바탕으로 얼마나 잘 해낼지를 예측할 수 있는 신뢰할 만한 방법도 구축되지 않았습니다.

태국 마하사라캄 대학교(Mahasarakham University)의 연구진은 대학 운영진을 직접 조사함으로써 이 간극을 메우고자 했습니다. 연구진은 178명의 고위 대학 경영진, 특히 행정 및 정보 기술을 담당하는 이들을 대상으로 설문 조사를 실시하여, 해당 기관의 디지털 발전 정도, 직원들의 인공지능에 대한 태도, 그리고 대학의 전반적인 건전성과 지속 가능성에 대해 질문했습니다. 연구진은 대학의 디지털 전환 방식과 리더들의 인공지능 수용도가 실제로 그 대학의 지속 가능성을 예측할 수 있는지 확인하고자 했습니다. 그들은 두 가지 뚜렷한 방식으로 이 질문에 접근했습니다. 첫째, 표준 통계 방법을 사용하여 이러한 요인들 사이에 직접적인 연관성이 있는지 확인했습니다. 둘째, 더 혁신적인 방법으로, 이 소수의 경영진으로부터 학습하여 어떤 대학의 지속 가능성도 높은 정확도로 예측할 수 있도록 설계된 정교한 컴퓨터 모델을 구축했습니다.

초기 분석 결과는 많은 리더가 짐작은 하고 있지만 명확한 데이터로 증명한 적은 드문 사실을 확인해 주었습니다. 즉, 디지털 전환과 인공지능 수용은 실제로 지속 가능성을 이끄는 강력한 동력이라는 점입니다. 연구에 따르면, 대학이 디지털 전략을 개선하고, 프로세스를 더 잘 관리하며, 무엇보다도 구성원의 역량을 개발할 때 대학은 현저히 더 지속 가능해집니다. 조사된 모든 요인 중에서, 직원들의 기술과 디지털 리터러시(digital literacy)가 성공을 예측하는 가장 강력한 단일 지표로 나타났으며, 대학의 외부 네트워크와 파트너십의 강함이 그 뒤를 바짝 쫓았습니다. 마찬가지로, 대학 공동체가 인공지능을 수용하고 사용하려는 의지가 대학의 장기적 생존 가능성에 강력하고 긍정적인 영향을 미친다는 사실이 밝혀졌습니다. 이는 기술을 구매하는 것만으로는 충분하지 않으며, 그것을 사용하는 사람들이 기술을 믿고 효과적으로 사용할 능력을 갖추어야 함을 시사합니다.

단순한 상관관계를 넘어 실제 결과를 예측할 수 있는 도구를 만들기 위해, 연구진은 새로운 유형의 컴퓨터 모델을 개발했습니다. 이 모델은 대학 리더십 연구에서 흔히 발생하는 문제인 상대적으로 적은 수의 설문 응답 데이터를 처리할 수 있도록 설계되었습니다. 연구진은 대학 규모부터 기술에 대한 특정 태도에 이르기까지 설문에서 수집된 29가지의 서로 다른 정보를 바탕으로 시작했습니다. 금속을 냉각시켜 불순물을 제거하는 방식과 유사한 방법을 사용하여, 컴퓨터는 이러한 요인들의 조합을 체계적으로 테스트하여 가장 중요한 요인들을 찾아냈습니다. 이를 통해 목록을 단 12개의 핵심 특징으로 줄였으며, 노이즈를 제거하고 진정으로 중요한 것에 집중했습니다. 이 12가지 특징에는 디지털 및 AI 요인뿐만 아니라 대학의 규모나 응답자의 학술적 직위와 같은 기본적인 세부 사항도 포함되었습니다.

연구진은 예측을 수행하기 위해 세 가지 유형의 학습 알고리즘을 하나의 통합된 시스템으로 결합했습니다. 시스템의 한 부분은 데이터 내의 복잡한 패턴을 찾았고, 다른 부분은 결정 트리(decision trees)의 거대한 숲처럼 작동했으며, 세 번째 부분은 미묘한 연결 고리를 찾기 위해 신경망(neural network)을 사용했습니다. 이 세 부분은 함께 작동하며, 최종 레이어는 개별적인 통찰력을 하나의 고도로 정확한 예측으로 결형하는 최선의 방법을 학습합니다. 이러한 하이브리드 접근 방식 덕분에 모델은 데이터가 적더라도 혼란을 겪거나 터무in한 추측을 하지 않고 학습할 수 있었습니다. 연구진이 이 새로운 모델을 기존의 더 단순한 방법들과 비교 테스트했을 때, 이 모델은 훨씬 더 우수한 성능을 보였습니다. 이 모델은 대학의 지속 가능성이 어떻게 변화하는지에 대한 변동성의 95% 이상을 설명할 수 있었는데, 이는 단순한 모델들이 도달할 수 없었던 수준의 정확도였습니다. 또한 모델은 매우 안정적이었으며, 이는 데이터가 약간 달라지더라도 일관된 결과를 제공한다는 것을 의미하며, 신뢰할 수 있는 예측을 하는 데 있어 매우 중요합니다.

이 연구 결과는 태국과 더 넓은 지역의 대학 리더 및 정책 입안자들에게 명확한 방향을 제시합니다. 연구는 대학의 미래를 보장하는 가장 효과적인 방법이 단순히 새로운 기술에 투자하는 것이 아니라, 그 기술을 사용하는 사람에게 투자하는 것임을 보여줍니다. 직원의 디지털 기술을 개발하고 인공지능을 신뢰하고 환영하는 문화를 조성하는 것이 지속 가능성을 향한 가장 결정적인 단계입니다. 연구진은 또한 이러한 진전을 모니터링할 수 있는 실질적인 도구도 제공했습니다. 그들의 새로운 예측 모델은 교육 당국이 다양한 기관의 건강 상태를 평가하고, 디지털 여정에서 뒤처질 위험이 있는 기관을 식별하는 데 사용될 수 있습니다. 이를 통해 문제가 심각해지기 전에 표적화된 지원과 개입이 가능해집니다.

그러나 연구진은 자신들의 작업에 한계가 있음을 주의 깊게 언급했습니다. 데이터가 특정 시점에 수집되었기 때문에, 이 연구는 이러한 요인들 사이의 강한 연관성을 보여주지만, 엄격한 의미에서 한 요인이 다른 요인을 유발한다는 인과관계를 증명할 수는 없습니다. 모델은 태국의 특정 경영진 178명을 대상으로 구축되었으므로, 결과가 매우 유망하더라도 이것이 어디서나 통용되는지 확인하기 위해서는 더 큰 집단이나 다른 국가를 대상으로 테스트할 필요가 있습니다. 이러한 한계에도 불구하고, 이 연구는 디지털 변화와 인간의 수용이 어떻게 함께 작면하여 고등 교육의 미래를 형성하는지에 대한 드물고 가치 있는 통찰을 제공합니다. 이 연구는 디지털 시대에 대한 추상적인 아이디어를 넘어 구체적이고 측정 가능한 증거로 논의를 옮겨 놓았으며, 지속 가능한 대학으로 가는 길은 숙련된 사람들과 내일의 도구를 기꺼이 받아들이려는 의지로 닦여 있다는 것을 보여줍니다.