Machine Learning-Based Prediction of Circular Economy Implementation Effectiveness in Education for Sustainable Development (ESD) Programs: Empirical Evidence from Indonesia

세상을 우리가 끊임없이 무언가를 만들고, 사용하고, 다시 버리는 거대한, 엉망진창인 작업실이라고 상상해 보세요. 오랫동안 우리는 '자원 채취, 제품 제조, 찌꺼기 투기'라는 일방통행 방식으로 운영되어 왔습니다. 하지만 과학자들과 교육자들은 이제 이것을 거대한 회전목마인 **순환 경제(Circular Economy)**로 바꾸려고 노력하고 있습니다. 쓰레기 대신 모든 것이 재활용되거나, 재사용되거나, 새로운 것으로 변하여, 자원이 매립지로 사라지는 대신 행복한 원을 그리며 계속 회전하게 만드는 것입니다. 이를 실현하기 위해서는 사람들에게 '루프(loop)'처럼 생각하는 법을 가르쳐야 합니다. 여기서 **지속가능발전교육(ESD)**이 등장합니다. ESD를 세상이 아무것도 낭비하지 않는 연결된 시스템임을 이해하도록 훈련하는 학교 커리큘럼이라고 생각하면 됩니다. 하지만 까다로운 점이 있습니다. 학교가 이러한 개념을 가르친다고 '말'한다고 해서 그것이 실제로 작동한다는 보장은 없다는 것입니다. 우리가 배운 '순환'의 교훈이 제대로 박혀 있는지 어떻게 알 수 있을까요? 그것이 바로 핵심 질문입니다. 단순히 교사에게 "잘 가르쳤나요?"라고 묻는 대신, 한 연구팀은 **머신러닝(Machine Learning)**이라는 초스마트 디지털 탐정을 사용하여 그 이면에서 무엇이 프로그램의 성공과 실패를 결정하는지 들여다보기로 했습니다.

---

디지털 탐정과 학교의 루프

인도네시아의 한 연구팀은 매우 구체적인 미스터리를 풀기 위해 탐정 놀이를 시작했습니다. 바로 자카르타와 반텐 지역의 학교들이 이러한 '순환 경제' 아이디어를 실제로 얼마나 잘 구현하고 있는가 하는 점입니다. 그들은 단순히 추측하지 않았습니다. 교사, 학생, 학교 관리자, 정부 정책 입안자를 포함한 505명의 대규모 팀을 구성하여 설문 조사를 실시했습니다. 그들은 '순환'의 교훈이 실제로 효과적인지, 아니면 그저 칠판 위의 유행어에 불과한지를 확인하고 싶었습니다.

이 문제를 해결하기 위해 그들은 머신러닝 모델을 구축했습니다. 만약 설문 조사 데이터를 거대한 퍼즐 조각 더미라고 상상한다면, 전통적인 수학은 한 번에 한 조각씩 맞춰보는 것과 같습니다. 반면 머신러닝은 퍼즐 전체를 한꺼번에 보고 인간의 눈으로는 놓칠 수 있는 숨겨진 패턴과 연결 고리를 찾아내는 로봇과 같습니다. 연구진은 세 가지 유형의 로봇 탐정에게 이 퍼즐 조각들을 입력했습니다. 질문을 던지는 의사결정 나무(Decision Tree), 여러 나무가 투표하는 방식인 랜덤 포레스트(Random Forest), 그리고 '좋은' 프로그램과 '나쁜' 프로그램을 구분하는 최적의 선을 긋는 **서포트 벡터 머신(Support Vector Machine)**입니다.

그들이 발견한 것: 솔로 연주가 아닌 팀워크

결과는 다소 놀라웠습니다. 첫째, 이러한 프로그램의 '효과성'은 극단적인 높낮이를 오가는 롤러코스터가 아니었습니다. 대부분의 경우 프로그램은 딱 중간 수준인 '보통(moderate)' 단계에 머물러 있었습니다. 재앙 수준은 아니었지만, 완벽한 유토피아도 아니었습니다. 점수는 중간 지점에 머물러 있었으며, 이는 학교들이 노력은 하고 있지만 아직 순환의 루프를 완전히 숙달하지는 못했음을 시사합니다.

연구진은 로봇들에게 물었습니다. "무엇이 차이를 만드는가?" 그들은 멋진 새 컴퓨터실을 갖추거나 아주 엄격한 정책을 세우는 것 같은 하나의 커다란 요인이 마법 지팡이가 될 것이라고 예상했습니다. 하지만 로봇들은 "아니요, 이것은 팀워크입니다"라고 답했습니다.

모델들은 단 하나의 요인이 지배적이지 않다는 것을 발견했습니다. 대신, 다음과 같은 여러 요소가 함께 작용했습니다:

• 교사 역량: 교사가 이러한 개념을 얼마나 잘 설명할 수 있는가.
• 기관 지원: 학교 행정실이 실제로 프로그램을 뒷받침하는가.
• 커리큘럼 통합: 순환의 아이디어가 실제 수업에 얼마나 잘 녹아들어 있는가.
• 학생 참여: 아이들이 실제로 주의를 기울이고 참여하고 있는가.
• 정책 정렬: 정부의 규칙이 학교에서 하는 일과 일치하는가.
• 기술적 지원: 적절한 도구와 기술을 갖추고 있는가.

이 연구는 만약 기술만 개선하고 교사를 무시하거나, 훌륭한 교사는 있지만 학교의 지원이 없다면 프로그램이 제대로 작동하지 않을 것임을 시사합니다. 이는 달걀만 있고 밀가루는 없는 상태에서 케이크를 구우려는 것과 같습니다. 좋은 결과를 얻으려면 모든 재료가 필요합니다.

로봇의 판결

프로그램의 성과를 예측할 때, 결과는 서로 비슷한 수준으로 나타났습니다. 랜덤 포스트 모델이 약간 더 안정적인 결과를 보였고 테스트 시 약 **85%**의 정확도로 효과성을 예측하며 근소한 우위를 점했지만, 논문은 모든 지표에서 명확하게 압도적인 성능을 보인 단일 모델은 없었다고 언급했습니다. 의사결정 나무와 서포트 벡터 머신 역시 상당히 유능했으며, 이는 기초 데이터가 복잡하며 서로 다른 도구들이 단 하나의 '스타' 탐정이 사건을 해결하는 대신 유사한 통찰력을 제공할 수 있음을 시사합니다.

흥amente하게도, 로봇들이 어떤 요인이 가장 중요한지를 살펴보았을 때, 그들은 교사 역량을 챔피언으로 지목했으며, 그 뒤를 기관 지원과 커리큘튬 통합이 바짝 뒤쫓았습니다. 이는 복잡한 개념을 가르칠 줄 아는 숙련된 교사를 보유하는 것이 완벽한 정책이나 최신 기기를 갖추는 것보다 약간 더 중요하다는 것을 의미합니다. 그러나 그 차이는 크지 않았으며, 모든 요인이 역할을 수행했습니다.

결론

이 연구는 지속가능발전 교육을 즉각적으로 해결할 수 있는 마법 버튼을 찾아낸 것이 아닙니다. 대신, 순환 경제 프로그램을 성공시키는 것은 오케스트라를 지휘하는 것과 비슷하다고 제안합니다. 교사(바이올린 연주자), 학교 지도자(지휘자), 커리큘럼(악보), 그리고 학생(관객)이 모두 조화를 이루어야 합니다. 만약 한 섹션이라도 음이 맞지 않으면 곡 전체가 망가집니다.

연구진은 이러한 디지털 도구를 사용하여 우리가 진전을 보이고는 있지만, 여 still 할 일이 많다는 것을 보여주었습니다. '보통' 수준의 점수는 우리가 올바른 길로 가고 있다는 뜻이지만, 우리는 계속해서 악기를 조율해야 합니다. 스마트한 컴퓨터 모델을 사용함으로써, 교육자와 정책 입안자들은 이제 막연한 추측 대신(특히 교사 훈련과 학교 지원에) 어디에 에너지를 집중해야 할지 정확히 알 수 있게 되었습니다. 이는 지구를 구하는 것이 단지 거창한 아이디어에 관한 것이 아니라, 우리가 어떻게 가르치고 배우는지에 대한 작고 상호 연결된 세부 사항들에 관한 것임을 상기시켜 줍니다.