LMS-FAIR-India: A FAIR Compliant Synthetic LMS Interaction Dataset from a Private University for Privacy Preserving Learning Analytics

현대적인 교실에서 학습은 결코 고립된 상태에서 일어나지 않습니다. 학습은 학생들이 강의를 시청하고, 읽기 자료를 다운로드하며, 과제를 제출하고, 퀴즈를 풀기 위해 로그인하는 디지털 플랫폼을 통해 전개됩니다. 모든 클릭, 모든 일시 정지, 그리고 모든 제출은 디지털 흔적을 남겨 사람들이 어떻게 학습하는지에 대한 방대한 기록을 생성합니다. 연구자들은 이 분야를 학습 분석학(learning analytics)이라고 부르며, 이러한 패턴을 연구함으로써 무엇이 학생의 성공을 돕고 무엇이 학생을 위험에 빠뜨리는지를 이해할 수 있다고 믿습니다. 그러나 이 진보를 가로막는 중대한 장벽이 존재합니다. 이러한 패턴을 드러낼 데이터에는 실제 학생들에 대한 매우 개인적인 정보가 포함되어 있습니다. 인도와 유럽의 사례와 같이 개인정보 보호를 위해 설계된 법률들은 이 가공되지 않은 데이터를 공개적으로 공유하는 것을 불법으로 규정합니다. 이는 어려운 상황을 만듭니다. 과학자들은 교육을 개선하기 위해 데이터를 연구하고 싶어 하지만, 데이터를 접하는 순간 그 데이터가 설명하는 개인의 사생활을 침해하게 되기 때문입니다.

이 딜레마를 해결하기 위해, 파룰 대학교(Parul University)의 산제이 아갈(Sanjay Agal)이라는 연구자는 새로운 종류의 자원을 만들어냈습니다. 연구팀은 신뢰와 법을 저버리는 행위인 실제 학생의 기록을 공유하는 대신, 실제 학생의 행동을 모방한 완전히 인공적인 데이터셋을 생성했습니다. 'LMS-FAIR-India'라고 불리는 이 컬렉션은 실제 사람을 포함하지 않으면서도 실제와 똑같이 보이고 느껴지는 가상의 상호작용들을 모아놓은 거대한 라이브러리입니다. 이를 통해 연구자들은 단 한 명의 실제 학생의 이름이나 성적을 볼 필요 없이 자신의 아이디어를 테스트하고 더 나은 교육 도구를 구축할 수 있습니다. 이 작업은 개인의 프라이버시 권을 엄격히 준수하면서도 학습 과학을 발전시키는 것이 가능하다는 것을 보여줍니다.

이 프로젝트의 핵심은 컴퓨터로 생성된 대학 학기의 시뮬레이션인 합성 데이터셋(synthetic dataset)입니다. 연구진은 만 명의 가상 학생, 150개의 강좌, 6개월의 학기 과정을 갖춘 전형적인 인도 사립 대학교의 모델을 구축했습니다. 그들은 이 모델을 만들기 위해 어떠한 실제 학생의 기록도 사용하지 않았습니다. 대신, 인도 대학교가 운영되는 방식에 대한 공공 규칙, 학생들이 온라인에서 일반적으로 보이는 행동에 대한 일반 통계, 그리고 시뮬레이션이 실제처럼 느껴지도록 하기 위한 교수진의 조언에 의존했습니다. 그 결과, 인구통계학적 세부 사항, 강좌 정보, 그리고 로그인, 비디오 시청, 퀴즈 시도와 같은 170만 개 이상의 기록된 이벤트가 포함된 데이터 컬렉션이 탄생했습니다. 이 데이터셋의 모든 정보는 통계적 규칙을 따르는 컴퓨터 프로그램에 의해 생성되었으므로, 실제 사람이 관여한 적이 없기에 실제 인물을 식별할 위험이 전혀 없습니다.

데이터셋은 실제 학습 환경의 복잡성을 반영하도록 구조화되었습니다. 단순히 무작위적인 이벤트를 나열하는 것이 아니라, 이들을 논리적으로 연결합니다. 예를 들어, 데이터는 어떤 학생이 어떤 강좌에 등록되어 있는지, 플랫폼에 얼마나 오래 머물렀는지, 그리고 과제에서 어떤 점수를 받았는지를 보여줍니다. 연구진은 이 인공 데이터의 패턴이 실제 삶과 일치하도록 보장했습니다. 시뮬레이션에서 학기를 시작하기 전 학업 배경이 강했던 학생들은 플랫폼에서 더 활발하게 활동하는 경향을 보였는데, 이는 현실을 반영하는 패턴입니다. 또한 데이터는 평일 낮 시간대에 활동이 정점에 달하고 주말에는 크게 감소하는 학생 생활의 리듬을 포착합니다. 이러한 자연스러운 행동을 재현함으로써, 이 데이터셋은 어떤 학생이 어려움을 겪을지 예측하거나 학습자를 더 잘 참여시키기 위한 방법을 설계하려는 연구자들에게 현실적인 테스트 환경을 제공합니다.

이 작업에서 가장 중요한 측면 중 하나는 프라이버시 문제를 어떻게 다루느냐 하는 것입니다. 과거에 연구자들은 이름을 제거하거나 특정 세부 정보를 숨기는 익명화(anonymization) 과정을 통해 실제 데이터를 보호하려고 시도하곤 했습니다. 그러나 전문가들은 익명화된 데이터라 할지라도 다른 정보와 결합될 경우 때때로 개인을 추적할 수 있다는 점을 보여주었습니다. 이 새로운 접근 방식은 그러한 위험을 완전히 피합니다. 데이터가 무작위 분포와 통계 모델을 사용하여 처음부터 생성되었기 때문에, 어떤 기록도 실제 학생과 연결하는 것은 불가능합니다. 연구진은 가상의 학생을 실제 학생이라고 생각하도록 컴퓨터를 속이려고 시도했으나, 컴퓨터는 아무런 연결 고리도 찾아내지 못했습니다. 이러한 '설계에 의한 프외 보호(privacy by design)' 방식은 이 데이터를 전 세계 누구와도 자유롭게 공유할 수 있게 하여, 법적 또는 윤리적 위반에 대한 두려움 없이 개방적인 협력을 가능하게 합니다.

글로al 과학계가 이 데이터를 유용하게 사용할 수 있도록, 연구진은 찾을 수 있고(Findable), 접근 가능하며(Accessible), 상호 운용 가능하고(Interoperable), 재사용 가능한(Reusable) 것을 의미하는 FAIR 원칙을 따랐습니다. 데이터셋은 영구적인 디지털 주소를 가진 공개 온라인 아카이브에 호스팅되어 있어 쉽게 찾고 인용할 수 있습니다. 이 데이터는 제작자에게 출처를 밝히는 조건으로 누구나 사용, 수정 및 공유할 수 있는 라이선스 하에 무료로 제공됩니다. 데이터는 거의 모든 컴퓨터 프로그램으로 열 수 있는 명확하고 표준화된 파일로 구성되어 있으며, 각 열과 숫자가 정확히 무엇을 의미하는지 설명하는 상세한 가이드가 함께 제공됩니다. 또한, 연구진은 데이터를 생성하는 데 사용된 컴퓨터 코드도 대중에게 공개했습니다. 이러한 투명성은 다른 과학자들이 결과를 검증하거나, 자신의 대학에 맞게 시뮬레이션을 조정하거나, 서로 다른 교육적 맥락에 맞춘 새로운 데이터셋을 생성할 수 있도록 합니다.

이 데이터의 가치는 실제 연구를 지원할 수 있는지 확인하기 위해 설계된 일련의 테스트를 통해 입증되었습니다. 연구진은 인공 데이터를 사용하여 학생 참여도를 예측하고 중도 탈락 가능성이 있는 학생을 식별하는 컴퓨터 모델을 훈련시켰습니다. 모델은 이 가짜 데이터에서도 이전 연구에서 실제 데이터로 수행했던 것과 동일한 수준의 성능을 보였습니다. 예를 들어, 연구진이 어떤 학생이 강좌를 마칠지 예측하려고 했을 때, 시스템은 높은 정확도로 위기 학생을 올바르게 식별해 냈습니다. 또한 연구진은 학생의 로그인 빈도와 최종 성적 사이의 관계가 시뮬레이션에서도 보존되어 실제 연구 결과와 일치함을 확인했습니다. 이러한 결과는 합성 데이터가 새로운 교육 기술을 개발하고 테스트하는 데 있어 실제 데이터를 대체할 수 있는 신뢰할 수 있는 수단임을 시사합니다.

이 작업은 특히 인도의 고등 교육 맥락에서 학습 분석학 분야의 중요한 공백을 메워줍니다. 서구 국가들로부터 온 공개 데이터셋들이 일부 존재하지만, 그것들은 종종 다른 교육 체계와 문화적 맥락을 반영합니다. LMS-FAIR-India 데이터셋은 인도의 사립 대학교를 모델로 한 대규모의 현실적인 시뮬레이션을 제공함으로써 이 빈자리를 채웁니다. 이는 연구자들이 이 특정한 환경에서 학생들이 어떻게 학습하고 기술과 상호작용하는지 연구할 수 있는 독특한 기회를 제공합니다. 프라이버시가 안전하면서도 과학적으로 견고한 도구를 제공함으로써, 이 프로젝트는 교육의 새로운 혁신 물결을 가능하게 합니다. 이를 통해 과학자들은 학생의 성공에 관한 어려운 질문을 던지고, 연구 대상이 되는 개인의 존엄성이나 안전을 해치지 않으면서 답을 찾을 수 있습니다.

이 작업의 함의는 단 하나의 데이터셋을 넘어섭니다. 이는 교육 연구 분야 전체를 위한 실질적인 경로를 제시합니다. 고품질의 프라이버시 보호 데이터를 생성하고 공개적으로 공유할 수 있음을 보여줌으로써, 연구진은 수년간 발전을 늦춰온 주요 장애물을 제거했습니다. 이제 다른 기관들도 복잡한 법적 절차를 거칠 필요 없이 자신의 특정 요구에 맞춘 합성 데이터셋을 만드는 동일한 방법을 사용할 수 있습니다. 이러한 접근 방식은 모든 학생을 위한 학습 성과 개선에 초점을 맞춘 개방성과 협력의 문화를 조성합니다. 이 데이터셋은 프라이버시를 보호하는 것과 과학을 발전시키는 것이 서로 상충하는 목표가 아니라, 세심하고 창의적인 설계를 통해 함께 달성할 수 있는 보완적인 목표라는 사실을 증명하는 증거입니다.