1990년대 초 루르대학교 보훔에서 음성 기술 박사 과정을 시작했을 당시, 인공지능(AI)이라는 용어는 누구도 쉽게 사용하지 않았습니다. 은닉 마르코프 모델, 몇 개의 레이어로 이루어진 신경망, 그리고 엄청난 양의 수동 특징 엔지니어링 작업이 전부였습니다. 모든 것을 이해해야 했습니다. 통계, 데이터, 모델, 의사 결정 등 그 어떤 것에도 지름길은 없었습니다. 자신이 무엇을 하고 있는지, 왜 그렇게 하는지 정확히 알아야 했습니다.
30년이 흐른 지금, 저는 유럽 전역의 대학 강사들과 함께 일하고 있습니다. 그들은 1994년 우리 연구소 전체가 보유했던 것보다 더 강력한 컴퓨팅 성능을 주머니 속에 넣고 다니는 학생들에게 통계적 추론과 분석적 판단이라는 동일한 학문을 가르치려고 애쓰고 있습니다. 그리고 많은 학생들이 스스로 생각하는 것을 대신해 줄 도구를 기대하며 수업에 참여합니다.
이 시리즈는 바로 그러한 긴장감을 다룹니다. 인공지능이 통계학 수업에 적합한지 여부가 아니라(어떤 형태로든 적합하긴 합니다), 인공지능이 우리가 가르치려는 추론 능력을 대체하는 것이 아니라 더욱 날카롭게 다듬어 줄 수 있도록 어떻게 해야 하는지가 핵심입니다.
인공지능에 대해 이야기하기 전에, 저는 좀 더 근본적인 질문을 드리고 싶습니다. 바로 인공지능이 등장하기 이전에 진정으로 훌륭한 교육 도구는 어떤 모습일까 하는 것입니다.
대부분의 교육 도구가 가진 문제점
통계학은 가르치기 어렵습니다. 수학 자체가 어려워서가 아니라, 대부분의 입문 내용은 의욕 있는 학부생이라면 충분히 이해할 수 있는 수준이기 때문입니다. 진짜 어려움은 방법과 목적을 연결하는 데 있습니다. 학생들은 t-검정, 카이제곱 검정, 회귀분석을 배우지만, 언제 어떤 검정을 사용해야 하는지, 그리고 그 선택이 왜 중요한지는 제대로 배우지 못하는 경우가 많습니다.
R이나 Python처럼 코딩을 필요로 하는 도구들은 인지 부하를 구문 분석으로 옮겨놓습니다. 학생들은 데이터 분석보다는 반복문 디버깅에 시간을 허비하게 되죠. 물론 이러한 도구들을 비판하는 것은 아닙니다. 실제로 강력하고 중요한 도구들이니까요. 하지만 기초 통계학 수업에서는 이런 도구들이 오히려 학습에 방해가 되는 경우가 많습니다.
반대로, 완전 자동화 도구는 학생이 질문을 할 기회조차 갖기 전에 답을 내놓습니다.
대부분의 강사들이 찾지만 좀처럼 찾기 힘든 것은 바로 그 중간 지점에 있는 도구입니다. 실해석에 충분히 활용할 수 있을 만큼 강력하면서도 학습을 지원할 수 있을 만큼 체계적인 도구 말이죠. 단순히 단순화된 교육용 도구가 아니라, 전문적인 환경에서 실제로 사용되는 도구여야 합니다.
JMP 학생용 에디션이 실제로 제공하는 기능은 무엇인가요?
JMP 학생용 에디션[2]은 학술적 용도로 특별히 설계된 JMP 버전입니다. 축소된 제품이 아닙니다. 입문 및 중급 통계학 과정에서 실제로 필요한 분석 범위를 다루며, 많은 학생들이 졸업 후 산업 또는 연구 분야로 진출할 경우 접하게 될 환경과 동일합니다.
이 소재가 교육에 적합한 이유는 간과하기 쉬운 여러 가지 요소가 복합적으로 작용한 결과입니다.
- 수치적 분석보다 시각적 분석이 우선입니다. JMP는 그래프를 분석의 중심에 놓습니다. 학생들은 통계 수치를 보기 전에 데이터를 먼저 보게 됩니다. 이는 설계상의 선호가 아니라, 통계적 직관이 실제로 발달하는 방식과 일치하는 교육학적 선택입니다.
- 기본적으로 상호작용 기능 이 제공됩니다. 그래프는 실시간으로 표시되며, 점, 영역, 막대 등을 선택하면 나머지 출력 내용이 그에 따라 변화합니다. 학생들은 계산보다는 탐색에 집중할 수 있습니다.
- 해석이 필수적입니다. JMP는 학생들에게 결과의 의미를 알려주지 않습니다. 분포, 잔차 그림, 검정 통계량 등의 결과를 출력한 다음 분석가가 이를 해석하도록 합니다. 학습은 출력과 해석 사이의 간극에서 이루어집니다.
- 불필요한 복잡성 없이 폭넓은 내용을 다룹니다. 이 플랫폼은 초보자를 압도하지 않고 입문 통계 교육을 위한 널리 사용되는 지침인 GAISE College Report 프레임워크[5]를 다룹니다. 전체 메뉴가 제공되므로 과정 범위를 적절하게 설정할 수 있습니다.
마지막 요점은 생각보다 훨씬 중요합니다. Koo Rijpkema 교수와 저는 최근 JMP Discovery Summit Europe 프레젠테이션 및 웹 세미나[4]에서 이 기능을 직접 살펴보았습니다. JMP는 전문가급 도구이며, 그 방대한 기능은 신규 사용자에게 부담스러울 수 있습니다. 어떤 메뉴, 어떤 워크플로, 어떤 출력 수준을 사용할지 결정하여 학습 환경을 구성하는 것 자체가 코스 설계의 중요한 부분입니다. JMP 학생용 에디션은 강사에게 이러한 선택을 신중하게 할 수 있는 충분한 여지를 제공합니다.
자연스러운 학습 흐름
많은 교수님들이 JMP 학생용 버전을 선택하는 이유는 JMP의 통계 분석 흐름, 즉 데이터에서 시작하여 시각적으로 탐색하고 추론으로 나아가는 방식을 선호하기 때문입니다. 이러한 순서는 임의적인 것이 아닙니다. 이는 숙련된 분석가들이 실제로 작업하는 방식을 반영하며, 수업 이후에도 활용할 수 있는 습관을 형성하는 데 도움이 됩니다.
가장 널리 인용되는 입문 통계 교육 프레임워크인 GAISE College Report[5]는 바로 이러한 접근 방식을 권장합니다.
- 통계적 절차뿐 아니라 통계적 사고방식을 가르쳐야 합니다.
- 실제 데이터를 사용하세요.
- 기계적인 계산보다는 개념적 이해를 강조하십시오.
- 능동적인 학습을 장려하십시오.
JMP 학생용 에디션을 현명하게 활용하면 네 가지 목표 모두를 달성할 수 있습니다.
실용적인 다리:RDAD를 사용한 ule 기반 안내
제가 가장 좋아하는 교실 도구 중 하나는 Data Analysis Director(DAD)[3]라는 JMP 확장 프로그램입니다. 이것은 생성형 AI가 아니므로 채팅을 하거나 텍스트를 생성하거나 언어 모델에 따라 설명을 생성하지 않습니다. 대신 구조화된 분석 논리를 따라 사용자를 적절한 분석 방법으로 안내합니다.
학생이 특정 분석 과제에 직면했을 때, DAD는 다음과 같은 몇 가지 핵심 질문을 던집니다. 반응 변수는 무엇인가? 데이터는 연속형, 명목형 또는 순서형인가? 예측 변수는 무엇인가? 이러한 질문에 대한 답변을 바탕으로 DAD는 적절한 분석 방법을 제안하고 그 이유를 설명합니다.
간단해 보일지 모르지만, 교육 도구로서 놀라울 정도로 효과적입니다.
수업 시간에 저는 종종 학생들에게 다양한 변수 유형이 섞인 고객 만족도 데이터와 같은 데이터 세트를 주고, DAD(데이터 분석법)를 사용하여 분석 방법을 선택하도록 합니다. 그런 다음 예상치 못한 질문을 던집니다. "선택한 분석 결과에 동의하십니까?"
- 이 도구는 어떤 가정을 하고 있나요?
- 당신이라면 다르게 선택하시겠습니까?
- 무엇이 부족한 걸까요?
Use case for Data Analysis Director 19데이터 분석 디렉터 19의 사용 사례
진정한 학습은 이러한 질문에 대한 답을 찾을 때 이루어집니다. DAD는 숙련된 분석가가 자동으로 적용하지만 초보자는 존재조차 모르는 경우가 많은 의사결정 논리를 시각화합니다. 이를 통해 추론 과정을 눈으로 확인하고, 질문하고, 학습할 수 있습니다.
핵심적인 차이점은 바로 이것입니다. DAD는 신탁이 아닙니다. DAD는 규칙 기반 분석 도구 로서 , 투명하고, 검토 가능하며, 결정론적입니다. 학생들에게 정답을 제시하는 것이 아니라, 논리적으로 타당한 출발점을 보여주고 스스로 탐구하도록 유도합니다.
“인공지능은 우리의 추론 능력을 대체하는 것이 아니라, 더욱 날카롭게 만들어야 합니다.” |
인공지능이 등장하기 전
이번 에피소드에서는 의도적으로 생성형 AI, 즉 대규모 언어 모델, 챗봇, 코드를 작성하고 해석을 제시하며 학생들이 할 수 있는 거의 모든 질문에 답할 수 있는 도구에 대한 내용은 다루지 않았습니다. 이러한 내용은 2화부터 다룰 예정입니다.
저는 JMP 학생용 에디션이 인공지능 기능을 하나도 켜지 않아도 탄탄한 통계적 사고를 지원한다는 점을 설명하는 이 글을 시리즈의 첫 글로 의도적으로 시작했습니다. 인공지능 자체에 반대하는 것이 아니라, 인공지능을 평가하기 전에 기본적인 토대를 마련하려는 것입니다. 인공지능이 도입되기 전의 훌륭한 분석적 추론이 어떤 모습인지 모른다면, 인공지능이 실제로 무엇을 더하고 무엇을 조용히 빼앗아 가는지 판단하기 어렵습니다.
다음 에피소드에서는 바로 그 점을 살펴봅니다. 대규모 언어 모델이 통계학 강의실에 도입될 때 어떤 일이 벌어지는지, 강사들에게 실제로 어떤 이점을 제공하는지, 그리고 첫 번째 문제점이 어디에서 나타나기 시작하는지 알아보겠습니다.
이것을 시도해 보세요
JMP Marketplace에서 Data Analysis Director[3]를 설치하고 추가 기능 메뉴에서 엽니다. 그런 다음 현재 가지고 있는 데이터를 기반으로 모든 질문에 답합니다. 분석 제안을 받으면 학생들에게 동의하는지, 그리고 그 이유는 무엇인지 묻습니다. 이어지는 토론은 분석 자체보다 더 유익한 경우가 많습니다.
참고 자료
[1] JMP 학술 프로그램 , jmp.com/academic
[2] JMP 학생용 에디션 , jmp.com/student
[3] 데이터 분석 디렉터(JMP Marketplace) , marketplace.jmp.com
[4] JMP에서 길을 잃으셨나요? 더 나은 핏을 위한 체중 감량 , Kraft & Rijpkema, JMP Discovery Summit EMEA 2026
[5]GAISE 대학 보고서(2016)
[6]GAISE 대학 보고서 개정 작업 (진행 중, 2025년)
저자 소개
볼커 크라프트는 JMP 글로벌 학술팀의 일원으로서 JMP Statistical Discovery(SAS 계열사)의 유럽, 중동 및 아프리카 지역 수석 학술 홍보대사로 활동하고 있습니다. 2011년부터 유럽 전역의 대학들이 JMP를 교육 및 연구에 통합할 수 있도록 지원해 왔습니다. 그의 전공 분야는 음성 기술 연구이며, 이 분야는 인공지능(AI)이 보편화되기 훨씬 이전부터 통계적 엄밀성과 공학적 실용성이 공존해야 했던 분야입니다. JMP 커뮤니티 또는 LinkedIn을 통해 그에게 연락할 수 있습니다.
5부작 중 1화 • 다음 편: AI가 교실에 진출하다 - 강사를 위한 기회
