토픽 분석 기법을 활용한 2015 개정 교육과정 정책의 주요 내용 및 쟁점 분석 연구 doc_id PCY_201703140406050301_1

21세기는 흔히 국경 없는 무한경쟁의 세계화 시대, 고도의 지식정보화 시대라고 한다. 이러한 시대에서 지속가능한 성장을 통해 선진 일류국가로 발전하고, 지·정·체의 조화로운 발달을 통해 개인이 성공적인 삶을 살아가기 위해서는 창의적 인재 육성이 필요하다(백순근 외, 2009). 이를 위해 우리나라 초·중등 교육현장에서는 창의적 인재를 양성하기 위한 다양한 교육적 시도가 이뤄져 왔다. 예컨대, ‘2009 개정 교육과정’에서는 창의적 체험활동을 포함해 기존의 교과중심교육을 체험중심교육으로 전환하고자 하였으며, 2011년부터는 ‘융합인재교육’(Science·Technology·Engineering·Arts·Mathematics: STEAM)을 도입함으로써 융합적 소양과 문제해결력을 배양하는 교육을 구현하고자 하였다. 그리고 2015년 9월에는 그동안 추진된 교육과정 개정의 연속선상에서 “인문·사회·과학기술에 관한 기본 소양을 토대로, 미래사회가 요구하는 인문학적 상상력과 과학기술 창조력을 두루 갖춘 창의·융합형 인재를 양성”(교육부, 2015a)하고자 하는 ‘2015 개정 교육과정’이 확정·고시되었다. 2015 개정 교육과정에서 강조하는 창의·융합은 “융합의 행위 또는 능력에 창의성이 관여한다는 조어로, 창의성은 경험을 연결시켜 새로운 것들을 합성하는 능력이고, 융합은 과학·기술 지식뿐 아니라 상상력과 예술적 감성까지 아우를 수 있는 능력”(김경자, 2014)이다. 이러한 창의·융합의 의미를 고려할 때 2015 개정 교육과정의 지향점은 이전의 교육개혁 방향과 크게 다르지 않다. 그러나 국가 교육과정은 한 나라 교육의 방향을 결정하는 나침반이자 설계도로 학교교육의 질을 결정하는 중요한 요소(강현석, 이지은, 전호재, 2015)이고, 특히 2015 개정 교육과정은 교과별 내용과 교수·학습활동, 성취기준 등을 조정하며, 이와 연계해 교과서, 교원, 대학 입시 등의 교육정책을 종합적으로 개선하고자 하는 정책이라는 점에서 중요한 의미를 갖는다. 또한 국가 교육과정 정책의 경우 교과 관련 이해당사자들이 복잡하게 얽혀 있어 교과 이기주의 문제가 발생할 수 있고, 한편으로는 교육과정 개발에 대한 대중의 무관심 등이 다양한 요구를 수렴하는 과정에서 합리적 의사 결정을 방해할 수 있다(백승훈, 남상준, 2009). 2015 개정 교육과정의 주요 내용은 세 가지 측면으로 정리할 수 있다. 첫째, 인문·사회·과학기술에 관한 기초 소양 교육을 강화한다. 예컨대, 인문학적 소양을 함양하기 위해 연극 및 독서교육을 활성화하여 체험 중심의 인성교육을 강화하고, 과학적 소양과 관련해서는 소프트웨어(SW) 교육을 강화한다. 둘째, 학생들의 꿈과 끼를 키울 수 있는 교육과정을 마련한다. 이를 위해 단위학교의 교육과정 편성·운영의 자율권을 확대하여 학생의 진로와 적성을 고려한 다양한 선택 과목이 개설될 수 있도록 하고, 중학교의 경우 ‘자유학기제’ 운영의 근거를 마련한다. 셋째, 미래사회가 요구하는 핵심역량을 함양할 수 있는 교육과정을 마련하고 학습량을 적정화한다. 이를 위해 교과별로 꼭 배워야 할 핵심 개념과 원리를 중심으로 학습내용을 정선하여 감축하고, 교수·학습 및 평가 방법을 학생 참여 및 과정 중심으로 개선하여 학생들이 진정한 배움의 즐거움을 느낄 수 있도록 한다. 이를 학교급별로 정리하면 다음과 같다. ‘정책 집행’ 단계에서는 2015년 9월에 확정·고시된 2015 개정 교육과정 문서에서 제시된 핵심역량과 성취기준의 타당성을 분석하고, 교과별 핵심개념 및 내용 분석 등을 통해 교과서 집필 및 교수·학습 및 평가 방법 개선 방안을 논의한 연구가 주를 이루었다. 예컨대, 장은주(2016)는 2015 개정 국어과 교육과정의 중학교 언어기능 영역 성취기준에 대한 적합도를 현직 국어교사 104명에게 내용 타당성, 진술 명료성, 수준 위계성 측면에서 평가하게 한 결과 대체로 적합한 것으로 나타났다. 다만, 신설된 성취기준의 경우 내용 타당성이 낮게 평가된 만큼 이들 성취기준의 교육적 타당성에 대한 합의, 관련 교수·학습 전략 및 사례에 대한 정보가 보충될 필요가 있음을 지적하였다. 또한 김이경 외(2016)는 설문조사를 통해 2015 개정 교육과정 정책에 대한 교원들의 관심도가 상대적으로 높을뿐 아니라 새로운 내용을 현직 연수를 통해 함양하려는 의지도 강하다는 것을 밝히며, 향후 교원 연수의 추진 방안을 제시하였다. 첫째, 2015 개정 교육과정 정책에 대한 국내 주요 언론 매체의 관심도를 분석하기 위해 문서 버즈(buzz) 분석을 실시한 결과, 국내 주요 언론 매체는 해당 정책에 대해 전반적으로 소극적 태도를 보였다. 특히 정책의 형성, 결정 단계에서는 관련 보도가 거의 이뤄지지 않았고, 해당 정책이 집행되기 직전(2015 개정 교육과정의 총론과 각론이 확정·발표된 시점)과 국가적으로 역사 교과서 국정화 논란이 극대화된 시점에만 관련 내용을 집중적으로 보도하였다. 이와 같은 2015 개정 교육과정 정책에 대한 언론의 소극적 태도는 김소영과 강신원(2015)의 연구에서도 유사하게 지적된 바 있다. 그리고 국내 주요 언론 매체의 보도 건수와 대중의 네이버 통합검색 횟수의 추이를 비교·분석한 결과, 해당 정책에 대한 대중의 관심도는 주요 언론 매체의 집중적 보도 직후 급증하는 양상을 보였다. 이는 대중의 교육정책에 대한 관심과 이해도를 증진시키는 데 주요 언론 매체의 역할이 중요함을 시사하고 있다. 텍스트 자료를 분석 자료로 사용할 때에는 컴퓨터에서 자연어 처리(Natural Language Processing: NLP)가 용이하도록 데이터를 가공하는 절차가 필요하다. 자료 가공 단계에서 일차적으로 이루어지는 작업은 ‘형태소 분석’이다. 형태소 분석(morphological analysis)이란 문장을 분석하기 위해 의미의 최소 단위인 형태소로 문장을 바꾸는 작업으로, 형태소는 어휘 형태소(명사, 동사, 형용사, 부사 등)와 문법 형태소(조사, 어미 등)로 분류된다. 예컨대, “교육의 질은 교사의 질을 능가하지 못한다”라는 문장에 대해 명사에 한하여 형태소 분석을 실시하면, ‘교육’, ‘질’, ‘교사’, ‘질’, ‘능가’와 같은 용어들이 추출된다. 또한 텍스트 자료의 경우 자료 정제(data cleaning) 과정 역시 필수적이다. KoNLP는 KAIST에서 개발한 ‘한나눔 형태소 분석기’를 R 프로그램에 연동될 수 있도록 만든 패키지로, 문장의 경계 인식, 자동 띄어쓰기 등의 전처리 작업과 함께 텍스트의 각 문장에 대해 어절 단위로 발생 가능한 모든 형태소를 분석한다. 그리고 가장 유망한 형태소 분석 결과를 선택하여 최종 품사 부착(Part-Of-Speech Tagging) 결과를 반환한다(한국과학기술원 시맨틱 웹 첨단 연구센터, 2011). 이 연구에서는 KoNLP 패키지와 한국어 사전인 세종 사전을 이용하여 문장 내 공백을 기반으로 명사만 추출하였다. 단, 세종 사전에 포함되지 않은 단어의 경우 형태소 분석이 제대로 이뤄지지 않을 수 있으므로 2015 개정 교육과정 문서와 교육학용어사전(서울대학교 교육연구소, 2011), 교육평가용어사전(한국교육평가학회, 2004) 등을 참고하여 총 567개의 단어들을 사용자(User) 사전 형태로 원래의 세종 사전에 추가하였다. 주제어 빈도 분석은 정책 단계에 따라 어떠한 주제어가 출현하고 사라졌는지에 대한 변화를 효과적으로 보여주지만, 단어의 존재 유무만으로는 표현되지 않는 쟁점을 드러내는 데에는 한계가 있다(박종희, 박은정, 조동준, 2015). 이러한 상황에서 토픽 분석은 단어들의 배치를 통해 숨겨진 토픽의 수와 내용을 추정하기 때문에 쟁점 분석시 유용하다. 토픽 분석에서는 문서에 나타나는 토픽들을 모두 추출할지, 아니면 지배적으로 나타나는 제한된 수의 토픽을 엄선할지를 고려해야 하는데, Ding & Chen(2014)은 선행연구 고찰을 통해 토픽의 개수를 설정하는 방법을 ① 여러 가지 경우의 수를 고려하여 토픽 분석을 실시한 후 용어 분류의 정확성이 높은 결과를 선택하는 방법(Griffiths & Steyvers, 2004), ② 비교적 많은 수의 토픽을 설정하여 LDA를 실시한 후 유사한 토픽들을 결합하여 최종 결과를 생성하는 방법(Song, 2010; Yu, 2014), ③ 토픽 모델링의 기반이 되는 확률모델을 최적화하여 적절한 수의 토픽을 비모수적으로 추정하는 방법(Teh et al., 2012)으로 분류하였다(유소영, 2015 재인용). 이 연구에서는 2015 개정 교육과정 정책의 쟁점을 추출하기 위해 토픽 분석을 실시하였다. ‘토픽 분석’(topic analysis)은 텍스트 자료 내 단어들의 빈도를 통계적으로 분석하여 전체 자료를 관통하는 잠재적 주제, 즉 토픽들을 자동으로 추출하는 기법이다. 이 방법은 방대한 여론 자료를 토픽들로 요약함으로써 시간에 따른 주요 토픽의 변화를 지속적으로 분석할 수 있다는 장점이 있다(황명화, 2014). 토픽 분석은 감독 분류(supervised classification)와 무감독 분류(unsupervised classification) 방법으로 구분할 수 있다. ‘감독 분류’는 연구자가 미리 문서의 토픽들을 선정한 다음 그것에 따라 문서들을 분류하는 방식이라면, ‘무감독 분류’는 특정 문서들에 포함된 단어들을 그 맥락과 의미를 바탕으로 유사도에 따라 몇 개의 그룹으로 분류한 후 포괄적 주제어를 나중에 부여하는 방식을 택한다. 이 연구에서 활용한 잠재 디리클레 할당(Latent Dirichlet Allocation: LDA) 기법은 무감독 분류에 속한다.