Analysis of Learner's Response to Process Automation Class Design Using Web Content and Python Library

희경 홍

doi:10.46392/kjge.2023.17.4.191

Abstract

4차 산업혁명과 함께 인공지능의 확산은 미래 직업군의 변화를 초래하고 있으므로 대학에서도 인공지능교육이 필수 교과로 대두되고 있으며, 다양한 접근을 통한 교육과정을 설계하고 연구하고 있다. 본 연구는 일상에서 만나는 웹 콘텐츠의 다양한 학습자원을 활용하여 대학 SW⋅AI 교양교육에 접목할 수 있는 프로세스 자동화 수업 사례를 소개한다. 인공지능 교육이 중요하게 대두되는 시기에 있어 AI 전처리과정도 중요하므로 문제해결을 위해 적정데이터를 수집, 가공, 분석하는데 필요한 도구를 선별할 수 있는 절차적, 경험적 학습도 중요하다. 따라서 SW⋅AI 교양교육과정을 설계함에 있어 활용성 높은 파이썬 라이브러리와 RPA 개념을 접목하여 웹 콘텐츠를 기반으로 생활 연계형 데이터를 빠르게 수집, 가공하는 교육을 설계하는 것은 다양한 측면에서 의미가 있다. 관련연구를 통하여 프로세스 자동화 구현 학습이 가능한 사례를 설계, 적용하고 학습자 반응을 통해 학습 분류별 학습자가 흥미를 느끼는 분야를 도출해보고, 정성적 반응을 통하여 설계된 수업에 대한 적정성과 학습자가 일상적으로 접하고 있는 웹 콘텐츠는 프로세스 자동화 학습을 위한 훌륭한 실습자원이 될 수 있음을 확인하였다. 설계한 학습 분류에서 ‘데이터 크롤링과 스크래핑을 활용한 데이터 수집’에 대한 흥미가 가장 높았으며 ‘OpenAPI 연동과 활용’이 뒤를 이었다. 연구 결과를 토대로 개선점과 시사점을 도출하여 향후 인공지능 교육의 기초 교과로 발전할 수 있도록 다양한 방향에서의 연구가 필요하다.

Abstract

The spread of artificial intelligence along with the Fourth Industrial Revolution is bringing about changes in future occupations. Therefore, AI education is emerging as an essential subject in universities, and curriculums are being designed and researched through various approaches. This study introduces a case involving process automation classes that can be applied to university SW and AI liberal arts education by utilizing various learning resources of web content that are encountered in daily life. At a time when artificial intelligence education is emerging as important, the AI pre-processing process is also important. Thus, procedural and experiential learning that can select the tools necessary to collect, process, and analyze appropriate data for problem solving is also important. Therefore, in designing the SW⋅AI liberal arts curriculum, it is meaningful in various aspects to design an education that quickly collects and processes life-linked data based on web content by combining the highly utilized Python library and RPA concept. Through related research, cases where process automation implementation learning can be designed and applied, areas of interest among learners regarding classification were derived through learner responses. Furthermore, web content designed through qualitative responses were shown to be excellent practical resources for process automation learning. In the designed learning of classification, interest in ‘data collection using data crawling and scraping’ ranked the highest, followed by ‘open API integration and utilization’. Based on the research results, improvement points and implications are derived, and research in various directions is suggested in order for us to develop this course into a basic subject of artificial intelligence education in the future.

Keywords: SW⋅AI of Liberal Arts Education; Python Library; RPA; API; Data Preprocessing

1. 서론

4차 산업혁명과 함께 소프트웨어는 물론 인공지능 교육의 중요성이 강조되고 있는 시대적 상황과 직면하여, 대학에서도 인공지능교육이 필수 교과로 대두되고 있다. 오늘날 대학교육은 4차 산업혁명 시대를 이끌어갈 인재의 역량을 강화하기 위하여 다양한 접근을 통한 교육과정을 설계하고 연구하고 있다. 4차 산업혁명의 중요 키워드 중 하나인 인공지능의 확산은 미래 직업군의 변화를 초래하고 있으므로 인공지능에 대한 이해뿐 아니라, 가치 있는 데이터를 손쉽게 수집하고 활용할 수 있는 기술적 능력과 더불어 개인의 필요와 연계할 수 있는 역량 증진 교육이 필요하다.

대학 교양 SW에서 학습 도구로 활용하는 파이썬(python)은 데이터 수집, 분석, 시각화와 같은 전처리 기능을 효과적으로 지원할 수 있는 다양한 라이브러리를 제공하고 있다. 웹 공간에서는 정형, 비정형화된 데이터와 더불어 데이터를 쉽게 수집하고 활용할 수 있도록 API 및 Colab과 같은 프로그램 개발 학습 환경 등을 다양하게 제공하고 있다.

인공지능의 필수 요소는 데이터와 알고리즘이다(강의선, 이정미, 2022, p. 60). 머신러닝(machine learning)의 학습데이터 처리를 위한 텍스트 및 이미지 데이터 수집은 비슷한 일련의 작업이 반복적으로 수행된다(김기태 외, 2020, p. 295). 주로 노동 생산성 향상 및 경영 성과 증진과 같은 업무 효율성을 높이기 위한 분야에서 활용되는 RPA (Robotic Process Automation)는 인공지능 전처리 과정인 데이터의 분석과 시각화를 위한 데이터를 빠르게 수집할 수 있는 기반을 제공해 준다. RPA 프로세스 자동화를 접목할 경우 머신러닝에 필요한 텍스트 데이터와 이미지 데이터 등 데이터셋(data set)을 신속하게 확보할 수 있다.

본 연구는 일상에서 만나는 다양한 형태의 학습자원을 활용하여 대학 SW⋅AI 교양교육에 접목할 수 있는 프로세스 자동화 수업 사례를 소개하고자 한다. 본 연구는 궁극적으로 학습자가 일상적으로 접하고 있는 웹 콘텐츠는 프로세스 자동화 학습을 위한 훌륭한 실습자원이 될 수 있음을 제안한다.

수업 설계에 앞서 AI 학습 알고리즘 설계의 전처리과정인 데이터 전처리(data preprocessing)에 대한 개념과 대학 SW⋅AI 교양교과 학습에 적용 가능한 RPA 작업 분야 및 학습 도구로서의 파이썬 라이브러리와 Open API에 대하여 살핀다. 관련 연구를 기반으로 프로세스 자동화 구현 학습이 가능한 사례를 설계, 적용하고 학습자 반응을 통해 학습 분류별 학습자가 흥미를 느끼는 분야를 도출해보고자 한다. 또한, 설문 문항을 분석하여 설계된 수업에 대한 적정성과 시사점을 살펴보고자 한다.

2. 관련 연구

2.1. 데이터 전처리(data preprocessing)

데이터 전처리도 AI의 중요한 요소이다(오춘호, 2021). 알고리즘만큼 중요한 것이 투입되는 데이터의 질이다. AI에게 기대한 성능을 갖추도록 하기 위해서는 목적에 맞게 의도된 데이터셋(data set)이 필요하다. [그림 1]은 AI 활용을 위한 데이터 전처리과정을 보여주고 있다. 전처리과정을 통해 수집된 데이터를 기대하는 성능의 목적에 맞게 의도한 데이터로 정제시키는 작업은 AI 학습 및 응용에 있어서 중요하다.

[그림 1]

AI 활용을 위한 데이터 전처리 과정(오춘호, 2021)

2.2. 대학 SW⋅AI 교양교과 학습에 적용 가능한 RPA 작업 분야

일반적으로 RPA(Robotic Process Automation)는 주로 ‘기업 및 공공기관의 비즈니스 혁신을 위한 RPA’ 측면에서 노동 생산성 향상 및 경영 성과 증진과 같은 업무 효율성을 높이기 위한 분야에서 활용되어 왔다. RPA는 시간이 많이 걸리는 기계적이고 단순 반복적인 업무나 작업을 소프트웨어 로봇이 대신 처리함으로써 인간을 더 가치 있고 창의적인 일에 집중할 수 있도록 도와 업무 효율성을 증진시키는 것이 목표라고 할 수 있다. 자동화 구현 효과는 인간의 개입성이 적은 단순 반복 작업, 규칙 기반 표준화 프로세스가 존재하는 작업, 시스템 또는 웹 사이트의 정형화된 데이터를 다루는 작업의 경우 효과가 더 크다(최경선, 2020, p. 11). 웹 콘텐츠를 활용하여 프로세스 자동화 구현 효과를 높일 수 있는 작업의 종류는 [그림 2]와 같이 정리할 수 있다(남명기 외, 2020, p. 4 재구성; Hong, 2022, p. 647 재사용).

[그림 2]

RPA 프로세스 자동화 적용 가능 분야 (Hong, H. K., 2022, pp.647 재사용)

2.3. 학습 도구로서의 파이썬 라이브러리와 Open API

2.3.1. 파이썬 라이브러리(Python library)

대학 SW⋅AI 교양교육에서 파이썬 프로그램은 컴퓨팅적 사고를 구체화하여 표현하기 위해 다루어지는 학습 도구 중 하나이다. 파이썬은 AI 데이터 전처리과정에 해당하는 데이터 분석과 시각화 작업을 지원하는 다양한 라이브러리를 제공하고 있다. 파이썬 라이브러리를 활용하면 프로세스 자동화 환경을 구축하고 웹 콘텐츠 기반으로 데이터를 확보하여 원하는 정보형태로 데이터를 가공할 수 있다. 일정한 패턴이 반복되는 수행 작업의 결과에 대해 시간 효율성 및 사용자 편의성, 생산성 향상 등 장점의 극대화를 기대할 수 있다(김기태 외, 2020, p. 95).

2.3.2. Open API(Open Application Programming Interface)

API란 어떤 응용 프로그램에서 데이터를 주고 받는 방법을 의미하며 Open API와 비공개 API로 나눌 수 있다. Open API는 누구나 사용할 수 있도록 공개되어 검색, 지도, 번역, 날씨, SNS 등 생활과 밀접한 다양한 분야에서 지원된다. 네이버, 다음 카카오, 구글, 페이스 북 뿐 아니라 정부의 공공데이터를 활용할 경우에도 Open API 형태로 제공하고 있다. Open API를 활용하면 개발에 들어가는 시간과 비용의 절감과 양질의 앱 개발에 도움이 된다(달나라 곰돌이, 2018).

3. SW⋅AI 교양교육 프로세스 자동화 수업 설계

3.1. 프로세스 자동화 수업 학습 범위와 도구

온라인(online) 동영상과 오프라인(offline) 실습 환경으로 운영하는 블렌디드(blended), 3학점, 15주 수업 형태로 설계되었으며, 프로세스 자동화 수업의 학습 범위와 활용 도구는 <표 1>과 같이 설계하였다.

<표 1>

프로세스 자동화 수업 학습 범위와 활용 도구

분류	학습 범위와 도구
학습 환경 구성	Colab, jupyter notebook, VScode, 라이브러리 설치

파이썬 문법의 이해와 활용	변수와 자료형, 리스트, 딕셔너리, 조건문과 반복문, 라이브러리 활용 명령어

다양한 방식으로 파일 저장과 활용	txt, csv, excel, html os, pyautogui, openpyxl

데이터 크롤링과 스크래핑을 활용한 데이터 수집	requests, BeautifulSoup, json, selenium, webdriver_manager html 태그, css 선택자

데이터 분석, 시각화	pandas, matplotlib, folium, word clould

OpenAPI 연동과 활용	다음 카카오 개발자, 네이버 개발자, 공공데이터

프로젝트	실생활 연계 프로세스 자동화 구현과 발표 공유

3.2. 프로세스 자동화 수업 설계 사례

학습자의 흥미 및 학습 동기를 유발하기 위해 웹 콘텐츠를 활용하며, 프로세스 자동화 적용에 효과적인 작업 분류 중 ‘규칙 기반의 판단 로직’과 연관하여 프로세스 자동화 학습을 설계한다. <표 2>의 단계별 학습을 설계하기 위해 적용한 모델은 ‘융합형-CT-FL 수업모형’(구제훈, 김태영, 2018, p. 14)을 기반으로 수정하여 제안한 ‘RPA 자동화를 위한 수업 설계 모델’이다(Hong, 2022, p. 650).

<표 2>

프로세스 자동화 수업 설계 사례

단계별 학습 설계
1. 학습 목적과 지식 설정, 주제 탐색 및 도출

학습 목적	• 학습자의 학습 동기 유발, 일상데이터의 활용 방안 모색
학습 목적	• OPEN API에 대한 이해 및 자동화 구현, 구현 환경 설정

학습 지식	• 카카오 이미지 검색 API 활용법
	• jupyter notebook 설치와 사용법
	• 필요 파이썬 라이브러리(requests) 설치와 명령어 적용
	• 이미지데이터 파일 저장 방식

학습 주제	• 이미지 크롤링 자동화

2. 작업 환경, 데이터 요소의 특성, 자동화 조건 파악

작업 환경	크롬 웹 브라우저, 웹 페이지(http://daum.net/), jupyter notebook

작업 요소	이미지 데이터, 반복적 작업

작업 특성	카카오개발자 사이트 API 활용, 일정 수의 이미지 데이터 수집

처리 조건	관심을 갖고 있는 인물 이미지 획득, 폴더에 저장하기

3. 자동화할 내용 나열, 시나리오 구성

자동화 내용	• 웹 사이트 공간에서 관심 있는 인물의 이미지 데이터 크롤링
자동화 내용	• 한 번에 80개의 이미지를 폴더에 저장하기

시나리오	ⓐ 필요모듈 가져오기
	ⓑ 저장 폴더 생성 및 경로 지정
	ⓒ 카카오 이미지 검색 OpenAPI 호출
	- url, headers, query 데이터 지정
	- 이미지 검색 요청
	ⓓ 서버 요청 수행상태 확인
	ⓔ 요청 성공시 ⓑ에서 생성한 폴더에 이미지 파일 저장

4. 자동화 작업 구현

활용 모듈 Open API 환경	• 모듈 : requests, json, os
	• Open API : 카카오 개발자 사이트(developers.kakao.com)
	• 요청 url: http://dapi.kakao.com/v2/search/image



5. 작업 실행, 오류 수정 반영

프로세스 자동화 실행, 시나리오에 맞게 동작하는지 자동화 결과 폴더 확인
오류가 있다면 오류 원인 확인, 수정, 재실행

6. 효과 정리, 반영 개선

자동화 구현 학습에 필요한 개념적 지식과 절차적 지식 정리
자동화 적용 후 효과 및 획득 데이터 활용 방안 논의
자동화 선택 조건 다양화, 설계 개선 수행

4. 학습자 반응 분석

4.1. 설문 대상과 정량적 응답 결과

본 연구의 대상은 2022년도 1학기 프로세스 자동화와 관련하여 개설된 H대학교의 교양선택교과를 수강한 학습자이다. 본 교과를 수강한 총 58명의 학년별 비중은 1학년 41.4%(24명), 2학년 36.2%(21명), 3학년 12.1%(7명), 4학년 10.3%(6명)이다. 수강생을 대상으로 학기 수업 종료 후 구글 설문지를 통해 설문 자료를 배포, 총 39명의 응답을 획득하였다. [그림 3]과 같이 여성 30.8%(12명), 남성 69.2%(27명)으로 남성이 비율이 두 배 이상 높았다. 학년 및 공대와 비공대 계열 구분없이 수강이 가능하였으나 공대 계열 학생들의 수강 비율은 82.1%(32명)로 비공대 계열 17.9%(7명)에 비해 더 높았다.

[그림 3]

H대학교의 프로세스 자동화 관련 교양선택교과를 수강한 학습자 분석

‘본 교과의 학습 영역에서 흥미로웠던 분야는 무엇이었나요?(중복 선택 가능)’라는 질문에는 <표 3>의 결과를 보였다. 설문지 학습 분류에 ‘OpenAPI 연동과 활용’ 외에 ‘공공데이터 활용 방법’을 별도의 학습 분류로 구성하여 제시하였는데 각각 21명과 15명의 응답을 보이는 것을 통해 공공데이터에서 제공하는 API 환경과 웹 플랫폼에서 제공하는 API 환경을 별개의 범주로 구분하여 인지하고 있음을 유추할 수 있었다.

<표 3>

학습 분류별 응답 비율(중복 선택 가능)

학습 분류	응답비율
학습 환경 구성	9

파이썬 문법의 이해와 활용	8

다양한 방식으로 파일 저장과 활용	9

데이터 크롤링과 스크래핑을 활용한 데이터 수집	33

데이터 분석과 시각화	15

OpenAPI 연동과 활용	21

공공데이터 활용 방법	15

4.2. 정성적 문항 응답 결과

‘본 교과를 수강하면서 어떠한 점이 가장 좋았습니까?’ 및 ‘본 교과를 수강하면서 어떠한 점이 가장 불편하거나 힘들었습니까?’의 응답으로 <표 4>와 <표 5>와 같이 조사되었다.

<표 4>

정성적 문항에 대한 긍정적 반응과 부정적 반응

본 교과를 수강하면서 어떠한 점이 가장 좋았습니까?’
교수님께서 설명도 너무 잘해주시고 따라가기 충분히 쉽고 유익한 내용들을 배운 것 같아서 좋았습니다

기말고사를 프로젝트식으로 한 것

자유롭게 수업 환경을 고를 수 있는 점이 좋았고 시험이 아닌 과제로 기말고사를 대체하는 점이 전체적인 수업 내용 점검과 실력 향상에 도움이 된 것 같다.

내용이 흥미롭고 재밌어서 강의를 듣는다는 생각이 아니라 마치 유튜브에서 재밌는 영상을 보고 따라하는 듯한 느낌이 들어서 좋았습니다.

파이썬의 다양한 모듈에 대해서 알게 되었고, 처음으로 파이썬을 이용하여 일상생활에 활용 가능한 프로그램들을 만들 수 있었던 것

웹 크롤링으로 자신이 원하는 웹 상의 데이터를 가져와 분석하고 활용할 수 있는 것을 배워 데이터 사용에 폭이 더 넓어지고 자유로워진 점이 좋았습니다.

여러가지 자동화 기슬을 쉽게 배우고 실천함. 교양 수업이지만 전공 관련 지식을 폭넓게 배울 수 있었다. 조금 어려웠지만 그만큼 더 성장할 수 있었다.

교수님의 적극적인 강의와 질의응답에 대한 열린마인드. 교수님이 수강생이 잘 따라오고 있는지 한명한명 체크해주셔서 좋았다

여러 방면에 경험을 한 번씩 해볼 수 있는 기회였던 거 같아서 좋았다. RPA에 대한 개념과 그 활용방안에 대한 인식을 넓힐 수 있어서 좋았다. 또한, 관련된 코딩 문법과 예제를 따라하며 그 프로젝트 설계 능력을 키울 수 있다는 점이 가장 만족했던 부분이다.

업무 자동화에 관심은 있었지만 지금 당장 나에게 도움이 될 내용은 아니라고 생각했는데 수강하면서 지금 나에게도 충분히 도움이 될 만한 것들을 많이 배워서 좋았다.

처음해보는 활동이라 재밌었음. 파이썬의 용도를 알아간 느낌. 다른 파이썬 강의들과 다르게 API와 크롤링 등을 다뤄서 새로웠음

다양한 RPA 관련 기술을 본 수업을 통해 이해할 수 있었고 특히나 API 파트는 향후 다양한 데이터를 받아오고 처리하는 데 있어 토대가 되는 부분이라 만족스러웠다

매 주차 강의영상에 복습영상이 하나씩 있어서 좋았다. 수업을 수강하는 형태가 온라인 및 오프라인을 혼용해서 좋았고, 수업 중 즉시 문제제기 혹은 의견제시를 수용해서 좋았다.

<표 5>

정성적 문항에 대한 부정적 반응

본 교과를 수강하면서 어떠한 점이 가장 불편하거나 힘들었습니까?
1학년에겐 따라가기 벅찬 과목이었던 것 같다. 하지만 결과적으로 평소 접하기 어려웠던 웹 크롤링 등과 같은 내용을 배울 수 있어서 도움이 많이 되었던 것 같다.

Jupyter notebook이 윈도우11에서 잘 되지 않아 불편했습니다.

이해하기 어려운 부분이 있었는데 다른 학생들의 이해도가 높아서 다른 학생들에 비해 부족하다고 느꼈다.

기초가 되어있지 않으면 어렵게 느껴질 것 같다.

1학년 혹은 코딩을 처음 접해본 친구들을 위해 자세한 설명이 필요해 보임

업무 자동화와 연동하여 다양한 기관의 API를 연동하는 부분이나 크롤링 과정을 처음 접하다 보니 활용하는 방법을 익히기까지 시간이 많이 걸려 내용을 받아들이는 데 사소한 어려움이 존재했던 것 같습니다.

환경 조성과 관련된 부분이 조금 어려웠습니다. 그 외에도 발표를 위해 주제를 선정하는 과정이 제일 어려웠네요.

<표 4>의 긍정적 문항을 분석한 결과 온라인(Online) 학습공간인 eclass에 업로드한 동영상은 복습 및 반복학습에 도움이 되었으며, 오프라인(Offline) 대면 학습공간에서는 실습을 진행하면서 즉각적 피드백을 제공한 것이 도움이 된 것으로 확인되었다. 따라서 본 수업을 설계함에 있어 온라인과 오프라인을 블랜디드(blended) 형태로 개설한 것은 적정했다고 볼 수 있다.

웹 콘텐츠를 통해 파이썬의 다양한 모듈과 OpenAPI 환경, 웹 크롤링 등을 경험하고 웹상의 데이터를 수집⋅활용하거나 일상생활에 적용 가능한 프로그램을 만들어 보는 경험은 데이터 사용에 대한 인식의 폭을 확장시키고 실용성을 제고할 수 있는 기회가 되었다고 여겨진다. 공대 계열 학생들에게는 전문 지식의 사고를 확장하는 계기를 마련해 주었다고 볼 수 있다. 또한, ‘과제로 기말고사를 대체하는 점이 전체적인 수업 내용 점검과 실력 향상에 도움이 된 것 같다’ 및 는 응답을 통해 프로젝트 과제가 학습 내용과 실생활의 필요를 연계하는 주도적인 경험을 해보는 과정 및 통합 학습에 도움이 된다는 것을 확인하였다.

<표 5>의 부정적 응답을 분석한 결과 파이썬 문법에 대한 선수 학습이 결여된 경우, OS 환경이 다른 경우 대응할 수 있는 학습자의 컴퓨터 활용 능력이 부족한 경우 학습에 어려움을 느낄 수 있다는 것을 확인하였다. 이와 더불어 학습자의 학습 인지 속도차와 프로젝트 수행 경험도 학습자의 성취도에 영향을 줄 수 있는 것도 유추할 수 있었다.

5. 결론 및 제언

최근 웹 콘텐츠를 활용하여 대량의 데이터를 자동 수집하여 목적에 맞게 활용하려는 사례가 늘고 있다. 이에 신속하게 원하는 데이터를 수집, 가공하는 프로세스 자동화 학습에 대한 관심도 높아지고 있다. 인공지능 교육이 중요하게 대두되는 시기에 있어 AI 전처리 과정도 중요하므로 문제해결을 위해 적정한 데이터를 수집, 가공, 분석하는데 필요한 도구를 선별할 수 있는 절차적, 경험적 학습도 중요하다. 따라서 SW⋅AI 교양교육과정을 설계함에 있어 활용성 높은 파이썬 라이브러리와 RPA 개념을 접목하여 생활 연계형 데이터를 빠르게 수집, 가공하는 교육을 설계하는 것은 다양한 측면에서 의미가 있다.

본 연구는 학습자가 일상적으로 접하고 있는 웹 콘텐츠는 프로세스 자동화 학습을 위한 훌륭한 실습자원이 될 수 있음을 제안한다. 이를 뒷받침하기 위하여, 프로세스 자동화 구현 학습이 가능한 사례를 설계, 적용하고 학습자 반응을 통해 수업 설계의 적정성과 실습자원으로서의 일부 효과를 확인하였다. 연구 결과를 토대로 개선점과 시사점을 도출하여 개선된 실증 연구를 지속하는 등 향후 인공지능 교육의 기초 교과로 발전할 수 있도록 다양한 방향에서의 연구가 필요하다.