1. 들어가며
디지털 기술의 발전으로 경제, 사회, 문화 등 다양한 분야에서 데이터가 중요한 자원이 되고 있다. 특히 빅데이터 경제에는 편견을 갖는 인간의 감정이 아닌, 기계가 객관적인 수치들을 사심 없이 처리한다는 믿음이 깔려있다(O’Neil, 2016). 그러나 데이터의 영향력이 커짐에 따라, 데이터에 내재된 편향성과 알고리즘의 문제에 대한 지적도 늘어나고 있다. 즉, 데이터 수집과 분석 과정에서 성별고정관념이 반영되거나 특정 집단이 과소 혹은 과대평가되는 현상이 발생할 수 있다. 그리고 데이터가 객관적이고 중립적이라는 믿음과 달리, 알고리즘은 사회적 편견을 그대로 학습하여 이를 재생산할 수 있다. 예를 들어 Buolamwini and Gebru(2018)는 안면인식 소프트웨어가 남성보다 여성, 그리고 피부색이 어두운 여성의 얼굴을 인식하는 데 있어 더 높은 오류율을 보인다는 사실을 밝혀내며, 알고리즘이 사회적 편견을 학습할 수 있다는 점을 보여주었다. 이처럼 데이터와 알고리즘의 편향은 사회적 소수집단의 목소리를 약화시키고, 기존의 불평등 구조를 강화할 수 있다.
다른 한편, 데이터는 사회적 불평등을 가시화하며 변화를 이끌어낼 수 있는 중요한 도구가 될 수 있다. 예를 들어 성별임금격차나 젠더폭력과 같은 젠더 이슈가 존재하는 상황에서 성별고정관념이나 편견에 기반해서 생산된 데이터와 통계는 성별불평등과 차별을 강화할 수 있는 반면, 젠더 관점에 기반한 데이터와 통계는 젠더 이슈를 가시화하고 성평등한 정책 방향과 의사결정을 이끄는 중요한 역할을 할 수 있다. 일례로 국제사회는 젠더 지수를 통해 성평등에 대한 국가적 관심을 촉구하고, 변화의 방향을 제시하고 있다. 또한 한국사회도 성평등 지수를 매년 발표하여 사회 각 분야에서 성별에 따른 지위와 변화를 파악하고 정책 수립을 위한 근거로 활용하고 있다. 이처럼 데이터는 성별 불평등 수준을 가시화하고 변화의 방향을 모색하는 데 도움이 된다.
통계나 데이터가 ‘모두’에 대한 것이 아니라면, 이는 ‘모두’를 위한 것이 될 수 없다. 데이터를 단순히 기술적으로 활용하고 해석하는 것이 아니라, 데이터에 내재한 편향성과 사회적 편견을 비판적으로 인식하며, 더 나아가 사회변화를 위한 도구로 데이터를 활용할 수 있는 데이터 리터러시가 필요하다. 특히 젠더 관점을 통해 사회적 소수자의 경험을 이해하고, 데이터에 반영하는 것은 모두를 위한 데이터 사회를 위해 핵심적인 과제가 된다. 젠더 관점이란 성별에 따른 차이와 위계적인 사회 구조를 분석하며, 불평등한 젠더 규범과 권력관계를 비판하고 평등한 젠더 관계를 지향하는 것을 의미한다. 따라서, 젠더 관점의 데이터 리터러시는 사회 구조 속 불평등을 드러내고, 평등하고 민주적인 사회를 구축하는 데 필요한 데이터 활용 능력을 향상할 수 있다.
최근 대학을 중심으로 소프트웨어 교육과 데이터 리터러시 교육이 확대되고 있다(고윤정, 2022; 장은실, 2020). 데이터 리터러시는 비판적 사고를 기반으로 데이터에 접근하고, 이를 해석하며, 비판적으로 평가하고 윤리적으로 활용하는 능력을 의미한다(Calzada Prado & Marzal, 2013, p. 14). 그러나 데이터 리터러시 교육은 주로 기술적/도구적 활용 능력에 초점을 두고 있으며, 데이터 편향성이나 젠더 관점에 기반한 비판적 교육은 부족한 편이다. 데이터 생산자뿐 아니라 데이터를 활용하는 이용자의 윤리적 행동과 인식도 강화하며, 인공지능의 젠더 편향 해소를 위한 교육과 연구가 필요하다(김주현, 2023; 김경은, 강진숙, 2023). 모두를 위한 데이터 사회를 이루려면, 성별, 계층, 인종 등 다양한 사회적 범주와 주변인의 입장이 데이터에 반영되어야 하며, 이를 위한 젠더 관점의 데이터 리터러시 교육이 필수적이다.
본 연구는 데이터의 젠더 편향성을 인식하고, 성인지 통계를 활용한 데이터 리터러시 교육 사례를 분석함으로써, 젠더 데이터 리터러시 교육 모델을 제시하고자 한다. 이를 위해 E 대학교에서 2020년 처음 개설된 교양교과목 <빅데이터와 젠더>를 사례로 실행연구를 진행하였다. <빅데이터와 젠더> 교과목은 과학기술의 발전과 빅데이터, 그리고 젠더에 대한 이론적 지식을 유기적으로 연결하여 젠더 관점의 융합적 사고를 향상하는 것을 목표로 한다. 젠더 관점의 데이터 리터러시 교육은 성인지적 데이터 활용과 의사결정 역량을 강화하며, 이를 통해 데이터 사회의 포괄성과 민주성을 제고할 수 있다. 이 연구는 젠더 데이터 리터러시 교육 모델을 제시함으로써, 대학 교양교육이 데이터 편향성 해소와 성평등한 사회 구축에 기여할 수 있는 가능성을 탐구하고자 한다.
2. 선행연구 검토
2.1. 데이터와 젠더
2.1.1. 데이터와 편향성
데이터가 정치, 경제, 사회 등 다양한 분야에서 핵심 자원으로 자리 잡으면서 그 영향력도 점차 확대되고 있다. 데이터 시대에는 데이터를 효과적으로 생산⋅수집하고 활용하는 능력이 중요한 경쟁력으로 부상하고 있다. 데이터의 양이 폭발적으로 증가하고 생성 및 처리 속도 또한 빨라짐에 따라, 정형 데이터를 넘어 비정형 데이터까지 확대되는 빅데이터가 도래한 것이다. 인간의 경험과 활동은 다양한 유형의 데이터로 전환되며, 이를 통해 이전과 다른 방식의 새로운 정보가 생성된다.
데이터화란 ”이전에는 결코 수량화(quantified)된 바 없던 세계의 많은 측면들을 데이터로 만드는 과정들”(Mayer-Schoenberger & Cukier, 2013,홍남희, 2022, p. 248에서 재인용)을 의미한다. 이러한 데이터는 디지털 혁명의 핵심 자산이 되며, 누구나 데이터 자원을 원하는 형태로 무료로 활용하고 재배포할 수 있도록 하는 오픈데이터의 발전은 데이터 민주주의 개념과 연결될 수 있다(박주석, 2018, pp. 42-43).
데이터는 유용한 정보를 도출함으로써 디지털 시대의 핵심 자원이 될 뿐 아니라, 의사결정에도 중요한 요소로 작용한다. 데이터를 활용한 실증 연구가 정책 수립의 근거로 사용되듯이, 빅데이터 또한 증거 기반 의사결정에서 중요한 도구로 활용되고 있다(김선영, 2020, p. 69). 특히 빅데이터를 기반으로 자동화된 의사결정을 수행하는 알고리즘이 점차 널리 사용되는 배경에는 알고리즘이 사회의 자원을 보다 효율적으로 분배할 것이라는 기대뿐만 아니라, 인간의 의사결정에서 개입될 수 있는 선입견, 편향, 자의적 판단 등을 배제함으로써 보다 공정한 결과를 도출할 것이라는 희망 또한 자리잡고 있다(오요한, 홍성욱, 2018, p. 154).
즉, 빠른 속도로 축적되는 방대한 정보를 효율적으로 처리하고, 감정이나 선입견 등 인간의 고질적인 편향에서 자유로울 것이라는 인공지능에 대한 일종의 ‘환상’을 쫓는 근원적인 인간의 욕망은 인공지능에 의한 팩트체킹을 언제든 유력한 대안으로 다시 담론의 장으로 불러낼 수 있다(박소영, 이정현, 2023, p. 266). 그러나 선행연구들은 데이터와 알고리즘이 미치는 사회적 영향력이 늘어남과 동시에 편향적이며 차별적인 결과를 가져올 수 있음을 지적한다. 예를 들어 데이터 기반 의사결정이 인간에 의한 의사결정과 달리 중립적이며 편향에서 자유로울 것이라는 기대가 있으나, 인간행위자가 의사결정 과정에서 의식적 또는 무의식적으로 차별적 판단을 내릴 수 있듯이, 인공지능을 활용한 의사결정에서도 그와 마찬가지로 차별에 관한 논란이 충분히 발생할 수 있다는 것이다(고학수 외, 2019, p. 200).
데이터 과학자 O’Neil(2016)은 ‘대량살상 수학무기(Weapons of Math Destruction, WMD)’ 개념을 통해 자동화된 알고리즘이 확대됨에 따라 발생하는 의사결정의 위험성을 지적하며, 숫자와 데이터에 의존해 사회적인 결정이 이루어지는 것을 비판한다. 이희은(2021)은 교육⋅의료⋅사회복지⋅민주주의 가치와 같은 중요한 사회적 영역에서 데이터 기반의 ‘자동 결정’이 인간의 판단보다 더 객관적이고 공정할 것이라는 잘못된 기대가 존재한다고 보며, 이러한 자동화된 데이터가 결국 자동화된 사회적 결정으로 이어져 사회적 소수자나 경제적 약자의 삶을 더욱 불행하고 위험한 상태로 만들 수 있음을 지적한다.
이와 같이 선행연구들은 데이터 기반 의사결정이 객관적이고 진보적인 것일 것이라는 기대와 달리 기존의 불평등을 강화하거나 재생산할 수 있음을 공통적으로 지적한다. 이러한 연구들은 데이터 기반 의사결정이 갖는 문제와 한계를 다루며, 데이터 생성 및 수집, 분석과 활용 과정에서의 편향성의 문제를 강조한다. 데이터가 객관적일 것이라는 믿음과 달리 데이터가 수집 및 생성되는 과정에서 특정 집단의 의견이 과대⋅과소 대표되거나 혹은 다양한 편견이 반영될 수 있기 때문이다(김경은, 강진숙, 2023; 변순용, 2020; 오요한, 홍성욱, 2018; 정원섭, 2020). 이는 데이터 기반 의사결정 시스템이 가진 근본적인 한계를 드러내는 동시에, 다양한 관점에서 데이터의 생성과 활용 과정에 대한 비판적 성찰과 논의가 필요함을 의미한다.
2.1.2. 젠더 편향과 데이터 공백
데이터는 여러 가지 편향성을 내포할 수 있는데, 특히 젠더와 관련된 편향이 중요한 문제로 지적되고 있다. 젠더 개념은 성별에 따른 위계와 차별이 사회적으로 구성되어 왔으며, 따라서 변화할 수 있음을 강조하기 등장했다. 젠더는 고정된 것이 아니라 반복적인 수행 행위를 통해 사회적 의미와 정체성이 만들어진다는 점에서 사회적 구성물이자 젠더 체계라고 할 수 있다. 젠더 체계는 성별에 따른 사회적 역할과 위계, 차별을 구조화하는데, 선행연구들은 데이터의 편향이 이러한 젠더 체계를 반영하거나 강화할 수 있음을 지적한다.
젠더 관점에서 대표적인 데이터 편향의 문제는 데이터 생성과 활용 과정에서 성별 고정관념이나 성차별적 인식이 반영되어 그 결과 성별 불평등과 차별을 재생산할 수 있다는 것이다(김주현, 2023; 손희정, 2022; 이희은, 2021; 한애라, 2019; 홍남희, 2022). 예를 들어 인공지능의 젠더화 문제는 이러한 테크놀로지의 구현이 젠더 규범을 강화하고 재생산할 수 있음을 비판한다(김애라, 2024; 이승현, 2018; 허유선, 2024).1)
이희은(2018)은 음성인식장치 연구를 통해 여성 목소리가 음성 비서에 사용되는 이유가 여성의 사회적 역할에 대한 고정관념을 반영한 것임을 지적한다. 즉, 여성의 목소리가 친근하고 유연한 이미지로 인식되기 때문에 음성 비서와 같은 기술에서 여성 목소리가 선호되며, 이러한 성별화된 기술이 사회적 고정관념과 불평등을 재생할 수 있다는 것이다. 따라서 기술은 단지 도구가 아니라 데이터 수집과 활용 과정에서 젠더 권력 관계를 형성하고 반영하는 역할을 한다. 또한 기술을 설계하고 사용하는 방식은 성별에 대한 고정관념을 강화하거나 변화시킬 수 있으며, 이러한 점에서 기술은 사회적 가치와 규범을 재구성하는 중요한 요소로 작용됨을 지적하고 있다.
또 다른 편향의 문제는 ‘데이터 공백’에 대한 것으로, 여성 데이터가 충분하지 않거나 혹은 비가시화되어 있음을 말한다. 대표적으로 Criado Perez(2019)는 ‘젠더 데이터 공백’이라는 개념을 통해 데이터의 젠더 편향성을 비판하며, 기술, 의료, 도시계획, 재난 등 다양한 영역에서 나타나는 여성 데이터의 부재가 계속해서 여성의 삶에 계속해서 영향을 미친다고 지적한다. 남성을 기본값(default)으로 한 데이터는 여성 데이터를 비가시화하고, 그 결과 모든 사회와 정책이 남성 중심으로 만들어지게 된다. 이 문제의 중요한 점은 젠더 데이터 공백이 악의적이거나 고의적이지 않다는 것이다.2)
손희정(2022)은 인공지능을 단순한 기술이 아닌 텍스트, 제작 주체, 제작 언어, 시장, 유저, 담론 등을 아우르는 총체적인 장치(dispositif)로 이해해야 한다고 주장하며, 이러한 기술이 한 사회의 젠더를 구성하는 데 개입하는 방식에 대해 ‘젠더 테크놀로지(technologies of gender)’라는 개념을 통해 비평할 수 있다고 설명한다. 이처럼 성별고정관념이 반영된 데이터 또는 젠더 데이터 공백을 기반으로 기계학습을 하는 인공지능은 젠더 편향적 결과를 초래할 수 있다. 음성인식 시스템에서 여성 목소리가 선호되는 것처럼, 특정 성별을 기준으로 데이터가 구축되고 분석되면, 그에 맞춰 설계된 알고리즘은 실제로 사회적 불평등을 더욱 심화시킬 수 있다. 따라서 데이터 편향이 젠더화된 형태로 발생한다는 점에서 데이터 사회를 젠더 관점에서 바라보는 시각이 필요하다(홍남희, 2022).
더 나아가 성별은 인종과 같은 다양한 범주와 교차하여 차별로 나타날 수 있다. 예를 들어, 안면인식 알고리즘의 오류율은 업체별로 차이가 있기는 하나 백인 남성이 가장 낮고 흑인 여성의 오류율이 높은 것으로 알려져 있다. 안면인식 기술 사용이 점점 더 확대됨에 따라 데이터와 알고리즘, 인공지능 사용에서 취약한 집단들이 존재한다. 홍남희(2022)는 이를 반영하여, 데이터화가 특정 인구 집단을 특히 ‘취약’하게 만든다고 주장하며, 이를 해결하기 위한 기술적 디자인의 재배치와 알고리즘 개선, 그리고 법적 제도 변화가 필요하다고 강조한다.
최근에는 데이터와 인공지능의 편향성 문제에 대한 인식이 높아지면서 이를 개선하기 위한 논의도 늘어나고 있다. 특히 개발자나 사용자의 의도와 무관하게 편향된 결과가 나올 수 있다는 점을 고려할 때, 데이터 구성과 알고리즘 개발에서의 투명성과 설명 가능성을 요구하는 제도적 장치들이 마련되어야 할 것이다(이신행, 2022). 이는 기술과 데이터가 사회적 불평등을 재생산하는 문제를 해결하고, 민주적인 데이터 사용 및 활용을 위한 중요한 논의가 될 것이다.
2.2. 성인지 관점과 데이터 리터러시
2.2.1. 데이터 페미니즘과 액티비즘
데이터 공백을 통해 취약한 집단이 누구인지 이해하고, 데이터 수집 과정을 공정하게 하며 편향된 데이터에 기반한 알고리즘 오류를 줄이는 것이 중요하다. D’Ignazio and Klein는 데이터 자체를 부정하거나 혹은 데이터 과학이 모두 나쁘다는 주장을 하려는 것이 아니라, ‘누구에 의한, 누구를 위한, 누구의 이익을 염두에 둔 데이터 과학인가’라는 질문을 항상 고려해야 한다고 강조한다(D’Ignazio & Klein, 2020; 이희은, 2021, p. 34에서 재인용). 이러한 인식론에 기초하여 데이터 페미니즘은 데이터를 수집, 분석, 해석하는 과정에서 발생하는 성별 불평등과 편향을 인식하고 이를 개선하려는 인식론적이며 실천적인 접근이다. 데이터 페미니즘의 원칙과 논의는 데이터화가 객관적이고 중립적 지식을 산출한다는 기존의 가정에 대한 비판적 문제인식에서 출발하며, 데이터 사회의 부정의와 불평등을 개선하기 위한 다양한 행동주의가 필요함을 강조한다(홍남희, 2022).
이러한 데이터 페미니즘은 주변인의 관점에서 데이터를 비판적으로 이해하고 불평등한 권력관계를 가시화하며, 데이터가 평등한 사회변화를 위한 도구가 될 수 있도록 한다는 점에서 데이터 액티비즘으로도 볼 수 있다. 즉, 사회적 소수집단과 권력관계에 민감해짐으로써 편향된 데이터를 개선하고 변화시키려는 데이터 액티비즘은 사회의 취약한 집단과 불평등, 차별 문제를 가시화하고, 보다 평등한 사회를 만드는 가능성에 주목할 필요가 있다.
데이터 액티비즘은 데이터를 활용하여 사회적⋅정치적 변화를 촉진하는 활동을 의미한다. 데이터를 수집, 분석, 공유함으로써 권력 구조에 도전하고, 사회적 불평등을 드러내며, 취약한/배제된 집단을 가시화한다. 데이터 액티비즘은 사회변화를 위해 새로운 데이터셋을 만들고 활용하는 적극적(Proactive) 데이터 액티비즘과 정부나 기업의 감시, 데이터 독점 등의 문제에 대응하고 저항하는 반응적(Reactive) 데이터 액티비즘으로 구분할 수 있다(Milan & van der Velden, 2016). 그리고 젠더 관점에서 데이터 액티비즘은 데이터를 활용해 젠더 불평등을 드러내고 성평등을 지향하는 운동으로, 성별 격차를 가시화화고 이를 줄이기 위한 방향을 제시하는 도구가 될 수 있다.
성별 격차를 드러내기 위한 데이터 생산, 분석, 활동은 젠더 데이터 액티비즘의 일환으로 볼 수 있다. 대표적인 예로, 젠더 지수(gender index)는 젠더 데이터 액티비즘의 결과물이자 이를 촉진하는 역할을 한다. 젠더 지수는 성별 격차를 측정하는 통계적 지표로, 유엔개발계획(UNDP)의 젠더 불평등 지수(GII)와 젠더 개발 지수(GDI), 세계경제포럼(WEF)의 젠더 격차 지수(GGI), 유럽연합(EU)의 젠더 평등 지수(GEI) 등이 있다. 이처럼 국제사회는 데이터를 통해 성별 불평등 수준을 진단하고, 성별 격차를 해소하기 위한 다양한 노력들을 이끌어가고 있다. 젠더 지수와 같은 통계는 데이터 액티비즘의 기반이 되며, 데이터 액티비즘은 젠더 관점에서 통계를 변화시키고 개선하는 역할을 한다.
2.2.2. 성인지 통계와 데이터 리터러시
성인지 통계(gender statistics)는 성별 불평등을 인식하고 이를 해소하기 위한 중요한 도구로 발전해 왔다. 성인지 통계는 1975년 UN 제1차 세계여성대회를 통해서 여성의 삶과 지위를 나타내는 자료와 통계, 지표 개발의 필요성이 처음 제기되었다. 이후 1995년 북경에서 열린 제4차 UN 세계여성회에서 새로운 성평등 정책 패러다임으로 성 주류화(Gender Mainstreaming) 전략을 채택하고, 이를 실행하기 위한 주요 도구 중 하나로 성인지 통계를 포함하였다. 성인지 통계는 성별통계, 성별분리통계 등의 용어로도 사용되며, 성별로 분리된 데이터를 통해 사회적, 경제적 성별 격차를 가시화하고, 성평등한 사회를 만들어가는 데 중요한 역할을 한다.
한국에서도 성인지 통계를 위한 법적 근거를 마련하고 모든 인적 통계는 성별로 구분하도록 명시하고 있다.3) 성별분리통계는 성별을 기준으로 데이터를 분리하여 수집⋅제공하는 통계로 성인지 통계를 위한 기초자료를 제공한다. 예를 들어 통계청 ｢경제활동인구조사｣에 따르면 2024년 고용율은 69.5%로, 성별로 보면, 남성 76.8%, 여성 62.1%로 여성의 고용율은 남성보다 14.7%p 낮은 것으로 나타난다. 고용율의 성별 격차는 여성뿐만 아니라 국가 전체에 부정적인 영향을 미치므로 성별 격차의 원인을 파악하고 이를 개선하기 위한 정책 마련이 필요하다.
그러나 성별분리통계는 여성과 남성을 이분법적으로 분리함으로써 젠더 이분법에 속하지 않는 집단을 비가시화하며, 이러한 방식이 의도하지 않더라도 젠더 이분법을 강화할 수 있다는 점에 유의해야 한다. 최근에는 성별을 다양한 범주로 포괄하거나, 사회적 맥락에 따른 차이를 분석하는 방법도 논의되고 있다. 예를 들어 데이터 수집 과정에서 다양한 정체성을 고려하거나 또는 자기 기술 방식을 통해 성별을 자유롭게 기술하는 방법 등도 가능할 것이다.
더 나아가 성인지 통계는 단순히 데이터를 성별로 구분하는 것에 그치지 않고, 사회의 여러 측면에서 성별 불평등과 차별을 드러내며 이를 개선하기 위해 만들어지는 모든 통계를 의미한다. 성인지 통계는 성별에 따른 사회적 요인과 구조적 문제를 파악하는 데 중요한 역할을 하며, 성평등 정책을 수립하는 데에도 활용될 수 있다. 예를 들어, 여성이 주로 담당하는 돌봄 역할은 자연스러운 것으로 여겨지기 때문에 노동으로 간주되지 않거나 적절히 평가되지 않는다. 그러나 돌봄 노동은 사회적, 경제적 맥락에서 볼 때 매우 중요한 역할을 하며, 가사노동, 육아, 노인 돌봄 등의 분야에서 발생하는 경제적 기여를 정확히 계산하는 것은 사회의 구조적 불평등 문제를 해결하는 데 중요한 요소가 된다.
예를 들어, 2019년 생활시간조사(통계청)를 보면 가사노동시간의 성별 차이는 161분으로 여성이 남성보다 가사노동 분담이 큰 것을 알 수 있다. 이러한 성별 격차는 노동시간과 고용율, 일생활 균형의 어려움 등에도 영향을 미칠 수 있다. 또한, 이 조사를 기초로 산출한 가사노동 서비스의 가치는 490.9조 원으로 GDP의 25.5%에 상당하며, 성별로는 여성이 생산한 가치(356.0조원)기 남성(134.9조원) 보다 2.6배 많은 수준이다(오정화 외, 2023). 이처럼 성인지 통계를 통해 여성의 돌봄 노동을 가시화하고, 가사노동의 경제적 가치를 인정함으로써 평등한 돌봄 분배를 위한 논의를 만들어갈 수 있다.
3. 연구방법
데이터 사회에서 젠더 관점에서 데이터가 어떻게 성별 차이를 비가시화하거나 불평등을 심화시키는지 분석할 수 있어야 하며, 이를 위해 젠더 포용적 데이터 수집과 활용, 그리고 알고리즘 설계에 이르는 젠더 데이터 리터러시가 필요하다. 젠더 데이터 리터러시는 젠더 관점에서 단순히 데이터를 읽는 것을 넘어, 데이터가 어떻게 수집되고 해석되었는지, 그 과정에서 발생할 수 있는 편향이나 차별에 대해 비판적 사고를 할 수 있는 능력을 포함한다. 본 연구는 다양한 사회적 이슈에 대해 비판적 사고를 키울 수 있는 교육 기회를 제공하는 대학의 교양교육 차원에서 젠더 데이터 리터러시 교육에 관한 사례 연구를 진행하고자 한다.
본 연구는 연구자가 진행한 <빅데이터와 젠더> 교과목을 대상으로 실행연구(action research)를 수행하였다. 실행연구는 ‘실행’과 ‘연구’를 결합한 연구방법으로, 현장에서의 실천 행위가 곧 연구의 과정이 핵심을 이루며, 이를 통해 연구자는 교육 현상과 문제에 대한 새로운 지식을 생산해낼 수 있다(강지영, 소경희, 2011, p. 198). 또한, 실행연구는 연구자가 자신의 실천을 비판적으로 탐구하며, 연구현장을 이해하고 개선할 수 있는 기회를 제공할 뿐 아니라 대안적인 방안을 제시함으로써 과정 지향적 탐구 패러다임을 갖는다(한상희, 2013, p. 106).
연구 대상인 <빅데이터와 젠더> 교과목은 E 대학에서 2020학년도 교양교육과정 개편과 함께 2020학년도 2학기에 처음 개설되었다.4) 교과목 개설 배경에는 데이터와 통계 활용 범위가 넓어지고, 의사결정에 미치는 영향력이 늘어나는 현대 사회에서 데이터 리터러시에 대한 대학 교육의 필요성이 대두되었다는 인식이 있다. 데이터는 누가, 무엇을(어떤 데이터를), 어떻게 (어떤 목적으로) 사용하는지에 따라 다른 결과를 가져올 수 있으며, 개인의 인식뿐만 아니라 사회적 규범과 가치, 편견 등이 데이터 수집 및 해석 과정에 반영될 수 있기 때문이다. 본 교과목은 젠더, 인종, 계층, 지역 등 다양한 사회적 불평등이 교차하는 사회에서 데이터에 반영되는 편견과 고정관념을 분석하고, 나아가 데이터를 어떻게 활용해야 하는지에 대한 융합적 사고를 함양하는 교육의 일환으로 개발되었다.
본 교과목은 3학점 수업으로 2020학년도 2학기에 처음 개설되었으며, 2021학년도 1⋅2학기와 2023학년도 1학기에 개설되었다. <빅데이터와 젠더>는 이론(토론)과 실습(통계)을 포함한 수업으로, 2020학년과 2021학년에는 이론 수업을 실시간 줌(Zoom)으로 진행하고, 실습 수업은 녹화된 강의를 통해 진행하였다. 줌 수업은 수강생들의 동의를 얻어 수업 내용을 녹화한 후, 추후 학생들이 다시 학습할 수 있도록 사이버캠퍼스에 업로드하였다. 2023학년 2학기에는 이론 수업을 강의실에서 대면으로 진행하고, 실습은 녹화 수업 형태로 융합수업으로 진행하였다. 이론과 실습 수업 모두 한 명의 교수자가 담당하여 이론과 실습 내용이 유기적으로 연결되도록 하였다. 수강 인원은 실습 수업의 원활한 진행을 위해 80명으로 제한하였으며, 실습 지원을 위한 조교를 배정하였다.
수강대상은 1학년부터 4학년 모두 수강할 수 있었으며, 비대면 수업 시기에는 저학년 비중이 약 70%로 높았고, 대면 수업 시기에는 고학년 비중이 약 70%로 높았다. 수강생들의 전공은 다양했으며, 대부분의 학생들은 통계 프로그램(R 프로그램)을 처음 접해보는 경우가 대부분이었다. 수업 준비물로는 소프트웨어 실습을 위하여 개인 컴퓨터를 준비하도록 하였다. 본 연구에서 활용한 자료는 개발 신청서와 강의 계획서, 강의 녹화 자료, 사이버캠퍼스 게시물, 강의 평가 등이다.
4. 젠더 데이터 리터러시를 위한 <빅데이터와 젠더> 교양 수업 사례
4.1. 교육과정 구성
이 장에서는 교양수업으로서 젠더 데이터 리터러시를 위한 <빅데이터와 젠더> 수업 사례를 살펴보고자 한다. 이 교과목의 목표는 크게 세 가지로 구분할 수 있다. 첫째, 젠더 관점에서 데이터의 의미와 한계를 인식하고, 평등하고 민주적인 사회를 위한 데이터의 역할과 필요성을 이해하는 것이다. 둘째, 기술적/도구적 관점에서 데이터 분석 방법을 학습하고 습득하는 것을 넘어서, 데이터 분석 및 과학기술을 다루고 활용하는 새로운 윤리적 질문과 도전에 대해 탐구하는 것이다. 셋째, 과학기술과 사회문제를 연계함으로써 융복합적 수업을 운영하는 것이다. 이를 통해 빅데이터 시대에 새롭게 요청되는 능력으로서 젠더 관점에서 데이터 분석 및 활용 능력을 향상시키는 것을 목표로 한다.
본 수업은 3시간 3학점 수업으로 매주 2회 진행되며, 이론과 실습 수업은 격주로 이루어진다. 이론 교육에서는 젠더와 교차성, 데이터와 성인지 통계 등에 대한 기초 개념과 여성학적 기본 지식을 학습하고, 실습 교육에서는 통계 실습을 위해 R 프로그래밍 스포트웨어를 활용한다. R 소프트웨어는 오픈소스로 쉽게 다운로드할 수 있으며, 통계 및 데이터 분석에 최적화되어 있어 통계 프로그램을 처음 접하는 학습자들이 비교적 다루기 용이하다. 수업 구성은 이론과 실습을 주차별로 교차하여 15주차 수업으로 이루어지며, 이론 교육 및 실습 교육의 주요 주제는 <표 1>과 같다.
<표 1>
<빅데이터와 젠더> 교과목 이론과 실습 교육 주제
이론 수업은 5개의 주제로 구성되었다. 먼저 데이터의 의미와 젠더 편향성에 대한 기본적인 개념과 지식을 학습하고, 젠더 관점에서 데이터를 어떻게 활용할 수 있는지, 그리고 성인지 통계와 공공 데이터 활용에 대한 사례 등을 통해 이론을 심화 학습한다. 특히 이론 수업은 다양한 읽기자료를 중심으로 토론 수업을 진행하며, 데이터 의미와 중요성, 데이터와 알고리즘의 편향성에 대해 이해를 돕는다. 이를 통해 학생들은 비판적 관점에서 데이터 사회를 이해해야 하는 필요성을 인식하게 된다. 이러한 학습을 위해 교수자와 학생, 그리고 학생들 사이의 상호 소통이 중요하며, 함께 질문하고 답하는 과정을 통해 새로운 지식을 만들어갈 수 있다. 실습 수업도 5개 주제로 구성되며, 먼저 R 통계 프로그램을 설치하고 통계의 기본 개념을 이해하여 기본적인 통계 실습이 가능하도록 하였다. 실습 수업은 교수자가 사전에 수업 내용을 녹화하여 진행하였는데, 이를 통해 학생들이 자신의 속도에 맞춰 실습을 진행할 수 있도록 하였다. 또한, 사이버캠퍼스에 질문 게시판을 운영하여 실습에 대한 질문을 올리고 답함으로써 수강생들이 함께 문제를 해결할 수 있도록 하였다.
평가 방식은 출석, 참여도, 실습과제. 중간고사, 기말과제로 고르게 이루어졌다. 특히 학생들의 주제 이해와 자유로운 토론을 위해 수업 전에 주제별로 제시된 읽기자료를 읽고, 사이버캠퍼스에 익명으로 중요한 문장과 그에 대한 의견을 간단히 작성하도록 하였다. 내용에 대한 평가는 하지 않고 참여 여부만 평가하여 학습자들이 자유롭게 의견을 공유할 수 있도록 하였다. 학기 초에 4~6명 정도의 소그룹을 구성하고, 수업시간에 소그룹에서 각자 자신이 선택한 문장과 이유를 공유하고, 어떤 질문을 토론하고 싶은지 함께 토론한다. 교수자는 토론을 위한 주요 개념, 예를 들어 ‘통계적 차별’ 개념을 설명하고, 어떻게 통계가 차별의 근거가 되는지, 그렇다면 통계적 오류에 빠지지 않으면서 데이터를 어떻게 변화를 이끌어낼 도구로 활용할 수 있는지에 대한 전체 토론을 진행할 수 있다.
중간고사는 이론 부분과 R 통계 프로그래밍의 기초 이해를 평가하는 지필 시험으로 진행하였다. 기말과제는 젠더 관점에서 R 통계 프로그램을 활용한 실습 및 분석 보고서를 제출하도록 하였다. 예를 들어, <사회통합실태조사> 공공 데이터를 활용하여 자신이 중요하다고 생각하는 문항을 선택하고, 통계 프로그램을 사용하여 성별 차이나 연령별 차이 등을 분석한 후 보고서를 작성하는 과제이다.
4.2. 교육내용 및 주제
4.2.1. 젠더 교육을 위한 ‘안전한 교실’
<빅데이터와 젠더> 수업은 젠더 관점에서 데이터 분석 및 활용 능력을 향상하기 위한 교과목으로, 젠더 관련 이론 수업과 기초적인 데이터 분석 소프트웨어 학습을 주제로 한다. 그러나 수강생들 중 다수가 통계 프로그램이나 여성학 관련 수업을 접한 경험이 없기 때문에, 학기 초에 수업에 두려움이나 긴장을 해소하는 것이 중요하다. 특히 젠더 관련 수업에서는 ‘안전한 교실’을 만드는 교수자의 역할이 매우 중요한데, 이를 위해 오리엔테이션 시간을 활용하여 학생들이 서로를 존중하며 자유롭게 의견을 표현할 수 있는 분위기를 조성할 필요가 있다. 이와 함께 수업의 첫 단계로, 학생들이 일상 생활에서 데이터가 어떻게 활용되는지, 그리고 자신의 경험이 어떻게 데이터가 될 수 있는지에 대해 브레인스토밍을 진행한다. 학기 초에는 통계나 데이터를 활용하여 ‘안전한 교실’을 감각하게 만들 수 있다.
페미니스트 페다고지는 ‘안전한 교실’을 위한 교수자의 역할을 강조한다. 교수자는 학생들이 서로의 경험과 정체성을 존중하며 자유롭게 표현할 수 있는 환경을 제공하고, 수평적이고 민주적인 관계를 유지하는 데 중점을 둔다. 자유롭고 안전한 공간을 통해 교수자와 학습자들은 서로의 차이를 존중하고, 성별, 인종, 계급 등 다양한 차별과 위계를 인식하며 도전하는 방법을 배울 수 있다. 이러한 과정은 학생들이 비판적 사고를 발전시키고, 민주적이고 평등한 사회를 만들어가는 데 중요한 기반이 될 수 있다.
예를 들어, [그림 1]은 2022학년도 2학기 수업에서 멘티미터(Mentimeter) 프로그램을 활용하여 학생들이 코로나 팬데믹에 대해 떠오르는 단어 3개를 작성하도록 진행한 활동을 보여준다. 이 활동을 통해 학생들은 자신의 경험이 어떻게 데이터가 될 수 있는지 인식하고, 데이터를 통해 어떻게 서로의 경험을 이해하고 공유할 수 있는지 학습할 수 있었다. 교수자는 학생들에게 모든 생각이 ‘잠정적’일 수 있음을 강조하며, 다양한 관점에서 사고할 수 있는 교실이 되도록 해야 할 것이다. 또한 민감한 주제를 다룰 때에는 학생들이 자신의 개인적인 경험이나 의견보다는, 우리 사회에 어떤 의견이나 입장이 있을 수 있는지 자유롭게 이야기할 수 있게 함으로써 안전한 공간이 되도록 할 수 있다.
4.2.2. 데이터 페미니즘: 젠더와 데이터는 어떻게 만나는가?
수업의 효과적인 진행을 위해서는 학습자들의 질문과 요구를 파악하는 것이 중요하다. 이를 위해 오리엔테이션 시간을 통해 학생들이 수업에 대해 갖는 기대와 두려움이 무엇인지 파악하였다. 특히, 학생들이 가장 궁금해했던 점은 ‘데이터와 젠더가 어떻게 만나는가’라는 질문이었다. 즉, ‘데이터는 객관적이고 중립적이며, 젠더/페미니즘은 가치지향적인데, 어떻게 두 개념이 만날 수 있는가’라는 물음이 수업의 출발점이자 주요 목표가 되었다.
학생들은 젠더 관점으로 데이터를 분석하는 것이 어쩌면 객관적이지 않을 뿐만 아니라 편파적인 분석이 될 수 있지 않을지 의구심을 갖기도 하였고, 이는 중요한 논의의 주제가 되었다. 이러한 질문에 대한 답을 찾기 위해, 학생들은 관련된 읽기자료를 통해 각자의 생각을 정리하고, 그 후 수업에서 다양한 이론을 배우며 의문을 풀어갈 수 있도록 하였다. 주요 개념으로는 ‘젠더 데이터 공백(남성이 디폴트가 되어 여성 데이터가 부족하거나 부재하는 문제)’. ‘필터버블(개인의 관심사에 맞춰 정보가 제공되는 현상)’, ‘디지털 레드라이닝(디지털 기술을 통해 소외된 집단간 불평등이 지속되는 문제)’ 등이 있었다. 이러한 개념들을 바탕으로 학생들은 데이터 생산하고 활용하는 데 왜 젠더 관점이 필요한지 토론을 진행하였다.
예를 들어, 2015년 구글의 ‘길거리’ 이미지 검색 결과에서 대부분 젊은 여성의 뒷모습이 많이 나온 것에 대해 학생들은 다양한 입장에서 생각해보고 의견을 나눌 수 있도록 하였다([그림 2] 참조). 검색 결과는 단지 기술적인 결과물에 불과하므로 문제시할 필요가 없고 또 할 수 없다는 입장에서부터 이러한 결과가 성별고정관념을 강화하고 특정 성별을 대상화할 수 있다는 입장에 이르기까지 다양한 논의를 진행하였다. 이후 수업에서는 각자 학생들이 노트북이나 스마트 기기를 활용하여 구글에서 ‘위인’을 검색하고, 그 결과에 대해 토론을 진행하였다. 앞서 ‘길거리’ 검색 결과에서 젊은 여성이 과다 검색되었던 경우와 달리, ‘위인’ 검색에서는 남성이 과대/여성이 과소 검색되는 것을 확인할 수 있었다. 이에 대해 검색 결과는 역사적 ‘사실’에 불과하므로 문제가 아니며, 오히려 검색 결과에 개입하는 것이 객관적이지 않다는 의견을 가질 수 있다. 반면, 학생들은 역사에서 여성들의 삶과 경험이 기록되지 않았다는 것과, 더 나아가 ‘역사적 사실’이 무엇인가에 대한 질문을 던지며 더 깊은 논의를 이어갈 수 있었다.
검색 활동을 통해 ‘젠더 데이터 공백’이라는 개념과 문제를 보다 더 깊게 이해하고, 검색 결과가 단순히 기술적 결과물일 뿐만 아니라, 그 자체로 사회적 의미를 담고 있음을 인식하게 되었다. 이를 통해 학생들은 데이터에서 젠더 관점이 왜 필요한지 스스로 답을 찾을 수 있었으며, ‘젠더 데이터 공백’이 악의적이지 않더라도 어떻게 객관적 지식으로 자리잡고 우리의 현재 삶에 영향을 미치는지를 깨닫게 되었다. 이러한 참여 학습은 주요 개념을 실체화하고, 학생들이 데이터와 젠더 문제를 비판적으로 바라볼 수 있는 능력을 기르는 데 중요한 역할을 한다.
이 수업을 통해 학생들은 데이터가 사회에 미치는 영향을 비판적으로 분석할 수 있는 능력을 가질 수 있다. 특히 데이터의 의존성이 점점 더 커지는 사회에서, 데이터가 무엇을 보이게 하고 무엇을 보이지 않게 만드는지에 대한 질문을 던지는 것이 중요하다. 이와 관련하여 데이터 페미니즘은 데이터 사이언스와 데이터 윤리에 대한 새로운 접근 방식을 제시하며, 교차적 페미니스트 사상에 기반한 중요한 이론적 기초가 된다.
데이터 페미니즘은 전통적인 데이터 사이언스의 표준적 관행이 어떻게 현재의 불평등을 강화하고 있는지 비판하며, 권력의 분배에 도전하는 접근이다. 데이터가 권력과 밀접하게 연결된 사회에서 데이터 페미니즘은 성차별주의를 비롯한 다양한 억압적 구조를 명명하고 도전하는 방식으로, 기존의 위계적 체계를 변화시키는 데 기여할 수 있다(D’lgnazio & Klein, 2020).5) 데이터가 권력이 되는 사회에서 데이터 페미니즘은 단순히 젠더 문제에 국한되지 않는다. 즉, 데이터 권력이 불공평하게 사용되고 있음을 인식하고, 이에 대한 변화를 추구하는 새로운 인식론이자 실천 전략으로서 의의를 갖는다. 따라서 데이터 페미니즘은 젠더와 페미니즘의 관점을 통해 데이터가 더 객관적이고 공정하며 민주적인 도구로 활용될 수 있도록 기여할 수 있다는 중요한 통찰을 제공한다.
4.2.3. 교차성과 특권에 대한 성찰
다양한 형태의 정보가 수집되고 기록되면서 데이터는 권력을 지속하는 중요한 자원이 되고 있다. 데이터는 문제의 일부이기도 하지만 동시에 해결책의 일부가 될 수 있다. 특히 젠더 관점에서 데이터를 이해하고 더 나은 데이터를 생산하기 위해 우리는 무엇을 해야하는지에 대한 질문과 성찰이 필요하다. 교차성(intersectionality)과 특권(privilege) 개념은 내가 속한 사회에서 나의 위치성을 성찰하고, 다양한 권력과 위계를 감각하게 하는 데 도움이 된다. 개인의 위치성은 특정 사회에서 작동하는 특권과 억압의 교차성에 의해 형성되기 때문이다.
교차성 개념은 한 사람의 사회적 정체성을 규정하는 범주는 단일하지 않으며, 젠더, 인종, 계급 등 상호 교차적으로 작용하여 의미를 구성한다는 것이다. 이 개념은 1989년 미국의 흑인 페미니스트 법학 교수인 Kimberlé Crenshaw가 흑인 여성들의 차별 경험을 설명하기 위해 처음 사용하였다. 이후 1990년대 흑인 페미니스트들에 의해서 제기된 여성 내부에 존재하는 차이와 갈등은 중요한 논쟁으로 발전했으며, 교차성 개념을 통해 우리 모두 다양한 억압의 그물망 속에 위치하고 있음을 자각할 수 있게 되었다(정재원, 2020, p. 99). 교차성은 N개의 정체성을 나열하는 것이 목적이 아니라, 무엇이 어떻게 취약성(vulnerability)을 만들어내는지 구조와 제도에 대해 관심을 갖고 질문을 던지도록 한다. 특히, 젠더는 연령, 인종, 계층 등 다양한 차별주의와 교차되며, 지배집단은 차별 비용을 통해 특권과 권력을 누리게 된다. 따라서 특권과 억압의 체계를 이해하기 위해서는 차별 구조가 작동하는 교차적 측면을 분석하는 것이 중요하다.
Sensoy and DiAngelo(2014)는 특권을 사회적, 경제적, 정치적 맥락에서 특정 집단이 다른 집단에 비해 가지는 유리한 지위나 혜택으로 정의하며, 이는 불평등한 사회 구조에서 비롯되는 자원, 기회, 권력의 불균형이라고 설명한다. 특권은 특정 집단만이 향유하는 무엇이 아니지만, 개인의 노력으로 획득된 것이 아닌 경우가 많아 일상적으로 이를 인식하거나 알아차리기 어렵다. 또한, 특권과 억압의 효과는 모든 개인과 집단에게 균등하게 작용하지 않으며, 사회적 차별과 억압의 구조에서 이득을 얻는 경우도 이를 눈치채기 어려운데 이를 ‘특권 위험’이라고 부르는 것이다. 이러한 논의는 특권이 데이터와 어떻게 연결되는지에 대한 비판적 이해로 확장될 수 있다.
이 수업에서는 읽기자료를 통해 주요 개념을 이해하고, 나에게는 어떤 ‘특권 위험’이 있는지 함께 브레인스토밍을 진행한 후, 우리 사회에 어떤 특권이 있는지 탐색하였다. 성별, 연령, 대학, 장애, 성정체성, 가족구성 등 다양한 범주가 어떻게 위계화되며 억압과 특권의 형태로 나타나는지 분석하며, 여성/남성 집단 내 차이를 인식하고 우리 사회의 다층적 위계와 차별이 어떻게 맞물려 있는지 이해할 수 있었다. 또한, ‘국적’이 특권이 될 수 있는가라는 질문을 중심으로, 자신이 갖고 있는 ‘난민’에 이미지와 편견을 돌아보며 특정 집단에 대한 사회적 편견과 이미지가 어떤 정보와 데이터를 통해 만들어지는지, 그리고 페미니즘이 어떻게 난민 문제와 만나는지 질문과 사고를 넓혀갈 수 있었다. 학생들은 난민에 대해 특정 성별, 인종, 종교, 문화적 배경 등을 떠올렸는데, 이는 한국사회에서 난민에 대한 이미지와 정보가 어떻게 형성되고 있는지를 보여준다. 학생들은 이러한 현상을 비판적으로 인식하고, 다양한 시각에서 데이터를 해석할 수 있는 능력의 필요성을 이해할 수 있었다.
2021학년도 1학기 수업에서 ‘특권’ 주제에 대한 토론을 진행한 후, Zoom의 화이트보드 기능을 활용해 익명으로 소감문을 작성하도록 하였다. 학생들은 ”페미니즘 문제랑 난민 문제를 연결해서 생각해 본 것은 처음이었다”, “난민의 이미지 형성이 어떻게 되었나라는 질문이 인상깊었다”, ”특정 집단을 차별하고 타자화하는 체계와 구조는 성차별 문제뿐만 아니라, 나이, 국적, 인종 문제에서도 유사한 방식으로 작용하기 때문에 각각의 차별 문제가 아주 분리된 문제가 아니라고 생각한다”, “젠더 관점에서 특권 위험을 누리지만, 인종 문제에 더 관심있는 사람 등과 같이 특정 차별적인 문제에만 관심있는 사람들과 전략적으로 연대할 수 있고, 차별의 근본적인 문제를 통찰하면서 성차별적 문제를 생각해볼 수 있는 기회가 되었다”는 등과 같은 성찰적인 피드백을 남겼다.
4.2.4. 성인지 통계의 이해와 활용
데이터는 보이지 않는 것을 보이게 함으로써 사회문제를 인식하게 하고, 이를 해결하기 위한 변화를 이끄는 도구로 활용될 수 있다. 그렇다면 통계나 데이터를 어떻게 활용할 수 있을까? 유엔을 비롯한 국제사회와 많은 국가들은 사회, 경제, 문화, 정치 등 다양한 영역에서 성별에 따른 차이와 불평등을 분석하기 위해 성별로 분리된 데이터를 수집, 분석, 활용하고 있다. 성인지 통계는 성별로 분리된 통계를 생산 및 활용할 뿐 아니라 젠더 관점에서 데이터를 분석하고 개선하며, 더 나아가 성평등을 실현할 수 있는 일련의 과정을 의미한다. 이러한 성인지 통계 개념은 젠더 관점의 데이터 리터러시를 높이는 데 기여한다.
성인지 통계를 주제로 한 수업은 성별분리통계(Sex-disaggregated Data)의 개념과 필요성을 인식하는 것에서 출발한다. 이를 바탕으로 성별 통계를 젠더 관점에서 분석(Gender Analysis)하고, 성차별 해소와 성평등 실현을 위하여 통계의 보완 및 개발 방안을 모색하는 과정으로 구성된다. 수업에서는 사회적 현상을 젠더 관점에서 바라볼 수 있도록 브레인스토밍을 통한 탐색적 접근을 활용한다.
예를 들어, 백화점과 면세점 판매 노동자들이 화장실을 가지 못해 1년 동안 방광염을 진단받은 비율이 20.6%에 이른다는 연구결과6)는 그동안 우리 사회가 간과해왔던 노동자들의 건강 문제에 사회적, 정책적 관심을 갖게 할 수 있다. 또한, ｢국가인권실태조사｣(국가인권위원회, 2022)에 따르면 성별과 연령에 대한 차별을 경험한 비율이 각각 8.2%로 가장 높았으며, 경제적 지위(7.1%), 학력/학벌(5.2%), 고용형태(4.5%) 순으로 나타나 우리 사회에서 어떤 차별이 얼마나 심각한지 파악할 수 있게 해준다. 이러한 통계들을 직접 찾아봄으로써 성별분리통계의 의미를 이해할 수 있다.
수업에서는 ‘코로나19 펜데믹에 젠더가 있을까?’라는 질문을 중심으로 토론을 진행하였으며, 감염률과 사망률, 가사노동 시간, 가정폭력 증가율, 취업률과 실업률, 보건의료 인력의 업무 환경, 백신 부작용, 우울증 및 정신건강 등 다양한 영역에서 나타나는 성별 격차에 대해 논의하였다. 실제로 팬데믹 기간 동안 여성의 가사노동 시간이 증가하였으며, 20대와 60대 여성의 정신건강이 가장 심각한 수준을 보였고, 조혼 문화가 있는 국가에서는 여아의 조혼율이 상승하는 경향도 나타났다. 이러한 분석을 통해, 전염병이나 재난과 같은 사회적 현상이 표면적으로는 젠더와 무관해 보일 수 있지만, 실질적으로는 구조적 성차별과 긴밀하게 연결되어 있음을 확인할 수 있었다.
또한, 조별로 관심 영역을 설정한 후 성별 통계를 활용한 기사와 활용하지 않은 기사를 비교⋅분석함으로써, 특정 주제나 사회적 현상에서 성별 격차가 존재하는지 파악할 수 있었다. 성별통계를 활용한 기사들은 성별 격차의 원인을 규명하고, 보다 효과적인 대안을 모색하는 데 기여할 수 있다. <표 2>는 조별로 성별통계를 잘 활용한 기사들을 찾은 예시이다. 수업에서는 이러한 기사들을 공유하고, 성별 격차의 구조적 요인과 해결 방안을 논의한 후, 종합 토론을 통해 우리 사회에 필요한 성인지 통계의 범위와 방향성을 확장할 수 있었다. 이전 수업에서는 젠더 폭력에 대한 통계가 필요하다는 논의가 있었는데, 2024년 경찰청은 처음으로 ‘친밀한 관계’에서 발생한 살인 규모를 파악하였음에도 성별통계는 발표하지 않았다.7) 성별통계 없이 친밀한 관계에서의 폭력이 어떻게 구조적인 젠더 기반 폭력이 되는지 해석하기 어려운 한계를 갖는다. 따라서 다양한 사회문제를 보다 심층적으로 분석하고 젠더 불평등을 해소하기 위해 성인지 통계의 활용이 필수적이며, 이를 위해 젠더 데이터 리터러시의 중요성을 인식할 수 있다.
<표 2>
성별통계를 활용한 기사 예시(2020학년도 1학기 수업 사례)
| 구분 | 기사 제목 | 주요 내용 | 출처 |
|---|---|---|---|
| 1 | 대졸 이상 비정규직 284만명… 통계 작성 이래 최고치(세계일보, 2021. 11. 1) | “성별로 보면 대졸 이상 비정규직 가운데 여성이 161만2000명(56.7%)으로 남성(122만9000명⋅43.3%)보다 많았다. 근로 형태별로는 한시적 근로자가 202만2000명(71.2%)으로 대부분을 차지했다.” | https://n.news.naver.com/article/022/0003633624 |
|
|
|||
| 2 | 장애인 일자리 75% 남성 차지…“비장애인보다 성별격차 크다” (연합뉴스, 2020. 7. 24) | “장애인 100명당 일자리 수는 30.6개로 비장애인(47.7개)의 60%에 불과했다. 그마저도 남성이 장애인 일자리의 74.4%를 차지했고 나머지 25.6%만 여성에게 돌아갔다. 비장애인의 경우 남녀 비율이 57.4% 대 42.6%로 남성이 더 높지만 격차는 장애인보다 덜했다.” | https://www.yna.co.kr/view/AKR20200724060400002?input=1195m |
|
|
|||
| 3 | 코로나 여파 ‘인터넷⋅스마트폰 중독’ 청소년 크게 늘어(파이낸셜 뉴스, 2020. 8. 25) | “(인터넷 과의존 위험군은) 성별로 보면 초등학교 4학년에서는 남자 청소년이 3만9529명으로 여자 2만6245명보다 많았다. 중⋅고교 1학년은 여자 청소년이 더 많았다.” | https://www.fnnews.com/news/202008251503545441 |
|
|
|||
| 4 | 여성에 더 컸던 코로나 충격…9월 여성 취업자 감소폭, 남성의 3배(서울경제, 2020. 10. 30) | “2020년 9월 여성고용 동향에 따르면 여성 취업자 수는 1,158만2,000명으로 지난해 같은 기간(1,186만5,000명) 대비 2.4%(28만3,000명) 줄었다. 남성 취업자 수가 같은 기간 1,553만9,000명에서 1,543만명으로 0.7％(10만9,000명) 감소한 것과 비교하면 감소폭이 3배를 뛰어넘는다.” | https://www.sedaily.com/NewsView/1Z9BYUOZC7 |
|
|
|||
| 5 | 공무원 양성평등채용목표제 남성 수혜자가 2배 많았다(서울PN뉴스, 2020. 9. 10) | “지방직 8⋅9급 공채를 살펴보면 2006년 남성 130명(여성 101명), 2008년에는 남성 170명(여성 66명)이 추가 채용됐다. 국가직 역시 2015년 9급 시험에서 남성 16명(여성 10명)이 추가 채용된 것을 시작으로 남성 추가 채용자가 계속 늘어나고 있다.” | https://go.seoul.co.kr/news/newsView.php?id=20200911011020&wlog_tag3=naver |
4.2.5. 공공 데이터의 의미와 활용
한학기 동안 이론 수업을 통해 데이터에 대한 젠더 분석을 학습한 후, 실습 수업에서 배운 통계 프로그램을 활용하여 공공 데이터를 직접 분석하는 수업을 진행하였다. 이 교과목에서는 R 프로그래밍 수업을 6주에 걸쳐 격주로 진행하고, 프로그램 설치부터 텍스트 마이닝, 집단 간 차이 분석(T-test, Anova 분석, 군집분석) 등을 다루었다. 이후 공공 데이터를 활용한 젠더 분석을 수행하며 이론적 이해를 실습에 적용하고자 하였다.
공공 데이터란 정부, 지방자치단체, 공공기관 등이 수집하고 관리하는 데이터로, 일반 대중이 자유롭게 이용할 수 있도록 공개된 정보이다. 대표적으로 국가통계포털(KOSIS, Korean Statistical Information Service)은 공식 통계 데이터를 제공하는 공공 데이터 플랫폼으로, 사용자가 통계를 쉽게 검색하고 활용할 수 있는 환경을 제공한다. 수업에서는 공공 데이터에 대한 접근성과 통계 활용 능력을 향상하기 위해 KOSIS를 활용하였다. 학생들은 조별로 관심 영역을 정한 후, 국가통계포털에서 성별 통계를 찾아 젠더 관점에서 분석해보는 과제를 진행하였다. 이 과정에서 성별 격차의 원인과 결과를 다각적으로 분석함으로써 성별 불평등이 사회 구조적 측면에서 어떻게 형성되고 강화되는지 이해할 수 있다. 성별 격차의 원인과 결과는 서로 유기적으로 연결되어 있으며, 이를 분석함으로써 젠더를 사회 구조적 관점에서 보다 깊이 있게 이해할 수 있다.
<표 3>은 수업에서 학생들이 조별로 찾은 주요 통계의 예시이다. 예를 들어, 경제활동인구조사를 통해 성별임금격차가 존재하는지 확인하고, 그 원인과 이로 인한 결과가 무엇인지 분석하는 것이다. 성별임금격차는 성별전공분리, 성별직종 및 직급분리 등과 긴밀하게 연결되어 있으며, 이러한 격차는 연금 격차나 여성노인의 빈곤 문제로 이어질 수 있음을 이해할 수 있다. 또한, 정신질환실태조사에서는 정신건강에 성별 차이가 나타나는 것을 확인할 수 있는데, 이를 통해 왜 이러한 차이가 발생하는지와 그로 인한 사회적 결과를 통계를 활용하여 분석하고 사고할 수 있다.
<표 3>
국가통계포털 공공 데이터 검색 수업 예시(2020학년도 1학기 사례)
끝으로 공공 데이터포털(www.data.go.kr)에서 데이터 원자료를 찾아 통계 프로그램을 활용하여 분석하는 과정을 진행하였다. 본 수업에서는 한국행정연구원에서 2019년에 실시한 <사회통합실태조사>8) 설문지와 파일설계서, 데이터 원자료를 활용하였다. 학생들은 설문지를 통해 자신이 관심 있는 문항에 대한 통계 분석을 진행하고, 성별 차이를 확인하였다. 예를 들어, ‘자신의 삶의 결정함에 있어 자유롭다고 생각하는지’ 묻는 문항(10점 척도)에서는 여성(6.5점)과 남성(6.6점) 사이에 성별 차이가 유의미하지 않음을 확인하였다. 반면, ‘우리 사회가 얼마나 안전하다고 생각하는지’(10점 척도) 묻는 문항에서는 남성(6.1점)이 여성(5.8점)보다 유의미하게 더 안전하다고 느끼는 경향이 나타났다. 또한, ‘외국인을 우리나라 국민으로 받아들이는 것’에 관한 문항(10점 척도)에서는 연령별로 인식 차이가 있음을 확인할 수 있었다.
성별 통계 분석 시 성별 차이를 고정된 ‘사실’로 환원하지 않도록 주의하며, 젠더 관점에서 분석하고 대안을 모색하도록 하는 것이 중요하다. 성별 차이는 사회적, 문화적, 구조적 요인에 의해 형성되며, 이를 이해하고 분석함으로써 보다 깊이 있는 통찰을 얻을 수 있다. 공공 데이터를 활용하여 관심 있는 문항을 직접 분석하고, 그 결과를 젠더 관점에서 해석하는 과정은 융복합적 사고와 역량을 요구하며, 이러한 능력은 다양한 학문 분야에서 중요한 역할을 할 것이다. 이를 통해 성별 불평등을 해소하는 데 기여할 수 있을 것으로 기대된다.
5. 나오며
본 연구는 <빅데이터와 젠더> 교양교과목 사례를 중심으로 젠더 데이터 리터러시 교육에 대한 실행연구를 진행하였다. 데이터의 영향력이 커지는 시대에 데이터 리터러시의 필요성은 더욱 강조되며, 데이터 민주주의를 실현하기 위해 젠더 관점의 비판적 분석과 활용 능력이 요구된다. 즉, 데이터의 편향성과 문제점을 인식하고, 이를 부정하는 것이 아니라 보다 ‘모두’를 위한 데이터가 될 수 있도록 주변인의 관점에서 데이터를 적극적으로 활용할 수 있는 역량이 필요하다. 이러한 배경에서 본 연구는 <빅데이터와 젠더> 교과목 사례를 통해 젠더와 교차성 관점에서 데이터 리터러시 향상을 위한 융합 교육 모델과 가능성을 탐색하였다. 본 연구의 의미는 다음과 같다.
첫째, 본 연구는 <빅데이터와 젠더> 교과목 사례를 통해 데이터 리터러시 교육의 필요성과 함께 특히 젠더 관점에서 데이터를 분석하고 활용하는 능력의 중요성을 강조하였다. 데이터가 ‘모두’를 위한 데이터가 될 수 있도록 사회적으로 비가시화된 집단과 목소리에 대한 관심이 필요하다. 과거에 비해 성별 불평등을 비롯한 많은 불평등 문제가 조금씩 해소되고 있지만, 여전히 노동시장과 가족 내 성별분업, 젠더 폭력 등 중요한 사회적 문제들이 남아있다. 따라서 ”데이터의 평등 없이는 젠더 평등도 없다”는 표현처럼 젠더 관점에서 빅데이터의 의미와 한계를 비판적으로 인식하고, 평등하고 민주적인 사회를 위한 통계와 데이터 활용 능력을 배양하는 교육이 필요하다. 그리고 데이터가 사회적으로 공정하고 평등하게 사용될 수 있도록 젠더 관점에서의 비판적 사고와 분석 능력이 중요하다. 더 나아가 데이터가 단순히 기술적 도구에 그치지 않고, 사회적 불평등 해소에 기여할 수 있는 강력한 도구로 활용될 수 있음을 제시하였다.
둘째, 데이터 리터러시 교육에서 젠더 관점과 교차성 개념을 통합한 융합적 접근과 교양교육 교육 모델을 제시하였다. 젠더 관점은 평등하고 민주적인 데이터를 위해 다양한 위계적 구조와 차별을 가시화하고, 평등한 방향으로 대안을 제시할 수 있는 인식론적이자 실천적 접근을 제공한다. 특히 젠더와 교차성 개념을 바탕으로 학습자들이 주변인의 관점에서 데이터를 이해하고 분석할 수 있는 교육 모델을 제시했다는 점에서 중요한 의의를 가진다. 최근 온라인을 중심으로 페미니즘에 대한 오해와 편견이 늘어나는 상황에서, 수업은 충분한 읽기자료와 토론을 통해 학습자 스스로 사고를 전환하고 확장하는 기회를 제공할 수 있다. 데이터는 진공상태에서 만들어고 활용되는 것이 아니며, 우리가 어떤 사회에 살고 있고, 나는 어떤 인식을 갖고 있는지에 대한 지속적인 질문과 성찰이 요구된다. <빅데이터와 젠더> 수업은 소프트웨어 교육이 어떻게 인문사회적 교육과 결합할 수 있는지 보여주는 사례가 될 수 있을 것이다.
셋째, 본 연구는 젠더 데이터 리터러시 교육의 구체적인 사례를 통해, 실제 교육 현장에서 젠더와 교차성 관점이 어떻게 적용될 수 있는지 보여주었다. <빅데이터와 젠더> 교과목에서는 데이터 분석의 이론뿐만 아니라 실습을 통해 학습자들이 실제 공공 데이터를 분석하고 그 결과를 사회적 맥락에서 해석하는 경험을 제공하였다. 이를 통해 학습자들은 데이터가 단순히 수치의 나열이 아니라, 사회적 문제를 이해하고 해결책을 제시하는 중요한 도구가 될 수 있음을 인식하게 되었다. 또한 데이터 리터러시 교육 과정은 민주적이고 평등한 사회를 위한 중요한 요소로, 수업의 과정과 그 운영 방식도 매우 중요하다. 수업에서는 자유로운 토론을 위해 멘토멘티나 줌 화이트 보드, 사이버캠퍼스 익명 게시판 등을 활용하였는데, 이러한 도구들은 현실 사회의 다양한 문제나 현상을 중심으로 참여적 학습 기회를 제공함으로써 융합적 사고를 촉진하는 데 도움이 될 수 있다.
넷째, 데이터나 소프트웨어를 기술적으로 보는 접근을 넘어 교차성 기반의 데이터 리터러시 교육 모델 개발과 다양한 교육 기회가 더 많아져야 할 것이다. 데이터와 젠더, 교차성 관련 연구는 한 분야에 국한되지 않으며, 다학제적 접근이 중요하다. 이를 위해 대학은 데이터와 젠더 문제 해결을 위한 통합적인 연구 환경을 조성하는 데 적극적인 관심을 가져야 할 것이다. 이와 함께 평등하고 민주적인 사회를 위한 데이터 활용 능력을 향상할 수 있는 다양한 교육과정 개발이 필요하다. 대학은 데이터가 공정하고 민주적으로 활용되며, 궁극적으로 사회적 불평등을 해소하고 평등한 사회를 실현하는 데 기여할 수 있도록 중요한 역할을 해야 한다.
끝으로, 본 연구는 교육 설계와 운영 과정에 초점을 맞추어 이론적 논의와 교육 내용을 중심으로 분석하였으나, 학습자들의 젠더 이해와 데이터 리서터시 수준이 상이하다는 점을 충분히 반영하지 못한 아쉬움이 있다. 특히 이론과 실습이 격주로 진행되었기 때문에 학습자들에게는 주차별로 이루어지는 수업이 유기적으로 연결되기 어려운 문제가 있을 수 있다. 또한 학습자들의 변화 과정이나 교육 효과를 실증적으로 분석하지 못한 한계가 있다. 향후 연구에서는 다양한 학습자의 수준을 고려한 젠더 데이터 리터러시 교육과 함께, 이론과 실습 간의 연계를 강화하는 방안을 모색할 필요가 있다. 또한 다양한 데이터 리터러시 교육 모델이 지속적으로 개발되고, 이에 대한 교육 효과를 실증적으로 분석하는 연구들이 지속되길 기대한다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
