학습자 데이터 주체성의 조건: 구조적 토픽 모델링(STM)과 비판적 담론 분석(CDA)을 통한 교육철학적 탐구
Conditions for Learner Data Subjectivity: An Educational Philosophical Inquiry through Structural Topic Modeling (STM) and Critical Discourse Analysis (CDA)
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
AI 환경에서 학습자는 데이터를 생산하면서 동시에 그 데이터에 의해 분류된다. 이러한 조건에서 학습자 주체성은 어떻게 형성될 수 있는가? 본 연구는 데이터 주체성, 즉 자신의 데이터화를 인식하고 알고리즘을 비판하며 학습자-알고리즘 관계를 재구성하는 능력이 형성되는 조건을 규명한다. 이를 위해 Greene의 교육적 자유, Foucault의 통치성 비판, Barad의 관계적 존재론을 변증법적으로 통합하고, 2005-2025년 AI 교육 담론 219편을 구조적 토픽 모델링(STM)과 비판적 담론 분석(CDA)으로 통합 분석했다. 분석 결과, AI 교육 담론에서 포섭과 저항은 동시에 발생한다. 개인화 담론(22.7%)은 통치성을 자연화하나, 윤리 담론의 급증(472%)은 알고리즘 비판의 언어 자원을 제공한다. 이러한 발견을 바탕으로 알고리즘 민주주의, 학교 AI 윤리위원회, 공공 데이터 신탁, 데이터 리터러시 교육을 실천 과제로 제안한다.
Abstract
This study examines the conditions under which learner data subjectivity is formed in the algorithmic age. In AI environments, learners produce data while simultaneously being classified by that data. Data subjectivity refers to the ability to recognize one's own datafication, critique algorithms, and reconfigure learner-algorithm relationships. Using an integrated STM-CDA approach, we analyzed 219 AI education discourse documents from 2005-2025. Results show that co-optation and resistance occur simultaneously within AI education discourse. Personalization discourse (22.7%) naturalizes governance, yet the surge in ethics discourse (472%) provides linguistic resources for algorithmic critique. This study theorizes data subjectivity through a dialectical integration of Greene's educational freedom, Foucault's critique of governmentality, and Barad's relational ontology, proposing algorithmic democracy, school AI ethics committees, public data trusts, and data literacy education as practical tasks.