데이터 모델의 밀접 독해: CREDAL 방법론의 등장

George Fletcher 등이 발표한 논문 "CREDAL: Close Reading of Data Models"은 문학 비평 이론을 활용하여 데이터 모델을 분석하는 새로운 방법론을 제시합니다. 데이터 모델의 사회적, 정치적 맥락을 이해하는 데 초점을 맞춘 CREDAL 방법론은 데이터 시스템의 윤리적 문제를 해결하고, 더 나은 데이터 시스템을 구축하는 데 기여할 것으로 기대됩니다.

데이터 모델, 문학처럼 읽다: CREDAL 방법론

데이터는 현대 사회의 근간을 이룹니다. 하지만 우리는 데이터 자체만을 보는 경향이 있습니다. George Fletcher, Olha Nahurna, Matvii Prytula, Julia Stoyanovich 등이 발표한 논문, "CREDAL: Close Reading of Data Models"은 이러한 시각에 도전장을 던집니다. 이들은 데이터 모델을 단순한 기술적 요소가 아닌, 사회적, 정치적 맥락을 담은 '텍스트'로 보고, 문학 비평의 '밀접 독해' 기법을 활용하여 데이터 모델을 분석하는 혁신적인 방법론을 제시합니다.

데이터 모델, 그 너머를 보다

논문은 모든 알고리즘, 머신러닝 모델, 통계 모델, 데이터베이스는 그 기저에 데이터 모델을 가지고 있다고 강조합니다. 즉, 데이터 모델은 데이터 시스템의 탄생과 밀접하게 연관되어 있으며, 그 사회적, 정치적 조건을 이해하는 중요한 열쇠가 될 수 있습니다. 마치 문학 작품이 시대적 배경과 작가의 의도를 담고 있듯이, 데이터 모델 또한 그 안에 시스템의 설계 의도, 제작 과정, 그리고 그 시스템이 작동하는 사회적 환경을 반영하고 있다는 것입니다.

CREDAL: 데이터 모델을 '읽는' 방법

문학 비평의 '밀접 독해'에서 영감을 얻은 CREDAL 방법론은 데이터 모델의 물질성, 계보, 기술적 측면, 폐쇄적 특성, 설계 등을 세밀하게 분석합니다. 단순히 기술적인 측면만 고려하는 기존의 접근 방식과는 달리, CREDAL은 데이터 시스템의 사회적, 정치적 측면을 심층적으로 탐구합니다. 특히, 컴퓨팅 및 데이터 과학 분야 전문가들이 사회적, 정치적 맥락을 고려하는 데 어려움을 느끼는 점을 고려하여, 체계적인 방법론을 제시함으로써 데이터 분석의 새로운 지평을 열고자 합니다.

새로운 시각, 새로운 가능성

CREDAL은 데이터 모델에 대한 단순한 기술적 분석을 넘어, 그 이면에 숨겨진 사회적, 정치적 의미를 발견할 수 있는 길을 제시합니다. 이를 통해 데이터 시스템의 책임성과 윤리적인 문제를 보다 명확하게 이해하고, 보다 공정하고 투명한 데이터 시스템을 구축하는 데 기여할 것으로 기대됩니다. 데이터 시대에 데이터 모델을 '읽는' 새로운 관점은 우리에게 데이터의 본질과 그 영향에 대한 더욱 깊은 이해를 제공해 줄 것입니다.