정성적이고 부드러운 데이터를 주로 다루는 디자인은 민족지학 분야와 상당부분의 공통 분모를 공유하고 있지만, 바람직한 제품, 서비스, 시스템, 환경을 만들기 위해 우리 일상 깊이 들어온 데이터 과학을 고려하지 않을 수 없다. 본 아티클은 데이터과학자와 민족지학자의 대화이지만, 디자이너의 관점에서 우리의 역할에 대해 고민하기에 좋은 글인 것으로 사료되어 본 아티클에서 공유한다.
데이터 과학자 Tye와 에스노그라퍼Dawn ⓒ Epicpeople.org
데이터과학자 (TYE): 양적 방법과 질적 방법을 결합한 혼합연구방법은 예전부터 존재해왔으며, 이 혼합연구방법에는 "양적+질적", "딱딱한+부드러운" 이라는 진부한 논리가 존재한다. 본 컨퍼런스에 참여하는 사람들은 양적/질적 격차에 대한 가정을 무너뜨리고 민족학 및 빅데이터의 관계를 재구성했지만 사실은 민족지학과 데이터 과학 접근방식을 결합한 혼합 방법 연구는 여전히 드물다.
민족지학자 (DAWN): 데이터과학과 민족지학이 함께 데이터를 분석하는 일은 흔치 않지만, 기계학습(ML)의 공정성에 대한 논쟁이 가열되면서 협업의 필요성은 점점 증가할 것으로 보인다. 기계학습(ML) 시스템이 사회를 위해 더 잘 작동하도록 하기 위해 더 많은 학제간 작업이 필요하다. 기술 시스템을 보다 공정하게 만드는 것은 우리 모두가 공유하는 문제로, 이러한 필요성에 대해 절대적으로 동의한다. 하지만 이런 종류의 연구를 해 본 사람이라면 누구나 증명할 수 있듯이, 실제 가치와 그 가치를 실현하기 위한 실제 작업은 세세한 부분에 있다.
데이터과학자 (TYE):우리가 일하는 방식에 대한 세부사항들 중 일부는 놀랄 만큼 비슷할 수 있다. 깊이 들여다보기 전에, 두 분야를 멀찌감치 바라본다면, 데이터 과학과 민족지학은 유사한 확장을 경험했다. 일관된 역사적 행태와 인식론에서, 긴장과 정체성 문제가 수반되는 과정으로 학제 전반에 걸친 관행으로 확장되었다. 그럼에도 불구하고 둘을 구분하는 핵심이 존재한다.
민족지학자 (DAWN): 분야의 발전에 공통점에 있다는 의견에 동의하며, 그러한 특징은 민족지학에서도 확인될 수 있다. 민족지학은 현재 인류학, 사회학, 마케팅, 전략, 디자인, 그리고 다른 분야 전반에 걸쳐 사용되고 있지만, 그 사용처와 상관없이 민족지학의 핵심은 ‘사람들의 신념과 행동을 이해하고, 이러한 것들이 시간이 지남에 따라 어떻게 변화하는지 이해하는 것이다.’ 민족지학은 특정한 맥락 안에서 세상이 어떻게 보이는지 볼 수 있게 하는 연구 기술이다. 만약 "사람 [sic]이 자신이 뽑은 중요한 거미줄에 매달린 동물 [Geertz]"이라면, 이 기술은 그 거미줄의 논리를 체계적으로 추적하고, 그 거미줄이 어떻게 사람들의 행동과 생각을 형성하는지 조사하는 것을 포함한다. 적용되는 연구의 영역에 따라 이러한 웹은 규모가 크거나 작을 수 있으며, 응용 작업에서 종종 고객, 사용자, 직원 또는 시민으로서 사람들의 다차원적 역할에 관한 경우가 많다. 민족지학자들은 사회 세계를 역동적으로 진화하는 새로운 시스템으로 본다. 사람들이 현재와 과거에 대해 반사적으로 반응하고, 이러한 반응이 미래에 무엇을 할지 형성하기 때문에 시스템에 대한 이해는 중요하다. 이 핵심에서 출발한 민족지학은 수년 동안 분석 기술과 사회문화적 현실에 대한 지식의 한 부분을 모두 만들어냈다.
데이터과학자 (TYE): 데이터 과학의 핵심은 다양한 형태에 걸친 통계적 계산에 뿌리를 두고 있다. 이는 이러한 1. 계산의 타당성과 2. 적용가능성을 평가하는 기술적 지식과 기술, 3. 그리고 계산을 실행하는 소프트웨어 또는 프로그래밍 기능을 구현하는 지식과 기술이다. 통계적 계산의 적용을 뒷받침하는 것은 체계적 구조와 그 역학(예: 개체나 사건이 서로 독립적으로 작동하는지 여부, 가정되거나 귀속된 추세나 구조에 대한 측정의 변동성이 별도의 규칙 집합(또는 그렇지 않은지)을 준수하는지 여부)에 대한 가정이다. 역사적으로 이러한 기술들과 개념은 과학적 조사, 금융, 보험, 사업 운영 연구(예: 공급망 관리 및 자원 할당)에서 가장 많이 활용되어 왔다. 최근 들어 데이터 과학은 그 활용 영역이 더 확장되어 마케팅, 의학, 엔터테인먼트, 교육, 법률 등에서 사용되고 있다. 이러한 확장은 데이터 과학자의 상당 부분을 사람에 대한 데이터 (이메일이나 웹 검색과 같이 직접 생성되는 데이터나, 센서를 통해 생성되는 위치나 신체 활동과 같은 데이터를 포함) 로 이동시켰다.
민족지학자 (DAWN): 그래서 사람에 대한 데이터로의 이동이 데이터 과학의 "핵심"을 변화시켰습니까?
데이터과학자 (TYE): 아니요. 핵심은 변화하지 않았습니다. 데이터 과학자들의 핵심 기대는 여전히 적절한 통계적 계산을 적용하는 것이지만, 통계적 계산을 더 넓은 시스템(인간 시스템과 기술 시스템)으로 통합하는 것에 대한 강조가 증가하고 있다.
민족지학자 (DAWN): 수년에 걸쳐 민족지학이 발전해왔지만, 민족지학의 핵심은 여전히 동일하다. 그것은 여전히 개인, 혹은 사회가 가진 신념 체계와 행동을 적절히 해석하는 능력에 관한 것이다. 그러나 이제는 데이터 과학 관행과 기술 시스템에 따라 많은 신념 체계와 행동이 변화하고 있다. 데이터 과학의 핵심이 민족지학의 핵심에 들어왔다. 예를 들어, 세계 어디서든 Fitbits의 데이터나 소셜 미디어 데이터 집합은 다른 문화 유물과 마찬가지로 누군가의 집에서 발견될 가능성이 높다. 두 영역 모두 핵심 기대치를 가지고 있지만, 사회 생활에 대한 데이터, 매우 실제적인 사회적 결과를 가져오는 데이터를 다루기 위해서는 데이터 과학과 민족지학 둘 다 핵심을 벗어나야 한다.
데이터과학자 (TYE): 이것은 전문지식에 관계 없이 사회적 결정을 내리거나, 디자인 결정을 내리는 산업적 맥락에서 더욱 확실히 보여진다.
민족지학자 (DAWN): 두 영역의 차이점 중 하나로 데이터 과학에서는 많은 데이터 과학 시나리오에서 이용 가능한 데이터가 이미 수집된 반면, 대부분의 민족지학적 프로젝트는 새로운 데이터를 수집하기 위한 현장 연구 시간이 포함된다는 것이다.
The Brief history of Data Science ⓒ Capgemini
데이터과학은 다학제적인 분야로 디자인의 문제로 인식되어야 한다. 디자인이 데이터과학과 함께 시너지를 낼 수 있는 분야는 어디일까. 어떻게 시너지를 낼 수 있을까.
Reference:
Rattenbury, T., and Nafus, D. (2018) Data Science and Ethnography: What’s our common ground, and why does it matter? Available at: https://www.epicpeople.org/data-science-and-ethnography/
영국 리포터_이보연.
