컴퓨터 과학 학부 교육은 약 10년마다 개정되는 국제 교육과정 가이드라인의 영향을 받지만, 각 대학 프로그램이 이 가이드라인을 얼마나 잘 따르고 있는지 측정하는 신뢰할 수 있는 방법이 부족했습니다. 최근 발표된 연구는 이러한 문제를 해결하기 위해 AI 기반의 의미 검색(semantic retrieval)과 인간의 전문적인 판단을 결합한 새로운 측정 파이프라인을 제안했습니다. 이 방법론은 대학 프로그램이 외부 지식 체계를 얼마나 포괄적으로 다루는지 정량적으로 평가할 수 있게 합니다.
연구팀은 이 파이프라인을 실제 공인된 컴퓨터 과학 학사 프로그램에 적용하여, 컴퓨터 과학 교육과정 2013(CS2013)과 2023(CS2023) 가이드라인에 대한 프로그램의 커버리지를 분석했습니다. 그 결과, 해당 프로그램은 CS2023 지식 단위의 49.7%, CS2013 지식 단위의 50.9%를 다루고 있어 지난 10년간 커버리지 수준이 거의 일정했음을 확인했습니다. 특히, 프로그램은 다루는 지식 단위의 약 88%에 대해 역량(competency)을 명확히 제시했지만, CS2023이 권장하는 인지 깊이(cognitive depth)를 충족하는 비율은 76%에 그쳐 CS2013의 95%보다 현저히 낮았습니다. 이는 프로그램의 문제라기보다는 CS2023이 요구하는 교육 수준이 높아졌음을 반영하는 것으로 해석됩니다.
이 연구는 교육과정 평가에 있어 AI 기술의 잠재력을 보여줌과 동시에, 최신 국제 표준이 제시하는 새로운 교육 목표에 맞춰 대학 교육과정이 진화해야 할 필요성을 강조합니다. 특히 병렬 및 분산 컴퓨팅, 프로그래밍 언어 기초, 시스템 기본 사항과 같은 분야에서는 지속적인 구조적 격차가 발견되어, 이러한 핵심 영역에 대한 교육 강화가 필요하다는 점을 시사합니다. 이 측정 도구는 재사용 가능하며, 교육기관들이 자율적으로 교육과정을 평가하고 개선하는 데 중요한 기반을 제공할 것으로 기대됩니다.