ACU 컴퓨팅 프로젝트: 책임 있는 AI와 2027년 평가 요건

Australian Catholic University(ACU)의 컴퓨팅 워크숍은 기술 개발과 윤리적 고려를 함께 다룹니다. 작동하는 결과물을 만드는 데서 끝내지 않고 누구를 위한 것인지, 어떤 한계가 남는지, 결과를 어떻게 활용해야 하는지 생각하는 방향입니다.

공동 설계, 기업 및 지역사회 과제와 연결된 프로젝트, 전문 포트폴리오 구축이 소개됩니다. 이는 학습 방식의 특징이지 학생 개인에게 발급된 인턴십 또는 채용 제안은 아닙니다.

Ethical Innovation Hub에서의 공동 설계와 프로젝트

워크숍은 Ethical Innovation Hub에서 학계와 산업계 전문가와 함께 설계하는 실습 경험을 설명합니다. 강력한 기술을 사용할 때 윤리적 고려와 사이버보안의 기초도 중요하게 제시합니다.

자료에는 허브 이용 시간표, 프로젝트 배정 절차, 모든 학생에게 지정되는 전문가의 이름이 없습니다. 원하는 과정의 어떤 과목과 활동에서 이러한 경험을 할 수 있는지 확인해야 합니다.

기업·지역사회 과제와 석사 과정의 설명

워크숍에는 실제 기업 및 지역사회 문제와 관련된 프로젝트를 통해 포트폴리오를 구축한다는 내용이 있습니다. 응용 학습의 방향은 보여 주지만 개인별 고객이나 주제를 미리 확정해 주지는 않습니다.

컴퓨터과학 학사·데이터과학 석사 연계과정(Bachelor of Computer Science/Master of Data Science)의 석사 단계 설명에서는 마지막 학년에 기업, 보건의료, 정부 분야 등의 실제 과제를 다룬다고 설명합니다. 이 문장은 석사 과정에 해당하며 컴퓨팅 프로그램의 모든 학년에 자동으로 적용되지 않습니다.

프로젝트 참여와 고용은 별개입니다. 자료만으로 유급 실습, 정해진 실습 시간, 희망 기업 배정이나 채용을 보장할 수 없습니다.

2027년 석사 프로젝트 과목은 어떻게 평가할까?

연계과정 학사요람의 석사 단계에는 DTSC641과 DTSC642가 각각 10 credit points로 포함됩니다. 다음은 두 과목의 2027년 공식 안내이며, 모든 컴퓨팅 과목에 공통으로 적용되는 평가표가 아닙니다.

DTSC641(Data Science Project A Research Essentials)은 문제를 정하고 조사·분석을 거쳐 실행 계획을 세우는 단계입니다. 평가는 문헌 검토와 문제 정의 20%, 탐색적 데이터 분석 보고서 30%, 연구 방법과 프로젝트 계획 50%로 구성됩니다. 모든 학습 성과를 충족하고 전체 점수 50% 이상을 받아야 하며, 세 번째 평가에도 합격해야 과목을 통과할 수 있습니다. 전체 점수만 넘기면 된다고 읽어서는 안 됩니다. DTSC641 공식 안내

DTSC642(Data Science Project B - Implementation)는 DTSC641을 선수 과목으로 하며, 계획한 연구 또는 기술 프로젝트를 실행·검증하고 결과를 전달하는 단계입니다. 프로젝트 진행 상황 10%, 보고서 60%, 최종 프로젝트 발표 30%로 평가합니다. 모든 학습 성과 충족과 전체 점수 50% 이상이 요구됩니다. DTSC641의 세 번째 평가 합격 조건을 이 과목에도 그대로 옮겨 설명하면 안 됩니다. DTSC642 공식 안내

두 안내는 지도교수와의 확인, 구두 설명 또는 발표 등을 통해 작업의 진정성과 이해도를 확인한다고 설명합니다. 결과물만 제출하는 것이 아니라 자신의 방법, 기여와 판단을 설명할 수 있어야 한다는 점에 주목할 수 있습니다.

확인 당시 두 과목의 개설 정보에는 현재 제공되는 개설 내역이 없다고 표시돼 있습니다. 이는 학사요람의 과목 목록과 별개로 실제 개설 학기와 수강 계획을 확인해야 한다는 뜻이며, 과목이 취소됐다는 단정은 아닙니다.

책임 있는 AI를 생각하는 질문

데이터과학 내용에는 생성형 인공지능(AI)과 책임 있는 자동화가 포함됩니다. 다만 모든 과제에 공통으로 적용되는 평가 기준표가 제시된 것은 아닙니다.

다음은 일반적인 학습 질문이며 ACU의 공식 추가 평가 기준이 아닙니다.

• 결과가 틀리거나 오해를 낳으면 누가 영향을 받는가?
• 프로젝트에 사용할 수 있는 데이터와 자료의 범위는 어디까지인가?
• 결과를 어떻게 검증하며 무엇이 불확실하게 남는가?
• 사용 대상에게 한계를 어떻게 설명할 것인가?

이 질문들은 모든 프로젝트가 AI를 사용한다는 뜻이 아닙니다. 결과물을 만드는 것과 그 용도가 적절함을 설명하는 일을 구분하기 위한 관점입니다.

포트폴리오에서는 자신의 기여를 분명하게

일반적인 정리 방법으로 문제, 본인의 작업, 판단 근거, 결과의 한계를 기록하면 도움이 됩니다. 팀 전체의 결과를 혼자 만든 것처럼 소개하지 말고, 외부 조직이나 다른 사람의 정보가 포함되면 공개 가능 범위를 먼저 확인하세요.

포트폴리오를 강조한다는 사실은 모든 자료의 공개 허가, 기업의 추천, 채용 성공을 보장하지 않습니다. 실제 참여 조건 안에서 기술적 판단과 책임 있는 태도를 어떻게 보여 줄 수 있는지가 확인할 핵심입니다.

출처: ACU 공식 컴퓨팅 워크숍 3·4·8쪽, 2027년 연계과정 학사요람, 위에 연결한 DTSC641·DTSC642 과목 안내. 2026년 10월 17일 확인.