계엄 다음날 아침 역사교사들이 배포한 자료집, 디자이너가 만든 손팻말 모음, 안전한 집회 가이드, 탄핵 표결 불참 국회의원 목록, 윤석열 담화문 팩트체크... 계엄과 내란에 맞서는 시민 활동은 디지털 공간에서도 활발히 펼쳐졌습니다. 연대를 더욱 촘촘하게 하는 시민 기술의 힘을 보여주는 디지털 활동, 어떤 것이 있었을까요?

‘축제’와 ‘기후위기’ 가 무슨 상관이냐구요? 그린피겨스는 데세바 프로젝트를 통해 지속가능한 축제를 위한 기후위기 대응 모니터링에 필요한 관객설문 앱을 개발했습니다.

국회는 정말 일을 안 할까요? 일 잘하는 국회의원은 없을까요? 내가 뽑은 지역구 의원은 의정활동을 얼마나 열심히 하고 있을까요? 국회가 일했다는 걸 시민들이 쉽게 알 수 있는 데이터는 없을까요!

2010년대 이후 청년운동부터 지금까지, 청년이 겪는 불평등과 격차 문제의 다각화와 청년기본법 제정 이후 무엇이 해결되고 있을까요? 앞으로 해야 할 일은 무엇일까요? 청년불평등에 관한 자료와 지표들을 정리하는 데이터셋을 구축했습니다.

2024년 시민 데이터 액티비즘 프로젝트 <데이터로 세상을 바꾸자>의 참여 프로젝트를 순차적으로 소개합니다. 공익데이터를 통해 사회문제를 드러내고 해결을 시도한 7개의 프로젝트 소식을 확인해 보세요✨ *이 프로젝트는 아름다운재단 2024 변화의시나리오 지원사업으로 진행했습니다. 더 퀴어롭고 젠더프리한 세상을 향해 🏳️‍🌈 젠더 이슈를 놓고 아트웍을 해왔거나, 비주류 담론의 당사자로서 갈증을 느꼈거나, 퀴어 담론에 전면적으로 대립되는 크리스천으로서 포용적이지 못한 한국 교회의 분위기가 아쉽기도 했던, 우리들이었습니다. 서로 활동 양상은 달라도, 데이터알못들이어도, 빠띠와-다른 시민 동료들과-함께라면 뭐라도 해볼 수 있지 않을까 하는 막연한 마음으로 일단 시작해보았습니다. 퀴어나 젠더에 대한 이야기, 데이터로 풀 수 있을까? 멤버들이 예술가와 인문학 전공이어서인지는 몰라도, 세상을 바라보는 관점이 직관적 감각적 정성적인 편이라서, 우리의 ‘느낌적 느낌’을 데이터로 풀면 어떨까, 그것이 과연 가능할까, 막연함 속에서 프로젝트를 시작했습니다. 문제 정의 단계에서부터 제법 헤맸지만, 생각보다 참고할 만한 데이터가 없다는 사실에 좌절과 동시에 ‘그럼 우리가 데이터를 모아보자!’로 빠르게 방향을 정리했습니다. 당신의 젠더정체성, 젠더감수성, 궁금하지 않나요? 일단 설문을 통해 스몰데이터라도 직접 수집해보기로 결정한 후, 우리는 젠더정체성테스트와 젠더감수성테스트를 각각 만들었습니다. 테스트를 재밌게 만들면 알아서 바이럴이 될 거다, 대화형 설문으로 디자인하자, 질문 문항에 오히려 편견을 담아서 만들면 다양한 반응성과 함께 응답자 각자에게 환기점을 만들어주는 계기가 되지 않을까, 설문에서 그치는 것이 아니라 설문에 응답한 사람들 중 이야기를 더 해보고 싶은 사람들이 자연스럽게 모일 수 있도록 만남의 장을 온라인 오프라인에 만들자, 거창하게 생각하지 말고 웹 페이지 하나, 소규모 오프 모임 한 번, 조금씩 풀어보자, … 계획은 나름 현실성 있게 짰다고 믿었습니다,만..(!) 테스트 엿보기 우리의 능력자 해롤드가 각종 설문 툴을 연구한 끝에 대화형 웹 페이지를 직접 만들었습니다. 배경뿐만 아니라 각 문항마다 생성형 ai가 매번 다르게 만들어주는 젠더 친화적(!) 이미지들이 뜨도록 했습니다. 꽤 오랜 시간을 들여 설문을 완성하긴 했으나, 문항 설계에 대해 우리끼리도 만족스럽지 못한 부분이 여전히 남아있었고, 모든 문항에 응답을 마친 후 마지막 페이지에서 모종의 결과값이 나왔으면 했는데, 거기까지는 우리의 역량으로 다소 무리였습니다.. (아숩..) 예를 들면 젠더정체성테스트의 경우, 마지막에 응답자의 젠더정체성이 어떤 타입인지 나오면 재밌겠다고 생각했고, 젠더감수성테스트의 경우 ‘당신의 젠더감수성은 이만큼입니다’라는 식으로 알려줄 수 있으면 좋겠다고 생각했는데, 이미 이 자체가 민감도 높은 이슈 키워드기도 하고, 제작하는 우리 입장에서도 재미로만 하기엔 더 많은 공부가 필요한 영역이라는 것을 다시금 깨닫게 된 부분이기도 했습니다. 나름 안전한 환경이었던 것 절망적이게도, 내용 측면에서도 아쉬운 부분이 많았던 차에, 이것들을 시각화하는 부분에서도, 고민은 많았으나 결국은 가장 심플한 막대그래프 정도로 공유할 수밖에 없었습니다. 하지만 그럼에도 불구하고 짧은 시간 수십명의 응답자들이 설문에 참여해주신 덕분에, 아래와 같은 결과값을 확인할 수 있었습니다. 사회 전체적 인식을 보기엔 턱도 없는 설문이므로 이 결과값을 일반화할 순 없겠습니다만, 짧은 시간 내 설문에 응해준 사람들이 대부분 주변 지인이거나 예술계 사람들 등 젠더 이슈에 민감도나 우호적 시선이 상대적으로 높은 편이라는 느낌적 느낌의 직관을 이렇게라도 확인할 수 있었던 점은 흥미로웠습니다. 퀴어와 앨라이들의 만남의 장, 퀴앨파티 설문과는 별개로 오프라인 모임은 따로 착실히 준비해나갔습니다. 드랙 씬에서 나름 인지도가 있는 썸머님과 콜라보로 기획을 하기로 결정 후, 스테이지블랙쉽이라는 공간에서, 시작하는 첫 모임은 ‘우리끼리 안전하게’ 해보자는 모토로 모임을 구성했습니다. ‘입고 싶은 옷 입고 신나게 놀아요’. 지정성별이 아닌, 내가 스스로 생각하는 나의 젠더정체성에 부합하는 옷을 입고 나를 꾸미고, 그 모습을 드러내도 되는 그런 공간에서, 서로 초면이지만 공감하며 연결될 수 있는 딱 그만한 온도의 만남이면 충분하다고 생각했습니다. 결론은? 너무 재밌게 놀았따! ‘오늘 오길 잘했다’, ‘너무 재밌다, 이런 자리를 마련해주셔서 감사하다’, ‘다음에도 또 불러주세요’ 등등의 피드백을 들으며, 이렇게 ‘숨 쉴 공간’을 만들어나가는 것에 대한 중요성을 새삼 환기했고, 데세바는 끝나더라도 퀴젠의 모험은 계속 이어나가야겠다고도 생각했습니다. 🐝 프로젝트 기여자- 시작한 사람들 : 한수, 곽파, 해롤드 <데이터로 세상을 바꾸자> 프로젝트 글 모아보기 [데세바 ep.1] ☝🏼모든 것이 시작된 질문, 정책 안에 무엇이 있는데요? [데세바 ep.2] 누군가 나 대신 서울대 50대 남성을 대표자로 내세웠다면?! [데세바 ep.3] 국민 13.6% ‘경계선지능인’ 추정, 초기 발굴을 위한 시스템 마련 필요할까요? [데세바 ep.4] 더 퀴어롭고 젠더프리한 세상을 향해 🏳️‍🌈 [데세바 ep.5] 청년 불평등이 궁금한 사람들을 위한 데이터베이스 [데세바 ep.6] 존잘국회 : 우리 국회 존잘 찾기 [데세바 ep.7] 기후위기 시대에도 축제는 계속되어야 하니까!

2024년 시민 데이터 액티비즘 프로젝트 <데이터로 세상을 바꾸자>의 참여 프로젝트를 순차적으로 소개합니다. 공익데이터를 통해 사회문제를 드러내고 해결을 시도한 7개의 프로젝트 소식을 확인해 보세요✨ *이 프로젝트는 아름다운재단 2024 변화의시나리오 지원사업으로 진행했습니다. 국민 13.6% ‘경계선 지능인’ 추정, 초기 발굴을 위한 시스템 마련 필요할까요? 안녕하세요, 저희는 모서리 팀입니다. ‘모서리’란, (모)든 데이터를 (서)로에게 (이)롭게 활용하자는 의미를 담고 있습니다. 저희 팀은 ‘함께일하는재단’의 직원들로 구성되어 있으며, 재단에서 지원하는 월 1회 사내 동호회 활동을 통해 모서리 팀원들과 함께 활동을 시작하게 되었습니다. Q. 왜 경계선 지능인을 주제로 선택했나요? 데이터 프로젝트 초기에는 ‘2030’ 세대로 이루어진 구성원들로 자연스럽게 청년 세대에 관심을 가지게 되었고, ‘MZ세대의 다양성을 가시화하고 맞춤형 지원 프로그램을 제안하자’는 목표 아래 데이터 조사와 분석을 진행했습니다. 활동을 이어가며 지원 사각지대에 놓인 청년들에게 관심이 생겼고, 이를 계기로 주제를 ‘청년 경계선 지능인에 대한 인식 개선과 이해’로 변경하여 활동을 이어가고 있습니다.  “IQ 2점 높다고 장애인 아니라니”…‘경계선 지능인’ 방치 | 뉴스A 위 영상에서 설명하듯 경계선 지능인은 지능지수 70~85에 이르는 사람들로, 장애인과 달리 법령으로 구분 되지 않아 복지 사각지대에 놓여 있으며, 일상생활에 더 큰 어려움을 겪고 있습니다.    Q. 경계선 지능인이 겪는 어려움에는 어떤 것들이 있을까요? 1) 잘못된 인식 : 경계선 지능인에 대한 잘못된 인식은 그들의 특성을 개인의 문제와 태도로 치부하여 사회적 낙인을 강화하기도 합니다. 넌 왜그래, 넌 게을러, 하기 싫으면 그만둬! 와 같은 이야기를 들으며 자란 경계선지능인은 학습된 무기력과 낮은 자존감으로, 따돌림을 당할 위험이 크고, 결여된 사회화로 고립 은둔 청년이 될 가능성이 높으며, 경계선 지능에서 퇴행하여 지적 장애에 대한 사회적 비용이 증가할 가능성이 높다고 합니다.  2) 연구 및 지원에 필요한 전수조사의 어려움 : 아직까지 경계선 지능인에 대한 전수조사나 정확한 연구 조차 진행되지 않아, 경계선지능인 인구 조차 의심대상자로 언급 될 뿐 실제 인구와 차이가 있습니다. 의무 교육기관인 학교에서 진단 검사를 시행하고 조기 진단을 하는 경우, 경계선지능인의 인지능력이 좋아질 수 있지만, 정상성이 강조되는 한국 사회에서 대상자를 가려내는것에도 큰 논란이 있는 현실입니다.    Q. 경계선 지능인에게 가장 도움이 될 만한 활동에는 어떤 게 있을까요? 인식 개선활동과 법률 보호의 필요성 현재 경계선 지능인을 명시하는 상위 법령 근거가 없어 ‘교육을 통한 삶의 질 향상’을 포괄하는 평생교육 지원법 아래에서 지원을 받고 있습니다. 저희 모서리팀은 경계선 지능인에 대한 인식을 개선하고, 대상 특성과 시기에 맞는 발굴과 지원이 필요한 현실을 알리기 위해 경계선 지능인 바로알기 페이지를 제작했습니다.  경계선 지능인 바로알기, 프로젝트 소개  ▼ [노션페이지] 경계선 지능인 바로알기 이 노션페이지는 경계선지능인에 대한 이해를 돕고, 더 많은 사람이 경계선지능인에 대한 정보에 쉽게 접근할 수 있도록 구성되었습니다. 본격적인 데이터 수집과정에서 2023년 서울시에서 발표한 ‘경계선지능인 실태보고서’(다운로드 가능)를 찾게 되었습니다. 이 보고서는 경계선지능인의 실태와 욕구 등을 다룬 중요한 자료이지만, 보고서가 줄글 형태로 작성되어 있어 대중적으로 활용되기에 한계가 있다고 판단했습니다. 우리는 이 보고서를 노션을 통해 재구성하여, ‘경계선지능인’에 대한 정보를 누구나 쉽게 이해하고 활용할 수 있는 바로알기 페이지를 제작했습니다. 그 밑으로는 경계선지능인의 초기발굴의 중요성을 강조하기 위한 내용과 실태현황, 조례 정보 등의 내용을 추가하였습니다.  이중 태블로를 활용하여 실태 및 현황의 데이터를 시각화한 부분입니다. 빠띠의 추천으로 관련 전문가 분들과 여러번 멘토링을 진행하며 데이터 시각화에 대한 개념과 방법을 조언받을 수 있었습니다. 시각화를 통해 이 경계선지능인의 문제를 구체적이고 명확하게 표현할 수 있게 되었다고 생각합니다.   모서리 프로젝트를 종료하며, 소감과 향후 계획은? 저희는 이 프로젝트를 통해 경계선 지능인에 대한 올바른 정보를 제공하고 사회의 부정적 인식을 개선하고자 했습니다. 또한 함께일하는재단의 소속 직원들로써는 각자의 자리에서 업무를 수행하면서 경계선 지능인의 자립과 일자리 문제를 해결할 수 있는 방안들에 대해 각자 고민했습니다.  고민의 결과 경계선지능인 당사자나 보호자의 창업을 지원하는 것이 경계선지능인의 특성을 이해하고 이들의 강점을 발견하고 기다려줄 수 있는 근로 환경을 마련할 수 있을 것이라는 의견이 있었습니다. 현실적으로 당장 경계선지능인을 대상으로 한 프로그램을 개발한다던가, 지원사업을 운영하기는 어렵겠지만, 재단 직원들이 경계선 지능인이라는 대상의 특성을 이해함으로써 업무를 함에 있어 시야가 더 넓어질 수 있는 계기가 되었다고 생각하며, 기회가 된다면 앞으로 사내동아리 "함재 모서리" 활동을 통해 이에 대한 공부를 계속하고자 합니다. 🐝 프로젝트 기여자 - 시작한 사람들 : 함께일하는재단 - 정보, 영난, 지희, 재원, 소희, 진선 <데이터로 세상을 바꾸자> 프로젝트 글 모아보기 [데세바 ep.1] ☝🏼모든 것이 시작된 질문, 정책 안에 무엇이 있는데요? [데세바 ep.2] 누군가 나 대신 서울대 50대 남성을 대표자로 내세웠다면?! [데세바 ep.3] 국민 13.6% ‘경계선지능인’ 추정, 초기 발굴을 위한 시스템 마련 필요할까요? [데세바 ep.4] 더 퀴어롭고 젠더프리한 세상을 향해 🏳️‍🌈 [데세바 ep.5] 청년 불평등이 궁금한 사람들을 위한 데이터베이스 [데세바 ep.6] 존잘국회 : 우리 국회 존잘 찾기 [데세바 ep.7] 기후위기 시대에도 축제는 계속되어야 하니까!

보이지 않는 곳에서 나에게 큰 영향을 미치는 헌법재판관은 어떻게 구성되어 있을까요? 또 누가 그들을 구성해 왔을까요?

서울시의 여러 공공 정책이 매년 조용히 사라집니다. 운영 종료하는 정책은 얼마나 되는지, 어떤 사유로 종료되는지, 관련 공지는 어디서 확인할 수 있는지 궁금해졌습니다.

돌봄과 데이터. 서로 어울리지 않을 것 같은 이 두 단어 사이에 공통점이 있다는 사실 알고 계신가요? 바로 ‘관심 갖고 들여다 보아야 한다는 것’입니다. 9월 ‘기후위기’에 이어 두 번째로 진행하는 10월 데이터톤의 주제는 바로 ‘돌봄’입니다. (기후위기를 주제로 한 9월 데이터톤 후기가 궁금하다면  👉 여기서!) 각자도생의 시대입니다. ‘내 살 길은 내가 알아서 찾아야 한다’는 담론이 팽배한 환경에서 ‘돌봄’은 미담으로 여겨지기 쉽습니다. 하지만 우리는 태어나면서 죽을 때까지 누군가에게 돌봄을 받거나 혹은 누군가를 돌보며 살아갑니다. 누구에게나 그리고 언제나 필요한 돌봄. 이제는 더 나은 돌봄, 괜찮은 돌봄이 무엇인지 고민해야 하지 않을까요? 10월 데이터톤에서는 데이터로 더 나은 돌봄을 함께 상상해보기로 했습니다. 돌봄에도 다양한 영역이 있어요! 돌봄에도 많은 영역이 있습니다. 이날은 총 4가지 주제를 다뤄보기로 했는데요. 각 주제마다 내용 이해를 도울 호스트와 데이터 활동을 지원할 멘토가 함께했습니다. 첫 번째는 ‘돌봄시스템’입니다. 가장 폭넓으면서도 나머지 3개 영역을 아우를 수 있는 주제이기도 한데요. 우리 사회에 어떤 돌봄시스템이 있고 어떻게 작동하고 있는지 살펴본 후, 데이터 활동으로 이어지는 부분은 없을지 찾아보기로 했습니다. 호스트로는 빠띠가, 멘토로는 갱님이 함께했어요. 두 번째 주제는 ‘아픈몸들’입니다. 보통은, 몸이 아프면 당사자의 탓으로 돌리는 경우가 많은데요. 이를 벗어나 ‘아파도 괜찮은 사회’와 ‘질병을 문제가 아니라 당연한 것으로 받아들이는 사회’를 만들기 위해서는 무엇을 해야하는지 데이터와 함께 살펴보기로 했습니다. 호스트로 ‘다른몸들’의 조한진희 대표님이, 멘토로는 최요한님이 함께했어요. 세 번째 주제는 ‘가족돌봄’입니다. 우리는 대개 돌봄의 책임 1순위를 가족으로 생각하곤 합니다. 하지만 고립 상태에서 일방적으로 책임져야 하는 가족돌봄은 강요된 희생일뿐입니다. 오늘 데이터톤에서는 가족돌봄을 하는 이들이 어떤 경험을 가지고 있는지 데이터를 모아보고 대안을 찾아보기로 했습니다. 호스트로 돌봄청년커뮤니티 ‘N인분’ 우새롬 활동가가, 멘토로는 이근희님이 함께했어요. 마지막 네 번째 주제는 ‘돌봄노동자’입니다. 장애인돌봄, 아동돌봄, 노인돌봄 등 돌봄노동자들의 노동 실태 데이터를 살펴보고, 더 나은 환경에서 일할 수 있는 방법을 찾아보기로 했습니다. 호스트로 노회찬재단의 이강준 사업기획실장님이, 멘토로는 투명사회를 위한 정보공개센터의 정진임 소장님이 함께했어요. ‘질문 - 내용학습 - 데이터 검색 - 시사점 찾기’로 이어지는 여정 희망하는 주제별 테이블에 자리 잡은 참가자들은 각자 평소에 가지고 있던 돌봄과 관련한 질문을 꺼냈습니다. “돌봄에 대한 우리 사회의 문화를 재검토해보고 싶습니다. 어디에 돌봄이 필요한지, 어디까지 사회적 돌봄인지 등에 대한 합의를 어떻게 만들 수 있을까요?” “우리 사회는 건강중심 사회인 것 같아요. 이와 관련한 문제의식을 드러낼 수 있는 데이터는 없을까요?” “평소 돌봄에 대해 깊게 생각하지 않다가, 가족이 다치면서 돌봄에 ‘연루’되었어요. 돌봄과 데이터라는 낯선 키워드가 어떻게 만나고 ‘연루’될 수 있을까요?” “돌봄노동자가 이용할 수 있는 정신/노동상담 지원 제도는 얼마나 있을까요? 제도가 있더라도 이용할 수 있는 시간 확보가 가능할까요?” - 참가자 질문 중 일부 발췌 이후 각 주제의 호스트가 내용 이해를 도울 이야기를 이어나갔습니다. 참가자들과 함께 찾아보고 싶은 자료를 공유하고, 활동을 제안해보기도 했습니다. 내용 학습을 마친 참가자들은 각자의 질문에 맞춰 데이터를 찾아나갔습니다. 멘토들은 어떤 사이트에서 어떤 데이터를 찾으면 좋은지, 어떤 키워드로 검색해야 필요한 데이터를 잘 찾을 수 있는지 꿀팁을 전달하기도 했지요. 데이터를 모은 후에는, 각자 찾은 내용에 대한 시사점과 데이터를 활용해 해볼 수 있는 활동을 제안하는 시간을 가졌습니다. 짧게 핵심 내용을 공유합니다. “민간과 공공영역 돌봄서비스 플랫폼을 찾아봤습니다. 돌봄시스템과 서비스가 서울 중심으로 구조화되어 있다는 걸 확인할 수 있었습니다. (중략) 돌봄 관련 정책이나 제도가 없는 것은 아닙니다. 하지만 이용자에게 가닿지 않은 형태로 되어있어요. 보통 방문신청을 해야하는데, 노인, 장애인 등은 보호자가 없으면 신청도 못합니다. 게다가 돌봄의 많은 영역이 시장화, 상업화 되어 있다는 사실도 알 수 있었는데요. 이런 구조를 바꿔야하지 않을까 하는 생각을 했어요. (중략) 아기로 태어나서 노인으로 죽어가는 생애주기 속에서, 우리는 돌봄에 위탁해서 살아갈 수밖에 없습니다. 그래서 돌봄의 공공성 강화가 필요하다는 이야기를 나눴어요.” - ‘돌봄시스템’ 주제 논의 내용 공유 중 “지역에 따라 기대수명이 다르다는 데이터를 확인할 수 있었습니다. ‘소득, 자산규모’와 ‘건강, 기대수명’의 뚜렷한 상관관계도 확인할 수 있었는데요. 중대질병에 걸린 사람들은 자신의 탓을 하는 경우가 많습니다. 하지만 육체노동이 많거나 근무시간이 불규칙하면 운동하기 어렵고 건강한 음식을 먹기도 힘들어요. 게다가 열심히 운동하면 누구나 건강할 수 있는 믿음이 올바를까요? 열심히 운동할 수 있는 환경이 누구에게나 주어진 것일까요? 이런 문제의식을 공유하면서, ‘질병은 개인의 문제로 보기 어렵고 사회의 문제이며 모두의 문제’라는 이야기를 나눴습니다. 그래서 국가에 더 많은 돌봄을 요구해야 한다고 봅니다.” - ‘아픈몸들’ 주제 논의 내용 공유 중 “각자의 경험을 공유하면서 논의를 시작했습니다. 저희는 모두 어느정도씩 가족돌봄에 기여하고 있었습니다. 가족돌봄 청(소)년에 대한 이야기도 나눴는데요. 이들은 보통 자신이 가족돌봄을 하고 있다는 상황을 인지하기 어렵고, 인지하더라도 말하기 어려운 경우가 많기 때문에, 안전하고 편안하게 이야기 할 수 있는 안전지대가 필요하다는 문제의식이 있었습니다. 하지만 가족돌봄 청(소)년에 대한 사회적 정의나 합의가 내려져 있지 않고, 정량적 데이터 자체가 전무하다는 것을 확인할 수 있었습니다. 직장인의 가족돌봄휴가 사용률이 저조한 부분에서는, 가족돌봄의 현실을 돌아볼 수 있었습니다. 돌봄의 부담이 가족 내 구성원에게만 지워지면 가족분열로 이어질 수 있다는 것입니다. 대안으로는 지역공동체 등이 있을 것 같다는 이야기가 나왔습니다.” - ‘가족돌봄’ 주제 논의 내용 공유 중 “저희는 돌봄노동 관련 데이터로 문제 정의를 구체화하는 것에 집중했습니다. 돌봄노동자 현황과 처우 관련 데이터(직군별 휴게 시간과 사용현황, 돌봄노동자의 업무중단 사유 등), 연구보고서, 조례 등을 찾아보았습니다. 이를 통해 관련 제도를 살펴보고, 소외된 돌봄노동 영역은 없는지 살펴보았습니다. 돌봄노동에서도 시설노동과 재가돌봄은 차이가 있는데요. 재가돌봄 노동자는 여성이 많아 성폭력 문제에 노출되는 경우가 많아서 관련 데이터를 살펴보았습니다. 의안정보시스템에서 돌봄노동 관련 제도도 찾아보았는데요. 노인요양 관련 법률이 많았습니다. 이런 데이터를 바탕으로 공통의 과제를 도출했는데요. 저희의 후속과제는 ‘돌봄노동자를 위한 돌봄, 돌봄노동자의 안전 확보 방안을 어떻게 모색해볼 수 있을까?’입니다. 이를 위해 현황, 제도 정책 등을 국내외에서 좀 더 찾아보고 민간과 공공의 차이를 살펴봐야 할 것 같습니다.” - ‘돌봄노동자’ 주제 논의 내용 공유 중 사실 ‘돌봄’이라는 주제로 데이터톤을 기획하면서 고민이 많았습니다. 개별사례가 많기 때문에 데이터로 모으고 연결하기가 어렵지 않을까 하는 걱정도 있었어요. 참가하신 분들의 이야기를 들어보니 정량적 접근보다는 정성적 접근에 집중해야 하지 않을까, 하는 생각이 드는데요. 후속 작업을 이어나가 보려고 합니다. 관련 소식도 계속 전해드릴게요. 참, 11월에는 데.세. 바 프로젝트의 주제들로 데이터톤이 진행되니 많은 관심과 참여를 부탁드립니다. (👉11월 데이터톤 후기 보기) 글 : 소이 (빠띠 협력가)

[스터디 노트4]  임팩트 조직을 위한 데이터 프로젝트 설계와 실행 전략 : DataKind의 사례  빠띠는 ‘데이터로 사회문제를 해결하는 시민의 데이터 플랫폼’을 구축하기 위해 다양한 공익데이터 활동을 진행하고 있습니다. 이는 여러 파트너와 이해관계자와 협력하여 만들어가야 하는 중요한 작업입니다. 그렇기에 공익을 위한 데이터 활동이 무엇인지, 그리고 새로운 인공지능 서비스가 끊임없이 등장하는 시대에 왜 사회문제와 관련된 데이터를 논의해야 하는지에 대한 심도 있는 논의가 필요합니다. 이러한 취지에서 빠띠는 ‘인공지능 시대, 데이터 액티비즘과 거버넌스'라는 주제로 스터디를 진행하고 있습니다. 이 스터디는 기술과 사회혁신 두 분야에서 연구 및 국제협력 경력을 보유한 김정원 박사의 발제로 총 4회에 걸쳐 진행되며, 데이터와 시민의 역량, 데이터 액티비즘의 개념, 그리고 데이터의 생산, 관리, 공유를 둘러싼 거버넌스 유형 등 국내외 인공지능과 데이터 관련 주요 이슈를 다룹니다. 스터디를 통해 얻은 핵심 내용을 요약하여 더 많은 분들과 나눔으로써 공익데이터 활동에 대한 이해를 넓히고, 사회문제 해결을 위한 데이터 활용의 중요성을 공유하고자 합니다.     네 줄 요약  DataKind의 활동은 데이터 과학과 인공지능이 기술 도구를 넘어 사회적 문제 해결의 강력한 수단이 될 수 있음을 보여준다.  다양한 이해관계자와의 파트너십 협력이 데이터의 실질적인 활용과 변화를 이끄는 핵심 요소이다. 데이터 활용 과정에서 윤리적 고려, 특히 다양성, 형평성, 포용성(DEI)을 포함하는 것이 데이터 프로젝트의 성공과 사회적 신뢰를 유지하는 데 필수적이다.  데이터 프로젝트가 임팩트를 창출하려면 조직의 데이터 성숙도가 필요하며, 특히, 리더십이 데이터에 대한 이해를 갖출 때, 장기적인 임팩트를 만들어낼 가능성이 높아진다.   데이터카인드(DataKind)라는 단체는? https://www.datakind.org/ 2012년 미국에서 설립된 비영리 단체로 데이터 전문가와 자원봉사자를 비영리 단체와 연결하여 데이터 활동 기반의 사회적 문제 해결을 목표로 하는 조직  샌프란시스코, 뉴욕, 런던 등 7개 도시에  사무소를 운영하며, 전 세계적으로 약 3만 명 이상의 자원봉사자와 함께 활동하고 있음.   데이터카인드가 진행하는 프로젝트 유형 데이터다이브(DataDive): 주말 동안 집중 진행되는 단기 프로젝트로, 데이터 과학자, 개발자, 디자이너 등 다양한 참여자가 모여 특정 이슈에 대한 솔루션을 개발   데이터코프(DataCorps): 장기적이고 심층적인 프로젝트로, 전문가 그룹이 수개월에 걸쳐 사회 문제를 해결하기 위한 데이터 솔루션을 개발 데이터인어데이(Data in a Day): 하루 동안 진행되는 집중 워크숍으로 비영리 단체가 데이터를 활용하는 방법을 배우고 실습 교육 프로그램: 비영리 단체를 위한 데이터 리터러시, 인공지능, 머신러닝에 관한 교육을 제공  데이터카인드의 대표적인 프로젝트 의료 접근성 개선: 라이더스포헬스(Riders for Health)와 협업하여 의료 샘플을 운송하는 시간을 기존 60일에서 하루로 단축하여 지역의 의료 서비스 제공 속도를 개선함.  인종간 경제적 격차 해소: 블랙웰스데이터센터(Black Wealth Data Center)와 함께 인종 간 경제적 격차를 분석하는 데이터베이스를 구축하고, 이를 시각화하여 정책 개선을 이루어냄.    화재 사망률 감소: 홈파이어리스크맵(Home Fire Risk Map)을 개발하여 화재 위험이 높은 지역을 식별하고, 90만 건의 가정 안전 점검을 사전에 실시함.  데이터카인드의 데이터 활동에서 주목할 점!  다양한 자원봉사자 활용: 특정 부분에 국한되지 않고 실제 프로젝트 진행에 중요한 역할로 자원봉사자를 참여시킴. 직원은 조직 운영과 홍보를 담당하는데 집중하는 방식으로 조직역량을 관리함.  데이터 프로젝트의 진행 노하우: 역할 분담과 자원봉사자 참여 방식에 관한 가이드라인을 개발하여 보유함.   다양성, 형평성, 포용성(Diversity, Equity, Inclusion, DEI): 데이터 프로젝트의 윤리적 고려 사항으로 다양성, 형평성, 포용성 요소를 고려 및 적용하고 있음.     데이터카인드의 체계적인 프로젝트 프로세스  체계적인 프로세스를 통해 효과성을 높이고, 과정 및 데이터의 윤리적 고려사항을 충분히 반영하여 지속가능한 임팩트를 창출하고자 함. 이 프로세스는 ‘발굴, 디자인, 준비, 실행, 공유, 평가’의 6단계로 진행됨.  단계1: 발굴) 문제 정의와 데이터 성숙도 평가를 통해 사회적 문제 해결 가능성 탐색  데이터를 통한 사회적 문제 해결 가능성 탐색: 파트너 단체와 협력할 데이터 프로젝트 기회를 모색하고, 단체가 제공하고자 하는 데이터가 분석을 통해 어떤 공익적 가치, 사회적 임팩트를 창출할 수 있을지 판단(왜 데이터 프로젝트가 필요한가에 대한 질문) 임팩트 지도(Impact Map) 활용 임팩트지도란? 데이터 프로젝트에 적합한 문제를 발견하기 위한 도구로, 조직의 미션과 프로세스를 효과적으로 일치시키기 위한 단계적인 사고 과정을 지원함.  목표설정(목표로 삼고 있는 사회적 문제나 변화를 정의하는 단계)→행동 변화 유도(임팩트를 만들어내기 위해서는 어떤 행동의 변화가 필요한가?) → 근거 분석(행동 변화를 유도하기 위해 데이터가 어떤 방식으로 분석되고, 그 분석 결과가 행동 변화의 근거로 활용될 것인가?) → 데이터 분석(근거를 제공하기 위한 필요 데이터 정의)  임팩트지도의 과정을 개발도상국 마이크로렌딩 프로젝트에 적용해본 예시(출처: Drafting Impact Maps and Project Statements, 김정원 재정리)   협업 검토: 프로젝트의 필요성, 잠재적 영향력, 실현 가능성, 윤리성 등을 종합적으로 고려 협업 단체의 데이터 활용/성숙도를 평가 데이터 성숙도 평가 지표 활용: 데이터 오차드(Data Orchard)에서 비영리 조직의 데이터 성숙도를 측정하기 위한 지표 및 체크리스트 개발 ‘활용, 데이터, 분석, 리더십, 문화, 도구, 역량’이라는 7가지 주요 주제에 따라 세부 질문 항목에 대해 정도를 ‘광범위하게 / 중간 정도로 / 약간 / 전혀 / 모름 / 해당 사항 없음’의 척도로 측정  (출처: 데이터 오차드의 데이터 성숙도 프레임워크를 참고하여 김정원 정리) 데이터 프로젝트를 수행하고자 하는 조직이 고려해야 할 사항  데이터카인드의 활동을 통해 데이터 프로젝트를 성공적으로 수행하려는 조직이 갖춰야 할 요소를 확인할 수 있음. 특히 리더십이 중요한 역할을 하며, 다음과 같은 요소가 필요함.  데이터에 투자: 조직 의사결정자들은 단순히 그들의 의제를 증명하기 위해서가 아니라, 의사결정을 내리는 데 데이터를 사용하는 것에 동의해야 함. 자원봉사의 가치 존중: 다양한 참여자(데이터 과학자, 자원봉사자)들의 작업을 신뢰하고, 자원봉사자와 함께 일할 때 요구되는 유연성을 이해해야 함. 프로젝트 구현을 위한 지원 의지: 리더십 전략과 자원 할당이 프로젝트의 목표와 일치해야 함.  혁신을 추구하는 관점: 좋은 결정을 내리고 기술 도구가 실제 활용될 수 있도록 하기 위해 정보에 기반한 관점을 갖고 있어야 함.   다양성, 공정성, 포용성에 관한 가치 일치: 프로젝트 과정과 결과물에서 DEI의 가치를 공유하고 실천해야 함.   단계2: 디자인)프로젝트의 목표 및 방향성 설정  데이터 보안과 윤리적 평가를 기반으로 목표 설정  활용할 수 있는 가이드라인 및 도구 (도구를 클릭하면 관련 자료로 이동) 데이터 윤리 캔버스(Data Ethics Canvas, ODI) 윤리적 데이터 자체 평가 도구 및 가이드(Ethics Self-Assessment Tool and guidance, UK Statistics Authority)  데이터 윤리 프레임워크(Data Ethics Framework, 영국 정부)  데이터 공유를 위한 윤리 및 법적 가이드라인(Ethical and Legal Guidelines in Data Sharing, UK Data Service)  데이터 윤리 역량을 위한 권고(Recommendations for Data Ethics Capabilities, London Office for Technology & Innovation) 단계3: 준비) 팀 구성 및 필요한 기술적 인프라 구축   팀 구성: 전문가, 자원봉사자를 모집하여 팀 구성. 데이터 과학자, 개발자, 디자이너, 해당 사회이슈 전문가 등 다양한 배경을 가진 사람들이 참여하도록 하는 것이 핵심  역할 분담 및 소통: 프로젝트 킥오프 미팅을 통해 팀의 역할을 분담하고 원활한 소통을 위한 커뮤니케이션 채널 개설 단계4: 실행) 프로토타입을 개발하고 피드백을 받아 최종 모델을 완성   최소기능제품(Minimum Viable Product, MVP)를 개발  데이터 분석 및 모델링, 프로토타입 설계 및 개발, 피드백 수집 및 반영 지속적 피드백 반영: 지속적인 피드백 과정을 거치며 프로토타입을 개선. 이 과정에서 윤리적 고려사항을 점검하여 예기치 못한 부작용을 방지함.  최종 모델 완성 및 전달 프로토타입을 기반으로 최종 모델 완성 프로젝트 성과 및 과정을 문서화하여, 파트너 단체에 지식을 이전함. 이는 프로젝트의 지속가능성을 높이는 데도 기여함.  단계5: 평가 및 공유) 결과물을 파트너와 공유하고, 성과를 평가하여 개선점 도출   성과 평가: 프로젝트 종료 후 창출된 임팩트를 모니터링하고 평가(3~24개월) 개선점 도출: 프로젝트 임팩트를 평가하고, 학습 내용을 정리하여 향후 개선 방안을 도출. 이 내용은 추후 데이터카인드 활동에도 반영함.    데이터카인드를 통해 살펴본 공익 데이터 프로젝트 실행의 포인트  [포인트1] 데이터 활동을 왜 해야 할까? 데이터 활동의 필요성 이해하기  파트너 조직이 직면한 문제를 명확히 이해 조직이 보유한 데이터를 파악하고, 이를 통해 문제 해결의 가능성을 객관적으로 탐색   문제 해결을 위한 아이디어를 발굴하고 프로젝트를 계획하는 솔루션 브레인스토밍 실행  [포인트2] 데이터 활용의 윤리적 측면을 단계마다 점검하기  데이터카인드 활동에서 가장 중요한 검토 요소는 데이터 윤리 관련 요소임.  아래와 같은 질문을 통해 윤리적 사항을 검토  프로젝트에 활용되는 데이터의 사용이 공정한가?  개인정보가 적절히 보호되고 있는가?  알고리즘의 의사결정 과정이 투명한가?  데이터 자체에 잠재적인 편향성이 있는가? 프로젝트의 솔루션이 의도치 않은 부작용을 초래할 가능성이 있는가?  [포인트3] 데이터 프로젝트 성공을 위한 핵심 요소  문제 해결보다 ‘문제 발견'이 더 어려울 수 있으며 문제 정의를 위한 ‘변화 이론'과 ‘임팩트 지도'를 활용하는 등 도구를 활용해 객관적 검증 실행  데이터카인드와 협력할 때, 파트너 조직의 리더십이 자원봉사의 힘과 ‘다양성, 공정성, 포용성'의 가치를 이해하는 것이 프로젝트 성공과 연결 기술 솔루션 개발 시 인간 중심의 디자인과 최종 사용자 중심의 접근이 필수적이며, 당사자의 목소리를 반영해야 함.  ‘누가' 결과물을 사용할 것인지 고려하여 그에 맞는 해결책을 제시(예: 웹페이지, 대시보드, 앱과 같은 다양한 형태 고려) 이해관계자와의 소통을 통해 프로젝트의 성공을 어떻게 측정할 것인지에 대한 기준을 설정    함께 생각해봐요. 모든 비영리 단체가 데이터 활용에 필요한 인프라나 자원을 갖추고 있지 않습니다. 이러한 데이터 접근성의 불평등을 개선하기 위해 무엇이 필요할까요?  데이터는 편향되거나 윤리적인 문제를 일으킬 가능성이 항상 존재합니다. 프로젝트에서 예기치 못한 편향이나 윤리적 이슈를 예방하기 위해 무엇을 고려하고 준비해야 할까요?  공익을 위한 데이터 프로젝트가 더 활성화되려면, 어떤 지원과 기반이 필요할까요?    정리: 박아영 빠띠 협력가(ahyoung@parti.coop)본 내용은 김정원 박사가 진행한 ‘인공지능 시대, 데이터 액티비즘과 거버넌스' 스터디 내용을 바탕으로 작성되었습니다. 

[스터디 노트3] 데이터 접근 권한과 활용 방식을 결정하는 데이터 거버넌스  빠띠는 ‘데이터로 사회문제를 해결하는 시민의 데이터 플랫폼’을 구축하기 위해 다양한 공익데이터 활동을 진행하고 있습니다. 이는 여러 파트너와 이해관계자와 협력하여 만들어가야 하는 중요한 작업입니다. 그렇기에 공익을 위한 데이터 활동이 무엇인지, 그리고 새로운 인공지능 서비스가 끊임없이 등장하는 시대에 왜 사회문제와 관련된 데이터를 논의해야 하는지에 대한 심도 있는 논의가 필요합니다. 이러한 취지에서 빠띠는 ‘인공지능 시대, 데이터 액티비즘과 거버넌스'라는 주제로 스터디를 진행하고 있습니다. 이 스터디는 기술과 사회혁신 두 분야에서 연구 및 국제협력 경력을 보유한 김정원 박사의 발제로 총 4회에 걸쳐 진행되며, 데이터와 시민의 역량, 데이터 액티비즘의 개념, 그리고 데이터의 생산, 관리, 공유를 둘러싼 거버넌스 유형 등 국내외 인공지능과 데이터 관련 주요 이슈를 다룹니다. 스터디를 통해 얻은 핵심 내용을 요약하여 더 많은 분들과 나눔으로써 공익데이터 활동에 대한 이해를 넓히고, 사회문제 해결을 위한 데이터 활용의 중요성을 공유하고자 합니다.     네 줄 요약  빅테크 기업의 독점화와 함께 개인 정보와 데이터 권리 보호의 필요성이 더욱 중요해지고 있다. 데이터 공유 과정에서 발생하는 기술적, 법적 이슈를 다루기 위해 다양한 데이터 중개 모델이 필요하다.  데이터 거버넌스는 데이터의 소유권과 관리 방식을 규정하며, 소유 주체와 활용 방식에 따라 다르게 설계된다.  데이터 거버넌스 모델 중, 데이터 신탁과 협동조합은 빅테크 기업 중심의 데이터 소유 구조의 한계를 극복하고, 개인의 데이터 권리보호와 데이터 가치 극대화를 목표로 제안된 모델이다.    왜 데이터 거버넌스가 필요한가?  매일 방대한 양의 데이터가 생성되고, 수집되고, 분석되어 일상생활, 비즈니스 결정, 정책 수립 등 사회 전반에 큰 영향을 미치기 시작. 이와 함께 ‘데이터를 누가 소유하고 어떻게 관리해야 하는가’에 대한 질문이 중요해지면서 데이터 거버넌스 개념이 등장함.  데이터는 접근성과 규모, 사용 가능성에 따라 다양한 형태로 존재함. 비공개 데이터부터 누구나 자유롭게 사용할 수 있는 데이터까지 다양하며, 그리고 이 두 범주 사이에도 여러 형태의 데이터가 있음. 이러한 다양성으로 인해 데이터의 성격과 목적에 따라 다른 관리 방식이 필요함. (이미지 출처: Open Data Institute) 데이터 공유에 있어서 당면한 과제  데이터 공유에 따른 인센티브 부족: 데이터 보유자와 이용자 간 이해관계 차이로 인해 데이터 공유가 무의미해지며, 공유에 소용되는 비용에 비해 얻는 인센티브가 적음.  전문 지식 부족: 데이터 보유자는 데이터의 유용성을 잘 알지 못하는 경우가 많으며, 데이터 이용자는 어떤 데이터를 이용할 수 있는지 파악하기 어려움. 비즈니스/윤리/브랜드 명성에 위험: 데이터를 비윤리적으로 사용할 경우, 비즈니스 신뢰와 브랜드 명성이 위험해질 수 있음. 법규 준수: 개인정보보호 및 지적재산권 관련 법규를 위반할 우려로 인해 데이터 공유 자체를 포기할 수 있음.  데이터 접근 및 공유 비용: 데이터 공유를 위한 인프라 구축, 데이터 표준 마련, 과도한 데이터 접근으로 인한 비용 부담이 발생. 공공 이익을 위해 데이터를 활용할 기회 상실: 데이터 공유가 활발하지 않을 경우, 데이터로부터 발생하는 경제적 가치나 사회적 이익을 충분히 누리지 못할 수 있음.    데이터 중개자라는 새로운 역할의 등장  데이터의 복잡성과 수요가 증가하면서, 데이터의 수집, 관리, 공유, 활용을 돕는 중간자로서 '데이터 중개자'라는 새로운 역할이 중요해짐.  데이터 중개모델은 다양한 형태로 존재하며, 데이터 활용과 유통을 촉진하여 가치를 극대화하면서도 개인의 권리를 보호하는 역할을 함. 다양한 데이터 중개모델 유형 데이터 교환(Data Exchange): 데이터 거래소를 통한 데이터 이동, 교환을 촉진하는 플랫폼(예: AWS Data Exchange,Databroker DAO, Streamr) 데이터 관리자(Data Custodian): 민감한 데이터를 자체 개발한 환경에서 안전하게 관리하고 공유하는 역할을 하는 시스템(예: Open Safely, Genomics England, Open Banking Pensions Dashboard) 산업별 데이터 플랫폼: 특정 산업 내 데이터 공유를 위한 인프라를 제공하는 플랫폼(예: APROCONE(Advanced Product Analysis Environment), MK Data Hub)  데이터 협업(Data Collaborative): 데이터 공유와 협력을 통해 공동의 목적을 달성하는 모델(예: GovLab 데이터 협업, SharedStreets, BrightHive) 개인정보관리 시스템(PIMS): 데이터 주체가 개인 데이터를 직접 통제하고 관리할수 있도록 지원하는 시스템(예: digi.me, Solid) 데이터 신탁(Data Trust): 신탁법에 근거하여 데이터 접근과 사용을 관리하며, 데이터 주체의 권리를 보호하는 신뢰 기반의 중개 모델(예: Data Trust UK, Open Corporate, Food Data Trust, Jersey Cycle Data Trust) 데이터 협동조합(Data Cooperative): 데이터 생산자들이 모여 데이터를 공동으로 관리하고, 그 가치를 공유하는 협동조합 모델(예: Manchester Data Coop, Drivers’ Seat, Salus Coop, MIDATA)    데이터 거버넌스는 데이터 공유 및 개인정보 보호의 중요성과 관련이 있다.  현재 대부분의 데이터는 구글, 메타, 아마존 등 빅테크 기업에 의해 수집되고 관리되고 있음. 일반적으로 개인은 이러한 기업의 서비스를 이용하는 대가로 개인 데이터를 제공하게 되며, 그 결과 기업은 방대한 양의 개인 데이터를 보유하게 됨.  이러한 모델에서는 개인이 자신의 데이터에 대한 소유권과 통제권을 상실하고, 데이터의 가치가 소수의 기업에 집중되는 문제가 발생함.   페이스북, 아마존, 구글 등의 빅테크 기업들의 데이터 경제 모델을 설명하는 다이어그램. 사용자는 플랫폼의 무료 서비스를 제공하는 대가로 개인 데이터를 제공하며, 플랫폼은 이를 광고 수익으로 연결하는 구조. 데이터를 통한 타겟팅된 광고료가 빅테크 기업의 주요 수익원이 됨.(참조: Mills, S. (2020), “Who owns the Future? Data Trusts, Data Commons and the Future of Data Ownership”) 이러한 문제를 해결하기 위해, 데이터의 접근과 활용 조건을 명확히 하고, 데이터를 집단적으로 활용할 수 있는 새로운 데이터 거버넌스 모델이 제안되고 있음. 데이터 거버넌스는 다음과 같은 내용을 포함 데이터에 누가 접근할 수 있는지, 어떤 조건하에 데이터를 이용할 수 있는지, 그리고 데이터 활용의 혜택이 누구에게 돌아가는지에 대한 의사결정 구조  데이터 생성자와 이용자 간의 이해관계 차이와 관련 기술 및 법규 관련 지식의 비대칭을 해결하기 위해 전문적 지식과 노하우를 가진 중재자의 필요성  데이터 이용 시 법규 준수 여부를 관리하고, 데이터 이용에 따른 인센티브 제공 구조를 마련하는 것의 중요성  이와 관련하여 주목받는 데이터 거버넌스 모델로는 데이터 신탁과 데이터 협동조합이 있음. 이 두 모델 모두 개인 데이터 보호와 데이터 가치 극대화를 목표로 한다는 점에서 공통점이 있음.     데이터 거버넌스 모델로서 데이터 신탁 vs. 협동조합   데이터 신탁/협동조합의 기본 구조 (참조: Mills, S. (2020), “Who owns the Future? Data Trusts, Data Commons and the Future of Data Ownership”)   데이터 신탁 데이터 협동조합 조직형태 신탁법에 기반한 신뢰할 만한 데이터 중개 서비스 모델 법적 조직으로 정관에 의해 거버넌스 체계가 정의되는 협동조합 모델 의사결정 구조  신탁법에 의거하여 다수의 위탁자(데이터 생성자/제공자) 집단이 자신의 데이터 권리를 수탁자(데이터 중개서비스)가 행사할 수 있도록 위임 데이터 권리행사의 주체인 조합원이 자발적으로 데이터를 제공하며, 1인 1표의 투표로 집단적 의사결정 운영비 조달 방안 공공자금, 민간재단 지원기금, 데이터 이용료 조합원의 출자금, 데이터 이용료 또는 기타 수익 모델을 통한 자금 충당 데이터 자산 수탁자의 가입 및 탈퇴에 따라 데이터 규모가 변동됨  조합원의 가입과 탈퇴에 따라 데이터 규모가 변동됨  4-1. 데이터 신탁(Data Trust) 데이터 신탁은 데이터를 생성하거나 소유하는 그룹(이하, 위탁자)이 수탁자와 계약을 맺어, 데이터 사용의 범위와 목적을 명확히 정하는 데이터 관리 모델  예를 들어, 다수의 개인이 데이터 신탁을 만들어 자신의 건강 데이터를 공공 의료 목적에만 사용할 수 있도록 설정할 수 있음. 수탁자는 목적에 맞도록 데이터의 안전한 이용을 보장하는 데이터 전문가나 변호사가 포함된 그룹이 될 수 있음. 데이터 신탁의 구조           위탁자와 수탁자 간의 계약은 법적 구속력을 가지므로, 한 번 계약이 체결되면 위탁자가 추가적인 동의 없이도 명시된 범위 내에서 데이터 활용을 결정할 수 있음.  데이터 신탁의 주요 특징   독립적 거버넌스: 수탁자는 독립적인 판단을 통해 위탁자의 이익을 보호하기 위한 결정을 내림  명확한 목적과 수혜자 설정: 데이터의 사용 목적과 사용에 따른 이익을 받을 대상이 명확히 정의됨   투명성과 책임성: 수탁자의 모든 결정과 행동은 투명하게 공개되며, 이에 따른 책임을 짐.  데이터 신탁의 장점 데이터 비전문가도 자신의 데이터를 공익적 목적으로 안전하게 활용하면서 체계적으로 데이터 집단적 가치를 극대화할 수 있음.   데이터의 독립적 운영을 통해 개인의 데이터 보호를 강화할 수 있음. 이해관계 충돌이 발생할 경우, 수탁자와 각 분야의 전문가가 이를 조율하고 해결할 수 있음. [참고] 영국과 한국의 신탁법 영국의 신탁법은 광범위한 자산을 보호할 수 있는 법적 틀을 제공해 데이터와 같은 비전통적 자산도 신탁의 보호 대상이 될 수 있으나, 한국의 신탁법은 주로 부동산이나 금융 자산에 한정되어 있어 신탁의 적용 범위가 상대적으로 제한적.    4-2. 데이터 협동조합  전통적인 협동조합의 원리를 데이터 분야에 적용한 모델로, 데이터 생산자들이 모여 데이터를 공동으로 관리하고 그 가치를 공유함. 데이터 협동조합의 핵심 요소는 커뮤니티와 조합원으로, 조합원은 데이터 생성자, 이용자, 수집자일 수 있음.  [관련 사례] MIDATA 협동조합  2015년 스위스 ETH 취리히와 베른대 연구팀이 설립한 데이터 협동조합으로 개인이 자신의 건강 및 의료 데이터를 직접 관리하고, 의료 연구나 프로젝트에서 사용할 수 있도록 허가할 수 있는 데이터 공유 플랫폼을 제공함.  특징 사례) 돌봄 간호사의 감정, 스트레스 수위 측정 앱, 인지기능 데이터 측정앱, 알레르기 증상 모니터링 앱 등  개인이 MIDATA 플랫폼에 자신의 의료 데이터를 저장하고, 연구 프로젝트나 관련 기관이 데이터를 활용할 수 있도록 동의 여부 결정이 가능 조합원들은 데이터 활용에 대한 의사결정 과정에 참여할 수 있는 민주적 거버넌스 구조. 총회를 통해 데이터 사용의 윤리적 기준을 설정하고, 데이터 활용이 공익을 위해 이루어질 수 있도록 보호 유럽의 GDPR(일반 개인정보보호법)을 준수하여 데이터 주체가 언제든지 자신의 데이터에 접근, 이동, 삭제할 수 있는 권리를 보장. 데이터는 암호화되어 외부 접근으로부터 보호하는 시스템 운영. 건강 관련 앱 개발이나 연구 프로젝트에서 관련 개인 건강 데이터를 사용할 수 있는 플랫폼을 제공하여 의료 연구를 지원하며 건강 데이터를 통한 공익을 창출함  비영리 구조로 운영되며, 데이터 이용에 따른 수익은 조합의 운영비로 사용  데이터 협동조합의 구성 요소  조합원 커뮤니티: 데이터를 자발적으로 수집하고 공동의 활용 모교를 설정하는 커뮤니티로, 데이터 생성자, 수집자, 이용자 등으로 다양한 역할로 구성됨.   목표 및 조합원 혜택: 조합원들이 공동으로 설정한 데이터 관리와 활용 목표를 바탕으로 조합원에게 돌아갈 혜택도 직접 결정함. 데이터 관리 공유 정책: 데이터의 관리와 공유에 대한 정책을 결정하고, 실행하며, 점검하는 거버넌스 체계를 마련함.  데이터 플랫폼: 조합원이 직접 데이터 제공 여부를 결정할 수 있는 플랫폼을 갖추며, 데이터 보안 및 안전한 공유를 보장해야 함.  비즈니스 모델: 협동조합 운영 비용을 충당할 수 있는 비즈니스 모델 필요   데이터 협동조합의 특징  조합원의 데이터를 활용하는 것이므로 조합원의 수에 따라 데이터 규모가 변동함. 조합원 규모가 클수록 더 가치있고 의미있는 데이터셋 확보가 가능한 규모의 경제가 작동함. 공동의 데이터 관리 및 활용에 대한 의사 결정이 조합원 중심으로 이루어지며, 1인 1표 원칙에 따른 공정한 의사결정 구조를 가짐.  조합원을 비롯한 다양한 이해관계자 간의 조정과 합의 도출이 중요하며, 이를 위한 효과적인 커뮤니케이션과 협의 과정이 필수적임.  효과적인 비즈니스 모델과 기술 플랫폼이 필요하다는 점에서 조직 운영의 난이도가 높은 편임.  데이터 협동조합의 도전과제  데이터 활용과 개인정보 보호를 동시에 달성할 수 있는 잠재력을 지닌 거버넌스 모델이지만, 1인 1표의 원칙, 조합원의 공동의 의사결정과 같은 협동조합 운영의 특성을 충분히 고려해야 함. 데이터 활용 및 협동조합 운영 과정에서 긍정적인 효과가 있을 수 있지만, 반대로 논의가 길어지거나 실질적인 성과가 없는 경우도 발생할 수 있음.  성공적인 운영을 위해서는 지속적인 조합원 확보와 유의미한 참여율을 유지해야 하며, 데이터의 가치 생성을 위해 조합원 규모도 중요함.  데이터 거버넌스 구축을 위한 빠띠의 데이터트러스트  공익데이터를 중심으로 한 생태계 조성을 위해서는 적절한 데이터 거버넌스 체계를 구축하는 것이 필수적입니다. 빠띠는 이에 주목하여, 특정 플랫폼이 데이터 독점적으로 수집하고 활용하는 방식이 아닌, 공익 단체, 공공 기관, 시민, 연구자 등 다양한 주체들이 함께 공익 데이터를 생산, 관리, 공유하는 데이터 거버넌스 체계를 만들고자 합니다.  또한 공익 데이터 생태계 생태계 차원에서 시민과 공익 섹터 데이터 필수 역량을 확보하기 위해 역량 있는 데이터 활동가들을 중심으로 데이터 신탁 사업을 추진하는 데이터트러스트 플랫폼을 구축하였습니다. 공익 데이터 생산, 관리, 유통을 위탁 받아 수행하는 플랫폼에서 ‘시민 데이터 실험실'과 ‘공익 데이터 작업실' 사업을 추진 중입니다. 이를 통해 공익 단체는 자신들의 이슈를 확산할 수 있는 데이터 기반을 마련하고, 개인 및 단체는 데이터를 활용해 사회 문제 해결, 연구, 활동 등에 협력할 수 있으며, 함께 공익 데이터 생태계를 만들 수 있습니다.   함께 생각해봐요. 국내 법적, 데이터 시장 상황에서 데이터 공유 시 해결해야 할 과제는 무엇일까요?   데이터 거버넌스 모델을 구현할 때, 고려해야 할 요소는 무엇인가요?  어떤 조건과 인프라가 필요한가요?   정리 : 박아영 빠띠 협력가(ahyoung@parti.coop)*본 내용은 김정원 박사가 진행한 ‘인공지능 시대, 데이터 액티비즘과 거버넌스' 스터디 내용을 바탕으로 작성되었습니다.   

기후위기 극복을 위한 무기, “데이터” : 9월 기후위기 데이터톤 후기 디지털 사회에서 데이터는 사회를 읽는 창구이자 하나의 경쟁력이 되었습니다. 복잡한 사회문제를 이해하고 해결하는 중요한 자원이라고 할 수 있지요. 빠띠는 오래 전부터 ‘데이터로 사회문제를 해결할 수는 없을까?’라는 문제의식으로, ‘공익데이터’의 중요성을 강조해 왔어요. 공익데이터는 말 그대로 ‘공익을 목적으로 하는 누구나 접근 가능한 데이터’를 말합니다. 기업이나 기관뿐만 아니라 시민 혹은 공익단체가 모은 데이터도 공익데이터가 될 수 있어요. 이는 사회문제 해결에 직접적으로 활용될 가능성이 높습니다. 삶의 생생함을 담고 있는 데다가 선명한 문제 의식을 갖고 있기 때문이지요. 이러한 데이터를 더 많은 시민에게 공유한다면, 다양한 관점에서 문제를 해결하고 협력할 기회가 늘어납니다. 공익데이터를 분석하고 활용하여 사회문제를 발견하거나 해결하는 활동을 ‘공익데이터' 활동이라고 부릅니다. 빠띠는 공익데이터의 생산, 공유, 활용, 관리가 유기적으로 이뤄지는 시스템을 구축하고, 이를 통해 지속가능한 공익데이터 생태계를 조성하고자 ‘데이터트러스트’ 사업을 진행하고 있습니다. 지난 9월 시작한 ‘이달의 데이터톤’(이하 데이터톤) 또한 이 일환으로 열리게 되었어요. 데이터톤은 ‘데이터’와 ‘해커톤’의 합성어로, ‘일정 시간 동안 특정 주제에 대한 데이터를 모으고 분석한 후 문제 해결방법을 찾아보는 이벤트’입니다. 기후위기라는 벼랑 끝에 선 우리 첫 주제는 ‘기후위기’입니다. 올 여름, 유난히 길었지요. SNS에서 “대한민국의 사계절은 이제 ‘봄-여어어어어어어어어어름-갈-겨어어어어어울”이라는 표현이 유행어처럼 번지기도 했지요. 단순히 길었던 것만은 아니에요. 평균 기온, 열대야 기간, 강수량, 해수면 온도 등 많은 부분에서 역대 기록을 갈아치우기도 했습니다. ‘가장 뜨거웠던 여름’으로 기억될 올 여름, 하지만 동시에 ‘올해가 남은 인생 중 가장 시원할 여름’일 것이라는 역설적인 이야기도 들립니다. 하지만 막상 ‘그래서 기후위기를 어떻게 해결할 수 있는데?”라는 질문을 들으면, 시민 개인이 답할 수 있는 건 한정적입니다. 에어컨 사용을 줄이고 자차 대신 대중교통을 이용하는 게 얼만큼 도움이 되는지도 잘 모르겠습니다. 무엇보다 개인의 힘으로 이 거대한 문제를 해결할 수 있을지 확신이 서지 않습니다. 비단 기후위기뿐만 아니라 현대 사회의 많은 문제는 복잡하고 규모도 큽니다. 때문에 단일 분야가 아니라 다양한 이해관계자의 협력으로 해결해야 한다는 목소리가 커지고 있고요. 데이터? 기술? 잘 몰라도 괜찮아요 데이터톤에서도 협력이 중요합니다. 기후위기 문제에 관심 있는 시민이라면 누구나 참여할 수 있어요. 데이터에 대해 잘 몰라도, 특별한 기술이 있지 않아도 괜찮습니다. 제안자의 진행에 따라 나의 생생한 경험과 관점을 나누고, 데이터를 수집하고 가공하는 작업에 함께하면 됩니다. 데이터와 기술 관련 활동 경험이 있다면 결과물을 만들거나 멘토로도 참여할 수 있고요. 각자 할 수 있는 다양한 방식으로 참여하고 협력해나가면 됩니다. 이번 데이터톤에는 40여 명의 시민이 참여했는데요. 참여 동기는 각각 달랐지만, ‘데이터로 기후위기 문제 해결의 실마리를 찾아보고 싶다’는 마음은 모두 같았습니다. “일상의 작은 시점에서, 기후위기 문제 해결을 위한 임팩트를 데이터로 어떻게 만들 수 있을지 궁금해서 참여하게 되었습니다.”“기후위기를 데이터를 통해 정량적으로 확인하고 이를 해결하기 위한 액션을 고민해보는 것에 대한 관심과 기대로 신청하게 되었습니다.”“평소에도 환경이 관심이 많았지만, 9월이 되어도 식지않는 열대야 날씨에 심각성을 더욱 더 뼈저리게 느끼게 되었습니다. 실질적으로 내가 이런 상황 속 무얼 할 수 있는지 지구에 조금이나마 도움이 되고 싶다는 생각으로 지원하게 됐습니다.”- 참여동기 중 발췌 -  데이터로 기후위기를 해결할 수 있을까? 데이터톤은 총 4개의 주제별 세션으로 진행되었는데요. 각 세션에는 공익단체들이 세션 호스트로 함께했습니다. 공익단체는 그간의 활동으로 쌓아온 데이터를 공유한 후 시민과 머리를 맞대고 ‘데이터로 기후위기를 해결할 수 있는 방법’을 찾아보았어요.(👉 공익단체 데이터와 함께하는 사회문제 해결 협력의 장 ‘활동가의 서랍’  자세히 보기) 세션1. 데이터 캠페인 - 기후위기 데이터 발굴하기 함께한 공익단체 : 빠띠 세션 주요 내용기후위기 관련 데이터를 찾아보는 기초 과정을 함께했습니다. 정보를 손쉽게 기록할 수 있는 구글 확장 프로그램 ‘물음표’를 활용하여 정보를 수집하고, 원본 데이터와의 대조 작업을 통해 기초 배경 데이터를 발굴했습니다. 이 과정에서 데이터 확인에 필요한 구글 검색 노하우를 학습하고 실습에 활용했는데요. 데이터 활동의 범위와 의미, 기획방법 등을 살펴보고, 더 많은 시민이 공익데이터 활동을 할 수 있는 방안을 고민해보는 시간도 가졌습니다. 참여자 회고“데이터 원본을 찾는 일이 생각보다 힘들어서 ‘데이터 작업은 인형 눈붙이기와 같다’는 다른 분의 말에 공감했습니다. 원하는 데이터를 필요할 때 참고하고 사용할 수 있도록, 한 곳에 모으고 접근성을 높이는 일이 중요하다는 것을 다시 느낄 수 있었습니다. 추후 원본 데이터를 가공하거나 시각화하는 등 다양하게 활용하는 방법도 배우고 싶습니다.”  세션2. 1.5도씨 라이프스타일 데이터 분석 및 시각화 함께한 공익단체 : 녹색전환연구소 세션 주요 내용녹색전환연구소는, 시민이 개인 일상에서 배출하는 온실가스 규모를 확인하고 감축 계획까지 세울 수 있는 ‘1.5도 계산기’를 만들었습니다. 이번 세션에서는 그간 수집된 데이터를 함께 살펴보고, 이 내용을 어떻게 잘 가공하여 전달할 수 있을지 시각화 방법을 함께 찾아보았습니다. 참여자 회고 “1.5도씨 라이프스타일 계산기의 단순한 사용을 넘어, 모인 데이터값으로 어떤 인사이트를 제시할 수 있을지 고민하는 시간이 유익했습니다. 데이터를 통해 인사이트를 뽑아낸다는 것은 원본 데이터를 정확하게 잘 정리하는 것을 넘어 소비하는 사람들의 시점에서 무엇이 끌리고, 왜 시도를 하려고 하는지까지를 고려해야 한다는 점을 배웠습니다."  "학교 기후 관련 앱개발에 참고할 수 있는 설문 문항이나 이와 연계된 학습 자료 개발과 관련된 많은 아이디어를 얻을 수 있었습니다. 학교와 지속적으로 협력할 수 있는 다양한 활동(강의, 학교에서 활용할 수 있는 데이터 생성 등)을 기획해보고자 합니다."  세션3. 선거용 홍보물품 데이터 가공 및 수집 함께한 공익단체 : 웨어마이폴 세션 주요 내용선거철마다 의류, 현수막, 명함, 문자메시지/ARS 등 엄청난 홍보물이 쏟아집니다. 웨어마이폴은 선거 과정에서 발생하는 환경적 영향을 고민하는 비영리 스타트업입니다. 이번 세션에서는, 선거 홍보물이 만들어내는 탄소 배출량 데이터를 가공, 처리, 분석하는 과정을 시민과 함께했습니다. 23대 국회의원 선거 서울지역 후보자 홍보물품의 탄소 배출량을 계산해보고, 홍보물품 사용량을 줄이기 위한 스토리텔링 방안을 고민해보았습니다. 참여자 회고 “데이터에도 스토리텔링이 필요하다는 사실을 깨달을 수 있었습니다. 그래서 데이터 간 인과관계와 상관관계를 잘 살펴야 한다고 생각하게 되었습니다.” "데이터를 같이 살펴보고 어떻게 정리할지, 정리된 데이터를 바탕으로 가설을 설정하고 어떻게 검증할지 논의할 수 있어서 즐거웠습니다." 세션4. 지속가능한 축제를 위한 기후위기 대응 모니터링 함께한 공익단체 : 그린피겨스 세션 주요 내용10월은 축제의 계절입니다. 다양한 공연과 체험행사 등이 우리의 일상에 활력을 불어넣어주지요. 하지만 축제의 이면에 탄소배출과 환경파괴가 존재한다는 사실을 알고 계셨나요? 보통의 축제는 짧은 기간 동안 많은 양의 자원을 소모하고 거대한 폐기물을 만듭니다. 그린피겨스는 축제 탄소배출 모니터링 데이터를 바탕으로, 주최자를 위한 탄소배출 관리 가이드와 참여자를 위한 기후영향 자가진단 모형을 제작하고 있어요. 이번 세션에서는 시민과 함께 진단 설문을 테스트하고, 데이터 수집 방법을 공유해보았습니다. 참여자 회고 “축제와 관련된 탄소배출을 정량화하는 모니터링을 통해 실제적으로 어떻게 탄소배출 감축을 관리할 수 있는지 축제 이해관계자 모두의 인식을 높이고 있는 활동들이 인상깊었어요. 이번 자라섬 페스티벌에서도 좋은 임팩트가 있길 기대하며, 마주하고 있는 어려움에도 불구하고 그린피겨스의 노력들이 꼭 리포트 작성까지 이어지길 바랍니다!" "데이터로 사회문제를 여러 사람들과 얘기하는 경험이 잘 없었는데, 이번 기회에 그 경험을 할 수 있어서 좋았습니다! 데이터 분석으로 할 수 있는 다양한 가능성을 얻어가는 것 같아서 다음에 어떤 활동을 기획하고 실행할지 기대됩니다." "데이터화하기 위해 필요한 제반 논의들을 오신 분들과 여러 관점에서 나눌 수 있어 의미있었습니다."   짧은 시간이었지만 압축적이고 농도 깊은 이야기가 오갔습니다. 데이터톤에서 나온 이야기들이 기후위기를 당장 해결할 수는 없을 거예요. 하지만 이런 움직임들이 하나의 실마리가 되고, 그 실마리들이 모이다보면 언젠가 의미있는 변화를 만들 수 있게 되지 않을까요? 빠띠는 앞으로도 사회문제 해결의 실마리를 만들고 찾는 데에 ‘데이터’를 적극적으로 활용해보려고 합니다. 우리 사회는 여전히 데이터의 경제적 가치만 높게 평가합니다. 사회문제 관련한 데이터의 생산과 관리는 상대적으로 부족할 수밖에 없지요. 하지만 지속가능 관점에서 바라보면, 데이터의 사회적 가치를 결코 등한시 할 수 없습니다. 그렇기 때문에 데이터톤은 앞으로도 계속됩니다. 다음달에는 어떤 주제로 데이터톤이 열릴까요? 꾸준한 관심과 응원을 부탁드립니다. 또한 시민 여러분의 생생한 삶의 목소리를 언제라도 편히 들려주셨으면 좋겠습니다. 그것 또한 우리 사회를 더 나은 곳으로 만들 수 있는 하나의 데이터가 될 수 있으니까요.

[스터디 노트2] 데이터 액티비즘과 시빅해킹     빠띠는 ‘데이터로 사회문제를 해결하는 시민의 데이터 플랫폼’을 구축하기 위해 다양한 공익데이터 활동을 진행하고 있습니다. 이는 여러 파트너와 이해관계자와 협력하여 만들어가야 하는 중요한 작업입니다. 그렇기에 공익을 위한 데이터 활동이 무엇인지, 그리고 새로운 인공지능 서비스가 끊임없이 등장하는 시대에 왜 사회문제와 관련된 데이터를 논의해야 하는지에 대한 심도 있는 논의가 필요합니다.이러한 취지에서 빠띠는 ‘인공지능 시대, 데이터 액티비즘과 거버넌스'라는 주제로 스터디를 진행하고 있습니다. 이 스터디는 기술과 사회혁신 두 분야에서 연구 및 국제협력 경력을 보유한 김정원 박사의 발제로 총 4회에 걸쳐 진행되며, 데이터와 시민의 역량, 데이터 액티비즘의 개념, 그리고 데이터의 생산, 관리, 공유를 둘러싼 거버넌스 유형 등 국내외 인공지능과 데이터 관련 주요 이슈를 다룹니다. 스터디를 통해 얻은 핵심 내용을 요약하여 더 많은 분들과 나눔으로써 공익데이터 활동에 대한 이해를 넓히고, 사회문제 해결을 위한 데이터 활용의 중요성을 공유하고자 합니다.     네 줄 요약  데이터 액티비즘은 시민 참여를 통해 투명성을 높이는 중요한 방법이다.  시빅 해킹은 정부가 놓친 문제를 해결하기 위해 협력적인 접근을 취한다.  디지털 사회혁신, 데이터 액티비즘, 시빅해킹은 시민력 증진에 기여한다.  집단지능(인공지능+인간지능)은 복잡한 문제 해결의 핵심요소로 주목받고 있다.    데이터 액티비즘(Data Activism)이란?  2000년대 초반 오픈 정부데이터 운동에서 시작되어 공공 데이터를 공유하여 정부 운영의 투명성을 높이려는 활동으로 발전함. 데이터를 수집, 분석, 시각화하여 새로운 사회적, 정치적 이슈를 부각시키고 변화를 추구하는 것으로 정의할 수 있음.  데이터 액티비즘의 핵심은 ‘시민 참여'에 있음.  목표는 1)시민 참여를 촉진해 2)사회적 불평등을 드러내고 3)정치적 변화를 이끌어내는 것이며, 4)오늘날 대규모 데이터 수집에 저항하여 개인의 프라이버시를 보호하기 위한 목적도 있음.  데이터 액티비즘의 사례로는 다음과 같은 것이 있음 세이프캐스트(Safecast, 일본): 후쿠시마 원전 사고 이후, 시민들이 방사능 수치를 측정하고 데이터를 공유하여 공공의 안전을 도모하기 위한 활동 전개. 원자력 찬반이라는 정치적 이분법에서 벗어나 정확한 데이터를 통해 사회적 신뢰를 구축하기 위해 방사능 측정기를 개발하여 시민에게 보급하고, 측정된 데이터를 모아 ‘방사능 지도'를 만들었음.  데이터포블랙라이브스(Data 4 Black Lives): 2만 명이 넘는 과학자 및 활동가로 구성된 네트워크를 통해 흑인들의 삶에 구체적이고 측정가능한 변화를 만들기 위해 데이터를 활용하는 비영리단체로 통계 모델링, 데이터 시각화, 크라우드소싱과 같은 방법으로 편견에 맞서고 시민 참여를 촉진해 데이터와 알고리즘의 차별적 사용에 도전하는 활동을 지원함.  일상 속 그린워싱 데이터: 빠띠의 공익데이터 활동 중 하나로 판매하는 소비재의 친환경성과 그린워싱 의 기준을 직접 데이터를 수집하고 분석하며 더 나은 소비를 위한 ‘그린가이드'를 만들어 봄.     시빅해킹이란?  기술, 데이터, 협력의 방식으로 시민 문제를 해결하는 창의적인 접근법으로 기술적 솔루션과 혁신적 접근을 통해 시민 문제를 해결하고 지역 사회를 개선하는 것을 목표로 함.  시빅해킹의 접근법 정부 책임성과 투명성을 높이기 위해 정부 데이터 활용 시민의 요구를 해결하기 위한 소프트웨어 애플리케이션, 웹사이트, 도구 개발 지역사회 문제에 대한 통찰력을 얻기 위한 데이터 분석 및 시각화 정부 프로세스와 시민 경험 재설계 시민사회 단체, 혁신 조직과 함께 사회적 문제를 데이터 분석과 기술을 활용하여 해결 시빅해킹 사례로는.  코로나19 공적 마스크 공동 대응 활동: 2020년 코로나19 시기 마스크 수급 대란이 발생. 이에 빠띠, 코드코포리아를 포함한 시빅 해커들이 정부에 코로나19 관련 공공 데이터 개방을 요청하고, 마스크 재고를 실시간으로 파악할 수 있도록 하는 ‘공적 마스크 재고 맵 서비스’를 개발. 이후, 재난시 정부의 공공 데이터 개방과 14만건 이상의 데이터 공개 방침을 세우는 데 영향을 미침.    데이터 액티비즘과 시빅 해킹의 차이점은 무엇? 자료 참조: Data Activism; Civic Hacking as data activism and advocacy:A history from publicity to open government data 사회문제를 해결을 위해 정치적 변화를 이끌어내는 활동을 데이터 액티비즘이라고 한다면, 정부가 하지 못하는 서비스 개선을 위해 시민이 직접 나서 협력하는 방식으로 문제를 해결하는 것을 시빅해킹으로 보는 경향. 학자들이 위와 같이 구분해두었지만, 크게 다르지 않은 개념으로 사용하고 있음. 이런 관점에서 접근법에서도 데이터 액티비즘은 정치사회적 위협에 반응하는 행위라고 한다면, 시빅해킹은 불편하거나 해결이 필요한 것을 “이런 것이 필요하니 해주세요.”, “같이 해볼까요?”처럼 자연스러운 협력적 접근이라고 이야기하기도 함.    데이터 액티비즘과 공공은 상호보완적인 관계를 형성 공공의 데이터 수집 및 활용과 데이터 액티비즘은 상호 보완하며 더 큰 공익을 창출할 수 있음. 공공은 데이터 공유에 제한적이거나 복잡한 절차를 요구함. 특정 관점이나 우선순위에 따라 데이터를 수집하고 분석하기 때문에 시민과 시민사회 조직은 이를 보완할 수 있는 다양한 전문 지식과 관점을 제공할 수 있음.  시민은 데이터를 새로운 방식으로 해석하고 활용하여 혁신적인 해결책을 만들어내기도 하며, 공공기관의 데이터 수집 및 분석 과정을 감시하고 투명성을 높임.  공공이 충분히 반영하기 어려운 지역의 특수성을 고려할 수 있으며, 시민주도의 데이터 활동은 새로운 문제가 트렌드에 빠르게 대응할 수 있음.    데이터 액티비즘과 집단 지능의 중요성  현대 사회의 복합적인 문제를 해결하는데 ‘집단 지능'의 활용이 중요해지고 있으며, 기술과 플랫폼, AI의 발전에 따라 더욱 확장된 개념으로 논의되고 있음.  집단지능이 더 주목받는 이유는 오늘날 거대한 문제가 가진 복잡성과 앞으로 어떤 상황으로 이어질지 모르는 불확실성 때문  오늘날 대부분의 문제가 ‘문제의 원인이 A이니 해결책은 B야"처럼 선형적으로 풀릴 수 없는 유형. 여러 원인이 얽혀있고, 그 원인이 전지구적 범위인 경우도 많음(예: 기후위기)  또한 현상이 빠르게 변화하여 그 흐름을 파악하기가 쉽지 않으며, 여러 사회, 정치, 경제적 변수로 인해 어떻게 변화할지 불확싱성이 높아짐.  정책이나 제도적 방법만으로 해결하기가 충분치 않으며, 개인의 생활 양식이나 행동 변화 등 다양한 수준 및 층위의 변화를 요구함. 집단 지능이란, 인공지능과 인간지능을 결합하여 주어진 문제 해결을 위해 다수의 사람들이 다양한 정보, 아이디어와 통찰을 구하는 확장된 역량을 말함. 즉, 인간지능과 인공지능이 가진 다른 특성(예: 인간은 감정을 고려하고 윤리적 판단을 수행, 인공지능은 패턴 발견과 데이터 학습에 강점)을 결합하여 과거 현상의 근본 원인을 파악하고, 다양한 데이터를 모아 복잡한 문제의 맥락을 이해함으로써, 복잡한 문제를 해결할 수 있는 가능성을 높임.   참조자료: The future of minds and machines: how artificial intelligence can enhance collective intelligence 집단지능이 언제 유용한가?  더 정확한 문제 파악 현재 관찰되는 현상과 관련된 데이터를 통해 빠르게 사실과 전체 맥락적 시사점을 파악하여, 복잡한 현상의 이면에 가려진 문제와 근본 원인을 이해할 수 있음.  적용 방법: 다양한 유형의 데이터를 모아 병합하고, 크라우드소싱을 통해 새로운 데이터를 수집하며, AI를 활용해 분석하고 예측  사례: 페타벤카나(PetaBencana), 세이프캐스트(Safecast), 위센스잇(WeSenseit), 우샤히디(Ushahidi) 해결안 도출  문제 해결안 도출이 어려울 때는 시민참여와 다양한 지능을 모아 새로운 접근법을 시도하거나, 다른 곳에서 검증된 해결책을 찾아보거나, 혁신가들에게 인센티브를 제공하여 새로운 방법을 만들도록 하는 접근법이 필요  적용 방법: 최신 연구결과를 검색하고, 유사 문제의 혁신적 해결방법을 시도하며, 시민 코크리에이션 워크샵과 네트워킹을 통해 다양한 분야의 혁신가들과 협업하여 인공지능을 활용한 데이터 분석과 예측모델을 구축 사례: 올아워아이디어스(AllOurIdeas), 블록바이블록(BlockByBlock) 의사결정&행동  사회적 이슈에 대해 다양한 사람들의 의견을 듣고 함께 의사결정을 내리며, 그 결정에 대한 책임을 공유하고 행동을 이행  적용 방법: 다양한 이해관계자들이 모여 숙의, 숙의 후 투표를 통해 우선순위를 결정, 인공지능을 활용해 수집된 데이터와 조사결과 분석, 이슈 전문가와의 Q&A 및 유사한 그룹과의 협업을 통해 문제와 해결안을 모색 사례: 브이타이완(vTaiwan), 루미오(Loomio), 폴리스(pol.is) 모니터링 및 개선  현재 프로젝트나 정책이 의도한 대로 작동하고 있는지 추적하고 싶다면, 여러 사람이 함께 시스템을 모니터링하여 현 상황을 파악하고 개선점을 찾아내야 함.  찾아낸 개선점을 다른 사람들과 공유하여, 프로젝트나 정책이 더 효과적으로 운영되도록 할 수 있음.  적용 방식: 휴먼디엑스닷오알지(HumanDx.org), 퍼블릭랩(PublicLab.org)   데이터 액티비즘과 시빅해킹에 시민은 어떻게 참여할 수 있는가?(시민참여 유형) 참조자료: Palacin-Silva & Possa, J. (2018) Shut up and take my environment data! A study on ICT enabled citizen science practices, participation and challenges  데이터 소비자로서 참여: 데이터 수집 활동에는 참여하지 않지만, 개발된 서비스를 통해 공익 데이터를 활용하는 방식으로 서비스 이용 (예: 무스티카고 Mustikka Go)  데이터 제공자로서 참여: 데이터 수집과 분류에 참여(주니버스 Zooniverse, 픽스마이스트리트 FixMyStreet, 웨이즈 Waze)  협력자로서 참여: 전문가가 주도하는 문제해결 과정을 지지하고 돕는 역할로 전문가가 전체 프로세스와 우선 순위를 정하고 시민들에게 협력을 요청하는 방식. (시민 과학 프로젝트가 대부분 이런 유형)  공동 디자인 역할로서 참여: 과정 기획, 설계, 실행 전 과정에 참여. 시민들이 직접 자신들에게 중요한 문제를 결정하고, 무엇을 해결할지 결정하고, 개발자 및 전문가와 함께 과정을 만들어나감 시민이 직접 문제해결의 주체로 역할: 시민이 직접 나서 문제 해결의 주체를 만들고 해결과정에 적극적으로 나섬(우샤히디 Ushahidi, 세이프캐스트 SafeCast)   데이터 기반 문제 해결에는 다양성이 중요  집단지능을 활용할 때의 원칙을 소개함. 사람과 관점의 다양성이 집단 지능을 향상시킴(다양성이 확보된 그룹이 유사한 관점을 가진 몇몇 전문가 그룹보다 더 나은 해결책을 도출한다는 연구 결과가 있음)  다양성을 위해, 단일한 데이터가 아닌 다양한 맥락과 관점을 포함한 데이터를 수집해 새로운 통찰력을 얻어야 함. 기술이 아닌 시민을 중심으로, 이들이 변화의 주체가 될 수 있도록 데이터 역량 강화에 중점을 둘 것.    디지털 사회혁신, 데이터 액티비즘, 시빅해킹은 시민력을 키우는 디지털 접근법   데이터 분석을 포함해 기술로 복잡한 문제를 해결하려면, 다양한 관점의 데이터와 사람들의 경험 및 지혜가 필요하며, 이것이 공평하게 목소리를 내고 고려될 수 있는 기술 지원이 중요.  현재 데이터, AI, 플랫폼 기술은 시민 참여를 더욱 용이하게 만들며, 공익적인 목적으로 활용되어, 더 많은 문제를 새로운 방식으로 해결할 수 있는 기회를 열고 있음.  시민들, 사회문제를 해결하고자 하는 기업, 자선단체, 비영리단체, 공공은 데이터 액티비즘과 시빅해킹을 통해 해결할 수 있는 문제가 무엇인지 고민하고, 새로운 집단지능의 활용 방식에 대해 생각해봐야 함.  서로 다른 이해관계자들이 협력하기 위한 공간을 만드는데 있어서 공공의 경청과 지원이 중요함.    함께 생각해봐요. 데이터 액티비즘, 시빅해킹, 집단지능은 우리 사회의 어떤 문제를 해결하는데 효과적일까요?  함께 할 수 있는 다양한 이해관계자는 누구이며, 참여와 협력을 어떻게 만들어나갈 수 있을까요?  한 명의 시민으로서 나는 어떤 방식으로 참여할 수 있을까요?    *정리: 박아영 빠띠 협력가(ahyoung@parti.coop)   *본 내용은 김정원 박사(jungwon@spreadi.org)가 진행한 ‘인공지능 시대, 데이터 액티비즘과 거버넌스' 스터디 내용을 바탕으로 작성되었습니다. 

[스터디 노트1] AI 시대의 도전과 데이터 액티비즘     빠띠는 ‘데이터로 사회문제를 해결하는 시민의 데이터 플랫폼’을 구축하기 위해 다양한 공익데이터 활동을 진행하고 있습니다. 이는 여러 파트너와 이해관계자와 협력하여 만들어가야 하는 중요한 작업입니다. 그렇기에 공익을 위한 데이터 활동이 무엇인지, 그리고 새로운 인공지능 서비스가 끊임없이 등장하는 시대에 왜 사회문제와 관련된 데이터를 논의해야 하는지에 대한 심도 있는 논의가 필요합니다.이러한 취지에서 빠띠는 ‘인공지능 시대, 데이터 액티비즘과 거버넌스'라는 주제로 스터디를 진행하고 있습니다. 이 스터디는 기술과 사회혁신 두 분야에서 연구 및 국제협력 경력을 보유한 김정원 박사의 발제로 총 4회에 걸쳐 진행되며, 데이터와 시민의 역량, 데이터 액티비즘의 개념, 그리고 데이터의 생산, 관리, 공유를 둘러싼 거버넌스 유형 등 국내외 인공지능과 데이터 관련 주요 이슈를 다룹니다.스터디를 통해 얻은 핵심 내용을 요약해 더 많은 분들과 나눔으로써 공익데이터 활동에 대한 이해를 넓히고, 사회문제 해결을 위한 데이터 활용의 중요성을 공유하고자 합니다.     네 줄 요약 (데이터 액티비즘 이전에 인공지능과 데이터에 대한 이해 쌓기) AI와 데이터 편향성 문제는 예상보다 사회와 일상에 더 큰 영향을 미치고 있다.  AI 기술이 발전할수록, 사회적 문제 해결과 시민 참여가 더욱 중요해지고 있다.  AI 개발에는 민주적 요소와 함께 디지털 기술 전문가와 일반 시민의 참여가 필요하다.  AI 규제와 정책은 산업의 발전 속도를 따라가지 못하고 있으며, 이에 대한 활발한 사회적 대화가 필요하다.    챗GPT, 오늘날 인공지능 발전 흐름의 집약체  2022년 11월 30일, 오픈AI가 챗GPT를 발표한 이후, 유사 모델이 잇따라 개발되면서 AI 기술 발전이 가속화되고 성능 변화도 뚜렷해짐. AI 기술은 매 3개월 주기로 빠르게 발전하고 있음.  최근 AI 기술은 대부분 생성 AI 알고리즘의 결과물로 데이터가 많을수록 뛰어난 성능을 발휘한다는 점이 중요함(오늘날 데이터의 경제적 가치가 높아지게 된 배경임). 이러한 생성 AI 개발에는 방대한 훈련 데이터와 막대한 컴퓨팅 파워를 요구함.  과거에는 학계가 AI 개발의 중심이었으나, 현재는 민간 기업이 압도적인 비중을 차지하고 있음. AI 모델의 학습 비용이 계속 증가하면서, 투자 자본이 부족한 기업은 경쟁에서 밀려나고 현재 빅테크 기업이 AI 연구와 개발을 주도함.   그래프 출처:  AI Index Report 2024, Stanford Human-centered AI, 2024 데이터와 알고리즘 편향 문제를 파헤치는 콘텐츠 가이드 거대한 해킹(2019): 2016년 미국 대통령 선거 캠페인과 영국 브렉시트 국민투표 캠페인에서 인공지능과 페이스북 데이터가 활용된 캠브리지 애널리티카 사건을 다룬 다큐멘터리. 페이스북은 약 8천 7백만 명의 이용자 개인 데이터를 동의없이 선거 캠페인 전략 회사인 캠브리지 애널리티카에 넘겨주고, 이 데이터를 분석하여 선거에 개입했다는 의혹을 다루고 있음.  소셜딜레마(2020): 실리콘밸리의 유명 소셜미디어 기업에서 일했던 핵심 인력들이 소셜미디어 알고리즘의 위험성과 해악을 고발하는 내용을 다루고 있음. 광고 수익으로 성장하는 IT 기업이 광고 효과를 높이기 위해 이용자의 정보를 어떻게 추출하고, 행동을 유도하는지 보여줌으로써 알고리즘에 저항해야 한다는 메시지를 전달함.    공공 서비스의 디지털 전환: 시민의 권리에 대한 시스템 오류, 그 영향 공공 부문에서 AI 활용이 점차 늘고 있음. 왜 그럴까?  보다 정확한 정보와 예측을 제공하여 더 나은 결과를 도출(예: 기후변화 예측, 응급 서비스 수요 예측, 교통량 예측 등)  어려운 사회 문제에 대한 해결책 제시(예: 기후테크) 맞춤형 공공 서비스 제공이 가능(예: 맞춤형 복지 및 교육 서비스 연계)  반복적이고 시간이 많이 소요되는 작업의 자동화를 통한 효율성 개선  생산성과 효율성을 위해 공공 서비스를 점차 디지털로 전환하고 있음.  알고리즘이 중립적이고 무결할 것이라는 일반적이 인식이 있으나, 이에 대해 문제 의식을 갖게 하는 ‘대학입시’ 관련 사례가 영국에서 일어남.  [케이스 스터디]알고리즘이 대학입시를 결정한다고?! 2020년 코로나19로 영국 대학입시(A-Level)가 취소됨. 대신 모의고사 점수와 내신 성적으로 대학 입시를 대신하기로 결정하는데, 여러 편차를 보정하고 객관성을 보장하기 위해 개별 교사의 판단이 아닌 정부 입시 기관의 자동 알고리즘을 활용함. 그러나 이 과정에서 많은 학생들이 예측 점수보다 낮은 성적을 받아 합격할 것으로 예상한 대학에서 불합격 통보를 받음. 결과에 대한 재심 요청 후 분석 결과, 성적이 하향 조정된 대부분의 학생이 빈곤 지역에 위치한 학교에 재학 중이며, 이들 학교의 과거 대학 입시 결과가 낮았던 것으로 드러남. 반면, 부유한 지역 사립학교 재학생의 점수는 4.7% 상승해 공정성 문제가 제기됨. 최근 3년간 시험 결과 데이터를 반영해 만들어진 알고리즘 계산이 불공정 시비를 불러오자 교육부는 최종 시험결과 통보 후 4일 만에 결정을 취소하고, 결국 각 교사가 제출한 예측 결과를 대입 최종 결과로 인정하기로 함.  관련 내용 더 보기   사회적 이슈를 초래하는 AI와 저작권, 데이터 편향성  생성형 AI는 차별과 배제를 유발하는 콘텐츠를 생성할 수 있으며, 민감한 정보를 누설하거나 추론할 위험이 있음. 또한, 거짓이나 왜곡된 정보를 생성할 수 있고, 악의적 목적으로 악용될 가능성(예: 딥페이크)도 존재함.  생성형 AI 모델의 활용도가 높아짐에 따라 할루시네이션(Hallucination) 문제, 즉, AI의 결과가 허위일 확률이 존재함(챗GPT-4 3%, 클로드 8.5%, 제미나이 프로 4.8%의 확률이라는 연구 결과, 출처: Economist, 2024년 2월) 일부에서는 데이터셋을 단순한 알고리즘의 원료가 아닌, 특정 가치를 가진 사람들과 그들이 제공한 데이터가 개입할 수 있는 정치적 행위로 간주해야 한다는 주장도 있음. 따라서 어떤 데이터를 입력할지, 그리고 누가 이 결정을 내릴 것인지에 대해 깊이 고민하고 질문해야 함.  또한, AI 연구자나 개발자의 구성과 이로 인한 편향성에 대한 연구가 활발히 진행 중이며, 몇몇 연구에 따르면, AI 학자 및 연구자들 사이의 다양성이 부족하다는 문제가 지적되고 있음.  데이터 자체의 투명성과 사용 과정의 투명성에는 차이가 있다는 것을 인식하고, 원래 의도와 달리 발생할 수 있는 위험에 대한 대응 방안도 필요함.     AI 발전에서 민주화 논의의 필요성 왜 필요한가?  AI는 부정확하거나 편견과 편향성을 포함한 결과를 만들어낼 수 있음.  AI의 의사결정 과정은 블랙박스와 같아, 의사결정의 근거를 설명하기 어려운 경우가 많음. 이로 인해 문제 발생시, 개발자나 시스템 운영자는 결과의 책임을 알고리즘에 전가할 수 있으며, 실제 문제의 근본 원인을 파악하고 해결하는 데 어려움을 겪을 수 있음.  AI 개발자와 연구자는 자신들이 개발한 시스템이 사회에 미치는 영향을 전적으로 이해하기 어려우며, 이로 인해 발생할 수 있는 피해를 사전에 예측하기 어려움.  이러한 맥락에서 AI 발전 과정에서 민주적인 요소를 고려하여 공정하고 투명하며, 사회 전반에 긍정적인 영향을 미치는 방향으로 나아가야 함. 이는 ‘AI 사용', ‘AI 개발', ‘AI 이윤', ‘AI 거버넌스' 측면에서 고려될 수 있음.  출처: Democratisig AI: Multiple Meanings, Goals and Methods, AIES '23: Proceedings of the 2023, Seger, E. et al AI가 사용자 데이터를 활용해 창출한 이익의 공정한 분배 문제도 대두되고 있으며, AI의 영향력이 광범위하게 미치는 만큼, 시민 참여와 책임성 확보의 필요성이 제기되고 있음.  AI 알고리즘의 투명성과 의사결정 과정에 대해 기술 업계뿐만 아니라, 시민과 시민사회의 이해가 요구됨. AI 시스템 개발의 각 단계에서 시민사회의 참여와 모니터링이 중요해지고 있으며, AI 개발 시 이해관계자와 시민 간의 협력, 즉 AI 거버넌스 구축이 필요함.   안전한 AI를 위한 국제사회의 노력 미국 공공기관은 AI의 안전한 사용을 위한 가이드라인을 마련했으며, AI를 잘못 사용했을 경우의 사례가 보도되면서 AI 기술에 대한 사회적 경각심도 높아지고 있음. 2023년 4월에 발표된 EU의 인공지능 법안은 우리나라에서도 주목하고 있음. 이 법안은 AI를 위험도에 따라 4개 카테고리로 나누어 규제하는 내용을 담고 있음. 예를 들어, 가장 위험한 AI는 사용이 금지되고, 고위험 AI는 특정 가이드라인을 준수해야 하는 방식임.  이러한 법안의 제정 차제로도 의미가 있지만, 모호한 표현과 복잡성으로 인해 여전히 논란의 여지가 있으며, 실질적 운영까지 많은 어려움이 따를 것으로 예상됨.  출처: AI법 집행주체는 과기부, 산업진항기관이 윤리감시까지… EU와 한국의 AI 법안 차이점, 힌국일보, 2023년 4월 20일   함께 생각해봐요. AI의 영향력이 확대됨에 따라 새롭게 떠오르는 문제는 무엇이며, 그 문제의 근본 원인은 무엇인가요?  AI와 데이터의 통제권은 누구에게 있을까요?  각국의 AI 규제 움직임은 어떠한가요? 규제 완화가 AI 강국을 만드는 방법일까요? 이 과정에서 시민사회의 역할은 무엇일까요?  데이터와 AI의 안전성과 신뢰성을 지키기 위해 시민이 할 수 있는 일은 무엇일까요?    * 정리: 박아영 빠띠 협력가(ahyoung@parti.coop)  * 본 내용은 김정원 박사(jungwon@spreadi.org)가 진행한 ‘인공지능 시대, 데이터 액티비즘과 거버넌스' 스터디 내용을 바탕으로 작성되었습니다.   

세상엔 수많은 정보가 존재합니다. 하지만 모든 정보를 신뢰할 수 있는 건 아닙니다. 불확실한 정보 속에서 우리는 불안감을 느낍니다. 확실한 근거가 있을 때 비로소 정보를 신뢰할 수 있겠죠. 그렇다면 확인된 근거를 모아서 볼 수 공간이 있다면 어떨까요? 그래서 데이터트러스트는 시민들이 직접 확인된 데이터를 모으고, 모인 데이터를 활용할 수 있는 공간을 구현했습니다. 데이터트러스트에선 누구나 근거 확인이 필요한 정보를 제보하고, 확인된 데이터를 기록할 수 있습니다. 더 많은 시민이 검증이 필요한 정보를 수집하고, 데이터를 확인해 기록한다면 세상은 어떻게 달라질까요? 데이터트러스트에선 이런 궁금증을 바탕으로 시민들이 함께 정보를 찾고, 데이터를 기록하는 데이터 캠페인을 진행했습니다. 첫 번째 데이터 캠페인의 주제는 ‘일본 원전 오염수’였는데요. 3주간에 걸친 시민들의 활동은 어떻게 진행됐을까요? 함께 확인해보시죠. 데이터를 모아 만드는 변화! 첫 번째 데이터 캠페인에선 확인이 필요한 정보를 보다 쉽게 수집할 수 있도록 도와주는 ‘물음표’를 활용했습니다. 물음표는 드래그와 클릭 한 번으로 검증이 필요한 정보를 제보할 수 있는 구글 크롬 확장 프로그램인데요. 누구나 데이터트러스트에서 다운로드 받아 활용하실 수 있습니다. 첫 번째 모임에선 물음표를 활용해 정보를 수집하는 시간을 가졌습니다. 정보 수집에 앞서 이번 캠페인의 진행 과정과 물음표 설치 방법 등을 공유했습니다. 이후 오염수 방류와 관련된 여론조사, 공직자의 발언, 정부 발표 등을 직접 수집했습니다. 첫 번째 모임에선 언론 보도, 유명인의 발언 등 70개의 정보를 함께 수집했습니다. 정보를 수집한 후에는 수집한 정보 중 가장 기억에 남는 정보를 소개하고, 회고를 나눴는데요. “물음표라는 프로그램이 너무 흥미로웠다”, “다음주 팩트체크해볼 시간이 기대된다” 등의 반응이 있었습니다. 두 번째 모임에선 수집했던 정보를 바탕으로 데이터를 찾아 기록하는 활동을 함께 했습니다. 본격적으로 데이터를 찾기 전에 시민팩트체커 그룹 K.F.C.의 멤버들이 오염수 기준 관련 팩트체크 결과물과 작성 과정을 공유했는데요. 정보의 사실관계를 확인하는 과정에서 데이터를 어떻게 찾았는지, 찾은 데이터를 어떻게 활용했는지 등의 노하우를 공유했습니다.  이어서 함께 데이터를 찾아보고, 데이터트러스트 오염수 아카이브에 기록하는 시간을 진행했습니다. 두 번째 모임에선 9개의 데이터를 아카이빙했습니다. 참가자들은 데이터를 찾고 기록하는 과정에서 “자료를 찾는 과정이 어려웠지만 관심있는 주제에 대해서 찾아보니 즐거웠다” 등의 반응이 있었습니다. 세 번째 모임에선 그동안의 과정을 콘텐츠로 정리하는 시간을 가졌습니다. 함께 정보를 수집하고, 수집한 정보를 바탕으로 데이터를 찾아 기록하는 과정을 정리해봤는데요. 각자 정보를 수집하고, 데이터를 찾아 기록하는 과정에서 어떤 생각이 들었는지 등을 공유했습니다. 세 번째 모임에서 정리한 5개의 결과물은 캠페인즈에서도 확인하실 수 있습니다. 일본 원전 오염수 데이터 캠페인 결과물 모아보기! 일본은 원전 오염수 피해자를 어떻게 보호하고 있을까요? 오염수 방류 후 윤석열 대통령은 수산시장에서 이런 말을 했습니다 도쿄전력의 후쿠시마 핵 오염수 처리 계획 오염수 관련 정부 브리핑, 어떻게 소화할 수 있을까? 후쿠시마 오염수 방류 이후, 방사능 수치 검사는 잘 이루어지고 있을까요?   데이터 캠페인에 여러분을 초대합니다 데이터를 바탕으로 한 논의는 다양한 분야로 확장돼야 합니다. 그래서 두 번째 데이터 캠페인을 시작합니다! 두 번째 데이터 캠페인의 주제는 ‘아동/청소년 학대’입니다. 매해 아동 학대 사건이 등장하지만 관심이 쏠린 후 사라집니다. 반면 데이터는 꾸준히 발표되고 있음에도 여러 곳에 분산되어 있어 찾아보기 힘들거나 활용에 제약이 있습니다. 그래서 두 번째 데이터 캠페인에선 아동/청소년 학대와 관련된 정보를 수집하고, 데이터를 찾아 기록하는 과정을 진행합니다. 또한 정보를 수집하고, 데이터를 기록하는 과정과 데이터가 가지고 있는 맥락을 담아 콘텐츠를 작성합니다. 이를 통해 데이터를 바탕으로 한 더 나은, 더 많은 논의가 이뤄지도록 활동합니다. 두 번째 데이터 캠페인은 3회차로 진행되면 첫 번째 모임인 11월 8일(수)을 시작으로 매주 수요일 오후 7시 30분부터 9시까지 진행됩니다. 데이터로 만드는 변화에 함께 하고 싶으시다면 지금 바로 아래 신청 링크를 클릭해주세요! 👉아동/청소년 학대 데이터 캠페인 신청하기!