Home

국가바이오데이터 스테이션과 같이 데이터 생산주체와 소비주체가 동일한 서비스는 서비스 주체가 중심이 되는 일방적 데이터 공급과 활용 촉진 정책으로는 사용자층이 확대되기 어려운 한계가 존재한다. 따라서 서비스 주체에 의한 일방향적 유인책을 보완할 수 있도록 사용자 참여에 의해 데이터 축적 및 활용 활성화가 이루어지도록 하는 유인책 마련이 수반되어야 한다.

데이터 생태계에서의 축적과 활용은 온라인 지식 네트워크의 체제와 동일하다. 온라인 지식 네트워크에서도 본인의 지식을 공유하거나 필요 지식 활용을 꺼려하는 상황이 발생하곤 하는데[4], 이는 지식 공유에 참여하는 상대방을 알지 못하는 것에서 오는 신뢰 문제, 필요 지식만을 취해가는 무임승차 행위에 대한 부정적 인식에서 비롯되는 경우가 많다[5]. 따라서 본 연구에서 목표하고자 하는 데이터 활용 생태계 조성을 위해서는 이를 해결하는 실질적인 노력과 체계 마련이 필요하다.

Nahapiet and Ghoshal[6]은 조직 내 지식공유를 설명하기 위하여 사회적 자본 관점을 제시하고, (1)개인 사이의 구조적인 유대나 관계(구조적 자본 structural capital)가 존재할 때, (2)개인이 공유된 지식을 이해하고 제공할 인지적 능력(인지적 자본 cognitive capital)이 있을 때, (3)개인 간의 유대관계가 강하고 긍정적 성격을 띠고 있을 때(관계적 자본 relational capital) 지식의 통합과 공유는 촉진될 것이라고 주장한 바 있다. 이러한 부분은 데이터 축적과 활용에서도 마찬가지로 적용될 수 있다.

한편 Wasko and Faraj[7]의 연구는 온라인을 통한 조직 외부의 개인간 지식공유 활동을 사회적 자본요인으로만 설명하는 데는 한계가 있으며, 이러한 사회적 자본요인이 개인적 동기요소와 통합되어 설명될 때 더 큰 설명력을 갖는다는 것을 밝혔다. 이 외에도 많은 연구에서 지식 공유활동에 영향을 미치는 다수의 연구가 있으나 이는 사용자를 대상으로 한 설문조사를 통해 지식기여-보상의 영향요인을 실증적으로 분석하여 유의미한 요인을 파악하는 데 초점을 맞추고 있으며 체계의 실질적 설계와는 다소 거리가 있다. 특히 민간 서비스를 대상으로 하여 실질적 보상 연계가 모호한 공공부문으로 일반화하기에는 무리가 있으므로 본 연구에서는 이를 감안하여 설계에 적용할 필요가 있다.

한편 서비스 이용에서의 개인적 동기요인을 부여하는 방법으로 비게임분야에 적용하는 게이미피케이션에 대한 학술적 논의가 있다[8]. 게이미피케이션은 브랜드, 상품, 서비스 등에 도전과 놀이, 성취와 그에 따른 보상 등의 게임 요소를 가미해 고객들이 흥미를 가지고 능동적으로 상품과 서비스를 이용하게 만드는 것으로 현재 많이 활용되고 있는 개념이다[9]. 서비스에 게이미피케이션을 적용한다는 것은 사용자가 서비스 이용 행위를 일종의 게임 속에서 유저들간의 경쟁으로 인식하도록 하여 해당 서비스에 몰입하여 꾸준한 소비가 일어나도록 유도하는 것이다. 온라인 사이트 이용에서 흔히 볼 수 있듯이 방문 횟수, 후기 작성 수, 구매 실적과 같은 고객들의 활동 정도에 따라 포인트를 적립하고, 누적된 점수에 따라 활동 순위나 고객의 등급을 매겨 이에 따른 혜택이나 경품 등을 제공하는 것이 이에 해당한다.

본 연구의 목적인 공공서비스에서의 체계 설계와 관련하여 구유리, 이선민[11]은 공공·정책영역에서 게이미피케이션 활용을 위해 기존 문헌 분석을 통해 6가지 게이미피케이션 요소(도전, 성취, 자기표현, 공동체, 지위, 경쟁)를 도출하였으며 그 과정에서 그들이 속한 사회집단에 대한 이타심과 연대감을 자극하는 공동체 요소가 강조되고 있음을 밝힌 바 있다. 단, 효용성 탐색에 대한 기초 연구인 관계로 사용자 활동 분석을 통한 실제적 보상체계 설계가 다루어지지 않은 점이 있다.

기존 문헌연구를 기반으로 본 서비스의 서비스 활성화 촉진체계 구성 및 설계에 적용할 시사점과 방향성은 다음과 같이 정리할 수 있다.

첫째, 온라인상에서 제3자가 활용할 디지털 제공물(Offering)에 대해서는 데이터 신뢰를 위해 제공자 신분과 역량에 대한 정보를 제공한다.

둘째, 무임승차 행위에 대한 부정적 인식을 차단하기 위해 사용자 유입시 데이터 축적 활동을 유발하는 구조적 장치(데이터 등록의무 등)를 마련한다.

셋째, 제공물을 활용할 사용자가 원 제공자에 대해 질의가 가능한 환경을 제공한다.

넷째, 서비스 게이피케이션을 구현하기 위하여 사용자 활동에 대한 점수를 부여하고 사용자들이 이를 잠재적인 경쟁으로 인식하도록 한다. 사용자 점수에 따른 유형 또는 무형의 보상을 부여하는 방안을 제공한다. 무형의 보상은 공공영역에서 효과적으로 나타나고 있는 공동체 게이미피케이션 요소를 자극하는 방향으로 설계한다.

효과적인 데이터 생태계 선순환을 위한 활용 활성화 개념모형 설계를 위해 체계 수립의 목표 및 효과에 대한 정의를 포함하여 4단계의 분석 절차로 정리하였으며 이는 그림 2와 같다.

Fig. 2. 
Research flow

촉진체계는 데이터 전 주기의 사용자 활동별로 점수를 부여하고, 이를 기반으로 유·무형의 사용자 보상을 제공하는 체계로 정의한다. 이 때 사회적 자본 확보 관점에서 사용자간 신뢰 및 연대를 위한 사용자 인증, 정보교류 환경 및 개인적 동기를 부여하는 보상 체계를 제공하도록 한다.

두 번째로 서비스 내 사용자 활동은 표 1과 같이 데이터 사이클의 주요 흐름에 따라 위계를 나누어 분석하였다. 제시된 활동은 관리자 활동을 제외하고 데이터베이스와 관련한 서비스 내의 모든 활동을 대상으로 분석하였다. 즉 데이터 등록, 검색 및 제3자 활용과 관련하여 발생할 수 있는 모든 사용자 활동을 서비스 구축보고서 및 홈페이지 서비스를 기준으로 파악하여 위계를 구분하였다.

데이터 등록 활동은 이중 가장 많은 비율을 차지한다. 바이오 데이터는 유전체, 분자구조, 생화학분석, 표현형 및 화학 반응 정보 등 연구 분야별로 그 세부 등록형태와 양식이 다르다. 표준 등록 양식상 활동별로 연관된 데이터 유형과 파일크기를 정리하였다.

참고로 표준등록양식은 국가생명연구자원정보센터에서 2020년도에 완성한 연구분야 공통 데이터 표준 7건 및 분야별 표준 44건을 포함한 총 52건의 데이터 표준 등록 양식을 활용하였다[10]. 전체 데이터 표준 분류은 표 2와 같다.

세 번째로 사용자 활동의 계층 구조를 정리하여 그림 3과 같이 도식화하였다. 사용자 활동은 크게 데이터 등록 관련 활동(Data activity), 등록 데이터의 질의 및 피드백을 중심으로 하는 네트워킹 활동(Networking activity), 분석 클러스터 환경에서 데이터 분석을 수행하는 분석활동(Analyzing activity), 시스템 사용상의 피드백 활동, 데이터의 제3자 연구 활용 활동과 관련 세부 활동으로 분류하였다. 단 현재 제공하고 있는 서비스 기능 뿐 아니라 향후 제공할 분석 인프라 활동 및 데이터 제공시 발생할 사용자간 데이터 관련 피드백 등 네트워킹 활동도 포함하였다.

Fig. 3. 
Hierarchy by user activities in data service

마지막으로 세부 활동별 중요도를 판단하여 평점화 작업을 수행하였다. 연구 과정에서 산출되는 데이터를 중심으로 수행하는 해당 활동을 통해 집계되는 연구자 단위의 평점은 연구 활동의 효과성과 파급효과를 측정할 수 있는 대리지표로 작용할 수 있으며 연구집단 내 인정·신뢰의 총합으로 간주할 수 있는 평판점수로 연결할 수 있다. 따라서 연구자가 얻게 되는 인정과 신뢰도 점수의 총합을 사용자 개인별로 매기고 이를 비교·확인하여 동기 부여의 수단으로 삼는다.

점수 부여 기준은 가장 기초적인 활동을 기본 점수로 설정하고 활동별 적정 비례 관계에 따라 배점을 설정하는 것이 핵심이다. 본 연구에서는 활동 중 가장 기본적인 사용자 정보 등록 활동을 기준점(Anchor point)로 정의하여 10점을 부여하고 타 활동 수행시 필요한 물리적 투입시간을 가늠하여 이를 비교한 상대 점수를 기재하는 방법으로 표 3과 같이 기준을 마련하였다.

점수 부여체계는 사용자 활동 데이터가 미비한 상태에서 전문가 판단에 의해 수립하였으므로 향후 사용자 활동 로그 분석을 통해 점수 부여 방식을 재조정하는 것이 필요하다.

획득 점수에 대한 보상체계는 다음과 같이 구성하였다. 유형의 보상은 바이오 데이터 분석에 필요한 초고성능컴퓨팅 계산자원을 제공하는 혜택과 연결한다. 바이오데이터 스테이션 사업을 통해 구축한 바이오 빅데이터 분석용 컴퓨팅 인프라(19노드/1노드당 CPU 128 core, GPU A100 40GB) 계산자원 배분시 일정 기준 이상의 사용자 활동 점수를 획득한 사용자에게는 가점을 부여한다. 향후 사용자 활동 점수체계가 활성화되면 축적된 점수는 계산자원 노드시간으로 전환, 활용하는 방식도 고려할 수 있다. 무형의 보상은 사용자 활동유형별로 사용자 배지를 단계별로 획득하도록 하고 점수 축적에 따라 사용자 등급이 높아지도록 제공한다.

데이터 공유 및 데이터의 제3자 활용에 따라 축적되는 사용자 활동 점수는 연구활동의 활성화 정도 및 학술적 신뢰도를 나타내는 평판점수(Reputation score)화 되어 게이미피케이션의 소속감 고양 및 커뮤니티 인정 욕구의 충족으로 연결될 수 있다. 이상의 내용을 종합한 프레임워크를 개념도로 나타내면 그림 4와 같이 나타낼 수 있을 것이다.

Fig. 4. 
Conceptual framework of data sharing and reward