45. 박사 과정 입학 설명회에 참석하다
지난주 2020년 10월 15일 서울종합과학대학원 (aSSIST)에서 주최한 박사 과정 입학 설명회에 참석하였습니다. 작년 입학 설명회와 달리 박사 과정에 많은 변화가 있었습니다.
경영학 박사 DBA와 Ph.D의 차이
경영학 박사는 DBA와 Ph.D 가 있습니다. DBA는 Doctor of Business Administration의 약자로 MBA의 상위 과정이자 실무형 경영학 박사입니다. Ph.D는 Doctor of Philosophy의 약자로 학자형 경영학 박사입니다. DBA는 자신의 경력관리와 더 나은 연봉을 위해 실무자들이 밟는 과정이고, Ph.D는 경영학이라는 연구와 교육을 위해 학자들이 밟는 과정입니다. Ph.D는 주로 청년들이 풀타임으로 배우는 과정이고, DBA는 직장인들이 파트타임으로 배우는 과정입니다. DBA 학비는 Ph.D에 비해 상대적으로 비쌉니다. 한국은 DBA와 Ph.D를 모두 경영학 박사라고 부릅니다.
박사는 독자적으로 학계가 인정하는 방법론으로 체계적인 연구가 가능한 사람입니다. 학술적인 토대 위에 자신의 경험과 노하우를 체계적으로 정리하고 싶은 사람들에게 박사라는 타이틀은 매력적입니다. aSSIST의 김문수 교수는 박사를 이렇게 정의합니다. "박사는 지식의 소비자가 아니라 지식의 생산자가 되는 것입니다."
박사는 지식의 소비자에서 지식의 생산자로 전환하는 것
aSSIST의 박사 현황
서울종합과학대학원 aSSIST는 2020년 기준으로 박사 졸업생 210명이고 현재 82명이 재학 중입니다. 박사 과정을 시작하는 학생들의 평균 경력은 20년 나이는 48세입니다.
서울종합과학대학원은 직장인들을 위해 박사 과정 수업을 주말 토요일과 일요일 격주로 진행합니다. 2년의 박사 과정 코스워크 마치면 박사 과정 수료가 되고, 졸업 요건을 갖추면 정식으로 박사가 됩니다. 대학원은 2020년 2월 16명, 2020년 8월 12명의 박사 졸업생을 배출하였고, 매년 30여 명의 박사 졸업생을 배출합니다.
졸업 요건은 등재지, 국제저널, 등재 후보지, SSCI, SCI, SCOUS 등에 논문을 등재해야 합니다. 논문의 등급에 따라 3편 또는 2편의 등재가 필수입니다. 그리고, 학교에서 진행하는 논문 심사를 통과해야 합니다. 최근 등재 논문 실적이 가파르게 증가하면서 졸업생의 수도 증가하고 있습니다.
서울종학과학대학교는 경영학 전반을 다루고 각자의 경험에 맞게 세부 전공을 선택합니다. 세부 전공은 제한이 거의 없고 기술 경영, 경영전략, 재무회계, 마케팅, 영업, 경영 일반, 인사 조직 등을 선택합니다. 만일 입학생이 선택한 전공을 지도할 교수가 없을 경우 입학생이 타대학의 교수를 지도 교수로 선택할 수 있습니다.
경영학에 인공지능과 머신러닝을 더하다
서울 종합과학대학원은 경영학 과정에 인공지능과 머신러닝 (AI/ML)을 접목하였습니다. 작년까지 경영학 분야에 일반 통계적 방법론을 주로 가르쳤다면, 올해부터는 커리큘럼을 대폭 변경하였습니다. 학생들은 기존 수업 또는 AI/ML을 접목하여 경영학 과목을 가르칩니다. 오늘날 기업이 겪고 있는 문제점을 데이터에 기반한 경영이론을 접목합니다. 서울종합과학대학원의 경영학 박사과정은 인공지능과 머신러닝 방법론을 적극 활용할 수 있는 인재를 양성합니다.
얼마 전 뉴스와이어 기사에 "aSSIST 경영대학원, AI 대학원으로 탈바꿈.."석박사 과정 AI 과목 강화"기사가 실렸습니다. :"경영학 박사 과정은 AI 기반 연구방법론을 전면 도입하고 고급 통계 분석, 데이터 마이닝, 머신러닝, 딥러닝 등 최신 데이터 과학을 심도 있게 다룬다. 더불어 코로나 19 등 실제 사회과학 문제를 AI 기반으로 풀어내는 연구와 인재을 집중적으로 육성한다. 고 발표했습니다.
박사과정 코스워크는 두 가지 트랙으로 진행합니다. AI / ML을 중심으로 한 커리큘럼과 경영 통계학을 중심으로 한 커리큘럽입니다. 현재 모든 강의는 녹화를 하기 때문에 학생이 노력만 한다면 두 개의 트랙을 모두 들을 수 있습니다.
요즘 스탠퍼드 대학에서 강의한 '앤드류 응의 머신러닝'을 코세라에서 온라인으로 공부하고 있습니다. 이미 사람들은 인공지능과 머신러닝 기술을 매일 셀 수 없을 만큼 활용하고 있지만, 실제로 느끼지 못하고 있습니다. 서울종합과학대학원은 다른 경영 대학원보다 빠르게 시대의 변화를 발 빠르게 대응하고 있습니다. 이 대학원 박사 과정의 특징은 한마디로 경영학과 머신러닝의 만남입니다.
aSSIT 경영학 박사과정의 특징은 경영학과 머신러닝의 만남이다
경영학에 머신러닝이 필요한 이유
서울종합과학대학원(aSSIST)의 박사과정 주임교수인 김문수 교수는 경영학과 머신러닝이 필요한 이유를 몇 가지 사례로 이야기합니다. "수출경기 환율 변동까지 한은 경제전망 때 AI 활용"이라는 2020년 9월 2일 매일경제 기사에서 '딥러닝을 활용한 거시경제 및 금융 변수의 분석 및 예측'이라는 논문을 인용하였습니다. '딥러닝'이라는 키워드는 머신러닝의 한 분야입니다. 딥러닝을 모르면 이 경영학 논문을 이해할 수 없습니다. 또한 "고빈도 자료를 이용한 머신러닝 모형의 예측력 비교 분석 : KOSPI200 선물 시장을 중심으로"라는 논문은 새로운 정보가 시장에 유입되는 시점을 기준으로 머신러닝 모델의 예측력이 데이터가 많을수록 더욱 향상된다고 설명합니다. 이것은 '머신러닝'을 활용한 논문입니다. 또 다른 예를 "국민청원 주제 분석 및 딥러닝 기반 답변 가능 청원 예측"이라는 논문은 청와대의 국민 청원 사이트의 국민 청원 주제를 분석하고 딥러닝을 활용하여 답변 가능한 청원을 예측하는 모델을 제시하였습니다. 이 논문은 주제 분석, 토픽 모델링, K-means 클러스터링, 딥러닝 등의 기법을 활용하였습니다. 즉, 최신 논문은 머신러닝의 이해 없이 쓸 수 없습니다.
최신 논문은 머신러닝의 이해 없이 한 줄도 쓸 수 없다
박사 학위를 위한 논문은 어떻게 만들어지는가?
박사 학위는 코스워크를 공부한 후 논문을 통과해야 받을 수 있습니다. 논문을 쓰는 과정을 간단한 게 도식화합니다. 자신의 경험과 사고를 바탕으로 가설(hypothesis)을 설정합니다. 가설을 검증하기 위해 표본을 만들고 테스트를 합니다.
통계적으로 가설을 검증하려면 귀무가설(Null Hypothesis)과 대립 가설(Alternative Hypothesis)을 설정해야 합니다. 귀무가설은 모집단의 특성에 대해 옳다고 제안하는 잠정적인 주장입니다. 예를 들어, 고등학생 남자의 평균 키는 180cm라는 주장을 통계적으로 검증한다고 할 때 귀무가설은 '고등학생 남자의 평균 키는 180cm이다'입니다. 귀무가설은 새로운 진리가 있다는 것을 주장하는 것이 목적입니다. 우연한 현상이 아니라 유의미한 확률을 가진 현상이라고 주장하는 것입니다.
대립 가설은 귀무가설이 거짓이라면 대안으로 참이 되는 가설입니다. 즉, 귀무가설이 거짓일 경우에 대안으로 선택할 수 있는 가설입니다. 예를 들면, 대립 가설은 '고등학교 남자의 평균 키는 180cm가 아니다'입니다.
이렇게 귀무가설과 대립 가설을 세운 후 수집한 모집단의 데이터를 바탕으로 가설을 검증합니다. 따라서, 귀무가설은 항상 오류의 가능성을 가지고 있습니다. 표본의 선택에 따라 결과는 참 또는 거짓일 수 있습니다. 경우에 따라 귀무가설이 참이라고 가정할 때 표본으로부터 얻어지는 통계치가 나타날 확률이 필요하기도 합니다.
서울종합과학대학원은 커리큘럼에서 통계와 머신러닝을 강조하는 이유는 논문을 작성할 때 귀무가설과 대립 가설을 설정하고 통계적으로 검증하는 것이 가장 일반적이기 때문입니다. 좋은 논문은 좋은 가설에서 시작합니다.
직장인에게 박사 과정은 필요할까?
MBA 석사를 졸업한 후부터 계속 마음속에 남아있는 질문은 하나입니다. 직장인에게 박사 과정은 필요한 것일까? 박사 과정 입학생들의 평균 나이는 48세이고 졸업할 경우 50세가 훌쩍 넘습니다. 무엇인가를 새로 시작하기보다는 지금까지 해온 것을 더 잘할 수 있도록 유지하는 것이 필요한 나이입니다. 그리고, 직장에서 은퇴할 시기가 눈앞에 다가오는 나이기도 합니다.
인공지능 및 머신러닝 전공 경영학 박사라는 타이틀이 은퇴를 늦쳐줄 수 있을지도 모릅니다. 인공지능 및 머신러닝 전공 경영학 박사라는 타이틀이 새로운 기회를 줄 수 있을지도 모릅니다. 하지만, 가능성보다 불확실성이 너무 높은 도전입니다. MBA 경영학 석사는 대부분 졸업하지만, 박사의 졸업생 비율은 낮습니다. 졸업을 하더라도 MBA 석사를 취득하고 얻는 허전함을 그대로 가질 것입니다.
단순히 지식의 갈증과 지식의 최전방에서 무엇을 찾고자 하는 학문적 호기심으로 도전하기에는 큰 도전입니다. 다시 학비가 고스란히 빚으로 남을 확률이 높습니다. 그래도 이런 고민이 자신을 성장시킨다고 믿습니다.
