학습 목표
•
FAIR 원칙의 4개 범주와 15개 세부 원칙을 기록정보서비스에 적용할 수 있다.
•
FAIR와 CARE 원칙의 긴장과 상보성을 이해한다.
•
공공데이터 개방·API 제공 등 '데이터로서의 기록' 서비스 전략을 수립한다.
1. FAIR 원칙 개관
FAIR는 2016년 윌킨슨(Wilkinson) 등이 제안한 데이터 관리·스튜어드십 원칙으로, 데이터가 인간과 기계 모두에게 찾을 수 있고(Findable), 접근 가능하고(Accessible), 상호운용되며(Interoperable), 재사용 가능(Reusable)해야 함을 15개 세부 원칙으로 제시한다[1].
•
F: 전역 고유·영구 식별자(PID) 부여, 풍부한 메타데이터, 검색 가능한 저장소 등록
•
A: 표준화된 개방형 프로토콜로 접근, 데이터가 사라져도 메타데이터는 유지
•
I: 형식적·공유된 지식표현 언어 사용, FAIR한 어휘 사용, 다른 (메타)데이터로의 정성적 참조
•
R: 풍부한 속성 기술, 명확한 이용 라이선스, 상세한 출처(provenance), 커뮤니티 표준 준수
주의할 점: FAIR는 '무조건 개방(open)'이 아니다. "닫혀 있더라도 접근 절차가 투명하면" A를 충족할 수 있다. 이는 비공개 기록이 많은 아카이브에 중요한 함의를 갖는다 — 메타데이터는 공개하되 원문 접근은 통제하는 설계가 FAIR와 양립한다[2].
2. 아카이브에 적용하기
아카이브는 오래전부터 FAIR의 상당 부분(출처 기술, 표준 메타데이터)을 실천해 왔다[3]. 그러나 다음 영역은 과제로 남아 있다.
1.
영구 식별자: 기술 단위·디지털 사본에 대한 PID(DOI, ARK 등) 부여와 인용 지원
2.
기계가독 메타데이터: 검색도구를 PDF가 아닌 구조화 데이터(EAD·RiC-O RDF·CSV)로 개방
3.
API: 목록·원문에 대한 공개 API 제공(OAI-PMH, IIIF, REST/SPARQL)
4.
라이선스 명시: KOGL·CC 표시로 재사용 조건을 기계가독형으로 제공
5.
데이터로서의 컬렉션(collections as data): 연구자가 대량 분석(텍스트마이닝, AI 학습)에 쓸 수 있는 데이터셋 단위 제공
한국의 「공공데이터의 제공 및 이용 활성화에 관한 법률」과 공공데이터포털은 기록 메타데이터 개방의 제도적 기반이며, 국가기록원 목록 데이터 등이 개방 대상이 되어 왔다.
3. FAIR의 균형추: CARE 원칙
CARE(Collective benefit, Authority to control, Responsibility, Ethics)는 선주민 데이터 거버넌스를 위해 제안된 원칙으로, 데이터 개방이 공동체에 미치는 영향과 통제 권한을 강조한다[4]. 식민지 기록, 소수자·피해자 관련 기록의 데이터화에서 FAIR(개방·재사용)와 CARE(맥락·통제)는 긴장 관계에 놓일 수 있으며, 두 원칙의 통합적 적용(FAIR+CARE)이 국제적 논의 방향이다. 7주의 프라이버시 논의가 개인 수준이라면, CARE는 공동체 수준의 윤리다.
4. 실습: FAIR 자가진단
각자 선정한 아카이브의 서비스에 대해 15개 세부 원칙 체크리스트로 FAIR 성숙도를 진단하고, 우선 개선 과제 3가지를 도출한다. 이 결과는 12~13주 프로토타입의 데이터 계획에 반영한다.
토론 질문
•
"메타데이터 개방, 원문 통제" 전략은 알권리와 프라이버시의 균형점이 될 수 있는가?
•
아카이브 데이터가 AI 학습에 쓰이는 것은 FAIR의 성공인가, 새로운 윤리 문제의 시작인가?
수업 운영 (3시간)
교시 | 내용 |
1교시 (75분) | 강의: FAIR 15원칙, 아카이브 적용, CARE와의 긴장 |
2교시 (50분) | 문헌 발표 2편 + 토론 |
3교시 (50분) | 실습: FAIR 자가진단 워크숍 (과제 4 시작점) |
발표 문헌
1.
Mark D. Wilkinson et al., "The FAIR Guiding Principles for Scientific Data Management and Stewardship," Scientific Data 3 (2016): 160018.
2.
Stephanie Russo Carroll et al., "The CARE Principles for Indigenous Data Governance," Data Science Journal 19 (2020).
실습: FAIR 자가진단 워크숍
1.
팀별로 프로토타입 대상 아카이브(8주 기획안 기준)를 선정한다.
2.
15개 세부 원칙을 3점 척도(충족/부분/미충족)로 진단하고 근거(URL, 스크린샷)를 기록한다. 특히 확인할 것: 영구 식별자 유무, 메타데이터 다운로드/API 제공 여부, 라이선스(KOGL) 표시, 기계가독 형식.
3.
우선 개선 과제 3개를 고르고, 그중 1개를 12~13주 프로토타입의 데이터 계획으로 연결한다(예: 공개 메타데이터 CSV를 정제해 사용).
4.
팀별 3분 공유 후, 개인 과제 4(A4 5쪽)로 발전시켜 다음 주 제출.
각주
[1] Mark D. Wilkinson et al., "The FAIR Guiding Principles for Scientific Data Management and Stewardship," Scientific Data 3 (2016): 160018.
[2] FAIR의 A 원칙은 "필요 시 인증·인가 절차를 거친 접근"을 허용한다. GO FAIR, "FAIR Principles" 해설 참조.
[3] CESSDA Data Archiving Guide 등은 아카이브가 FAIR 생태계에서 발견성·접근성을 담보하는 핵심 기관임을 강조한다.
[4] Stephanie Russo Carroll et al., "The CARE Principles for Indigenous Data Governance," Data Science Journal 19 (2020); FAIR+CARE 통합 실무 논의는 Alexandria Archive Institute의 "Advancing FAIR+CARE Practices in Cultural Heritage" 프로젝트 참조.