2027–2030 교육과정 개편 · 전공별 사전자료
현재 운영 중인 교과목을 학생이 이해하기 쉬운 모듈 체계로 재구성하는 것이 이번 개편의 핵심입니다. 기준 충족은 4/9 에서 6/9 로 올라갑니다.
「미래형 융복합교육 2.0 기반 전주기 교육 실행체계 구축」
교과목을 나열하는 방식에서 벗어나, 진로와 연결된 모듈 단위로 묶어 「이 묶음을 들으면 무엇을 할 수 있다」를 학생이 알 수 있게 합니다.
전공 개요·교육목표·차별성에 적어 둔 내용이 실제 교과목으로 구현되어 있는지 확인하고, 어긋난 곳을 이번에 맞춥니다.
바이오·헬스케어(Bio)와 AI 전환(AX)이라는 대학의 방향이 전공 교육과정에 실제로 드러나도록 합니다.
교육과정 편성에서 끝나지 않고 운영·성과관리까지 이어지는 체계를 갖춥니다.
개편 전 — 현행 교육과정 기준
4 / 9 충족
| 기준 | 요구 | 현재 | 판정 |
|---|---|---|---|
| 모듈 수 | 4~8개 | 7개 | 충족 |
| 모듈당 과목 수 | 4~5과목 | A 4 · B 6 · C 7 · D 6 · E 5 · F 5 · G 10 | 미충족 |
| 모듈 학점 | 12학점 이상 | 미달 6개 | 미충족 |
| 교과목 총수 | 40개 이내 | 29개 · 87학점 | 충족 |
| 전공필수 | 3~4개 | 0개 | 미충족 |
| 모듈마다 대표 교과목 1개 | 모듈당 1개 | 미지정 7개 | 미충족 |
| Bio Core · Bio | 각 1개 이상 | Bio Core 1 · Bio Plus 3 · AX 7 | 충족 |
| Ⅰ-1 전공능력과 모듈 전 | 전부 일치 | 일치 | 충족 |
| 모든 교과목이 하나의 모듈 | 전부 편성 | 미편성 3개 | 미충족 |
교과목을 진로와 연결된 8개 모듈로 묶었습니다
| 모듈 | 연결 진로 | 이 묶음을 들으면 | 대표교과목 | 과목 | 유형 |
|---|---|---|---|---|---|
| A 데이터·AI기초 | 데이터 분석가 | 데이터 수집·처리·기초분석 | 보건의료빅데이터론 | 3 | AI 전환 |
| B 의료데이터 | 의료정보 전문가 | 의료데이터 이해·윤리·표준화 | 보건의료정보학 | 4 | 바이오 핵심 |
| C 데이터사이언스 | 데이터 엔지니어 | 데이터베이스·시각화·분석기초 | 데이터사이언스개론 | 5 | AI 전환 |
| D 의료AI | AI 모델 개발자 | 머신러닝·모델응용·SW융합 | AI를위한수학 | 5 | 기본 |
| E AI심리 | AI 기초연구자 | AI 기본 개념·응용 이해 | AI기초 | 1 | AI 전환 |
| F 헬스케어 | 헬스케어 프로젝트 리더 | 헬스케어 데이터 응용·실무 | 보건의료데이터분석 | 3 | 기본 |
| G 제약바이오 | 바이오 데이터 분석가 | 생명과학 기초·임상·오믹스분석 | R프로그래밍기초 | 5 | 기본 |
| H 응용분석 | 비즈니스·응용분석가 | 고급분석·비즈니스 인사이트 | 고급데이터분석 | 3 | 기본 |
개편 전
29과목
모듈 7개
개편 후
29과목
모듈 8개 · 87학점 · 그대로
전공필수 4과목 — 데이터사이언스개론 · AI기초 · 보건의료정보학 · 캡스톤디자인
모듈 재편에 맞추어 다시 쓴 Ⅰ-1 기본정보
| 전공 개요 | AI와 의료·바이오 데이터를 융합하여 의료 현장과 산업에서 활용 가능한 데이터 분석 및 AI 응용 역량을 기르는 전공이다. 모듈 재편을 통해 데이터·AI 기초부터 의료·제약·헬스케어 응용까지 체계적 학습 경로를 제공한다. |
|---|---|
| 진로 분야 | 의료데이터 분석, 바이오데이터 분석, 헬스케어 데이터 프로젝트 리더 등 |
| 교육목표 | 1) 의료·바이오 데이터의 특성을 이해하고 수집·처리·분석 역량을 갖춘다. 2) 머신러닝·AI 기법을 의료문제에 적용할 수 있는 실무 능력을 배양한다. 3) 윤리·보안·현장 프로젝트를 통해 실무형 문제해결 능력을 갖춘다. |
| 차별성 | 모듈 재편과 특성화 태그(AX/Bio Core/Bio Plus)를 통해 헬스케어·바이오 연계 교육과 현장형 프로젝트 중심의 차별화된 교육과정을 제공함. |
진로 3개 — 모듈과 하나씩 짝을 이룹니다
| 진로 | 하는 일 | 왜 지금 필요한가 |
|---|---|---|
| 의료데이터 분석가 | 의료기관의 데이터 수집·정제·분석을 수행하고 결과를 보고하여 진료·운영 개선에 기여함 | 정기적 수요가 예상됨 (디지털 전환 확산) |
| 바이오데이터 분석가 | 유전체·임상·약물 데이터 분석을 통해 연구·신약개발을 지원함 | 정밀의료 및 제약 산업 성장으로 수요 증가 |
| 헬스케어 데이터 프로젝트 리더 | 현장 캡스톤·산학 프로젝트를 기획·운영하고 성과를 산출함 | 산학협력 프로젝트 및 기관 연계 수요 확대 |
확정안 기준 — 위 개편 내용을 반영한 결과
6 / 9 충족
| 기준 | 요구 | 현재 | 판정 |
|---|---|---|---|
| 모듈 수 | 4~8개 | 8개 | 충족 |
| 모듈당 과목 수 | 4~5과목 | A 3 · B 4 · C 5 · D 5 · E 1 · F 3 · G 5 · H 3 | 미충족 |
| 모듈 학점 | 12학점 이상 | 미달 4개 | 미충족 |
| 교과목 총수 | 40개 이내 | 29개 · 87학점 | 충족 |
| 전공필수 | 3~4개 | 4개 (데이터사이언스개론, AI기초, 보건의료정보학, 캡스톤디자인) | 충족 |
| 모듈마다 대표 교과목 1개 | 모듈당 1개 | 전 모듈 지정 | 충족 |
| Bio Core · Bio | 각 1개 이상 | Bio Core 1 · Bio Plus 0 · AX 3 | 미충족 |
| Ⅰ-1 전공능력과 모듈 전 | 전부 일치 | 일치 | 충족 |
| 모든 교과목이 하나의 모듈 | 전부 편성 | 전부 편성 | 충족 |
제출 전에 판단이 필요한 3개 항목
미달 A(3), E(1), F(3), H(3) — 교과목을 채우거나 나노디그리로 돌려야 합니다.
A(9학점), E(3학점), F(9학점), H(9학점)
Bio Plus 없음 — 태그를 올리거나 사유를 적어야 합니다.
생성 과정에서 남긴 알림
G 모듈 대표 교과목(데이터사이언스개론)이 구성에 없어 첫 과목으로 바꿨습니다.
바이오 태그가 없어 B 의료데이터 모듈에 Bio Core 를 부여했습니다 (헬스케어 성격 교과 5과목).
특성화 유형 미충족: Bio Plus (각 1개 이상이 원칙) — 태그 상향 또는 종합의견에 사유 기재가 필요합니다.
Ⅰ-1 전공능력 체계에 없는 모듈 전공능력 8건: A 데이터·AI기초 — 데이터 수집·처리·기초분석 / B 의료데이터 — 의료데이터 이해·윤리·표준화 / C 데이터사이언스 — 데이터베이스·시각화·분석기초 / D 의료AI — 머신러닝·모델응용·SW융합 / E AI심리 — AI 기본 개념·응용 이해 / F 헬스케어 — 헬스케어 데이터 응용·실무 / G 제약바이오 — 생명과학 기초·임상·오믹스분석 / H 응용분석 — 고급분석·비즈니스 인사이트 — 앞장(전략)과 뒷장(실행)이 어긋나므로 Ⅰ-1에 함께 반영해야 합니다.
사전자료 마지막 칸에 적어 낼 내용
회의에서 쓰실 파일
채워 넣은 칸은 사전자료에서 모두 빨간 굵은 글씨로 표시됩니다. 그대로 두어도 되고, 고쳐 쓰셔도 됩니다.