헬스케어융합대학 · 「’27–’30 교육과정 개발」 전공별 사전자료

AI의료데이터학전공 개편 의사결정 시트

기존 교육과정은 최대한 그대로 유지하고, 제출 양식상 비어 있는 항목과 전공 비전·교육목표와 어긋나는 부분만 골라 개선안을 제시했습니다. 각 항목은 채택 · 수정 채택 · 보류 · 미채택 · 직접 제안 중에서 고르시고, 제시안이 맞지 않으면 직접 제안에 원하시는 안을 적어 주십시오. 입력은 자동 저장됩니다.

교과목 29개 · 87학점 모듈 7개 의사결정 29건 제출기한 2026.08.25(화)
AI의료데이터학전공 개편안 회의자료

먼저 읽어 보십시오

AI의료데이터학전공 개편안 회의자료

무엇을 왜 바꾸는지, 지금 기준을 얼마나 지키는지 쉬운 말로 정리했습니다. 회의에 쓰실 수 있게 인쇄하거나 PDF 로 저장하실 수 있습니다.

회의자료 열기 →
응답 29 / 29 자동 저장

왜 바꾸는가 · 무엇을 지켜야 하는가

AI교육혁신원 배포 기준

AI교육혁신원이 「미래형 융복합교육 2.0 기반 전주기 교육 실행체계 구축」으로 내려보낸 개편 취지와, 전공별 사전자료가 지켜야 할 기준입니다. 아래 표는 AI의료데이터학전공의 확정안이 각 기준을 지키고 있는지 기계적으로 따진 결과입니다.

1
학생이 이수 경로를 스스로 찾을 수 있게

교과목을 나열하는 방식에서 벗어나, 진로와 연결된 모듈 단위로 묶어 "이 묶음을 들으면 무엇을 할 수 있다"를 학생이 알 수 있게 합니다.

2
선언과 실행을 일치시키기

전공 개요·교육목표·차별성에 적어 둔 내용이 실제 교과목으로 구현되어 있는지 확인하고, 어긋난 곳을 이번에 맞춥니다.

3
대학 특성화와 잇기

바이오·헬스케어(Bio)와 AI 전환(AX)이라는 대학의 방향이 전공 교육과정에 실제로 드러나도록 합니다.

4
전주기 실행체계로

교육과정 편성에서 끝나지 않고 운영·성과관리까지 이어지는 체계를 갖춥니다.

충족 7 미충족 2
영역원칙기준현재 안판정
모듈 전공당 모듈 4~8개 4~8개 5개 충족
모듈 모듈당 교과목 4~5개 초과 C(6), D(6), E(7) — 5과목 초과는 1개까지만 허용됩니다. 4~5과목 A 5 · B 5 · C 6 · D 6 · E 7 미충족
모듈 모듈당 12학점 이상 12학점 이상 전 모듈 충족 충족
교과목 전공 교과목 40개 이내 (권장 25~30) 40개 이내 29개 · 87학점 충족
교과목 전공필수 3~4개 3~4개 4개 (데이터사이언스개론, AI기초, 보건의료정보학, 캡스톤디자인) 충족
교과목 모듈마다 대표 교과목 1개 모듈당 1개 전 모듈 지정 충족
특성화 Bio Core · Bio Plus · AX 각 1개 이상 Bio Plus 없음 — 태그를 올리거나 사유를 적어야 합니다. 각 1개 이상 Bio Core 1 · Bio Plus 0 · AX 2 미충족
정합성 Ⅰ-1 전공능력과 모듈 전공능력이 같아야 함 전부 일치 일치 충족
정합성 모든 교과목이 하나의 모듈에 속해야 함 전부 편성 전부 편성 충족

‘미충족’ 항목은 아래 검토 항목에서 하나씩 결정하시면 됩니다. 권장 범위를 벗어나더라도 전공 사정에 따른 사유를 종합의견에 적어 두시면 예외 적용을 요청할 수 있습니다.

1부 · 양식상 비어 있는 필수 항목

채워야 제출 가능

현행 교육과정에 아예 존재하지 않는 정보입니다. 기존 교과목은 건드리지 않고 표기만 추가합니다.

D1

전공필수 교과목 4개 지정

운영 기준상 3~4개 지정 필요 · 현행 자료에 전공필수 표시 없음

전공필수 교과목은 전체 전공 교과목 가운데 3~4개로 지정하는 것이 원칙입니다. 교육목표의 주요 영역과 대학 특성화 방향(Bio·AX)을 대표하는 교과목 및 졸업 성과물을 산출하는 교과목을 중심으로 선정하였습니다.

현행

  • 전공필수 교과목 미지정(모든 교과목이 전공선택으로 편성)

개선안

  • AI기초 (2학년) — 전공 입문·기초
  • 데이터사이언스개론 (2학년) — 전공 입문·기초
  • 보건의료정보학 (3학년) — 특성화 진입
  • 캡스톤디자인 (4학년) — 졸업 산출물

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D2

모듈별 대표 교과목 지정

모듈당 1개 이상 지정 필요 · 현행 지정 없음

모듈의 학습 방향, 연계 진로 및 특성화 유형을 대표하는 교과목을 모듈마다 1개씩 지정해야 합니다. 다음 결과는 모듈명과 교과목명의 연관성, 학년별 위계 및 진로 연계성을 기준으로 자동 선정한 것입니다.

현행

  • 대표 교과목 미지정

개선안

  • A 데이터분석코어 → 보건의료빅데이터론
  • B 의료데이터 → 보건의료정보학
  • C 데이터사이언스 → 데이터사이언스개론
  • D 의료AI모듈 → AI를위한수학
  • E AI심리모듈 → AI기초
  • F 헬스케어데이터 → 보건의료데이터분석
  • G 제약·바이오데이터 모듈 → 데이터사이언스개론

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D3

특성화 유형 지정(Base / Bio Core / Bio Plus / AX)

전공별 Bio Core·Bio Plus·AX 유형을 각각 1개 이상 도출하는 것이 원칙

기존 교과목 구성을 바탕으로 특성화 유형을 지정할 수 있으므로 별도의 교과목 신설 없이 관련 표기만 보완하면 됩니다.

현행

  • 특성화 유형 미지정

개선안

  • A 데이터분석코어 → AX
  • B 의료데이터 → AX + Bio Plus
  • C 데이터사이언스 → AX
  • D 의료AI모듈 → AX + Bio Plus
  • E AI심리모듈 → AX
  • F 헬스케어데이터 → AX + Bio Plus
  • G 제약·바이오데이터 모듈 → AX + Bio Core

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

2부 · 표준 기준에 걸리는 구조 문제

고치지 않으면 반려 소지

KMAC 표준(모듈 4~8개 · 모듈당 4~5과목 12학점 이상 · 교과목 40개 이내)에 어긋나는 지점입니다. 교과목을 없애지 않고 배치만 바꾸는 방향을 우선 제시했습니다.

D4

모듈 규모 기준 충족을 위한 모듈 수 확대

5개 교과목 초과 모듈은 전공당 1개까지만 허용 · 현재 4개 모듈 초과

모듈은 4~5개 교과목과 12~15학점으로 구성하는 것이 원칙이며, 5개 교과목을 초과하는 모듈은 전공당 1개까지만 허용됩니다. 현재 4개 모듈이 이 기준을 초과하여 현행 상태로 제출하기 어렵습니다. 기존 교과목을 유지하면서 모듈 수를 확대하는 방안과 교과목 수를 조정하면서 현행 모듈 수를 유지하는 방안 가운데 하나를 선택해야 합니다.

현행

  • A 데이터분석코어 — 4과목
  • B 의료데이터 — 6과목 ⚠ 초과
  • C 데이터사이언스 — 7과목 ⚠ 초과
  • D 의료AI모듈 — 6과목 ⚠ 초과
  • E AI심리모듈 — 5과목
  • F 헬스케어데이터 — 5과목
  • G 제약·바이오데이터 모듈 — 10과목 ⚠ 초과

개선안

  • 모듈 7개 → 10개로 분리 (기준 4~8개 이내)
  • B 의료데이터(6과목) 분리 검토
  • C 데이터사이언스(7과목) 분리 검토
  • D 의료AI모듈(6과목) 분리 검토
  • G 제약·바이오데이터 모듈(10과목) 분리 검토
  • 대안: 교과목을 7개 → 30개로 감축하여 현행 모듈 수 유지

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D5

의료데이터 모듈(6과목) 분리

전공능력 기준 재배치 · 교과목 폐지 없음

이 모듈에는 전공능력 “의학기초 및 의료정보시스템의 이해”, “의료정보 표준화 및보건의료 데이터 처리”가 함께 연결되어 있습니다. 전공능력을 기준으로 모듈을 구분하면 교과목 수 초과와 교육과정 정합성 문제를 함께 해소할 수 있으며, 기존 교과목은 유지됩니다.

현행

  • 보건역학과질병의이해
  • 보건의료정보학
  • 병태생리와약물치료원리
  • 보건의료데이터분석
  • 의료데이터윤리와보안
  • 의료영상데이터의이해

개선안

  • 신규 모듈 — 의학기초 및 의료정보시스템의 이해 계열
  • 신규 모듈 — 의료정보 표준화 및보건의료 데이터 처리 계열
  • 대안: 해당 모듈에 전공당 1개인 초과 허용 기준을 적용하고 다른 모듈을 분리

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D6

데이터사이언스 모듈(7과목) 분리

전공능력 기준 재배치 · 교과목 폐지 없음

이 모듈에는 전공능력 “데이터 중심 사고능력”, “데이터분석기법이해”가 함께 연결되어 있습니다. 전공능력을 기준으로 모듈을 구분하면 교과목 수 초과와 교육과정 정합성 문제를 함께 해소할 수 있으며, 기존 교과목은 유지됩니다.

현행

  • 데이터베이스와SQL
  • 비즈니스인텔리전스
  • 텍스트마이닝
  • R프로그래밍기초
  • 데이터사이언스개론
  • 데이터시각화
  • 파이썬프로그래밍고급

개선안

  • 신규 모듈 — 데이터 중심 사고능력 계열
  • 신규 모듈 — 데이터분석기법이해 계열
  • 대안: 해당 모듈에 전공당 1개인 초과 허용 기준을 적용하고 다른 모듈을 분리

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D7

의료AI모듈 모듈(6과목) 분리

전공능력 기준 재배치 · 교과목 폐지 없음

이 모듈에는 전공능력 “AI모델 선정 및 활용”, “SW융합적 사고”가 함께 연결되어 있습니다. 전공능력을 기준으로 모듈을 구분하면 교과목 수 초과와 교육과정 정합성 문제를 함께 해소할 수 있으며, 기존 교과목은 유지됩니다.

현행

  • AI를위한수학
  • 머신러닝이론과실습
  • 의료영상데이터의이해
  • 자연어처리
  • 앱개발프로그래밍
  • 클라우드컴퓨팅

개선안

  • 신규 모듈 — AI모델 선정 및 활용 계열
  • 신규 모듈 — SW융합적 사고 계열
  • 대안: 해당 모듈에 전공당 1개인 초과 허용 기준을 적용하고 다른 모듈을 분리

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D8

제약·바이오데이터 모듈 모듈(10과목) 분리

전공능력 기준 재배치 · 교과목 폐지 없음

이 모듈에는 전공능력 “생명과학 기초 지식 및유전체 이해”, “유전체데이터 처리및 분석”, “데이터기반 시장분석및 비즈니스모델링”, “마케팅/재무 애널리틱스”가 함께 연결되어 있습니다. 전공능력을 기준으로 모듈을 구분하면 교과목 수 초과와 교육과정 정합성 문제를 함께 해소할 수 있으며, 기존 교과목은 유지됩니다.

현행

  • 병태생리와약물치료원리
  • 첨단바이오의약품과미래의료
  • R프로그래밍기초
  • AI신약개발
  • 의료데이터윤리와보안
  • 머신러닝이론과실습
  • 비즈니스인텔리전스
  • 데이터사이언스개론
  • 고급데이터분석
  • 블록체인의이해와활용

개선안

  • 신규 모듈 — 생명과학 기초 지식 및유전체 이해 계열
  • 신규 모듈 — 유전체데이터 처리및 분석 계열
  • 신규 모듈 — 데이터기반 시장분석및 비즈니스모델링 계열
  • 신규 모듈 — 마케팅/재무 애널리틱스 계열
  • 대안: 해당 모듈에 전공당 1개인 초과 허용 기준을 적용하고 다른 모듈을 분리

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D9

모듈명 1건 보완

KMAC 자가점검 유형에 해당하는 명칭

모듈명에는 학습 영역·진출 분야·특성화 방향이 구체적으로 나타나야 하며, 단계나 기능만을 포괄적으로 표현한 명칭은 보완이 필요합니다. 특성화 유형이 지정된 모듈은 명칭에 ‘AI’·‘바이오’ 등의 관련 핵심어를 반영하도록 권고되어 있습니다.

현행

  • A 데이터분석코어 — 단계·성격 포괄형

개선안

  • A 데이터분석코어 → 데이터·AI 기초 [AX]

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D10

의료데이터 모듈의 전공능력 혼재

한 모듈에 전공능력 2개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 2개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • 의학기초 및 의료정보시스템의 이해
  • 의료정보 표준화 및보건의료 데이터 처리

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D11

데이터사이언스 모듈의 전공능력 혼재

한 모듈에 전공능력 2개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 2개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • 데이터 중심 사고능력
  • 데이터분석기법이해

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D12

의료AI모듈 모듈의 전공능력 혼재

한 모듈에 전공능력 2개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 2개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • AI모델 선정 및 활용
  • SW융합적 사고

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D13

AI심리모듈 모듈의 전공능력 혼재

한 모듈에 전공능력 2개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 2개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • 데이터 기반 심리분석
  • AI기반 심리상담서비스 개발

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D14

헬스케어데이터 모듈의 전공능력 혼재

한 모듈에 전공능력 2개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 2개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • 디지털 헬스산업의 이해
  • 생제신호 분석 및 진단

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D15

제약·바이오데이터 모듈 모듈의 전공능력 혼재

한 모듈에 전공능력 4개가 함께 매핑됨

모듈과 전공능력을 일대일로 연계하면 학생에게 이수 경로를 명확히 안내할 수 있습니다. 이 모듈에는 서로 다른 전공능력 4개가 함께 연결되어 있으므로 분리 여부를 검토할 필요가 있습니다.

현행

  • 생명과학 기초 지식 및유전체 이해
  • 유전체데이터 처리및 분석
  • 데이터기반 시장분석및 비즈니스모델링
  • 마케팅/재무 애널리틱스

개선안

  • 전공능력 단위로 모듈 분리
  • 대안: 대표 전공능력 1개만 남기고 나머지는 인접 모듈로 이관

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D16

R프로그래밍기초 · 파이썬프로그래밍기초 중복 검토

교과목명 어휘가 크게 겹쳐 학습내용 중복 가능성

두 교과목의 명칭에 유사한 표현이 사용되어 학습 내용이 중복될 가능성이 있습니다. 실제 학습 내용이 중복된다면 하나의 교과목으로 통합할 수 있으며, 학습 수준이나 범위가 다르다면 교과목명과 강의계획서에서 그 차이를 명확히 제시해야 합니다.

현행

  • R프로그래밍기초
  • 파이썬프로그래밍기초

개선안

  • 두 교과목을 하나로 통합
  • 대안: 두 교과목을 유지하되 교과목명과 강의계획서에 학습 수준 및 범위의 차이를 명시

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D17

보건의료빅데이터론 · 보건의료데이터분석 중복 검토

교과목명 어휘가 크게 겹쳐 학습내용 중복 가능성

두 교과목의 명칭에 유사한 표현이 사용되어 학습 내용이 중복될 가능성이 있습니다. 실제 학습 내용이 중복된다면 하나의 교과목으로 통합할 수 있으며, 학습 수준이나 범위가 다르다면 교과목명과 강의계획서에서 그 차이를 명확히 제시해야 합니다.

현행

  • 보건의료빅데이터론
  • 보건의료데이터분석

개선안

  • 두 교과목을 하나로 통합
  • 대안: 두 교과목을 유지하되 교과목명과 강의계획서에 학습 수준 및 범위의 차이를 명시

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D18

보건의료데이터분석 · 고급데이터분석 중복 검토

교과목명 어휘가 크게 겹쳐 학습내용 중복 가능성

두 교과목의 명칭에 유사한 표현이 사용되어 학습 내용이 중복될 가능성이 있습니다. 실제 학습 내용이 중복된다면 하나의 교과목으로 통합할 수 있으며, 학습 수준이나 범위가 다르다면 교과목명과 강의계획서에서 그 차이를 명확히 제시해야 합니다.

현행

  • 보건의료데이터분석
  • 고급데이터분석

개선안

  • 두 교과목을 하나로 통합
  • 대안: 두 교과목을 유지하되 교과목명과 강의계획서에 학습 수준 및 범위의 차이를 명시

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D19

진로–모듈 연계 누락 2건

선정 진로에 대응하는 모듈이 확인되지 않음

교육목표 체계에 설정한 진로는 관련 모듈과 연계되어야 학생이 이수 경로를 파악할 수 있습니다. 다음 진로는 이에 대응하는 모듈이 확인되지 않습니다.

현행

  • 디지털융합 미술치료
  • 비즈니스 애널리틱스

개선안

  • 해당 진로를 담당하는 모듈 지정 또는 신설
  • 대안: 모듈의 연계 진로란에 해당 진로 추가 표기

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

3부 · 목표·전략과 실행이 어긋난 부분

전공 판단 사항

전공 개요·교육목표·차별성에 선언되어 있으나 이를 실제로 담당하는 교과목이 없는 항목입니다. 문구를 실행에 맞추거나, 실행을 문구에 맞추거나 둘 중 하나를 택하셔야 합니다.

D20

나노디그리 후보 3건 제안

양식 Ⅲ-3 (선택 항목) · 2과목 6학점 단위

전공능력 및 진로와 연계되지만 독립 모듈로 구성하기 어려운 2개 교과목의 조합을 자동으로 도출하였습니다. 새로운 교과목을 신설하지 않고 현재 교과목만으로 구성할 수 있습니다.

현행

  • 나노디그리 미작성

개선안

  • 보건 나노디그리 — 보건역학과질병의이해 + 보건의료데이터분석 (6학점)
  • 데이터 나노디그리 — 데이터베이스와SQL + 데이터시각화 (6학점)
  • 데이터 나노디그리 — 보건의료빅데이터론 + 데이터마이닝 (6학점)

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D21

현장실무연계 계획 및 대학 지원 요청사항 작성

양식 Ⅲ-4 · Ⅲ-5 (선택 항목)

선택 항목이지만 대학 차원의 지원을 구체적으로 요청할 수 있는 항목입니다. 작성하지 않으면 9월 컨설팅에서 예산 지원이나 연계기관 섭외를 요청할 근거를 제시하기 어렵습니다.

현행

  • 미작성

개선안

  • 연계기관 과제 발굴 및 섭외 창구 요청
  • 산업체 전문가 멘토 풀 구축 요청
  • 프로젝트 운영비 및 성과공유회 예산 요청

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D22

모듈에 반영되지 않은 전공능력 10건 전략→실행

전략과 실행계획 간 연계 미흡

교육목표 체계에 설정한 전공능력은 모듈을 통해 구체적으로 구현되어야 합니다. 다음 전공능력은 이에 대응하는 모듈이 확인되지 않아 교육전략이 실제 교육과정에 충분히 반영되지 않은 상태입니다.

현행

  • 의료데이터분석 — SW개발기초소양
  • 데이터사이언스 — SW개발기초소양
  • 의료AI — SW개발기초소양
  • AI심리 — SW개발기초소양
  • 디지털융합 미술치료 — SW개발기초소양
  • 디지털융합 미술치료 — 디지털 미술치료 기획과 적용
  • 디지털 헬스케어 — SW개발기초소양
  • 비즈니스 애널리틱스 — SW개발기초소양
  • 오믹스 빅데이터 분석 — SW개발기초소양
  • 오믹스 빅데이터 분석 — 생명과학 기초 및 유전체 이해

개선안

  • 해당 전공능력을 담당하는 모듈을 지정하거나 신설
  • 대안: 실제 운영 중인 모듈을 기준으로 전공능력의 내용을 수정

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D23

모듈에 편성되지 않은 교과목 3개 실행 내부

실행계획 내부의 연계 미흡

모듈에 편성되지 않은 교과목은 학생 안내자료에서 이수 경로를 확인하기 어렵습니다. 해당 교과목을 적절한 모듈에 편성하거나 나노디그리로 구성하고, 필요한 경우 운영 중단 여부를 검토해야 합니다.

현행

  • 헬스케어데이터와미래산업
  • 기업경영과바이오빅데이터
  • 캡스톤디자인

개선안

  • 성격이 가장 가까운 모듈에 편성
  • 2개 교과목을 연계하여 나노디그리로 구성
  • 대안: 2027학년도 미운영 교과목으로 정리

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D24

교육목표의 핵심어와 연계된 교과목 미확인 2건 목표→실행

교육목표와 실행계획 간 연계 미흡

전공 개요와 교육목표에는 다음 표현이 제시되어 있으나, 교과목명과 모듈명에서는 관련 내용을 확인하기 어렵습니다. 교육목표가 실제 교육과정에 반영되지 않았거나 교과목명이 해당 내용을 충분히 나타내지 못하는 경우에 해당합니다.

현행

  • “현장” — 교육목표에 제시되어 있으나 담당 교과목이 확인되지 않음
  • “실무” — 교육목표에 제시되어 있으나 담당 교과목이 확인되지 않음

개선안

  • 해당 내용을 담당하는 교과목을 신설하거나 기존 교과목의 내용에 반영
  • 대안: 기존 교과목에서 이미 다루고 있다면 교과목명 또는 강의계획서에 관련 내용을 명시
  • 대안: 실제로 운영하지 않는다면 교육목표 문구에서 삭제

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D25

전공 차별성을 뒷받침하는 교과목 부족 전략→실행

교육전략과 실행계획 간 근거 부족

전공의 차별성으로 제시한 내용을 직접 반영하는 교과목이 1개 이하입니다. 9월 컨설팅에서 해당 차별성의 교육과정상 근거를 추가로 제시해야 할 가능성이 있습니다.

현행

  • “산학” 주장 — 근거 교과 1개

개선안

  • 프로젝트형·현장형 교과목을 학년별로 배치하여 단계적 이수체계 구성
  • 대안: 비교과 프로그램으로 보완하고 그 내용을 Ⅲ-4에 기재
  • 대안: 교육과정상 근거를 제시하기 어렵다면 실제 강점을 반영하도록 차별성 문구 수정

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D26

바이오·헬스케어 연계 방안 전략→실행

연계 교과 11개 확인

차의과학대학교는 바이오·헬스케어를 대학 특성화 방향으로 두고 있어, 전공별 사전자료에서도 Bio Core 또는 Bio Plus 모듈을 요구합니다. 해당 전공과 바이오·헬스케어 분야의 현재 연계 근거 또는 향후 연계 방안을 구체적으로 제시해야 합니다. 새로운 교과목을 신설하지 않고 기존 교과목을 재구성하거나 현장 과제와 연계하는 방안도 적용할 수 있습니다.

현행

  • 헬스케어 성격 교과 11개 — 보건역학과질병의이해, 보건의료빅데이터론, 헬스케어데이터와미래산업, 기업경영과바이오빅데이터, 보건의료데이터분석, 보건의료정보학, 병태생리와약물치료원리, 첨단바이오의약품과미래의료 외
  • 연계 모듈 — A 데이터분석코어 (1과목) · B 의료데이터 (6과목) · D 의료AI모듈 (1과목) · E AI심리모듈 (1과목) · F 헬스케어데이터 (3과목) · G 제약·바이오데이터 모듈 (4과목)

개선안

  • 헬스케어 성격 교과가 모인 모듈에 Bio Core 또는 Bio Plus 를 부여
  • 대안: 헬스케어 교과를 한 모듈로 모아 특성화 모듈을 신설
  • 대안: 차병원그룹 연계 현장 과제(캡스톤)를 그 모듈의 대표 교과목으로 지정

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D27

Ⅰ-1 기본정보 — 개편 내용 반영 여부 전략→실행

전공 개요 · 교육목표 · 차별성

이번 개편으로 모듈 구성과 교과목이 변경되면 Ⅰ-1의 전공 개요·교육목표·차별성도 그 내용과 일치해야 합니다. 특히 차별성 항목은 해당 전공만의 고유한 특성을 제시하는 부분이므로 모듈 세분화나 특성화 모듈 신설 등 개편을 통해 강화된 특징을 반영해야 합니다. 전공 개요와 교육목표는 상위 수준의 방향을 제시하므로 현행 내용을 유지할 수도 있습니다.

현행

  • 전공 개요: 첨단AI기술, 데이터분석 역량과 의료현장의 실무적 지식을 결합하여 차세대 헬스케어 산업을 선도할 혁신적 인재…
  • 교육목표: AI, 데이터 관련 지식과 의료 현장에 필요한 다양한 지식을 갖추고 IT-의료 분야를 연결·융합할 수 있는 …
  • 차별성: 타 대학 유사/관련 학과: 의료AI학과, AI의료융합전공, 빅데이터의료융합학과 우리 대학의 차별성: 미래기술…

개선안

  • 차별성 항목에 이번 개편의 주요 내용 추가(모듈 재편 방향, 특성화 모듈)
  • 대안: 확정된 교과목 구성을 반영하여 전공 개요와 교육목표 수정
  • 대안: 세 항목 모두 현행 유지 — 개편이 기존 선언 범위 안에 있음

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D28

모듈 세분화에 따른 진로 구분 조정 여부 전략→실행

현행 진로 8개 · 모듈 7개

모듈을 세분화하면 하나의 진로가 여러 모듈과 연결될 수 있습니다. 예를 들어 「경영기획」 모듈을 「인사조직」과 「기술경영」으로 세분화한다면 진로도 「조직·인사」와 「기술·전략기획」으로 구분하여 진로와 모듈을 일대일로 연계할 수 있습니다. 이를 통해 학생은 진로별 이수 경로를 명확히 파악할 수 있습니다. 다만 진로를 포괄적인 범주로 유지하고 그 아래에 여러 모듈을 배치하는 방식도 가능합니다.

현행

  • 의료데이터 분석
  • 데이터사이언스
  • 의료AI
  • AI심리
  • 디지털융합 미술치료
  • 디지털헬스케어
  • 비즈니스 애널리틱스
  • 오믹스 빅데이터 분석

개선안

  • 모듈에 맞추어 진로를 세분 — 진로 하나에 모듈 하나가 대응되도록 함
  • 대안: 진로는 현행 유지 — 한 진로 안에 모듈 두 개를 두고 Ⅰ-2 서술에만 담당 모듈을 밝힘
  • 대안: 진로 이름만 다듬고 개수는 유지

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

D29

Ⅰ-2 선정 진로의 주요 내용에 담당 모듈 반영 여부 전략→실행

진로 8건의 서술

하나의 진로가 여러 모듈로 세분화되거나 모듈명이 변경되면 Ⅰ-2의 진로 설명에도 해당 진로를 담당하는 모듈을 명확히 제시해야 합니다. 이를 통해 진로 정보와 모듈 구성 간의 연계성을 확인할 수 있습니다. 진로별 주요 업무와 향후 전망은 개편의 영향을 받지 않는 경우 현행 내용을 유지할 수 있습니다.

현행

  • 의료데이터 분석
  • 데이터사이언스
  • 의료AI
  • AI심리
  • 디지털융합 미술치료
  • 디지털헬스케어
  • 비즈니스 애널리틱스
  • 오믹스 빅데이터 분석

개선안

  • 각 진로의 “주요 업무” 항목에 담당 모듈을 추가로 명시
  • 대안: 확정된 모듈 구성을 기준으로 진로 설명 전체를 수정
  • 대안: 현행 유지 — 진로 구분이 개편으로 달라지지 않음

‘수정 채택’·‘직접 제안’을 고르시면 이 칸의 내용이 실제 반영안이 되므로 반드시 적어 주십시오.

현행 모듈 구성 (참고)

29과목 · 87학점
모듈구성 교과목과목자동 판정 유형
A 데이터분석코어 보건의료빅데이터론 · AI기초 · 파이썬프로그래밍기초 · 데이터마이닝 4 AX
B 의료데이터 보건역학과질병의이해 · 보건의료정보학 · 병태생리와약물치료원리 · 보건의료데이터분석 · 의료데이터윤리와보안 · 의료영상데이터의이해 6 ⚠ AX + Bio Plus
C 데이터사이언스 데이터베이스와SQL · 비즈니스인텔리전스 · 텍스트마이닝 · R프로그래밍기초 · 데이터사이언스개론 · 데이터시각화 · 파이썬프로그래밍고급 7 ⚠ AX
D 의료AI모듈 AI를위한수학 · 머신러닝이론과실습 · 의료영상데이터의이해 · 자연어처리 · 앱개발프로그래밍 · 클라우드컴퓨팅 6 ⚠ AX + Bio Plus
E AI심리모듈 보건의료빅데이터론 · 파이썬프로그래밍기초 · 데이터마이닝 · AI기초 · 앱개발프로그래밍 5 AX
F 헬스케어데이터 보건의료데이터분석 · 의료데이터윤리와보안 · 의료영상데이터의이해 · AI를위한수학 · 머신러닝이론과실습 5 AX + Bio Plus
G 제약·바이오데이터 모듈 병태생리와약물치료원리 · 첨단바이오의약품과미래의료 · R프로그래밍기초 · AI신약개발 · 의료데이터윤리와보안 · 머신러닝이론과실습 · 비즈니스인텔리전스 · 데이터사이언스개론 · 고급데이터분석 · 블록체인의이해와활용 10 ⚠ AX + Bio Core

마무리 설문

제출 필수

모든 항목에 응답하신 뒤 아래 설문을 작성해야 제출이 완료됩니다. 여기 적으신 내용은 9월 전공 컨설팅 자료로 그대로 전달됩니다.

결정 요약 (CSV) 회의자료 (개편안 설명) 보기 수정된 사전자료 (hwpx) 내려받기 다시 만들기

제출 완료 시 응답이 잠기고, 결정 요약본이 생성됩니다. 이후에도 ‘제출 취소’로 다시 수정하실 수 있습니다.

회의자료 — 이 전공의 개편안을 쉬운 말로 풀어 쓴 설명 자료입니다. 무엇을 왜 바꾸는지, 아홉 가지 기준을 얼마나 지키는지 한눈에 보실 수 있고, 그대로 인쇄하거나 PDF 로 저장해 회의에 쓰실 수 있습니다.

비용 — 사전자료를 한 번 만들 때 드는 대략적인 값입니다. 교내 루멘서버 모델(Gemma·EXAONE)은 무료이고 자료가 학교 밖으로 나가지 않습니다. OpenAI 모델은 1회당 10~30원 수준입니다. 회의자료(개편안 설명)는 생성에 모델을 쓰지 않으므로 무료입니다.

수정된 사전자료(hwpx)는 지금까지의 응답을 반영해 원본 양식에 채워 넣은 파일입니다. 채워 넣은 칸은 모두 빨간 굵은 글씨로 표시됩니다. 처음 만들 때는 1분 정도 걸리며, 응답을 바꾸신 뒤 다시 만들기를 누르면 새로 생성됩니다.