Governments around the world are enacting laws mandating explainable traceability when using AI(Artificial Intelligence) to solve real-world problems. HAI(Human-Centric Artificial Intelligence) is an approach that induces human decision-making through Human-AI collaboration. This research presents a case study that implements the Human-AI collaboration to achieve explainable traceability in governmental data analysis. The Human-AI collaboration explored in this study performs AI inferences for generating labels, followed by AI interpretation to make results more explainable and traceable. The study utilized an example dataset from the Ministry of Oceans and Fisheries to reproduce the Human-AI collaboration process used in actual policy-making, in which the Ministry of Science and ICT utilized R&D PIE(R&D Platform for Investment and Evaluation) to build a government investment portfolio.

최근 인공지능(AI) 기술이 급격하게 발전되고 있으며, 이를 활용한 산업이 점차 확대되고 있다. 또한 사회과학 연구분야에서 도 인공지능기술의 텍스트 마이닝을 활용한 분석연구가 활발하게 전개되고 있다. 해양수산부에서 소관하는 법률은 125여개로 해양환 경, 수산, 선박, 어촌, 항만 등 다양한 분야에서 제정되었다. 해양수산부 법률을 대상으로 한 연구가 활발히 진행되고 있으며, 양적으로 꾸준하게 증가하고 있다. 이 연구는 해양수산부 법률 관련 연구논문을 대상으로 텍스트 마이닝을 적용하여 국내 연구동향을 분석하였 다. 연구방법으로 첫째 텍스트 마이닝의 일종인 토픽 모델링을 수행하여 잠재된 토픽을 파악하였다. 둘째 특정 법률을 주제로 다룬 연 구논문의 동시출현 네트워크 분석을 수행하여 주요 주제를 도출하였다. 마지막으로 저자 네트워크 분석을 수행하여 저자 간 사회 연결 망을 탐색하였다. 분석결과 시기에 따라 핵심 토픽의 변화를 확인하였으며, 선박안전법, 해양환경관리법 등 법률별 주요 주제를 탐색하 였다. 또한 저자 네트워크 분석하여 핵심 연구자를 도출하고, 저자 간 공동연구 성향을 파악하였다. 이를 통해 해양수산부 법률 관련 연구주제의 변화를 탐색하였으며, 향후 연구주제의 다양화와 해양수산 분야 연구의 양적 증가와 질적 성장을 기대한다.

북극해 관련 정부정책의 경우 해양수산부에서 제시된 “북극활동 진흥 기본계획”이 있으나, 구체적인 정책 집행의 순위 및 가중치 등 이 제시되어 있지 않아 정책집행의 시기조절 및 경중을 고려하기에 어려움이 있다. 이러한 측면에서 본 연구에서는 정부에서 제시한 북극정 책의 우선순위를 평가하는 것을 연구의 목적으로 하였다. 또한 북극정책의 원활한 수행을 위한 “지원방안” 및 “대외협력 방안”에 대해서도 우 선순위를 제시하였다. 연구의 방법론은 전문가 의견을 종합적으로 평가할 수 있는 CFPR(Consistent Fuzzy Preference Relations) 방법을 활 용하였다. 분석결과 해양수산부의 가장 중요한 북극정책은 ‘북극항로 개척 등 해운물류 협력’(0.087)이며, ‘전문인력 양성’(0.086), ‘제도적 기반 및 청사진 마련’(0.085) 순으로 나타났다. 본 연구의 결과는 북극해 관련 정책입안자 혹은 당국의 정책수립에 시사점을 제공할 수 있다.