데이터셋 명세서 (Datasheets for Datasets)
한 줄 정의: 데이터셋의 수집 동기·방법·한계를 표준 항목으로 기록한 문서입니다.
쉽게 풀면
전자부품에는 사양과 사용 조건을 적은 명세서가 따라붙습니다. 데이터셋 명세서는 같은 발상을 데이터에 적용한 것으로, 이 데이터가 왜 어떤 방법으로 수집되었고 누가 포함되었으며 어떤 용도에는 쓰면 안 되는지를 정해진 항목에 따라 기록합니다. 기계학습 연구에서 학습 데이터의 출처와 한계를 밝히는 표준적 방식으로 자리 잡고 있습니다.
왜 중요한가
데이터의 맥락을 모른 채 재사용하면 편향이 그대로 이어지거나, 동의 범위를 벗어난 활용이 일어날 수 있습니다. 명세서는 이런 위험을 재사용자가 판단할 수 있게 해 주고, 기록을 남긴다는 점에서 책무성 장치가 됩니다. 여러 학술대회가 데이터셋 논문에 이 문서의 제출을 요구합니다.
논문에서는 이렇게 쓰입니다
"공개 데이터셋과 함께 수집 절차, 동의 범위, 인구학적 구성, 권장하지 않는 사용례를 담은 명세서를 배포하였다."
명세서에 담기는 핵심 항목을 열거한 문장입니다.
"명세서 제출을 의무화한 이후 데이터 출처와 라이선스를 명시한 논문의 비율이 증가하였다."
문서화 의무가 보고 관행을 바꾼 효과를 보고하는 서술입니다.
조금 더 깊게 보면
원 제안은 수집 동기, 구성, 수집 절차, 전처리와 정제, 이용 방식, 배포와 유지관리라는 생애주기 단계별 질문 목록으로 이루어져 있습니다. 비슷한 취지의 문서로 학습된 모형을 설명하는 모델 카드, 데이터 사용 목적을 진술하는 데이터 명세가 있습니다. 실무에서는 데이터관리계획이나 연구데이터 저장소의 메타데이터와 함께 관리하는 것이 효율적입니다.
주의할 점
연구비 신청 단계에서 데이터의 생성·보관 계획을 약속하는 데이터관리계획과 달리, 명세서는 이미 만들어진 데이터셋 자체를 설명하는 문서입니다. 명세서를 붙였다고 해서 동의 범위를 벗어난 수집이 정당화되지는 않습니다.