워크숍 목표

및 개요

본 단기강좌는 사회과학 연구자가 Agentic AI를 양적 연구 파이프라인에 실제로 통합하는 방법을 다룬다. 단순한 프롬프트 작성법보다, 문헌 탐색, 연구 설계, 데이터 수집과 정리, 코드 작성, 강건성 점검, 시각화, 초고 검토 등 AI를 연구 과정의 어느 단계에서 어떠한 방식으로 활용할 것인지를 실습/시연을 포함하여 다룰 예정이다. 동시에 측정 타당성, 해석에 대한 책임, 모델의 편향 및 비결정성, 연구윤리와 투명성 등 사회과학 연구자로서 반드시 직접 책임져야 하는 지점을 함께 다룬다.

참가 대상

Agentic AI를 양적 연구에 활용하는 것에 관심 있는 학부, 대학원생, 연구자

선수 과목

통계 및 프로그래밍(Stata 또는 R) 기초

워크숍 운영방식

강의와 실습을 병행합니다. 일부 실습은 AI 유료 계정이 있으면 더 원활하지만, 유료 계정이 없어도 시연 중심으로 수강할 수 있습니다.

교재

및 참고문헌

강사의 강의노트가 제공됩니다.

- Messing, Solomon, and Joshua A. Tucker. 2026. “The Train Has Left the Station: Agentic AI and the Future of Social Science Research.” Brookings.

- Argyle, Lisa P., Ethan C. Busby, Nancy Fulda, Joshua R. Gubler, Christopher Rytting, and David Wingate. 2023. “Out of One, Many: Using Language Models to Simulate Human Subjects.” Political Analysis 31(3): 337–51. doi:10.1017/pan.2023.2.

- Bisbee, James, Joshua D. Clinton, Cassy Dorff, Brenton Kenkel, and Jennifer M. Larson. 2024. “Synthetic Replacements for Human Survey Data? The Perils of Large Language Models.” Political Analysis 32(4): 401–16. doi:10.1017/pan.2024.5.

- Gilardi, Fabrizio, Meysam Alizadeh, and Maël Murati. 2023. “ChatGPT Outperforms Crowd Workers for Text-Annotation Tasks.” Proceedings of the National Academy of Sciences 120(30): e2305016120. doi:10.1073/pnas.2305016120.

- Brodeur, Abel, David Valenta, Alexandru Marcoci, Juan Pablo Aparicio, Derek Mikola, Bruno Barbarioli, Rohan Alexander, Lachlan Deer, and Tom Stafford. 2025. “Comparing Human-Only, AI-Assisted, and AI-Led Teams on Assessing Research Reproducibility in Quantitative Social Science.” IZA Discussion Paper No. 17645.

실습자료

강사가 제공하는 실습용 자료 (추후 공지)

사용될 프로그램

R, OpenAI Codex, Anthropic Claude, Overleaf, Dropbox(선택사항)

담당강사 정보

<학력/경력>

학력

- 박사: 캘리포니아 공과대학 사회과학 박사 (2020년)California Institute of Technology, Ph.D. in Social Sciences

- 석사: 캘리포니아 공과대학 사회과학 석사 (2017년)

- 학부: 서울대학교 사회과학대학 경제학과, 사회학과 (2014년)

경력

- 2024년~현재 서울대학교 정치외교학부 조교수

- 2023년~2024년 서강대학교 정치외교학과 조교수

- 2020년~2023년 아메리칸대학교 정치학과 조교수

<주요 논문/저서>

- Kim, Seo-young Silvia, and Zhao Li. “Keep Winning with WinRed? Online Fundraising Platform as the Party’s Public Good.” The Journal of Politics 88, no. 2 (2026): 698-715. DOI:10.1086/735435.

- Atsusaka, Yuki, and Seo-young Silvia Kim. 2025. “Addressing Measurement Errors in Ranking Questions for the Social Sciences.” Political Analysis 33(4): 339-60. DOI: 10.1017/pan.2024.33.

- Kim, Seo-young Silvia, and Jan Zilinsky. 2024. “Division Does Not Imply Predictability: Demographics Continue to Reveal Little About Voting and Partisanship.” Political Behavior. 46(1):67-87. DOI: 10.1007/s11109-022-09816-z

- Kim, Seo-young Silvia. 2023. “Automatic Voter Reregistration as a Housewarming Gift: Quantifying Causal Effects on Turnout Using Movers.” American Political Science Review. 117(3): 1137-44. DOI: 10.1017/S0003055422000983.

유의사항

모든 강의는 실시간으로만 수강 가능하며, 다시보기는 제공되지 않습니다.

1강

8월 12일(수)

Agentic AI의 등장과 연구 파이프라인의 재설계

- Agentic AI, 또는 CLI-기반 AI란 무엇인가

- 연구 파이프라인의 재설계: 속도, 비용, 병목의 이동
  “무엇을 맡기고 무엇을 남길 것인가”

- 문헌 탐색과 연구 설계

- 데이터 수집 및 정리

- 코드 작성, 디버깅, 시각화, 초고 점검

- Skills, rules, plugins, remote sessions를 통한 자동화

- 실습: R, Codex/Claude, Overleaf, Dropbox를 연동한 연구 프로젝트 ecosystem 구축하기

2강

8월 13일(목)

Agentic AI와 연구의 신뢰성

- 측정과 추론의 확장과 위험성: 개방형 응답과 텍스트 데이터

- 합성 응답자와 silicon sampling

- 모델의 편향, 비결정성, 재현가능성

- Human-in-the-loop 검증(validation)과 체크리스트 설계

- 연구 규범과 투명성의 원칙

- 글쓰기에 Agentic AI가 직접 개입했을 때 어떻게 되는가?

- 실습: silicon sampling을 사용한 설문 응답 예측과 연구 설계 시뮬레이션