워크숍 목표

및 개요

본 강좌는 사회과학 연구자가 agentic AI를 양적 연구 파이프라인에 실제로 통합하는 방법을 4주에 걸쳐 단계적으로 익히는 과정이다. 단순한 프롬프트 작성법보다, 문헌 탐색, 연구 설계, 데이터 수집과 정리, 코드 작성, 강건성 점검, 시각화, 초고 검토 등 연구의 여러 단계에서 AI를 어디에 어떻게 배치하고 사용할 것인지를 다루며, 강의와 실습이 포함되어 있다. 설치와 첫 세션부터 시작, 규칙과 안전장치 설정, 웹스크래핑과 시각화, 텍스트 분류와 검증, AI disclosure와 재현 절차 문서화 등을 포함하며, 동시에 측정 타당성, 해석에 대한 책임, 모델의 편향 및 비결정성, 연구윤리와 투명성 등 사회과학 연구자로서 반드시 직접 책임져야 하는 지점을 함께 다룬다. 각 수강생은 1주차에 스스로 한 가지 (간단한) final project를 강사와 상의해서 정하고 4주차 시작 전까지 제출하는 것을 목표로 한다.

참가 대상

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

선수 과목

없음

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.

  - Miao, Pritchard, and Zou. 2026. “The Agentic Garden of Forking Paths.” arXiv:2607.01507.

  - 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/RStudio, OpenAI ChatGPT, Anthropic Claude,

Git/GitHub, Zotero, Overleaf(선택사항), 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

11월 7일(토)

▪ Agentic AI 소개와 첫 설정

    - Agentic AI란 무엇인가?

    - Augmented LLM, token, 컨텍스트 윈도우와 외부 기억, RAG

    - Workflow vs. agent 그리고 orchestration

    - 터미널, 데스크탑 앱 CLI, 권한 모드, 프라이버시

    - 버전 관리의 기초: Git과 GitHub

    - 좋은 프롬프트의 구성 요소: 목표, 입력, 검증, 중단 조건 등

    - Final project 주제 정하기 (강사와 상의 후 확정)

2강

11월 14일(토)

▪ 커스터마이징: 모델, 규칙, Skills, Hooks, 비용 등

    - 모델과 effort level 선택

    - 지속 지시사항 md/AGENTS.md

    - Rules, skills, hooks, MCP, plugins, subagents, routines

    - 비용과 한도 관리하기

    - 프라이버시/해킹/삭제 위험과 백업

3강

11월 21일(토)

▪ 연구 파이프라인에 배치하기

    - 무엇을 위임할 것인가?

    - Agentic workflow의 오류 증폭, 한국어와 한국 자료의 함정, 병목과 비용의 이동

    - 문헌 탐색과 Zotero, 연구 설계

    - 코드 작성 시 주의사항, 세션 관리하기

    - 데이터 수집과 정리

    - Text-as-data 파이프라인, 분류와 라벨링 프롬프트, 시각화 원칙

4강

11월 28일(토)

▪ 측정, 글쓰기, 그리고 재현가능성 + Final project 발표

    - LLM을 측정 도구로 쓰기

    - 비결정성과 안정성, LLM council과 다중 모델 검증

    - Silicon sampling

    - 글쓰기와 퇴고, reviewer agent, 탈숙련화의 경계

    - 재현가능성, AI disclosure, 윤리와 개인정보, AI 시대의 연구 규범