2024년 컴퓨터 과학 학습 곡선 설문조사 보고서
2024년에 JetBrains Academy는 대학생, 온라인 학습자, 독학 애호가, 코딩 부트 캠프 졸업생, 전문가 및 직업 전환자를 포함한 전 세계 23,991명을 대상으로 설문조사를 실시했습니다.
이 보고서는 고무적인 인사이트를 바탕으로 형식과 도구부터 동기 부여, 직업 목표 및 도전 과제에 이르기까지 컴퓨터 과학 교육의 현재 동향을 살펴봅니다.
교육자, 연구자, 학습자, 호기심 많은 전문가 또는 교육열 강한 부모님이라면 꼭 읽어보세요! #JetBrainsAcademySurvey24를 이용하여 생각을 공유하고 CS 학습 커뮤니티와 소통하세요.
이 보고서는 공개되어 있으며 비상업적 목적으로만 이용할 수 있습니다. 자세한 내용은 여기에서 확인하세요.
공유하기:
지난 12개월 동안 컴퓨터 과학을 어떤 형태로든 공부했나요?
예. 독학으로
예. 정규 교육 기관을 통해
컴퓨터 과학 학습자의 절반 이상이 공식 교육 기관에서 공부하며, 이러한 학습자 중 54%는 추가적인 자습을 통해 지식을 넓힙니다.
공식 교육을 마치고 학사 이상의 학위를 소지한 사람의 비율
가장 높은 공식 학력
현재 재학 중인 공식 교육 기관
현재 이수 중인 학위
전공 분야(현재 또는 과거)
컴퓨터 과학
소프트웨어 엔지니어링
기타 엔지니어링
예술/인문학
경제
수학
생물학/화학
사회 과학
물리학
기타
모든 컴퓨터 과학 학습자 중 유급 IT 업무 경험을 가지고 있는 비율. 이중 89%는 컴퓨터 과학이 주요 수입원입니다. 이들 응답자의 대부분은 소프트웨어 엔지니어링에 종사(76%)하고 있고, 이 중 35%는 중간 관리자 직책을 맡고 있습니다.
현재 직무100%+
이 질문은 컴퓨터 과학 업무가 주요 수입원이라고 응답한 사람에게만 표시되었습니다.
IT 업계는 대부분의 직무에서 여전히 남성의 비율이 우세하며, 여성과 제3의 성의 비율은 상당히 낮습니다. 핵심 기술 및 리더 직책(팀장 및 임원)은 남성의 비율이 88~94%로 성별 다양성이 가장 낮습니다.
그러나 일부 직무는 업계 평균에 비해 상대적으로 여성의 비율이 높습니다. 여기에는 UX/UI 디자이너(16%), QA/테스터, 비즈니스 분석가(14%), 강사(13%), 제품/마케팅 관리자(12%) 등이 포함됩니다. 제3의 성은 모든 직무에서 소수를 차지하며, 개발자 애드버킷에서 6%로 가장 높은 비율을 보였습니다.
고용 상태
직급
연봉(미화 달러, 보너스 제외)
컴퓨터 과학/IT 외 분야에서 일한 경력이 있으신가요?
예. 컴퓨터 과학/IT로 전환하기 전에 다른 분야에서 일/공부한 적이 있음
아니요. 이 분야에서만 활동
18~29세의 젊은 응답자는 기술 분야로 바로 진출할 가능성이 더 높습니다.18~20세 중 9%, 21~29세 중 24%만이 다른 분야에서 일한 경력이 있습니다. 연령이 높아짐에 따라 직업을 바꾸는 경우가 더 흔해져, 30~39세 응답자 중 50%, 60세 이상 중 59%가 IT 외 분야에서 일한 경력이 있다고 보고했습니다.
또한 경력 과정에는 지역 간 격차가 분명하게 나타납니다. 인도와 중국에서는 무경력자가 대다수를 차지하며, 이는 컴퓨터 과학 분야로 직접 진출하는 추세가 강하다는 것을 말해줍니다. 반면 아르헨티나와 브라질은 이전 경력이 다양한데, 유경력자가 무경력자보다 많거나 거의 비슷합니다. 유럽, 동남아시아, 북미와 같은 지역에서는 유경력자가 약 1/3을 차지하여 보다 전통적인 진입 패턴을 보입니다.
컴퓨터 과학/IT 외 분야에서 일한 경력이 있으신가요? (지역별)
인도
중국
독일
튀르키예
중동, 아프리카, 중앙아시아
기타 동남아시아 및 오세아니아
대한민국
유럽의 나머지 지역
프랑스
캐나다
이전 직업 분야
응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
이 질문은 컴퓨터 과학/IT 분야로 전환하기 전에 다른 분야에서 일하거나 공부했다고 답한 응답자에게만 표시되었습니다.
컴퓨터 과학으로 전환하는 사람들 중에서 엔지니어링 및 기술 분야가 1위를 차지하며, 그 다음으로 금융 및 경영 관리가 뒤를 이었습니다. 교육, 의료 및 창작 예술 분야도 상당한 비율을 차지하여, 이 분야에 진입하는 직업적 배경이 다양함을 보여줍니다.
IT 직업을 선택한 이유100%+
새로운 컴퓨터 과학 주제를 배우려는 동기100%+
대부분의 직업 전환은 컴퓨터 과학에 대한 강한 열정에서 비롯되며, 응답자 중 절반 가까이가 문제 해결 및 프로세스 자동화를 매력으로 꼽습니다. 흥미롭게도 급여와 원격 근무 기회는 게임이나 웹사이트 구축과 같은 창의적 욕구보다 약간 낮은 순위를 차지하여 사람들이 실질적인 혜택만큼이나 꿈 때문에 이 분야에 끌리고 있음을 보여줍니다.
새로운 컴퓨터 과학 주제를 배우려는 동기(지역별)
| 새로운 컴퓨터 과학 주제를 배우고 싶지 않음 | 기타 | 특정 과제를 완수하기 위해 | 다른 기술로 마이그레이션하기 위해 | 흥미로 | 새로운 곳에 취직하거나 직무를 전환하기 위해 | 최신 동향을 알기 위해 | 개인 프로젝트 작업을 위해 | 현재 직무에서 발전하기 위해 | |
|---|---|---|---|---|---|---|---|---|---|
| <1% | 2% | 18% | 16% | 43% | 52% | 49% | 56% | 68% | 동유럽, 발칸 반도 및 코카서스 |
| <1% | 1% | 13% | 11% | 49% | 49% | 40% | 49% | 67% | 대한민국 |
| <1% | 2% | 26% | 21% | 47% | 47% | 51% | 56% | 67% | 기타 동남아시아 및 오세아니아 |
| <1% | 2% | 27% | 19% | 79% | 34% | 48% | 60% | 66% | 독일 |
| – | 3% | 21% | 17% | 67% | 44% | 47% | 55% | 64% | 베네룩스 및 북유럽 |
| 1% | 2% | 17% | 17% | 45% | 50% | 55% | 59% | 64% | 인도 |
| <1% | 1% | 22% | 26% | 23% | 45% | 55% | 49% | 64% | 나이지리아 |
| <1% | 2% | 20% | 18% | 51% | 46% | 47% | 58% | 62% | 유럽의 나머지 지역 |
| – | <1% | 23% | 17% | 67% | 43% | 47% | 44% | 62% | 중국 |
| – | 2% | 21% | 14% | 62% | 48% | 44% | 58% | 61% | 영국 |
| 1% | 2% | 22% | 16% | 58% | 54% | 45% | 65% | 61% | 미국 |
| 1% | 2% | 19% | 21% | 38% | 44% | 48% | 54% | 60% | 중동, 아프리카, 중앙아시아 |
| – | 3% | 13% | 18% | 58% | 50% | 54% | 51% | 60% | 스페인 |
| 1% | 1% | 20% | 22% | 45% | 41% | 46% | 51% | 56% | 튀르키예 |
| <1% | 2% | 25% | 13% | 56% | 59% | 45% | 62% | 56% | 캐나다 |
| 2% | 1% | 15% | 19% | 42% | 41% | 28% | 39% | 55% | 러시아 연방, 벨라루스 |
| – | 3% | 16% | 21% | 52% | 64% | 42% | 57% | 54% | 브라질 |
| 1% | 1% | 24% | 23% | 73% | 38% | 39% | 58% | 54% | 프랑스 |
| 9% | 1% | 10% | 18% | 49% | 63% | 46% | 56% | 54% | 멕시코 |
| <1% | 2% | 11% | 19% | 41% | 60% | 51% | 57% | 52% | 중남미 |
| 4% | <1% | 14% | 19% | 43% | 40% | 31% | 38% | 50% | 우크라이나 |
| 3% | 1% | 12% | 13% | 58% | 34% | 42% | 31% | 48% | 일본 |
| 1% | 2% | 9% | 17% | 52% | 63% | 44% | 47% | 42% | 아르헨티나 |
서유럽과 북미 지역의 학습자는 개인적인 관심사와 혁신적인 개인 프로젝트를 우선시합니다. 이와 달리, 남미 학습자들의 주요 동기는 직업을 바꿀 수 있는 기회이며, 이는 이 지역의 일자리 시장이 유동적임을 말해줍니다. 아시아 지역에서는 동기 부여 요인이 다양하게 나타납니다. 한국은 경력 중심의 성장에 중점을 두는 반면, 일본은 여러 학습 부문에서 참여도가 저조한 것으로 보고되었습니다. 한편, 인도와 동남아시아에서는 학습자들이 트렌드를 따라가려는 욕구가 있으며, 이는 빠르게 성장하는 기술 생태계의 역동성을 보여줍니다.
희망하는 직무100%+
이 질문은 컴퓨터 과학 주제를 배우려는 동기 중 하나로 '새로운 직업 찾기 또는 직무 변경'을 선택한 응답자에게만 표시되었습니다.
개발자는 IT 부문에서 가장 인기 있는 직무 역할이며, 이는 이 역할의 다양성, 높은 수요, 업계 전반에 걸친 광범위한 적용 가능성을 반영하는 것일 가능성이 높으며, 특히 이 분야에 새로 입문하는 사람들에게 경력 전환 시 최적의 선택입니다. 또한 상당수가 데이터 중심 직무 또는 DevOps로 진출하고 있어 전문 분야의 매력이 커지고 있음을 보여줍니다. 반면, QA 직무는 진입장벽이 낮지만 인기도와 장기적 전망이 부족해 경력 전환 시 인기 있는 희망 직무는 아닙니다.
컴퓨터 과학/IT 분야에서 구직한 적이 있다고 보고한 응답자의 비율입니다.
컴퓨터 과학/IT 분야에서 일자리를 찾을 때 중요한 요소
| 중요하지 않음 | 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|---|
| 1% | 6% | 35% | 58% | 업무 경험 |
| 1% | 13% | 51% | 35% | 최신 기술에 대한 지식 |
| 2% | 16% | 51% | 32% | 소프트 스킬 |
| 4% | 17% | 47% | 31% | 인턴십 및 협동 프로그램 |
| 6% | 26% | 44% | 25% | 인맥 및 네트워킹 |
| 5% | 23% | 48% | 24% | 펫 프로젝트 |
| 7% | 26% | 49% | 18% | 대학 졸업장 |
| 6% | 31% | 47% | 16% | 동료 추천 |
| 9% | 31% | 46% | 14% | 자격증 |
| 11% | 35% | 42% | 12% | 과정 수료증 |
보고에 따르면 업무 경험과 최신 기술 지식이 일자리를 구하는 데 중요한 요소이지만, 그에 못지않게 소통 능력도 학습자의 83%가 중요하다고 선택할 만큼 중요합니다. 네트워킹도 또 다른 중요한 요소입니다. 25%는 네트워킹이 매우 중요하다고 생각하고, 44%는 경력 기회를 찾기 위해 인맥을 적극적으로 활용합니다. 이는 IT 분야에서 탄탄한 대인 관계 능력과 직업적 네트워크가 필요함을 잘 보여줍니다.
지난 3년 동안 공부한 컴퓨터 과학 분야100%+
프로그래밍 언어, 알고리즘 및 데이터 구조와 함께 데이터베이스는 학습자에게 인기 있는 선택입니다. AI와 머신러닝은 여전히 인기 분야이며, 각각 33%와 34%의 학습자가 여기서 기회를 찾고 있습니다.
학습한 컴퓨터 과학 분야의 숙련도
| 입문자/탐구 중 | 초급 | 중급 | 고급 | 전문가 | |
|---|---|---|---|---|---|
| 4% | 25% | 44% | 23% | 5% | 소프트웨어 엔지니어링 |
| 6% | 28% | 41% | 21% | 5% | 웹 개발 |
| 8% | 29% | 40% | 17% | 5% | 제품 관리 |
| 4% | 23% | 47% | 22% | 4% | 프로그래밍 언어 |
| 10% | 33% | 37% | 16% | 4% | 인간과 컴퓨터 간 상호 작용(HCI) |
| 9% | 33% | 38% | 16% | 4% | 프로젝트 관리 지원 |
| 9% | 37% | 37% | 14% | 3% | 테스트 |
| 10% | 37% | 35% | 15% | 3% | 데이터 분석 |
| 15% | 42% | 30% | 10% | 3% | 자연어 처리(NLP) |
| 16% | 40% | 29% | 11% | 3% | 컴퓨터 시각 |
| 7% | 32% | 41% | 16% | 3% | 데이터베이스 |
| 9% | 36% | 39% | 13% | 3% | 컴퓨터 네트워크 |
| 7% | 35% | 38% | 16% | 3% | 운영 체제 |
| 11% | 40% | 34% | 12% | 3% | 사이버 보안 |
| 6% | 31% | 46% | 15% | 2% | 알고리즘 및 데이터 구조 |
| 17% | 43% | 27% | 10% | 2% | 인공지능 |
| 18% | 43% | 27% | 10% | 2% | 머신러닝 |
| 16% | 39% | 30% | 13% | 2% | 컴퓨터 그래픽 |
여성은 자신의 기술 능력을 낮게 평가하는 경향이 있지만, 남성에 비해 다른 분야에서 컴퓨터 과학으로 전향하는 여성 학습자가 8% 더 많은 것으로 보아 성장 의지가 강하다는 것을 알 수 있습니다.
학습자가 차기 교육과정에서 탐구하고 싶어하는 주제
응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
교육 형식에 대한 경험100%+
이 데이터는 대학 교육, 워크숍 및 멘토링 프로그램과 같은 전통적인 대면 학습 환경에 대한 수요가 꾸준함을 보여줍니다. 그러나 이러한 형식에 대한 만족도는 연령대와 지역에 따라 크게 다르며, 이는 효과가 일정하지 않다는 것을 보여줍니다.
교육 형식에 대한 경험 평가
| 나쁨 | 개선이 필요 | 만족스러움 | 매우 좋음 | 우수함 | |
|---|---|---|---|---|---|
| 2% | 5% | 18% | 32% | 43% | 인턴십 |
| 1% | 7% | 22% | 36% | 34% | 멘토링 프로그램 및 개인 교습 |
| 2% | 4% | 22% | 42% | 30% | 유료 온라인 교육과정(MOOC) 또는 코딩 학원 |
| 2% | 9% | 23% | 38% | 29% | 고용주가 제공하는 전문 교육 |
| 1% | 5% | 25% | 40% | 29% | 자기 주도형 온라인 튜토리얼 |
| 1% | 7% | 28% | 36% | 28% | 코드 캠프, 사용자 그룹, 모임 |
| 3% | 9% | 29% | 33% | 26% | 직업 프로그램 |
| 4% | 8% | 26% | 37% | 25% | 고용주가 비용을 지불하고 타 기관에 위탁한 전문 교육 |
| 2% | 7% | 26% | 40% | 25% | 코딩 부트캠프 세션 |
| 2% | 9% | 31% | 34% | 24% | 교환 프로그램 |
| 1% | 8% | 31% | 38% | 21% | 무료 온라인 교육과정(MOOC) 또는 코딩 학원 |
| 3% | 11% | 31% | 36% | 20% | 온라인 대학 프로그램 |
| 6% | 14% | 31% | 30% | 19% | 2년제 및 4년제 대학, 학교 교육 |
| 2% | 11% | 32% | 36% | 19% | 오프라인 교육과정, 코딩 학원 |
| 2% | 10% | 33% | 36% | 19% | 워크숍 및 세미나 |
4년제 대학, 2년제 대학 및 학교 교육을 비롯해 자기 주도적 온라인 튜토리얼은 모든 응답자가 가장 많이 선택한 답변입니다. 나머지는 특정 연령대와 직업적 필요에 따라 달라집니다. 워크숍과 세미나는 50~59세 연령대에서 가장 인기가 많은데, 이러한 학습자의 17%는 이러한 형식을 경험한 적이 있었고 약 1/4은 매우 익숙하다고 평가했습니다. 멘토십 프로그램은 21~29세 응답자에게 높은 평가를 받았고 이들 중 36%가 우수하다고 평가했지만, 이 형식에 대한 만족도는 나이가 들수록 감소합니다. 고용주가 제공하는 교육에 대한 만족도는 18~20세 응답자에게 가장 높으며, 학습자의 41%가 우수하다고 평가했습니다. 유료 온라인 과정과 코딩 부트캠프는 젊은층과 중견 경력자에게 가장 인기 있습니다.
MOOC 및 코딩 학교에 대한 친숙도
| 들어본 적 없음 | 알고는 있지만 이용해 본 적은 없음 | 이용해 봤으나 지금은 아님 | 현재 이용 중임 | |
|---|---|---|---|---|
| 18% | 23% | 29% | 29% | Udemy |
| 18% | 27% | 35% | 20% | Coursera |
| 29% | 41% | 15% | 16% | JetBrains Academy |
| 38% | 26% | 25% | 10% | edX |
| 26% | 35% | 29% | 10% | Codecademy |
| 35% | 36% | 20% | 10% | LinkedIn Learning |
| 28% | 33% | 30% | 9% | Khan Academy |
| 52% | 28% | 10% | 9% | Canvas |
| 55% | 28% | 12% | 5% | DataCamp |
| 48% | 32% | 16% | 4% | Udacity |
| 67% | 18% | 11% | 4% | Pluralsight |
| 79% | 13% | 5% | 3% | Stepik |
| 85% | 8% | 4% | 3% | SWAYAM |
| 84% | 11% | 4% | 2% | JavaRush |
| 70% | 22% | 6% | 2% | The Open University |
| 78% | 16% | 5% | 1% | FutureLearn |
| 84% | 12% | 3% | 1% | Egghead |
| 90% | 7% | 2% | 1% | XuetangX |
| 92% | 6% | 2% | 1% | MiríadaX |
| 89% | 8% | 2% | 1% | Cognitive Class |
| 87% | 9% | 3% | 1% | Platzi |
알고 계셨나요?
JetBrains Academy 사용자는 유료 온라인 과정(MOOC) 또는 코딩 학교에 대한 경험을 '우수'로 평가할 가능성이 24% 더 높습니다. JetBrains Academy에서 경험할 수 있는 학습 옵션에 대해 알아보세요.
컴퓨터 과학 주제를 마스터하기 위한 방법100%+
컴퓨터 과학을 탐구하는 학습자는 실습과 시각적 학습에 우선순위를 두며, 구체적으로 코딩 플랫폼, 비디오 튜토리얼 및 설명서가 꼽혔습니다. 그러나 최근 AI 챗봇 사용과 코딩 대회 참여에 대한 통계 자료를 보면, 보다 대화형의 활동적 방식으로 문제를 해결하고 기술을 연마하는 방향으로 추세가 옮겨가고 있는 것으로 보입니다.
이러한 전통적 및 현대적 리소스의 융합은 학습자들이 체계적인 지침과 창의적인 실험 기회를 모두 중요하게 여긴다는 것을 시사합니다.
경쟁 코딩 경험
풍부한 경험: 정기적으로 경쟁에 참여하고 있거나 과거에 많이 참여
보통 수준의 경험: 몇몇 콘테스트에 참여
관심 없음: 관련 경험이 없으며 경쟁하고 싶지도 않음
경험 없음: 경쟁 코딩에 참여한 적은 없지만 관심이 있음
다수의 응답자는 경쟁 코딩을 처음 접하고 관심을 보이는 반면, 30%는 약간의 경험이 있었고 일부 대회에 참여했거나 과거에 정기적으로 참여한 적이 있었습니다.
컴퓨터 과학을 배우는 데 선호하는 리소스와 커뮤니티100%+
동료와의 상호 작용은 CS 학습의 핵심 요소입니다. 약 1/3의 응답자는 해커톤과 오픈 소스 기여를 중요하게 생각하는 반면 1/4은 학습을 위해 코딩 커뮤니티에 참여하는 것을 선호합니다. 플랫폼과 튜토리얼이 일반적이지만 협업 활동과 경쟁 활동이 더 깊은 참여도를 이끌어냅니다.
100%+
모든 연령대의 학습자가 다양한 리소스의 도움을 받습니다. 모든 연령대에서 Google이 가장 많이 선택되었으며, ChatGPT와 같은 AI 지원 기능은 특히 젊은 사용자들 사이에 인기가 많고 29세 미만에서는 3분의 2가 이를 사용합니다. 젊은 학습자들은 또한 친구와 교육자에게 도움을 구하는 경향이 있는 반면, 30대와 40대는 동료에게 의지합니다. YouTube는 모든 연령대에서 널리 이용되며, 나이가 많은 학습자는 교재 및 Medium과 같은 플랫폼을 선호합니다. 전반적으로 젊은 세대는 AI, 동료 지원, 교육 미디어를 균형 있게 활용하는 반면, 연령대가 높은 그룹은 전문가 네트워크, 체계적인 자료 및 교재를 선호합니다.
100%+
| 18~20세 | 21~29세 | 30~39세 | 40~49세 | 50~59세 | 60세 이상 | |
|---|---|---|---|---|---|---|
| 70% | 76% | 77% | 75% | 68% | 68% | |
| 66% | 67% | 55% | 46% | 38% | 35% | AI 기반 도구(ChatGPT 또는 기타) |
| 58% | 48% | 31% | 22% | 13% | 9% | 친구와 급우 |
| 56% | 65% | 64% | 52% | 37% | 33% | Stack Overflow |
| 53% | 53% | 50% | 50% | 43% | 36% | YouTube |
| 47% | 32% | 21% | 20% | 16% | 8% | 강사/교사/개인 지도 교사 |
| 23% | 23% | 27% | 32% | 31% | 34% | 교재 |
| 20% | 25% | 26% | 27% | 18% | 25% | 온라인 기술 미디어(예: 매체) |
| 19% | 19% | 18% | 16% | 24% | 14% | 소셜 미디어에 있는 사람들 |
| 17% | 31% | 36% | 33% | 29% | 19% | 동료 |
| 3% | 3% | 3% | 4% | 2% | 9% | 기타 |
일상적으로 AI 어시스턴트를 사용한다고 보고한 응답자의 비율입니다.
가장 많이 사용되는 AI 어시스턴트100%+
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
컴퓨터 과학 학습에 가장 인기 있는 AI 어시스턴트100%+
AI는 학습자가 언어 장벽을 극복하도록 도와줍니다. 대부분의 컴퓨터 과학 리소스는 영어가 주요 언어이기 때문에 다양한 언어를 사용하거나 영어를 사용하지 않는 인구가 많은 지역에서는 번역과 발음 기능에 많이 의존합니다.
이러한 기능에 대한 의존도가 가장 높은 곳은 북유라시아(44%)와 튀르키예(45%)이며, 그 다음으로 남아시아와 동아시아, 라틴 아메리카, 동남아시아 및 오세아니아가 뒤를 잇습니다(이들 지역에서 이러한 기능의 사용 비율은 40~44%).
반면, 영국, 캐나다, 미국과 같이 주로 영어를 사용하는 국가에서는 사용률이 훨씬 낮습니다(13~19%). 이는 이러한 지역의 학습자는 언어와 관련된 어려움을 적게 느낀다는 것을 말해줍니다.
학습자가 교육과정을 선택할 때 고려하는 가장 중요한 측면은 실무 경험을 쌓기 위한 실습 프로젝트와 연습, 리소스 및 자료에 대한 접근성, 저렴한 가격, 강사의 경력입니다.
교육과정의 구성과 내용
| 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|
| 2% | 22% | 76% | 실무 경험을 위한 실습 프로젝트와 연습문제 |
| 3% | 31% | 66% | 진보적인 주제로 짜여진 체계적인 커리큘럼 |
| 3% | 32% | 65% | 학생들에게 명확한 학습 목표 제시 |
| 7% | 32% | 60% | 실무 관련성 |
| 6% | 38% | 55% | 변화하는 산업 표준을 빠르게 반영 |
| 7% | 41% | 52% | 모든 수준을 위해 복잡한 개념을 단순하게 설명 |
| 9% | 44% | 47% | 학생 피드백을 빠르게 반영 |
| 17% | 40% | 42% | 경력 개발 지도 |
| 20% | 43% | 38% | 책임 있는 기술 사용에 대한 윤리적 고려 |
| 31% | 46% | 24% | 동료 협업 |
| 38% | 41% | 21% | 게임화(퀴즈, 배지 등) |
학생 지원 및 유연성
| 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|
| 2% | 25% | 74% | 리소스 및 자료에 대한 접근 |
| 6% | 38% | 56% | 시간적 유연성 |
| 10% | 35% | 54% | 원격 학습 옵션 |
| 6% | 45% | 49% | 정기적인 피드백 및 평가 |
| 12% | 44% | 44% | 지원 커뮤니티 및 네트워킹 |
| 14% | 48% | 38% | 기술 지원 서비스 |
| 21% | 41% | 38% | 학습 장소의 접근성 |
| 24% | 40% | 36% | 오프라인 학습 옵션 |
| 23% | 42% | 35% | 포용적인 환경 |
| 19% | 45% | 35% | 환경 접근성 |
| 53% | 33% | 14% | 탁아소 운영 |
여성 학습자는 남성 학습자보다 교육에서 유연성과 지원을 더 우선시합니다. 차이가 뚜렷이 드러난 부분은 시간적 유연성(여성 64% 대 남성 54%), 원격 학습 옵션(63% 대 53%), 기술 지원(50% 대 36%) 관련입니다. 또한 여성 학습자의 49%는 쉽게 접근할 수 있는 학습 공간을 중요하게 여기는 반면 남성 학습자의 비율은 36%에 불과합니다.
경제성
| 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|
| 3% | 32% | 66% | 저렴한 비용 |
| 17% | 48% | 35% | 개별 구성 항목에 대한 결제가 가능한 맞춤형 요금 구조 |
| 18% | 49% | 32% | 고용주가 편리한 비용 충당을 위해 기업 간 거래(B2B) 옵션 제공 |
졸업장 및 자격증
| 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|
| 19% | 37% | 44% | 대학 고등교육 졸업장 |
| 16% | 41% | 43% | 업계 자격증 |
| 21% | 40% | 39% | 과정 완료 시 졸업장 또는 자격증 제공 |
4년제 학사가 가장 많은 선택을 받았지만 여기에 나온 모든 증명서가 습득한 능력과 지식을 잘 입증해 주는 가치 있는 옵션이라고 다수가 평가했습니다.
강사의 자질과 성격
| 별로 중요하지 않음 | 상당히 중요함 | 매우 중요함 | |
|---|---|---|---|
| 8% | 37% | 56% | 실무 경험 |
| 15% | 46% | 39% | 학생의 입장에서 생각 |
| 20% | 46% | 34% | 카리스마 |
| 29% | 41% | 30% | 학력 또는 출신 대학 |
온라인 교육에 지출하는 월 비용
미화 25달러 미만
미화 25~50달러
미화 51~100달러
미화 101~200달러
미화 200달러 초과
온라인 교육에 돈을 쓰지 않음
답변하고 싶지 않음
응답자의 약 4분의 3이 온라인 교육에 돈을 지출합니다. 현재 이용 중인 교육과정과 관련하여, 유료 과정을 선택하는 세 가지 주된 요인은 잘 짜여진 수준 높은 콘텐츠, 실습 위주의 실무 교육 및 유연한 형식입니다. 향후 교육과정(또는 다른 유형의 학습 자료)에 돈을 지불하게 될 동기에 대해 물었을 때 응답자들은 업무/학업과의 관련성, 개인적 관심사, 전문 콘텐츠 및 증명서를 주로 언급했습니다.
현재 이용 중인 교육과정에 돈을 지출하는 이유100%+
참고: 응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
향후 교육과정에 돈을 지출하게 될 이유
참고: 응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
교육과정을 중단한 컴퓨터 과학 학습자의 비율입니다. 가장 일반적인 이유는 흥미 없는 콘텐츠, 시간 제약, 실습 부족이었습니다. 자율 학습 온라인 튜토리얼과 무료 MOOC를 중단하는 경우가 가장 많아, 구성의 완성도가 낮은 학습 형식에서 동기를 계속 유지하는 데 어려움이 있음을 나타냅니다.
교육과정 또는 학습 프로그램을 그만두는 이유100%+
가장 최근에 그만둔 교육과정의 유형
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
컴퓨터 과학 학습에서 가장 어려운 부분100%+
학습자는 디버그 및 적절한 리소스 선택과 같은 실질적인 장애물과 가면 증후군 및 고립감과 같은 감정적 장벽 때문에 어려움을 겪는 경우가 많습니다. 이는 학생들이 성공적으로 교육을 받기 위해 명확한 지도와 이들에게 힘이 되는 학습 환경이 모두 필요함을 잘 보여줍니다.
좌절감을 극복하는 방법
참고: 응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
응답자들은 좌절감을 극복하기 위해 가장 효과적으로 사용한 방법으로 휴식을 취하고, 신체적 활동에 참여하고, 목표를 세우고, 처음의 마음가짐을 상기하는 것 등을 꼽았습니다. 자기 성찰과 사고방식의 전환도 보다 적응력 있고 긍정적인 자세로 어려움을 극복할 수 있는 주된 방법으로 언급되었습니다. 이러한 방법은 학습자가 각오를 새롭게 다지고, 집중력을 되찾으며, 에너지를 재충전하는 데 도움이 됩니다. 그러나 응답자의 18%는 아직 효과적인 해결책을 찾지 못하고 있어 좌절감을 관리하기 위한 보편적인 해결책이 없음을 잘 보여줍니다.
학습자가 생산성을 유지하는 방법100%+
전 세계적으로 과제를 더 작게 쪼개는 방법이 가장 인기가 많지만 지역 간 차이는 있습니다. 영국에서는 응답자의 3분의 2 이상이 이 방법을 선호하지만 일본에서는 3분의 1도 채 되지 않습니다. 효과적인 학습의 기초가 되는 수면은 전 세계적으로 2위를 차지했습니다. 북유럽과 동유럽(발칸반도와 코카서스 지역 포함)에서는 이 부분을 특히 중요하게 여기지만(51%) 중남미에서는 덜합니다(29~36%). 음악 듣기가 충분히 자는 것보다 생산성 향상에 더 효과적(50% 대 47%)인 것으로 나타난 독일도 눈에 띕니다. 영국, 미국, 브라질 및 독일의 학습자들은 정기적으로 휴식을 취한다고 보고했지만(46~51%) 일본, 한국 및 중국에서는 덜 일반적입니다(26~34%).
문화적 선호도는 커피 소비에도 영향을 미칩니다. 커피는 튀르키예와 북유럽 및 동유럽(발칸반도와 코카서스 지역 포함) 전역에서 37~41%가 선호하는 인기 활력제이지만 나이지리아와 중국 응답자 중에서는 인기가 훨씬 낮습니다(각각 11%와 17%).
한편, 반려동물과 놀기는 미주 지역에서 자주 사용하는 전략(북부 10%, 중부 및 남부 14%)이지만 나이지리아, 중국, 한국, 중동에서는 거의 고려되지 않았습니다(1~4%).
학습자가 여가 시간에 즐기는 취미100%+
3~10년의 일반적 코딩 경험이 있다고 보고한 21~29세 응답자의 비율입니다. 이는 사람들이 이전보다 이른 시기에 코딩을 시작하고 있음을 나타낼 수 있습니다.
전체 코딩 경험(프로그래밍 학습 및 취미로서의 프로그래밍 포함)
1년 미만
1~2년
3~5년
6~10년
11~16년
16년 이상
코딩 경험이 없음
전문적인 코딩 경험
1년 미만
1~2년
3~5년
6~10년
11~16년
16년 이상
전문적인 코딩 경험 없음
학습자가 첫 코드 줄을 작성하는 환경
통합 개발 환경(IDE)
텍스트 에디터
브라우저 내 코드 에디터
명령줄 인터페이스
잘 모르겠음
기타
자기 주도형 온라인 튜토리얼과 코딩 플랫폼이 컴퓨터 과학 학습을 위한 방법으로 응답자의 가장 많은 선택을 받았지만, 코딩 여정을 막 시작한 초보자에게는 IDE가 여전히 가장 인기 있는 선택입니다.
처음으로 배운 프로그래밍 언어
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
지난 1년 동안 업무 및 학습에 사용된 프로그래밍 언어100%+
Python은 지난 1년 동안의 사용률과 학습을 지속하는 측면에서 모두 우세하여, 이 언어가 가진 범용성과 지속적인 인기를 잘 보여주었습니다. 많은 학습자가 Java, JavaScript, SQL과 같은 널리 사용되는 언어를 계속해서 사용하고 있지만, Rust 및 Kotlin과 같은 새로운 언어에 대한 관심도 상당히 큽니다.
데이터에 따르면 학습자들이 언어 능력을 확장하고 있으며, 특히 Python, Java, C++와 같은 기초 언어에 중점을 두면서 새로운 기술에도 점차 관심을 보이고 있는 추세가 명확히 나타났습니다.
지난 12개월 동안 새롭게 시작했거나 계속 이어간 프로그래밍 언어 학습100%+
Python은 미국에서 수요가 많아, 응답자의 절반 이상이 작년에 이 언어를 시작하거나 계속해서 배웠습니다. Java 학습은 한국과 인도에서 가장 인기가 많지만(38~39%) 일본에서는 인기가 훨씬 덜합니다(15%). JavaScript는 남미와 인도에서 배우는 사람이 많고(각각 40%와 44%), TypeScript는 독일과 프랑스에서 특히 인기가 많습니다(22~23%). PHP는 다른 지역보다 프랑스에서 훨씬 더 인기가 많습니다(16%).
Kotlin은 독일, 스페인, 한국, 러시아 연방 및 벨로루시에서 인기가 많습니다(각 국가에서 15~18%).
함수형 및 시스템 프로그래밍 언어인 Rust는 프랑스, 독일, 베네룩스, 북유럽과 같은 유럽 지역에서 인기를 얻었습니다(15~16%).
C++ 학습은 인도, 중국 및 우크라이나에서 가장 인기가 많고(28%~29%) 중남미, 스페인 및 일본에서는 인기가 훨씬 덜합니다(10~12%). 한편, 아르헨티나를 포함한 중남미 응답자의 6%만이 C를 배우고 있는 반면, 인도와 한국에서는 이 수치가 4배나 높습니다(26%).
개발 환경에 선호하는 운영 체제100%+
Windows
Linux
macOS
기타
대부분의 학습자는 로컬 환경에서 코드를 실행하는 것을 선호하며, 통합 개발 환경(IDE)이 주요 도구입니다. 명령줄 인터페이스와 텍스트 에디터는 그 다음으로 인기 있는 선택입니다. Windows는 개발 환경에 가장 널리 사용되는 운영 체제입니다.
코드 실행에 선호하는 도구100%+
코드 실행에 선호하는 환경100%+
개발 환경 설치 및 설정 경험
본인은 숙련된 사용자임
이전에 환경을 설정한 적이 있지만 아직 어려움을 겪을 수도 있음
경험은 거의 없지만 문제가 생긴 적은 없음
코치나 추가 리소스가 필요할 수 있음
어려움이 있으며 상당한 도움이 필요
기타
사용 범위에서는 차이가 있지만 IDE를 학습 목적으로 사용한다고 보고한 학습자의 비율입니다.
업무 및 학습에 정기적으로 사용되는 IDE100%+
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
알고 계셨나요?
JetBrains IDE를 정기적으로 사용하는 학습자는 JetBrains IDE를 사용하지 않는 학습자에 비해 특별히 학습 목적으로 IDE를 사용할 가능성이 21% 더 높습니다. 또한 JetBrains IDE를 정기적으로 사용하는 학습자는 그렇지 않은 학습자보다 자신의 코딩 능력을 높게 평가합니다.
코딩 학습에 관심이 있는 학생이신가요? 모든 JetBrains IDE를 학교나 집에서 개인적 용도로 무료로 이용해 보세요!
IDE 사용 목적100%+
개인적 또는 부수적 프로젝트
업무
취미
공동 프로그래밍
기타
처음으로 사용한 IDE
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
대부분의 학습자는 개인 노트북을 사용하여 컴퓨터 과학과 코딩을 배웁니다. 데스크톱 컴퓨터도 일반적으로 사용되지만(학습에 37%, 코딩에 36%), 스마트폰과 태블릿은 선호도가 떨어져 응답자의 4분의 1만이 학습에 스마트폰을 사용하고 3%만이 코딩에 사용합니다. 대부분의 학습자는 주요 학습 기기를 소유하고 있으며, 회사(7%)나 교육 기관(3%)에서 제공하는 기기를 사용하는 비율은 적습니다.
학습에 선호하는 기기100%+
Notebook
데스크톱 컴퓨터
스마트폰
태블릿
기타
코딩에 선호하는 기기100%+
Notebook
데스크톱 컴퓨터
스마트폰
태블릿
코드를 작성하지 않음
기본 학습 기기 소유 현황
내 소유의 학습 기기를 가지고 있음
고용주가 학습 기기를 제공함
학습 기기를 가족 또는 동거인과 공유함
교육 기관에서 학습 기기를 제공함
선호하는 학습 장소
학습 장소의 편의성
| 전혀 편하지 않음 | 상당히 불편함 | 상당히 편함 | 매우 편함 | |
|---|---|---|---|---|
| 1% | 4% | 27% | 68% | 집 |
| 2% | 11% | 43% | 44% | 기숙사 또는 학생 숙소 |
| 2% | 9% | 48% | 41% | 도서관 |
| 1% | 8% | 51% | 40% | 학교 또는 대학 캠퍼스 |
| 1% | 11% | 53% | 35% | 코워킹 스페이스 |
| 1% | 13% | 63% | 22% | 카페 |
| 4% | 25% | 50% | 22% | 공원이나 야외 공간 |
| 8% | 39% | 38% | 16% | 대중교통(예: 버스 또는 기차) |
대부분 학습자는 저녁에 공부하며, 58%가 주당 3~16시간을 컴퓨터 과학 학습에 할애합니다. 데이터에 따르면 학습자들은 저녁이나 밤에 공부하는 시간을 현재보다 줄이고 싶어하는 것으로 나타났습니다.
선호하는 학습 시간대
일반적인 학습 시간대100%+
컴퓨터 과학 학습에 할애하고 싶은 주당 시간
컴퓨터 과학 학습에 할애하는 주당 시간
선호하는 학습 스타일
혼자서 독립적으로
주제와 내용에 따라 다양한 학습 스타일을 함께 활용
소규모 동료 그룹 또는 학습 파트너와 함께
교사, 멘토 또는 강사와 함께
미정
응답자 중 3분의 1 미만은 체계적으로 공부하며, 응답자의 절반이 조금 넘는 사람들은 구체적인 학습 일정을 따르지 않습니다. 학습 속도에 영향을 미치는 주요 요인에는 학습량, 기한, 개인적 관심사 및 기타 개인적 사정이 있으며, 이러한 모든 요인이 학습자가 얼마나 지속적으로 발전하고 동기를 유지하는지에 영향을 미칩니다.
학습 속도
이따금 공부하고, 매주 학습에 투입하는 시간은 일정하지 않음
체계적으로 공부하고, 다양한 주제를 배우며, 각 주제에 동일한 시간을 할애하려고 노력
정해진 기한에는 열심히 공부하고 그 후에는 조금 더 여유롭게 진행
기타
학습 속도에 영향을 미치는 요인
응답자는 이 질문에 서술형으로 답했습니다. ChatGPT를 사용하여 응답을 자동으로 분석하고 주제별로 분류했습니다.
성별
연령대
성별(지역별)
| 말하고 싶지 않음 | 제3의 성, 젠더퀴어 또는 젠더 비순응 | 남성 | 여성 | |
|---|---|---|---|---|
| <1% | <1% | 65% | 35% | 러시아 연방, 벨라루스 |
| 1% | 1% | 69% | 28% | 아르헨티나 |
| 1% | 1% | 71% | 27% | 우크라이나 |
| 2% | – | 77% | 21% | 대한민국 |
| <1% | 1% | 80% | 19% | 중남미 |
| <1% | <1% | 81% | 18% | 나이지리아 |
| 4% | 3% | 75% | 18% | 미국 |
| 1% | 1% | 81% | 16% | 브라질 |
| 4% | 4% | 76% | 16% | 캐나다 |
| 3% | 2% | 79% | 16% | 영국 |
| 1% | 1% | 83% | 16% | 중동, 아프리카, 중앙아시아 |
| 2% | 2% | 82% | 15% | 스페인 |
| 1% | 1% | 83% | 15% | 동유럽, 발칸 반도 및 코카서스 |
| 1% | 1% | 84% | 14% | 멕시코 |
| 1% | 1% | 86% | 13% | 베네룩스 및 북유럽 |
| 2% | 2% | 83% | 12% | 일본 |
| 3% | 1% | 83% | 12% | 프랑스 |
| 3% | 1% | 84% | 12% | 유럽의 나머지 지역 |
| 2% | 1% | 86% | 11% | 독일 |
| 1% | 2% | 86% | 11% | 튀르키예 |
| 2% | 1% | 87% | 9% | 기타 동남아시아 및 오세아니아 |
| 2% | 1% | 91% | 7% | 인도 |
| 4% | 2% | 90% | 4% | 중국 |
대부분 지역에서 컴퓨터 과학 학습자의 대다수는 남성(80~90%)이며, 인도와 중국의 남성 비율이 가장 높습니다. 반면, 러시아 연방, 벨라루스, 아르헨티나, 우크라이나에서는 여성 비율이 평균보다 높게 기록되었습니다.
프랑스, 독일, 영국의 경우 이 수치는 11~16%로 유럽에서 성별 격차가 여전히 남아 있음을 보여줍니다. 제3의 성 학습자는 미국과 캐나다를 제외한 대부분 지역에서 약 1~2%를 차지합니다.
결혼 여부
자녀 수
친구와 만날 때, 그리고 집에 있을 때 직장에서와 다른 언어를 사용한다고 답한 응답자의 비율입니다. 응답자가 친구 및 가족과 대화할 때 가장 많이 사용하는 언어로는 영어, 힌디어 및 중국어가 꼽혔습니다.
직장에서 사용하는 언어100%+
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
데이터에 따르면 직장에서 영어가 지배적인 언어이며 응답자의 3분의 2 이상이 영어를 사용합니다. 그 다음으로 많이 사용되는 언어는 중국어와 일본어로, 아시아 시장을 대표합니다. 힌디어, 스페인어 및 러시아어와 같은 언어는 IT 분야의 글로벌 다양성을 잘 보여줍니다. 또한 응답자의 8%는 설문조사에서 추적하지 않는 덜 일반적인 언어를 사용한다고 답해 업계의 언어적 다양성이 더욱 크다는 것을 보여주었습니다.
가족 및 친구와 사용하는 언어100%+
이 질문은 직장에서 사용하는 언어와 친구 및 가족과 사용하는 언어가 다르다고 답한 응답자에게만 표시되었습니다.
비율이 1% 미만인 모든 답변은 '기타'로 분류했습니다.
국가/지역
비율이 1% 미만인 모든 국가/지역은 '기타'로 분류했습니다.
중국 본토, 미국, 인도 및 일본은 전 세계 컴퓨터 과학 학습자의 절반 이상을 차지하여 글로벌 기술 허브로서의 위치를 과시했습니다.
현재 거주하는 국가 또는 지역에서 태어났다고 답한 응답자의 비율입니다. 이주한 사람들의 3분의 1은 러시아 연방, 인도 및 중국에 자리를 잡았습니다. 최근 몇 년 동안 이주 추세가 꾸준히 증가했으며, 지난 10년 동안 다른 국가로 이주한 사람들이 전체 이주자의 62%입니다.
출생 국가/지역
이 질문은 현재, 출생 국가 또는 지역과 다른 국가 또는 지역에 거주한다고 답한 응답자에게만 표시되었습니다.
비율이 1% 미만인 모든 국가/지역은 '기타'로 분류했습니다.
방법론
28,500명 이상이 2024년 컴퓨터 과학 학습 곡선 설문조사에 참여했습니다.
대표적인 표본을 확보하기 위해 아래에 설명된 방법을 사용하여 데이터를 정리했습니다. 최종 보고서는 전 세계 23,991명의 학습자로부터 받은 응답을 기반으로 합니다.
이 섹션의 마지막에 자세히 설명된 여러 기준에 따라 데이터에 가중치가 적용되었습니다.
현지화
보다 넓은 범위를 포괄하고 다양한 부류의 참가자를 수용하기 위해 설문조사는 총 10개 언어인 영어, 한국어, 중국어, 프랑스어, 독일어, 일본어, 브라질 포르투갈어, 러시아어, 스페인어, 튀르키예어로 제공되었습니다.
샘플 편향성 감소
편향을 줄이기 위해 응답의 출처에 따라 데이터에 가중치를 두었습니다. 유료 광고 및 동료 추천과 같이 JetBrains 대상에게 우호적으로 편향될 가능성이 낮은 외부 출처의 응답에 우선순위를 두었습니다. 각 응답자의 출처는 가중치 부여 과정에서 개별적으로 고려되었습니다.
컴퓨터 과학 학습자의 글로벌 인구 분포를 보다 정확하게 나타내기 위해 가중치를 세 단계로 적용했습니다.
각 지역의 개발자 인구에 맞게 조정
설문조사를 실시하기 전에 JetBrains는 각 지역의 STEM 학생 인구가 이러한 지역의 전문 개발자 수와 상관 관계가 높다는 것을 밝히는 연구를 수행했습니다. 이 결과를 바탕으로 각 지역의 전문 개발자 비율을 컴퓨터 과학 학습자 비율의 추정치로 사용하기로 결정했습니다.
첫 번째 단계에서는 여러 국가의 응답을 수집한 다음 각 국가의 전문 개발자에 대한 추정 분포를 적용하여 데이터에 가중치를 두었습니다.
먼저 23개 지역의 소셜 네트워크 광고와 함께 동료 추천을 통해 설문조사 응답을 수집했습니다. 그런 다음 각 지역의 전문 개발자 인구에 대한 추정치를 기반으로 이러한 응답에 가중치를 두었습니다.
이를 통해 응답 분포가 각 국가의 컴퓨터 과학 학습자 인구와 일치하도록 했습니다.
코딩 경험 및 JetBrains IDE 사용에 맞게 조정
두 번째 단계에서는 수학 계산식을 푸는 것과 같은 보다 복잡한 프로세스가 진행되었습니다.
처음에 가중치가 적용된 응답을 사용하여 각 지역에서 코딩 경험 수준과 JetBrains IDE 사용에 따른 학습자 분포를 파악했습니다. 이러한 분포는 계산식에서 상수의 역할을 했습니다.
다음으로, JetBrains의 내부 채널(소셜 미디어 계정 및 연구 패널 등)을 통해 설문조사에 접근한 학습자의 응답을 추가했습니다.
일차 방정식과 부등식 풀기
다음과 같이 기술된 선형 연립 방정식 및 부등식을 구성했습니다.
- 응답자에 대한 가중 계수(예: 표본의 Fiona는 평균적으로 프랑스 소프트웨어 개발자 180명을 대표)
- 응답의 특정 값(예: Pierre는 2년의 코딩 경험이 있고 어떤 JetBrains IDE도 사용하지 않음)
- 응답자의 필수 비율(예: 학습자의 22%가 1~2년의 코딩 경험을 가지고 있음)
가중치 계수의 분산이 최소인 방정식을 풀기 위해 Goldfarb와 Idnani(1982, 1983)의 이중 방법을 적용했습니다. 이렇게 하여 23,991명의 응답자 각각에 대한 최적의 개별 가중치 계수를 정리할 수 있었습니다.
여전히 존재하는 편차
이러한 조치에도 불구하고 JetBrains 사용자들은 평균적으로 더 적극적으로 이 설문조사에 참가할 가능성이 높기 때문에 일부 편향이 있을 수 있습니다.
설문조사의 분포를 통제하고 스마트 가중치를 적용하기 위해 최선을 다하지만, 커뮤니티와 학습자 에코시스템은 끊임없이 진화하므로 예상치 못한 데이터 변동의 가능성을 완전히 배제할 수는 없습니다.
서술형 답변에 대한 분석
이 보고서에서는 수천명이 응답한 여러 개의 서술형 질문에 대한 빈도 분석을 제시합니다. 데이터의 양이 방대하기 때문에 자동화된 처리 기술을 적용했습니다. 응답을 자동으로 분류하기 위해 대규모 언어 모델(LLM), 특히 GPT-4o를 사용했습니다.
데이터 정리
- 번역: 분석을 표준화하기 위해 다양한 언어의 응답을 영어로 번역했습니다.
- 완전성 확인: 관련성과 내용에 따라 응답을 필터링하여 관련성이 없거나 주제를 벗어난 응답은 제외시켰습니다.
- 부적절한 내용 배제: 부적절한 언어나 공격적인 내용이 포함된 응답은 데이터 무결성을 보장하기 위해 제외시켰습니다.
데이터 정리 절차를 마친 후에 유효한 응답은 질문당 4,000~9,000개 범위였으며, 일부 질문은 선택 사항이었고 민감한 성격의 특정 주제가 있었다는 점이 여기에 영향을 미쳤습니다.
응답 분류
- GPT-4o를 사용하여 응답을 분석하고 주제별로 분류했습니다. 분류의 일관성을 검증하기 위해 분석을 여러 번 반복했습니다(일반적으로 질문당 5회 이상 반복).
- 반복할 때마다 응답자의 핵심 주제를 반영하는지 확인하기 위해 분류를 검토했습니다.
- 시도해본 결과, 질문당 5~8가지 분류가 세분화와 일반화 사이의 균형이 가장 좋아 고유한 관점을 유지하면서도 미묘한 인사이트를 포착할 수 있는 것으로 확인되었습니다.
JetBrains Tech Insights Lab에 참여하세요
설문조사와 UX 연구에 참여하여 JetBrains 제품을 더욱 사용하기 쉽고 강력하게 만들어보세요. 연구에 참여하면 상품을 받을 수 있는 기회도 주어집니다.
보고서가 여러분에게 유익한 도움이 되었기를 바랍니다. 이 보고서를 친구 및 동료와 공유해 보세요!
#JBAcademySurveyResults24로 대화에 참여하여 생각을 공유하고 Discord, LinkedIn, X, Facebook에 마련된 전용 CS 학습 커뮤니티에서 소통하세요.