In the era of big data, the scientific and social demand for quality data is aggressive and urgent. This dissertation sheds light on the expanded role of reference standards as a mode of scientific and social coordination for identifying data uncertainty and managing data quality through the expansion of the philosophy and language of metrology. In this regard, this study explores the mechanism of the national standard reference data (SRD) program of Korea, which is a unique legal and institutional framework for data certification. As a useful data evaluation approach, this study suggests the concept of ‘data traceability’ with the ‘matrix of data quality evaluation’ according to the elements of a data production system and related evaluation criteria. In particular, this research examines two national SRD projects for data quality assurance of brain magnetic resonance imaging data and national health screening blood glucose measurement data. The study describes how various social and scientific elements are reconfigured and assembled to manage uncertainties inherent in health and medical big data and generate a set of national standard reference data for stroke diagnosis and diabetes management. The two different forms of standards networks involved in the national SRD projects explored in this dissertation reveal the realities and difficulties regarding medical data quality assurance and suggest alternative forms of standards governance by redefining the identities of medical specialists and by creating a special clinical laboratory quality auditing scheme. This allows for various types and levels of knowledge, experience, and techniques to compete and be assembled horizontally for the purpose of identifying the known and suspected uncertainties and defining a socially or technically recognized ‘reference’ as standards to ensure a stated level of confidence regarding data quality within a given context. In conclusion, this study emphasizes the important role of standards governance, which extends beyond a means of regulation and serves as an efficient means of building ‘networks’ or ‘relationships’ between social and technical elements necessary to create a common language and method for the purpose of managing the complexity and uncertainty of big data.
본 논문은 빅데이터 시대 새로운 상품이자 원자재로서 데이터 품질의 의미를 재정의 하는 한편, 다양한 형태와 속성을 가진 빅데이터의 품질과 관련된 불확실성 요소를 정의하고 이를 관리하는 과학기술적 사회적 조정 양식으로써 국가표준을 연구하였다. 본 논문은 데이터 품질평가 및 인증을 위한 법적・제도적 기반으로서 한국의 국가참조표준제도를 살펴보고, 이를 기반으로 빅데이터 품질 보증의 목적과 의미를 고찰하는 한편, 빅데이터 품질평가를 위한 새로운 개념 및 방법론으로 ‘데이터 소급성’과 ‘데이터 품질평가 매트릭스’를 제안하였다. 특히 과학적 근거기반으로서 정성적, 정량적 데이터 값의 ‘비교’와 ‘교정’을 위한 ‘기준’이 측정학적 주요 개념과 방법론 확장을 통해 어떻게 구현되고 정의되는 지 보건의료 분야 의료영상이미지와 임상진단검사 데이터를 활용한 국가참조표준 제정 및 보급 사례를 통해 분석하였다. 연구 결과, 의료 빅데이터의 신뢰성 담보는 통계학적 숫자, 과학적 인공물 외에 해당 데이터의 생산 및 활용과 관련된 관계자들의 개인적 인식과 경험, 전문지식, 이해와 같은 주관적인 요소들이 더해져 현재 수준에서 추정이 가능한 ‘불확실성’과 이를 관리하기 위한 ‘기준’을 과학적, 사회적으로 함께 정의하는 것이 중요함을 보여준다. 결론으로, 본 논문은 표준의 역할을 규제를 넘어 새로운 지적 자원의 신뢰성을 평가하고 품질을 담보하기 위한 공통의 언어와 방법론을 생성하는 것으로 확장하였다. 또한 다양한 분야의 데이터 품질 거버넌스 확립을 통해 영역별 품질관련 현안을 점검하고 해결하도록 유도함으로써 국가품질인프라 확립을 위한 자발적이고 수평적 형태의 국가표준 거버넌스 실현이 가능해 질 수 있음을 강조하였다.
