Introduction
Materials and Methods
연구 대상 및 자료수집
지속가능농업 평가요인의 구성
전문가 유형의 분류
통계분석
Results and Discussion
지속가능농업 평가요인의 전반적 중요도
직위별 상위 평가요인의 중요도 인식 차이
직위별 하위 평가지표의 중요도 인식 차이
전문영역별 상위 평가요인의 중요도 인식 차이
전문가 유형별 인식 차이의 종합적 논의
전문영역별 하위 평가지표의 중요도 인식차이
Conclusion
Introduction
최근 농업은 기후변화의 심화, 농촌인구 감소 및 고령화, 농업 노동력 부족 등 다양한 구조적 문제에 직면하고 있다. 이러한 변화는 농업 생산성 저하뿐만 아니라 식량안보와 농촌사회의 지속가능성에도 영향을 미치고 있으며, 농업의 경제적 성과와 환경보전 및 사회적 가치를 동시에 달성할 수 있는 지속가능한 발전 전략의 필요성을 더욱 증가시키고 있다. 지속가능농업은 단순한 농업 생산성 향상을 넘어 경제적 지속성, 환경적 건전성 및 사회적 형평성을 균형 있게 실현하는 농업 발전 패러다임으로 인식되고 있으며, 국제적으로도 지속가능한 농업생산 체계 구축을 위한 다양한 평가 체계가 제시되고 있다(FAO, 2013; OECD, 2008; Pretty, 2008). 이와 함께 디지털 기술의 발전은 농업의 생산방식에도 큰 변화를 가져오고 있다. 스마트농업은 정보통신기술(ICT), 사물인터넷(IoT), 인공지능(AI), 빅데이터(Big Data), 클라우드 컴퓨팅 및 자동화 기술을 농업생산과 경영과정에 적용함으로써 생산성과 품질을 향상시키고 자원 이용 효율성을 높이는 차세대 농업혁신 기술로 주목받고 있다(Wolfert et al., 2017; Liakos et al., 2018).
특히 데이터 기반의 의사결정과 정밀농업(Precision Agriculture)은 농약과 비료 사용량을 절감하고 탄소배출을 감소시키는 동시에 생산성과 경제성을 향상시킬 수 있는 핵심 기술로 평가되고 있다(Bongiovanni and Lowenberg-DeBoer, 2004; Balafoutis et al., 2017). 또한 스마트농업은 디지털 기술과 지속가능성을 연계하는 미래 농업의 핵심 전략으로 인식되면서 기술혁신뿐 아니라 농업정책과 거버넌스, 데이터 활용 체계까지 포함하는 통합적인 접근이 요구되고 있다(Klerkx et al., 2019; Walter et al., 2017).
지속가능농업의 평가 체계에 관한 기존 연구는 경제적, 환경적 및 사회적 요소를 중심으로 평가 항목을 개발하거나 우선순위를 분석하는 연구가 주를 이루어 왔다(Kim and Moon, 2012; Kim and Lee, 2015). Son et al. (2019)은 AHP와 Best-Worst Scaling (BWS)을 활용하여 농업 환경보전 실천 기술의 우선순위를 분석하였으며, 토양검정 기반 비료 사용량 감축과 가축분뇨 활용 기술의 중요성을 제시하였다. 그러나 전문가의 직위 및 전문영역에 따른 중요도 인식 차이를 실증적으로 분석한 연구는 상대적으로 부족하다.
특히 스마트농업은 농업기술, 농업경제, 환경정책, 지속가능성 및 농촌사회 등 다양한 전문 분야가 융합되는 분야이므로 전문가의 전문적 배경에 따라 평가요인의 중요도 인식이 달라질 가능성이 높다. 전문가 판단은 복잡한 의사결정 과정에서 중요한 정보를 제공하지만, 전문가의 지식, 경험 및 전문 분야에 따라 동일한 대상에 대해서도 상이한 판단이 나타날 수 있다(Burgman et al., 2011; Martin et al., 2012).
또한 공공정책과 기술평가 과정에서는 특정 전문 분야에 편중된 전문가 집단만을 활용할 경우 평가 결과가 해당 분야의 관점에 치우칠 가능성이 있으므로 다양한 전문영역의 의견을 균형 있게 반영할 필요성이 제기되고 있다(Morgan, 2014).
그러나 스마트농업 기반 지속가능농업의 평가 체계에서 전문가 유형에 따른 중요도 인식 차이를 실증적으로 규명한 연구는 아직 충분하지 않은 실정이다. 따라서 스마트농업 기반 지속가능농업 평가요인에 대한 전문가 유형별 중요도 인식 차이를 분석하는 것을 목적으로 하였다. 이를 위해 스마트농업 및 지속가능농업 관련 전문가 254명을 대상으로 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 거버넌스적 요소, 기술적 지속가능성 및 정부 정책적 요소의 6개 상위 평가요인과 24개 하위 평가지표에 대한 중요도 인식을 조사하였다.
또한 전문가를 직위와 농업 관련 전문영역으로 구분하여 일원 배치 분산분석(ANOVA), Tukey HSD 사후검정 및 효과 크기(effect size)는 η² (Eta squared)로 평가하였다. 전문가 유형에 따른 인식 특성을 실증적으로 규명함으로써 스마트농업 기반 지속가능농업 평가 체계의 객관성과 활용성을 높이기 위한 기초자료를 제공하고, 향후 지속가능농업 정책과 스마트농업 기술개발의 우선순위 설정에 필요한 시사점을 제시하고자 한다.
Materials and Methods
연구 대상 및 자료수집
연구에서는 스마트농업 기반 지속가능농업 평가요인에 대한 전문가 유형별 중요도 인식 차이를 분석하기 위하여 스마트농업 및 지속가능농업 관련 전문가를 대상으로 설문조사를 실시하였다. 조사 대상은 농업 관련 연구·교육, 행정, 기술 보급, 농업경영 및 영농현장 등에서 활동하거나 관련 경험을 보유한 전문가와 농업 관련 종사자로 구성하였다.
설문지는 총 300부를 배포하였고, 이 중 258부가 회수되었으며, 응답이 불완전한 4부를 제외한 254부를 최종 분석에 활용하였다. 이에 따라 회수율은 86.0%, 최종 유효 응답률은 84.7%였다. 조사 대상에는 농학 관련 교수 및 전공자, 지방자치단체 농업 관련 공무원, 농업기술센터 관계자, 농업협동조합 및 영농 관련 조직 종사자, 농업인 등이 포함되었다. 설문은 무기명 방식으로 실시하였으며, 응답자의 일반적 특성과 농업 관련 전문영역 및 지속가능농업 평가요인에 대한 중요도 인식을 조사하였다.
응답자의 일반적 특성은 성별, 연령, 학력, 직위, 농업 분야 경력 및 영농규모 등으로 구성하였다. 농업 관련 전문영역은 응답자가 주로 수행하거나 관심을 가지고 있는 전문 분야를 기준으로 구분하였다. 전문영역은 지속가능농업·ESG, 스마트농업, 농업경제, 농촌사회 및 환경정책 분야로 분류하였다. 이는 응답자의 대학 전공만을 의미하는 것이 아니라 현재 수행하고 있는 업무, 연구 및 관심 분야를 포함하는 농업 관련 전문영역을 의미한다.
조사대상자의 직위 및 농업 관련 전문영역별 분포는 Table 1과 같다. 직위에 대한 유효응답자는 250명으로, 대리급 이하 72명(28.8%), 과장급 62명(24.8%), 부장급 41명(16.4%), 임원 이상 13명(5.2%) 및 CEO 62명(24.8%)으로 구성되었다. 농업 관련 전문영역은 지속가능농업·ESG 64명(25.2%), 스마트농업 59명(23.2%), 농업경제 49명(19.3%), 농촌사회 57명(22.4%) 및 환경정책 25명(9.8%)으로 구성되었다.
Table 1.
Characteristics of Survey Respondents
지속가능농업 평가요인의 구성
스마트농업 기반 지속가능농업의 중요도 인식을 분석하기 위한 평가요인은 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 거버넌스적 요소, 기술적 지속가능성 및 정부 정책적 요소의 6개 상위요인과 이를 구성하는 24개 하위 평가지표로 Table 2와 같이 구성하였다.
Table 2.
Sustainable agriculture Evaluation factors used in this study
경제적 지속가능성은 농업생산과 경영의 지속적인 유지 및 경제적 성과를 평가하기 위한 영역으로 농가소득 증가, 생산성 향상, 품질 안정성 및 농업경영의 안정성을 포함하였다. 환경적 지속가능성은 농업생산 과정에서 환경부하를 줄이고 자원 이용의 효율성을 높이기 위한 영역으로 농약 사용 절감, 비료 사용 절감, 탄소배출 저감 및 에너지 효율성으로 구성하였다.
사회적 지속가능성은 농업인의 생활과 농촌사회의 지속성을 평가하기 위한 영역으로 삶의 질 향상, 노동 안정성 향상, 청년 농 유입 가능성 및 노동강도 감소를 포함하였다. 거버넌스적 요소는 데이터와 정보에 기반한 농업관리 및 조직·정책 운영체계를 평가하기 위한 영역으로 데이터 기반 농업관리, 농업정책 투명성, 농업협동조합 및 조직운영 개선, ESG 기반 정보공개 및 평가시스템 구축으로 구성하였다.
기술적 지속가능성은 스마트농업 기술의 지속적인 활용과 데이터 기반 농업혁신을 평가하기 위한 영역으로 농업 데이터 플랫폼 구축, 물·토양·저탄소 농업기술, 빅데이터 분석을 통한 생산예측 및 AI 기반 농업 의사결정 시스템 구축을 포함하였다.
정부 정책적 요소는 스마트농업 및 지속가능농업의 확산을 지원하기 위한 정책과 제도적 기반을 평가하기 위한 영역으로 디지털 농업교육 확대, ESG 기반 정책평가 시스템구축, 중장기 농업 발전 전략 수립 및 친환경농업 보조금 확대를 포함하였다. 각 평가요인의 중요도는 1점에서 9점 범위의 9점 척도로 측정하였다. 응답 범주는‘전혀 중요하지 않다’1점, ‘중요하지 않다’3점, ‘보통이다’5점, ‘중요하다’7점 및 ‘매우 중요하다’9점으로 구성하였으며, 점수가 높을수록 해당 평가요인의 중요성을 높게 인식하는 것으로 해석하였다.
전문가 유형의 분류
전문가 유형에 따른 지속가능농업 평가요인의 중요도 인식 차이를 분석하기 위하여 응답자의 직위와 농업 관련 전문영역을 집단 분류 기준으로 활용하였다. 직위는 응답자가 소속기관 또는 조직에서 수행하는 역할과 의사결정 수준을 고려하여 CEO, 부장급, 과장급, 대리급 이하 및 임원 이상으로 구분하였다. 직위에 대한 응답이 누락된 4명을 제외한 250명의 자료를 직위별 차이 분석에 활용하였다.
직위별 표본은 CEO 62명, 부장급 41명, 과장급 62명, 대리급 이하 72명 및 임원 이상 13명으로 구성하였다. 농업 관련 전문영역은 응답자가 주로 관심을 두거나 전문성을 보유하고 있다고 응답한 분야를 기준으로 지속가능농업·ESG, 스마트농업, 농업경제, 농촌사회 및 환경정책의 5개 분야로 구분하였다.
전문영역별 표본은 지속가능농업·ESG 64명, 스마트농업 59명, 농업경제 49명, 농촌사회 57명 및 환경정책 25명으로 구성하였다. 전문영역별 집단 구분과 표본 수는 이후의 분산분석에 활용하였다. 직위는 조직 내 역할과 의사결정 수준에 따른 인식 차이를 확인하기 위한 변수로 활용하였으며, 농업 관련 전문영역은 응답자가 축적한 지식, 경험 및 관심 분야에 따른 중요도 인식 차이를 분석하기 위한 변수로 활용하였다.
통계분석
수집된 자료의 통계분석은 IBM SPSS Statistics를 이용하여 실시하였다. 먼저 조사대상자의 일반적 특성과 전문가 유형별 분포를 파악하기 위하여 빈도분석(frequency analysis)을 실시하였으며, 스마트농업 기반 지속가능농업 평가요인의 전반적인 중요도 인식 수준을 확인하기 위하여 평균(mean)과 표준편차(standard deviation)를 산출하였다.
전문가 유형에 따른 지속가능농업 평가요인의 중요도 인식 차이를 검증하기 위하여 일원 배치 분산분석(one-way analysis of variance, ANOVA)을 실시하였다. 전문가 유형은 직위와 농업 관련 전문영역을 기준으로 구분하였으며, 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 거버넌스적 요소, 기술적 지속가능성 및 정부 정책적 요소의 6개 상위 평가요인에 대한 중요도 점수를 종속변수로 설정하였다. 또한 상위 평가요인에서 나타나는 집단 간 차이를 세부적으로 확인하기 위하여 24개 하위 평가지표에 대해서도 동일한 방법으로 분산분석을 실시하였다. 분산분석 결과 통계적으로 유의한 집단 간 차이가 확인된 평가요인에 대해서는 Tukey’s honestly significant difference (HSD) test를 실시하여 구체적인 집단 간 차이를 확인하였다. 통계적 유의수준은 p<0.05를 기준으로 판단하였다.
집단 간 차이의 통계적 유의성과 함께 차이의 실질적인 크기를 평가하기 위하여 η²을 산출하였다. η²는 전체 변동 중 집단 간 차이에 의해 설명되는 변동의 비율을 나타내는 효과 크기(effect size) 지표로 활용하였다. 효과 크기의 해석은 η²=0.01을 작은 효과(small effect), η²=0.06을 중간 효과(medium effect), η²=0.14 이상을 큰 효과(large effect)로 판단하였다(Cohen, 1988).
Results and Discussion
지속가능농업 평가요인의 전반적 중요도
스마트농업 기반 지속가능농업을 구성하는 6개 상위 평가요인에 대한 중요도 인식을 분석한 결과, 경제적 지속가능성의 평균 중요도가 6.976으로 가장 높게 나타났다.
다음으로 환경적 지속가능성 6.795, 기술적 지속가능성 6.724, 사회적 지속가능성 6.606, 정부 정책적 요소 5.764 및 거버넌스적 요소 5.630의 순으로 나타났다(Table 3). 이러한 결과는 스마트농업이 기술혁신 자체보다 농가소득 증가와 생산성 향상 등 경제적 성과를 통해 지속가능성을 실현하는 수단으로 인식되고 있음을 보여준다.
Table 3.
Overall importance of Sustainable agriculture Evaluation factors
이는 지속가능농업의 핵심 목표를 경제적 지속성과 환경적 건전성의 균형으로 설명한 Pretty (2008)의 연구와 맥락을 같이한다. 또한 정밀농업과 스마트농업 기술이 생산성 향상과 자원 이용 효율화를 동시에 달성할 수 있다고 보고한 Bongiovanni and Lowenberg-DeBoer (2004), Balafoutis et al. (2017)의 연구 결과와도 일치한다.
반면 연구에서는 기술적 지속가능성이 환경적 지속가능성과 유사한 수준의 중요도를 나타냈다. 이는 스마트농업 기술이 단순한 생산기술이 아니라 지속가능농업을 실현하기 위한 핵심 기반 기술로 인식되고 있음을 의미한다.
이러한 결과는 데이터 기반 스마트농업이 지속가능한 농업생산의 핵심 요소라고 제시한 Wolfert et al. (2017)과 Walter et al. (2017)의 연구를 실증적으로 뒷받침한다.
직위별 상위 평가요인의 중요도 인식 차이
전문가의 직위에 따른 지속가능농업 상위 평가요인의 중요도 인식 차이를 분석하기 위하여 일원 배치 분산분석을 실시하였다(Table 4). 분석 결과, 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 기술적 지속가능성 및 정부 정책적 요소에서는 통계적으로 유의한 직위별 차이가 나타나지 않았다.
반면 거버넌스적 요소에서는 직위에 따른 유의한 차이가 확인되었다(F=3.182, p=0.014). Tukey HSD 사후검정 결과 CEO 집단이 대리급 이하 집단보다 거버넌스적 요소를 유의하게 높게 평가하였다.
Table 4.
Differences in Perceived Importance of upper-level Evaluation factors by Occupational positionz
| Evaluation factor | F | p | η² | Tukey HSD |
| Economic sustainability | 1.311 | 0.267 | 0.021 | – |
| Environmental sustainability | 1.614 | 0.171 | 0.026 | – |
| Social sustainability | 2.399 | 0.051 | 0.038 | – |
| Governance factors | 3.182 | 0.014* | 0.049 | CEO > Assistant manager or below |
| Technological sustainability | 0.994 | 0.411 | 0.016 | – |
| Government policy factors | 1.193 | 0.314 | 0.019 | – |
효과 크기 분석 결과, 거버넌스적 요소의 η²는 0.049로 나타났다. 이는 직위가 거버넌스적 요소의 중요도 인식 변동 가운데 약 4.9%를 설명하는 수준임을 의미한다. 일반적인 효과 크기 해석 기준에서 작은 효과와 중간 효과의 경계에 가까운 수준으로 볼 수 있으며, 통계적 유의성뿐만 아니라 직위에 따른 일정한 실질적 인식 차이가 존재함을 보여준다.
CEO 집단이 대리급 이하 집단보다 거버넌스적 요소를 높게 평가한 것은 조직 내 역할과 의사결정 수준의 차이와 관련된 것으로 판단된다(Morgan, 2014). 조직 운영 및 전략적 의사결정을 담당하는 집단은 스마트농업의 성공적인 도입과 지속적인 운영을 위해 기술 자체뿐만 아니라 데이터 관리, 조직 간 협력, 정보공개 및 투명한 의사결정 체계의 구축이 중요하다고 인식할 가능성이 높다.
반면 실무 중심 직위에서는 기술의 직접적인 활용성과 생산성 향상 등 현장에서 체감할 수 있는 성과에 상대적으로 관심이 집중될 수 있다. 따라서 직위에 따른 인식 차이는 지속가능농업의 핵심 가치 전반보다는 조직 운영 및 의사결정 구조와 직접적으로 관련된 거버넌스 영역에서 보다 뚜렷하게 나타난 것으로 해석된다. 사회적 지속가능성은 통계적 유의수준에 근접하였으나(F=2.399, p=0.051), p<0.05 기준을 충족하지 않았으므로 유의한 직위별 차이가 있는 것으로 판단하지 않았다.
직위별 하위 평가지표의 중요도 인식 차이
24개 하위 평가지표에 대한 직위별 중요도 인식 차이를 분석한 결과, 농가소득 증가, 농약 사용 절감, 비료 사용 절감, 탄소배출 저감, 농업정책 투명성, 물·토양·저탄소 농업기술, ESG 기반 정책평가 시스템구축 및 중장기 농업 발전 전략 수립의 8개 지표에서 통계적으로 유의한 차이가 나타났다(Table 5).
Table 5.
Differences in Perceived Importance of Sub-indicators by Occupational Positionz
경제적 지속가능성에서는 농가소득 증가에서 유의한 직위별 차이가 나타났다(F=3.181, p=0.014, η²=0.049). Tukey HSD 사후검정 결과 대리급 이하 집단이 CEO 집단보다 농가소득 증가의 중요도를 높게 평가하였다. 이는 상대적으로 실무 중심의 직위에서 스마트농업의 경제적 성과를 농업 현장에서 직접 체감할 수 있는 소득증가와 보다 밀접하게 연계하여 인식하고 있음을 보여준다.
환경적 지속가능성에서는 농약 사용 절감(F=3.145, p=0.015, η²=0.049), 비료 사용 절감(F=3.339, p=0.011, η²=0.052) 및 탄소배출 저감(F=2.820, p=0.026, η²=0.044)에서 유의한 직위별 차이가 나타났다.
Tukey HSD 사후검정 결과 농약 사용 절감은 CEO 집단이 대리급 이하 집단보다 높게 평가하였으며, 비료 사용 절감은 임원 이상 집단이 대리급 이하 집단보다 높은 중요도를 나타냈다. 탄소배출 저감은 전체 집단 간 차이가 유의하였으나 Tukey HSD 사후검정에서는 특정 집단 간 유의한 차이가 확인되지 않았다. 거버넌스적 요소에서는 농업정책 투명성에서 유의한 직위별 차이가 나타났다(F=3.264, p=0.012, η²=0.051). Tukey HSD 사후검정 결과 CEO와 부장급 집단이 대리급 이하 집단보다 농업정책 투명성의 중요도를 높게 평가하였다. 이는 조직 내 관리 및 의사결정 역할을 수행하는 직위에서 정책의 투명성과 정보공개 및 의사결정 체계를 상대적으로 중요하게 고려하고 있음을 시사한다. 기술적 지속가능성에서는 물·토양·저탄소 농업기술에서 유의한 직위별 차이가 나타났다(F=4.505, p=0.002, η²=0.069). Tukey HSD 사후검정 결과 부장급과 임원 이상 집단이 대리급 이하 집단보다 해당 기술의 중요도를 높게 평가하였다.
특히 η²=0.069로 중간 수준의 효과 크기를 나타내어 직위별 하위 평가지표 가운데 가장 큰 효과 크기가 확인되었다. 이는 관리 및 의사결정 수준이 높은 집단에서 스마트농업 기술을 단순한 생산성 향상 수단이 아니라 자원관리와 저탄소 농업을 지원하는 융합기술로 인식하는 경향이 상대적으로 강함을 보여준다.
정부 정책적 요소에서는 ESG 기반 정책평가 시스템 구축(F=2.631, p=0.035, η²=0.041)과 중장기 농업 발전 전략 수립(F=3.591, p=0.007, η²=0.055)에서 유의한 차이가 나타났다. ESG 기반 정책평가 시스템은 과장급 집단이 대리급 이하 집단보다 높게 평가하였으며, 중장기 농업 발전 전략은 CEO 집단이 대리급 이하 집단보다 높은 중요도를 나타냈다. 이는 조직의 관리와 의사결정에 참여하는 직위일수록 정책성과 평가와 장기적인 농업 발전 전략을 상대적으로 중요하게 고려하는 경향이 있음을 보여준다.
종합하면, 직위에 따른 중요도 인식 차이는 24개 하위 평가지표 가운데 8개 지표에서 선택적으로 나타났으며, 효과 크기는 대부분 작은 수준이었다. 다만 물·토양·저탄소 농업기술은 η²=0.069로 중간 수준의 효과 크기를 나타내 직위에 따른 상대적으로 뚜렷한 인식 차이가 확인되었다. 이는 직위가 지속가능농업 평가요인 전반의 중요도 인식을 광범위하게 구분하기보다는 환경성과, 거버넌스 및 정책·전략과 관련된 일부 세부 지표의 중요도 판단과 선택적으로 관련되어 있음을 시사한다.
전문영역별 상위 평가요인의 중요도 인식 차이
농업 관련 전문영역에 따른 지속가능농업 상위 평가요인의 중요도 인식 차이를 분석한 결과, 정부 정책적 요소를 제외한 5개 평가요인에서 통계적으로 유의한 차이가 나타났다. 구체적으로 경제적 지속가능성(F=5.254, p<0.001), 환경적 지속가능성(F=16.451, p<0.001), 사회적 지속가능성(F=11.316, p<0.001), 거버넌스적 요소(F=12.847, p<0.001) 및 기술적 지속가능성(F=10.213, p<0.001)에서 전문영역별 차이가 확인되었다(Burgman et al., 2011; Martin et al., 2012).
정부 정책적 요소에서는 유의한 차이가 나타나지 않았다(F=1.502, p=0.202). 효과 크기 분석 결과는 전문영역별 인식 차이가 단순한 통계적 유의성에 그치지 않고 실질적으로도 의미 있는 수준임을 보여준다.
환경적 지속가능성의 η²는 0.209로 가장 높게 나타났으며, 전문영역이 환경적 지속가능성 중요도 인식 변동의 약 20.9%를 설명하는 것으로 나타났다. 거버넌스적 요소는 η²=0.171, 사회적 지속가능성은 η²=0.154, 기술적 지속가능성은 η²=0.141로 비교적 큰 효과 크기를 나타냈다. 경제적 지속가능성의 η²는 0.078로 중간 수준의 효과 크기를 보였다.
Table 6.
Differences in Perceived Importance of upper-level Evaluation factors by field of expertisez
| Evaluation factor | F | p | η² | Effect size |
| Economic sustainability | 5.254 | <.001*** | 0.078 | Medium |
| Environmental sustainability | 16.451 | <.001*** | 0.209 | Large |
| Social sustainability | 11.316 | <.001*** | 0.154 | Large |
| Governance factors | 12.847 | <.001*** | 0.171 | Large |
| Technological sustainability | 10.213 | <.001*** | 0.141 | Large |
| Government policy factors | 1.5020 | 0.202 | 0.024 | Small |
특히 환경적 지속가능성에서 가장 큰 효과 크기가 나타난 것은 전문가의 전문영역이 환경 관련 평가요인의 중요도 판단에 밀접하게 관련되어 있음을 보여준다. Tukey HSD 사후검정 결과 지속가능농업·ESG 및 환경정책 분야의 응답자는 스마트농업, 농업경제 및 농촌사회 분야보다 환경적 지속가능성을 높게 평가하였다. 이는 지속가능성과 환경정책 분야의 전문가들이 농약·비료 사용 절감, 탄소배출 저감 및 자원 이용 효율성과 같은 환경적 성과를 스마트농업 기반 지속가능농업의 핵심 가치로 인식하고 있음을 의미한다.
환경적 지속가능성의 평균 중요도는 지속가능농업·ESG(7.91)와 환경정책(7.96) 분야에서 가장 높게 나타났다. 사회적 지속가능성에서도 전문영역별 차이가 크게 나타났다(η²=0.154). 지속가능농업·ESG 분야는 스마트농업, 농업경제 및 환경정책 분야보다 사회적 지속가능성을 높게 평가하였으며, 농촌사회 분야 역시 스마트농업 및 농업경제 분야보다 높은 중요도를 나타냈다. 이는 사회적 지속가능성이 농업인 삶의 질, 노동환경 및 농촌사회의 지속성과 직접적으로 관련되어 있어 지속가능농업 및 농촌사회 분야의 전문적 관심과 경험이 중요도 인식에 반영된 결과로 판단된다.
거버넌스적 요소는 η²=0.171로 큰 효과 크기를 나타냈으며, 지속가능농업·ESG 분야의 응답자가 다른 모든 전문영역보다 높은 중요도를 보였다. 이는 ESG 및 지속가능성 분야에서 정보공개, 책임성, 이해관계자 참여 및 투명한 의사결정 체계를 지속가능성 평가의 핵심 구성요소로 다루고 있기 때문으로 해석할 수 있다.
기술적 지속가능성에서는 스마트농업 분야의 응답자가 지속가능농업·ESG, 농업경제, 농촌사회 및 환경정책 분야보다 유의하게 높은 중요도를 나타냈다. 효과 크기 역시 η²=0.141로 크게 나타났다. 이는 스마트농업 분야의 전문가가 데이터 플랫폼, 빅데이터 기반 생산예측 및 인공지능 기반 농업 의사결정 등 기술적 기반을 지속가능농업의 실현을 위한 핵심 조건으로 인식하고 있음을 보여준다(Wolfert et al., 2017; Klerkx et al., 2019). 경제적 지속가능성에서는 농업경제 분야의 중요도 인식이 상대적으로 높게 나타났으며(η²=0.078), Tukey HSD 사후검정 결과 농업경제 분야는 지속가능농업·ESG 및 환경정책 분야보다 높은 중요도를 나타냈다. 또한 스마트농업 분야는 환경정책 분야보다 경제적 지속가능성을 높게 평가하였다. 이는 농업경제 분야 전문가들이 스마트농업의 성과를 농가소득, 생산성 및 농업경영 안정성과 같은 경제적 성과와 직접적으로 연결하여 평가하고 있음을 의미한다.
이러한 경향은 Table 6의 집단 평균과 Tukey HSD 사후검정 결과에서도 확인된다. 반면 정부 정책적 요소에서는 전문영역별 유의한 차이가 나타나지 않았으며 η²역시 0.024로 작은 수준이었다. 이는 스마트농업과 지속가능농업의 확산을 위한 교육, 정책평가 및 중장기 발전 전략 등 정부의 정책적 지원 필요성에 대해서는 전문영역과 관계없이 비교적 공통된 인식이 형성되어 있음을 시사한다.
전문가 유형별 인식 차이의 종합적 논의
직위와 전문영역에 따른 분석 결과를 종합하면, 직위보다 전문영역에 따른 지속가능농업 평가요인의 중요도 인식 차이가 보다 광범위하고 뚜렷하게 나타났다. 직위별 분석에서는 거버넌스적 요소에서만 통계적으로 유의한 차이가 확인된 반면, 전문영역별 분석에서는 정부 정책적 요소를 제외한 경제적·환경적·사회적·거버넌스적·기술적 지속가능성의 5개 영역에서 모두 유의한 차이가 나타났다. 전문영역이 대부분의 상위 평가요인에서 보다 큰 영향을 보이는 것으로 나타났다. 특히 η²분석 결과는 이러한 차이를 보다 명확하게 보여준다.
직위별 분석에서 가장 큰 효과 크기를 나타낸 거버넌스적 요소의 η² 는 0.049였으나, 전문영역별 분석에서는 환경적 지속가능성 η²=0.209, 거버넌스적 요소 η²=0.171, 사회적 지속가능성 η²=0.154 및 기술적 지속가능성 η²=0.141로 나타났다. 이는 전문가가 자신의 전문 분야와 밀접하게 관련된 평가요인을 상대적으로 중요하게 인식하는 경향이 있음을 의미한다.
전문가 판단은 전문지식과 경험에 기반하지만 동일한 대상에 대해서도 전문적 배경에 따라 서로 다른 판단이 나타날 수 있다는 Burgman et al. (2011)과 Martin et al. (2012)의 연구와도 일치하는 결과이다.
농업경제 분야는 경제적 성과를, 환경정책 분야는 환경적 성과를, 지속가능농업·ESG 분야는 사회적 지속가능성과 거버넌스를, 스마트농업 분야는 기술적 지속가능성을 상대적으로 중요하게 인식하였다. 이러한 결과는 전문가가 자신의 전문영역과 관련된 평가요인의 중요성을 상대적으로 높게 인식하는 전문영역 기반의 인식 특성이 존재함을 보여준다.
따라서 스마트농업 기반 지속가능농업의 평가 체계를 구축하거나 기술개발 및 보급의 우선순위를 설정할 때 특정 전문 분야의 전문가 의견만을 중심으로 의사결정을 수행할 경우 평가 결과가 특정 영역에 편중될 가능성이 있다. 스마트농업 기술의 개발과 현장 적용에서는 기술 전문가뿐만 아니라 농업경제, 환경, 농촌사회 및 지속가능성 분야 전문가의 관점을 함께 반영하는 다 학제적 평가 체계가 필요하다.
전문영역별 하위 평가지표의 중요도 인식차이
24개 하위 평가지표에 대한 전문영역별 중요도 인식 차이를 분석한 결과, 전체 24개 지표 가운데 20개 지표에서 통계적으로 유의한 집단 간 차이가 나타났다. 반면 삶의 질 향상, 노동 안정성 향상, 농업정책 투명성 및 중장기 농업 발전 전략 수립에서는 전문영역에 따른 유의한 차이가 확인되지 않았다. 이러한 결과는 지속가능농업 평가요인의 중요도 인식이 전문가의 전문영역에 따라 광범위하게 차별화되어 있음을 보여준다(Table 7).
Table 7.
Differences in Perceived Importance of Sub-indicators by Field of Expertisez
경제적 지속가능성의 4개 하위지표에서는 모두 전문영역별 유의한 차이가 나타났다. 농가소득 증가(F=4.710, p=0.001, η²=0.070)는 농업경제 분야가 지속가능농업·ESG 및 환경정책 분야보다 높은 중요도를 나타냈다. 생산성 향상(F=3.592, p=0.007, η²=0.055)은 농촌사회 분야가 지속가능농업·ESG 분야보다 높게 평가하였으며, 품질 안정성(F=3.780, p=0.005, η²=0.057)은 스마트농업 분야가 지속가능농업·ESG 및 환경정책 분야보다 높은 중요도를 나타냈다. 농업경영 안정성(F=3.551, p=0.008, η²=0.054)은 농업경제, 농촌사회 및 스마트농업 분야가 지속가능농업·ESG 분야보다 높게 평가하였다. 이러한 결과는 농업경제 분야 전문가가 스마트농업의 경제적 성과를 농가소득과 경영안정 측면에서 상대적으로 중요하게 평가하는 반면, 스마트농업 분야에서는 기술 적용을 통한 품질 안정성과 경영 성과를 중요하게 인식하고 있음을 보여준다.
환경적 지속가능성에서는 모든 하위지표에서 전문영역별 유의한 차이가 확인되었으며, 다른 평가 영역에 비해 상대적으로 큰 효과 크기를 나타냈다. 농약 사용 절감(F=11.425, p<0.001, η²=0.155)과 비료 사용 절감(F=8.158, p<0.001, η²=0.116)은 지속가능농업·ESG 및 환경정책 분야가 농업경제, 농촌사회 및 스마트농업 분야보다 높은 중요도를 나타냈다. 탄소배출 저감은 F=12.594, p<0.001, η²=0.168로 24개 하위지표 가운데 가장 큰 효과 크기를 나타냈다.
Tukey HSD 사후검정 결과 환경정책 분야가 농업경제, 농촌사회, 스마트농업 및 지속가능농업·ESG 분야보다 높은 중요도를 나타냈으며, 지속가능농업·ESG 분야도 농업경제 및 농촌사회 분야보다 높게 평가하였다. 에너지 효율성(F=4.445, p=0.002, η²=0.067)에서도 환경정책 분야의 중요도 인식이 상대적으로 높게 나타났다. 이는 전문가의 전문영역이 농약·비료 투입 절감과 탄소배출 저감 등 스마트농업의 환경적 성과에 대한 중요도 판단에 밀접하게 관련되어 있음을 보여준다. 사회적 지속가능성에서는 청년 농 유입 가능성(F=2.856, p=0.024, η²=0.044)과 노동강도 감소(F=3.964, p=0.004, η²=0.060)에서 전문영역별 유의한 차이가 나타났다. 청년 농 유입 가능성은 스마트농업 분야가 농업경제 분야보다 높은 중요도를 나타냈다. 이는 디지털 기술과 자동화 기반의 농업환경 조성이 청년층의 농업 진입 가능성과 연계될 수 있다는 스마트농업 분야의 인식이 반영된 결과로 판단된다.
반면 노동강도 감소는 농업경제 분야가 지속가능농업·ESG 및 환경정책 분야보다 높게 평가하였다. 삶의 질 향상과 노동 안정성 향상에서는 전문영역별 유의한 차이가 나타나지 않아 해당 지표의 중요성에 대해서는 전문영역 간 비교적 공통된 인식이 형성되어 있는 것으로 판단된다.
거버넌스적 요소에서는 데이터 기반 농업관리(F=7.538, p<0.001, η²=0.108), 농업협동조합 및 조직운영 개선(F=3.376, p=0.010, η²=0.051) 및 ESG 기반 정보공개 및 평가시스템 구축(F=4.388, p=0.002, η²=0.066)에서 유의한 차이가 나타났다. 데이터 기반 농업관리는 스마트농업 분야가 지속가능농업·ESG, 농업경제, 농촌사회 및 환경정책의 모든 분야보다 높은 중요도를 나타냈다. 이는 스마트농업 분야 전문가들이 농업데이터의 수집과 활용을 생산관리 및 의사결정의 핵심 기반으로 인식하고 있음을 의미한다. ESG 기반 정보공개 및 평가시스템 구축은 지속가능농업·ESG 및 환경정책 분야가 농촌사회 분야보다 높게 평가한 반면 농업정책 투명성에서는 전문영역별 유의한 차이가 나타나지 않았다.
기술적 지속가능성의 4개 하위지표에서는 모두 전문영역별 유의한 차이가 확인되었다. 특히 농업 데이터 플랫폼 구축은 F=10.250, p<0.001, η²=0.141로 큰 효과 크기를 나타냈으며, 스마트농업 분야가 지속가능농업·ESG, 농업경제, 농촌사회 및 환경정책의 모든 전문영역보다 높은 중요도를 나타냈다. 물·토양·저탄소 농업기술(F=4.880, p<0.001, η²=0.073)은 환경정책 분야가 농업경제 및 농촌사회 분야보다 높게 평가하였으며, 지속가능농업·ESG 분야 역시 농촌사회 분야보다 높은 중요도를 나타냈다.
빅데이터 분석을 통한 생산예측(F=3.801, p=0.005, η²=0.058)은 스마트농업 분야가 농촌사회 및 환경정책 분야보다 높게 평가하였으며, AI기반 농업 의사결정 시스템 구축(F=2.446, p=0.047, η²=0.038)은 스마트농업 분야가 농촌사회 분야보다 높은 중요도를 나타냈다.
이러한 결과는 스마트농업 전문가가 데이터 플랫폼, 빅데이터 및 AI 기술을 지속가능농업의 핵심 기술 기반으로 인식하고 있음을 실증적으로 보여준다. 정부 정책적 요소에서는 디지털 농업교육 확대(F=6.900, p<0.001, η²=0.100), ESG 기반 정책평가 시스템 구축(F=5.266, p<0.001, η²=0.078) 및 친환경농업 보조금 확대(F=3.399, p=0.010, η²=0.052)에서 전문영역별 유의한 차이가 나타났다. 디지털 농업교육 확대는 농업경제 및 스마트농업 분야가 지속가능농업·ESG와 환경정책 분야보다 높은 중요도를 나타냈다.
ESG 기반 정책평가 시스템구축은 지속가능농업·ESG 분야가 농업경제, 농촌사회 및 스마트농업 분야보다 높게 평가하였으며, 환경정책 분야도 농업경제 분야보다 높은 중요도를 나타냈다. 친환경농업 보조금 확대는 농업경제 분야가 스마트농업 분야보다 높게 평가하였다.
반면 중장기 농업 발전 전략 수립에서는 전문영역별 유의한 차이가 확인되지 않았다. 전문영역별 하위 평가지표의 효과 크기를 종합하면, 탄소배출 저감(η²=0.168), 농약 사용 절감(η²=0.155) 및 농업 데이터 플랫폼 구축(η²=0.141)에서 큰 효과 크기가 나타났다. 또한 비료 사용 절감(η²=0.116), 데이터 기반 농업관리(η²=0.108) 및 디지털 농업교육 확대(η²=0.100)에서도 비교적 높은 효과 크기가 확인되었다. 이는 전문가의 전문영역에 따른 인식 차이가 특히 환경성과 데이터 기반 스마트농업 기술 및 인적 역량 구축과 관련된 지표에서 뚜렷하게 나타남을 의미한다.
Conclusion
스마트농업 기반 지속가능농업 평가요인에 대한 중요도 인식이 전문가 유형에 따라 차이가 있는지를 실증적으로 분석하였다. 이를 위해 스마트농업 및 지속가능농업 관련 전문가 254명을 대상으로 조사한 자료를 활용하였으며, 경제적 지속가능성, 환경적 지속가능성, 사회적 지속가능성, 거버넌스적 요소, 기술적 지속가능성 및 정부 정책적 요소의 6개 상위 평가요인과 24개 하위 평가지표를 대상으로 중요도 인식을 분석하였다. 전문가 유형은 직위와 농업 관련 전문영역을 기준으로 구분하였으며, 일원배치 분산분석과 Tukey HSD 사후검정을 실시하였다. 또한 집단 간 차이의 실질적 크기를 확인하기 위하여 Eta squared(η²)를 산출하였다.
전체 평가요인의 중요도를 분석한 결과, 경제적 지속가능성의 중요도가 가장 높게 나타났으며, 환경적 지속가능성, 기술적 지속가능성, 사회적 지속가능성, 정부 정책적 요소 및 거버넌스적 요소의 순으로 나타났다. 이는 스마트농업 기반 지속가능농업의 실현을 위해 농가소득과 생산성 및 농업경영의 안정성과 같은 경제적 성과가 우선적으로 고려되어야 하며, 환경부하 저감과 데이터 기반 스마트농업 기술 역시 중요한 평가 영역으로 인식되고 있음을 보여준다.
직위별 중요도 인식 차이를 분석한 결과, 6개 상위 평가요인 가운데 거버넌스적 요소에서만 통계적으로 유의한 차이가 나타났다. CEO 집단은 대리급 이하 집단보다 거버넌스적 요소의 중요도를 높게 평가하였으며, 효과 크기는 η²=.049로 나타났다. 하위 평가지표에서는 농가소득 증가, 농약 및 비료 사용 절감, 탄소배출 저감, 농업정책 투명성, 물·토양·저탄소 농업기술, ESG 기반 정책평가 시스템구축 및 중장기 농업 발전 전략 수립 등 일부 지표에서 직위별 차이가 확인되었다. 특히 물·토양·저탄소 농업기술은 상대적으로 높은 효과 크기를 나타냈다. 이러한 결과는 직위가 지속가능농업의 평가영역 전반에 영향을 미치기보다는 조직 운영, 의사결정 및 정책전략과 관련된 일부 세부 평가지표의 중요도 인식과 선택적으로 관련되어 있음을 보여준다.
반면 농업 관련 전문영역에 따른 중요도 인식 차이는 직위별 분석보다 광범위하게 나타났다. 상위 평가 요인에서는 정부 정책적 요소를 제외한 경제적·환경적·사회적·거버넌스적 및 기술적 지속가능성의 5개 영역에서 통계적으로 유의한 차이가 확인되었다. 효과 크기는 환경적 지속가능성에서 η²=.209로 가장 크게 나타났으며, 거버넌스적 요소 η²=.171, 사회적 지속가능성 η²=.154 및 기술적 지속가능성 η²=.141로 큰 효과 크기를 보였다. 경제적 지속가능성에서도 η²=.078의 중간 수준 효과 크기가 확인되었다.
24개 하위 평가지표에 대한 전문영역별 분석에서는 20개 지표에서 통계적으로 유의한 차이가 나타났다. 특히 탄소배출 저감(η²=.168), 농약 사용 절감(η²=.155) 및 농업 데이터 플랫폼 구축(η²=.141)은 큰 효과 크기를 나타냈으며, 비료 사용 절감(η²=.116), 데이터 기반 농업관리(η²=.108) 및 디지털 농업교육 확대(η²=.100)에서도 상대적으로 높은 효과 크기가 확인되었다. 이는 전문가의 전문영역에 따른 중요도 인식 차이가 환경성과 데이터 기반 스마트농업 기술 및 디지털 역량 구축과 관련된 평가지표에서 특히 뚜렷하게 나타남을 의미한다.
전문영역별 인식 특성을 구체적으로 살펴보면, 농업경제 분야는 농가소득과 농업경영 등 경제적 성과를 상대적으로 중요하게 인식하였으며, 환경정책 분야는 농약·비료 사용 절감과 탄소배출 저감 등 환경적 성과를 높게 평가하였다. 지속가능농업·ESG 분야는 사회적 지속가능성과 거버넌스 및 ESG 기반 평가 체계를 상대적으로 중요하게 인식하였다. 스마트농업 분야는 농업 데이터 플랫폼 구축, 데이터 기반 농업관리, 빅데이터 기반 생산예측 및 AI 기반 농업 의사결정 등 기술적 요소를 높게 평가하였다. 이러한 결과는 전문가가 자신의 전문지식과 경험에 밀접하게 관련된 지속가능농업 평가요인의 중요성을 상대적으로 높게 인식하는 전문영역 기반의 인식 특성이 존재함을 보여준다.
연구 결과는 스마트농업 기반 지속가능농업의 평가 체계를 구축하고 기술개발 및 보급의 우선순위를 설정할 때 특정 전문 분야의 판단에 의존하기보다 다양한 전문영역의 관점을 종합적으로 반영할 필요가 있음을 시사한다. 특히 스마트농업 기술의 개발과 현장 적용 과정에서는 기술적 성능과 생산성 향상뿐만 아니라 농업경영의 경제성, 환경부하 저감, 농업인의 노동 및 삶의 질, 데이터 관리와 거버넌스 및 정책지원 체계를 함께 고려하는 다학제적 평가가 요구된다. 또한 전문가 자문위원회 및 기술·정책 평가 체계를 구성할 때 스마트농업, 농업경제, 농촌사회, 환경정책 및 지속가능농업·ESG 분야 전문가가 균형 있게 참여할 수 있는 구조를 마련할 필요가 있다. 특히 환경적 지속가능성과 데이터 기반 스마트농업 기술에서 전문영역별 인식 차이의 효과 크기가 크게 나타난 점은 기술개발과 정책 우선순위 설정 과정에서 전문가 구성에 따라 평가 결과가 달라질 가능성이 있음을 보여준다. 따라서 스마트농업 기술과 지속가능농업 관련 사업의 평가에서는 평가위원의 전문영역 구성을 사전에 검토하고, 특정 전문영역에 평가가 편중되지 않도록 분야별 전문가의 참여 비율과 평가 기준을 체계적으로 구성할 필요가 있다. 이와 함께 경제·환경·사회·거버넌스·기술 및 정부 정책적 요소를 연계한 통합적 평가 체계를 활용함으로써 스마트농업의 기술적 성과와 지속가능성 성과를 종합적으로 평가할 필요가 있다.
이 연구는 스마트농업 기반 지속가능농업 평가요인의 중요도 인식을 전문가 전체의 평균적 판단만으로 분석하지 않고, 전문가의 직위와 농업 관련 전문영역에 따른 인식 차이를 실증적으로 분석하였다는 점에서 의의가 있다. 특히 ANOVA 분석과 함께 효과 크기를 제시함으로써 집단 간 차이의 통계적 유의성뿐만 아니라 차이의 실질적 크기를 확인하였으며, 전문영역이 직위보다 지속가능농업 평가요인의 중요도 인식 차이와 보다 광범위하게 관련되어 있음을 제시하였다.
그러나 조사 대상이 국내 스마트농업 및 지속가능농업 관련 전문가와 농업 관련 종사자를 중심으로 구성되어 있어 연구 결과를 전체 농업 분야에 일반화하는 데 한계가 있다. 또한 전문가의 전문영역은 응답자가 제시한 주요 전문 분야를 기준으로 분류하였으므로 두 개 이상의 전문영역에 경험을 가진 전문가의 복합적인 전문성을 충분히 반영하지 못하였다. 아울러 전문가 유형별 평균 중요도의 차이를 중심으로 분석하였으므로 전문가의 전문영역이 중요도 인식에 영향을 미치는 구체적인 인과관계를 규명하는 데에는 한계가 있다.
향후 연구에서는 조사 대상을 지역 및 농업 분야별로 확대하고, 스마트농업 기술 개발자, 농업인, 정책담당자 및 기술 보급 담당자 등 이해관계자 집단을 보다 세분화하여 인식 차이를 분석할 필요가 있다. 또한 다변량 분산분석(MANOVA), 다층모형 및 구조방정식 모형 등을 활용하여 전문가의 직무와 전문경험 및 기술수용 특성이 지속가능농업 평가요인의 중요도 인식에 미치는 영향을 종합적으로 분석할 필요가 있다. 이를 통해 스마트농업의 기술혁신과 지속가능농업의 경제적·환경적·사회적 성과를 연계하는 보다 정교한 통합 평가 체계를 구축할 수 있을 것이다.
