• 기본 프롬프트:

• 예1) 이제부터 당신은 한 분야의 전문가이자 연구자입니다. 자신만의 독특한 연구 스타일을 개발할 차례에요.

• 예2) 안녕하세요, 저는 연구논문 작성 초보자입니다. 연구논문 기초부터 배워보고 싶어요.

• 예3) 이제부터 당신은 기존의 관점에 도전하는 혁신적인 연구자입니다. 새로운 발견을 하는 것이 당신의 임무에요.

• 예4) 안녕하세요, 저는 분야를 막론하고 연구에 관심이 많은 학생입니다. 연구논문 작성의 기본부터 배우고 싶습니다.

2. 주입 단계

• 기본 프롬프트:

• 예1) 나는 지금부터 연구논문의 기본 구조(서론, 방법론, 결과, 토론)를 배우고 싶어요. 어떻게 시작해야 할까요?

• 예2) 연구논문의 기본 요소(주제 선정, 데이터 수집, 결과 분석)에 대한 교육 계획을 알려주세요.

• 심화 프롬프트:

• 예1) 나는 연구논문의 문헌 검토 방법을 배우고 싶어요. 어떻게 효과적으로 정보를 수집하고 분석할 수 있을까요?

• 예2) 연구논문에서 가설 설정의 중요성에 대해 알려주세요. 어떻게 좋은 가설을 세울 수 있나요?

• 예3) 연구논문의 주제를 어떻게 선정하고, 이 주제가 연구의 전체적인 방향에 어떤 영향을 미치는지 설명해주세요.

3. 개념 이해 단계

• 기본 프롬프트:

• 예1) 연구논문의 기본 구조와 스타일이 무엇인지 초등학교 6학년 수준으로 설명해주세요.

• 예2) 연구논문을 시작하는 방법에 대해 알려주세요. 초보자도 이해할 수 있도록 기본 개념을 설명해주세요.

• 심화 프롬프트:

• 예1) 연구논문의 '도입부'가 왜 중요한가요? 어떤 정보를 포함해야 하나요?

• 예2) '결과'와 '토론' 부분의 차이점은 무엇인가요? 각각 어떻게 작성해야 하나요?

• 예3) 연구논문에서 인용과 참고문헌의 역할은 무엇인가요? 올바르게 인용하는 방법은 어떻게 되나요?

4. 이치 이해 단계

• 기본 프롬프트:

• 예1) 왜 연구논문에 서론, 방법론, 결과, 토론이 필요한가요? 각 부분이 어떤 목적을 가지는지 설명해주세요.

• 예2) 연구논문에서 주제 선정, 데이터 수집, 결과 분석이 왜 중요한가요? 이러한 요소들이 논문의 효과에 어떤 영향을 미치는지 설명해주세요.

• 예3) 연구논문에서 가설을 설정하는 방법과 그 중요성에 대해 설명해주세요. 가설이 연구의 방향을 어떻게 결정하는지 알려주세요.

• 심화 프롬프트:

• 예1) 왜 연구논문은 특정 형식을 따라야 하나요? 이 형식이 연구의 신뢰성에 어떻게 도움이 되나요?

• 예2) 연구 방법론을 선택할 때 어떤 요소를 고려해야 하나요? 다양한 방법론의 장단점은 무엇인가요?

5. 원리 이해 단계

• 기본 프롬프트:

• 예1) 연구논문 작성에서 중요한 원리는 무엇이며, 이 원리들이 어떻게 효과적인 연구논문을 만드는 데 기여하는지 알려주세요.

• 예2) 연구논문의 원리를 실생활 예시와 함께 설명해주세요. 연구 과정에 어떻게 적용할 수 있을까요?

• 심화 프롬프트:

• 예1) 연구논문에서 '객관성'과 '주관성'의 중요성에 대해 설명해주세요. 어떻게 균형을 맞출 수 있나요?

• 예2) 연구논문에서 '추론'과 '결론'은 어떻게 다르게 작성되나요? 이러한 구분이 왜 중요한가요?

• 예3) 연구 결과를 해석하고 보고하는 방법에 대해 설명해주세요. 연구 결과를 효과적으로 전달하는 데 중요한 원리는 무엇인가요?

6. 원리 이해 단계_비교

• 기본 프롬프트:

• 예1) 서술적 논문과 실험적 논문의 차이점은 무엇이며, 각각의 원리에는 어떤 차이가 있나요?

• 심화 프롬프트:

• 예1) 정량적 연구와 정성적 연구의 주요 차이점과 각각의 연구 방법론에 대해 설명해주세요.

• 예2) 개념적 연구와 경험적 연구의 차이점을 설명해주세요. 각 연구 유형의 목적과 방법론은 어떻게 다른가요?

7. 연결하기 단계

• 기본 프롬프트:

• 예1) 연구논문의 기본 원리를 다른 학문적 요소(예: 이론적 배경, 연구 가설)와 어떻게 연결할 수 있나요?

• 예2) 연구논문에서 이론적 배경이 연구 가설 설정에 어떻게 영향을 미치나요?

• 심화 프롬프트:

• 예1) 연구논문의 방법론이 연구의 신뢰성에 어떻게 영향을 미치나요? 방법론이 연구 결과의 해석에 어떻게 영향을 끼치는지 설명해주세요.

8. 확장하기 단계

• 기본 프롬프트:

• 예1) 연구논문 원리를 완벽하게 이해하고 활용하는 데 어떤 이점이 있나요? 예를 들어, 연구 기술이 개인의 학문적 성장에 어떻게 영향을 미치는지 설명해주세요.

• 심화 프롬프트:

• 예1) 연구논문을 작성하는 능력이 학술적으로만 아니라 취업 시장에서도 어떻게 유용할 수 있나요?

• 예2) 연구논문 작성 능력이 학문적 글쓰기뿐만 아니라 비평적 사고와 논리적 논증 능력에 어떻게 도움이 되나요?

9. 통찰력 이끌어 내기 단계

• 기본 프롬프트:

• 예1) 연구논문 작성을 통해 얻은 통찰력이 전문 분야나 일상생활에서 어떻게 활용될 수 있나요?

• 심화 프롬프트:

• 예1) 연구논문 작성 과정에서 얻은 분석력과 비판적 사고력이 다른 어떤 분야에서 활용될 수 있나요?

• 예2) 연구논문 작성 과정에서 얻은 데이터 분석 능력이 다른 학문적 또는 전문적 활동에 어떻게 적용될 수 있나요?

10. 전이하기 단계

• 기본 프롬프트:

• 예1) 연구논문 작성 기술을 다른 학문 분야나 실생활 문제 해결에 어떻게 활용할 수 있을까요?

• 심화 프롬프트:

• 예1) 연구 논문 작성 기술을 예를 들어, 데이터 분석이나 비즈니스 보고서 작성에 어떻게 적용할 수 있나요?

• 예2) 연구논문 작성 기술을 예를 들어, 공공 정책 분석이나 사회적 이슈에 대한 평가에 어떻게 활용할 수 있나요?

11. 평가 단계

• 기본 프롬프트:

• 예1) 연구논문 작성에 대한 나의 이해도를 평가할 수 있는 질문이나 연습문제를 제공해주세요.

• 예2) 연구논문 작성의 전체적인 이해를 평가하기 위해 어떤 종류의 질문을 사용할 수 있나요? 예시 질문을 몇 개 제공해주세요. 

• 심화 프롬프트:

• 예1) 연구논문의 주제 선정, 가설 설정, 방법론 선택, 데이터 분석, 결과 해석 등 각 부분에 대한 당신의 이해도를 평가하는 질문을 제시해주세요.

2)AI와 함께 발전시킨 아이디어-작업 히스토리 제출하여 평가

3)최종 논문의 내용(인용 90%)을 기존의 논문 표절 검사에 돌리면 됨

4)AI에 전적으로 의존한 문장들-AI를 출처로 제시하면 됨

5)구두 디펜스를 강화하여 완전 숙지를 평가

참고)논문의 글을 AI가 작성했느냐를 판별하는 것은 의미가 없음

Dritjon Gruda 박사가 네이처(Nature)에 발표한, AI를 활용한 논문 심사 방법은 3단계이다.

스캔(Scan)

연구자는 논문의 초록, 서론, 방법론, 결과 부분을 빠르게 훑어보면서 전체적인 논리 흐름을 이해한다. 분석이 명확하면 전체 논문을 검토하고, 심각한 오류가 있다면 거부 결정을 빠르게 내릴 수 있다.

음성 입력(Dictate)

AI 기반 음성 인식 기술을 활용해 실시간으로 피드백을 기록하면, 나중에 긴 문서를 작성하는 시간을 절약할 수 있다. 예를 들어, Windows의 'Voice Access'나 macOS의 'Voice Control'을 사용하면 연구자가 논문을 읽는 동안 자동으로 메모를 생성할 수 있다.

정리(Refine)

AI를 활용해 피드백을 정리하고 체계화할 수 있다. GPT4ALL과 같은 오프라인 대형 언어 모델(LLM)을 사용하면 보안 문제 없이 심사 내용을 정리할 수 있다. 간단한 프롬프트(예: "이 메모를 바탕으로 정돈된 논문 심사 보고서를 작성하라")를 입력하면 AI가 논리적으로 정리된 보고서를 생성할 수 있다.

Dritjon Gruda 박사는 연구자들이 AI를 활용하면 기존에 4~8시간 걸리던 논문 심사를 30~40분 만에 마칠 수 있다고 보고했다.

위 세 가지 AI 기반 접근법 중에서, “스캔” 단계를 더 효과적이고 빠르게 할 수 있는 아이디어가 있다.

일단.. 논문심사 기준을 정교하게 만들고, 구글AI studio에 숙지시킨 후.. 심사할 논문을 업로드하고.. 심사 기준에 따라 심사를 하게하고.. 심사기준을 논문의 어디어디에 적용했는지를 AI가 출력하게 한 후.. 그것들을 인간 심사자가 “스캔”하면 더 빠르고 효과적이다. 이후, 음성입력과 정리는 똑같이 적용하면 된다. 스캔 부분을 더 빠르고 효율적으로 하면

1) 주요 연구 주제와 연구 결과(Results)의 의미를 설명하는 분석 내용을 담는다.

2) 만약 연구의 주제가 광범위하거나 변수가 많은 경우나 연구 방법이 광범위한 결과를 산출할 경우, 서론에 언급된 연구 주제와 가장 관련이 있는 결과만 기술한다.

3) 데이터 수집, 참가자 모집 및 연구 대상자에 대한 설명한다.

4) 독자가 연구 결과를 해석하고 평가할 수 있도록 돕는 '고찰(Discussion)'을 포함한다.

좋은 결과의 조건들:

1) 연구 주제의 중요성을 보여주기 위한 최종 데이터(표, 차트, 그래프, 그림 등)가 포함된다.

2) 결과의 다음 단계인 고찰(Discussion) 전에 작성되어 "연구에서 무엇을 발견했는가?"에 대한 대답이다.

3) 고찰(Discussion) 단계에서 독자가 연구 결과를 해석하고 평가할 수 있도록, 저자의 편향이나 해석이 포함하지 않고, 논리적 순서로 연구 결과를 제시한다.

연구결과 (Result) 작성

통계나 면접 등 과학적 연구를 통해 작성되어진 심리학기반의 논문들은 신학논문과는 달리 연구의 결과가 그 논문의 논리를 직접 방어합니다. 그렇기 때문에 통계를 사용한다고해서 어려운 것이 아니라 글쓰기가 과거 신학과 철학논문들보다 쉬울 수 있는 것입니다.  

• 연구 문제 재조명: 논문의 4장에서는 연구에서 제기된 문제들을 재조명합니다. 연구 문제를 직접적으로 제목으로 사용하고, 각 연구 문제에 대한 결과를 명확하고 논리적으로 기술합니다. 즉, 서론에서 제시했던 연구문제에 관한 결과를 제시합니다. 이곳에서 기술되어지는 변수들은 이미 이론적 배경에서 설명되어진 것들입니다. 

• 결과의 객관적 기술: 연구 결과는 가능한 간결하고 명확하게 기술해야 합니다. 연구와 직접적으로 관련이 없는 내용은 제외합니다.

• 표와 그래프 사용: 양적 연구에서는 APA 양식 또는 학교나 학회가 제시한 양식과 같은 엄격한 규칙에 따라 표와 그래프를 사용해야 합니다. 중복된 정보의 제시를 피하고, 모든 표와 그래프는 본문에서 설명되어야 합니다. 즉, 표나 그래프를 제시했다면 그 제시된 것에 대해나 설명이 반드시 있어야 합니다. 그리고 한가지 결론에 대해서 표 또는 그래프 중에 한가지로만 제시합니다.   

• 질적 연구의 주의점: 연구 결과를 기술할 때 참여자의 발언(쿼테이션)을 너무 과도하게 사용하지 않아야 합니다. 질적 연구에서는 중요한 정보를 간추려 결과를 제시해야 합니다. 예를 들어 5명의 실험대상자들에 대한 반응을 모두 적지 않는다는 것입니다. 양적연구에서도 통계 내용에 참석한 모든 사람들의 내용을 기술하지 않는것과 마찬가지입니다. 

통계 기법별 기본적 가정과 적용 사례:

1. 기술통계(Descriptive Statistics)

- 적용 상황

* 자료의 전반적인 분포(평균, 표준편차, 범위 등)를 파악하거나 빈도 분석을 통해 기본적인 현황을 파악할 때 사용한다. 쉽게 말해, 사람들이 설문 조사에 어떻게 응답했는지, 학생들의 시험 점수가 어느 정도인지 등, 전체 자료의 기본 현황을 한눈에 살피는 데 사용한다.

• 쉽게 예를 들면?

  “우리 표본의 평균 나이는 얼마인지?”, “응답자의 성별 분포는 어떻게 되는지?” “이 반 학생의 평균 키는 얼마이고, 가장 키가 큰 학생과 작은 학생은 누구인가?”를 확인하는 것과 같다.

- 가정 / 자료 특성

* 특별한 통계적 가정이 필요하지 않으며, 어떤 수준(명목·서열·등간·비율척도) 자료든 요약이 가능하다.

* 다만, 명목 자료의 경우 빈도나 비율, 서열·연속 자료의 경우 평균·중앙값·표준편차 등을 적절히 활용한다.

2. t-검정(t-test)

- 적용 상황: 동일 집단, 두 집단

* 두 집단 간 평균 차이를 검정하고 싶을 때 사용한다(독립표본 t-검정). 쉽게 말해, 두 집단(예: 남학생 vs. 여학생)의 평균(예: 시험 점수)이 서로 다른지 비교할 때 쓴다.

* 동일 집단에 대해 전·후(사전·사후) 평균 차이를 살펴보고 싶을 때 사용한다(대응표본 t-검정).

• 쉽게 예를 들면?
  “남학생 평균 점수와 여학생 평균 점수가 차이가 있는지” 알고 싶을 때, t-검정을 통해 차이가 통계적으로 의미 있는지 확인한다.

- 가정 / 자료 특성

* 종속변수가 연속형(등간·비율 척도)이며, 각 집단(또는 측정 시점)의 분포가 정규분포를 이룬다고 가정한다.

* 독립표본 t-검정의 경우, 두 집단 간 등분산성을 가정할 때(Levene’s Test로 확인) 기본 t-검정을, 등분산성이 깨지면 Welch’s t-검정을 사용한다.

* 표본 크기가 작더라도, 정규성 가정이 심각하게 위배되지 않으면 시행 가능하지만, 필요한 경우 비모수 검정(예: Mann-Whitney U test)으로 대체할 수 있다.

3. 분산분석(ANOVA: Analysis of Variance)

- 적용 상황: 세 집단 이상, 요인이 2개 이상일 경우

* 세 집단 이상 간 평균 차이를 비교할 때 사용한다(일원분산분석). 쉽게 말해, 세 집단 이상(예: 1반, 2반, 3반) 간의 평균을 비교한다.

* 요인이 2개 이상일 경우, 이원분산분석(2-way ANOVA)으로 확장 가능하며, 독립변수 간 상호작용 효과도 파악할 수 있다.

• 쉽게 예를 들면?
  “1반, 2반, 3반 시험점수를 비교했을 때, 어느 반이 평균 점수가 가장 높은가?”를 알고 싶을 때 활용합니다.

- 가정 / 자료 특성

* 종속변수가 연속형이고, 각 집단의 분포가 정규분포라고 가정한다.

* 집단 간 등분산성(등분산 가정)도 중요하며, 위배 시 Welch 또는 Brown-Forsythe 등 대안적 접근을 사용한다.

* 평균 차이가 통계적으로 유의하다면 사후검정(Post-hoc test)으로 구체적으로 어떤 집단 간 차이가 나는지 확인한다.

4. 회귀분석(Regression Analysis)

- 적용 상황

* 독립변수(하나 또는 여러 개)가 종속변수(연속형)에 어떤 영향을 미치는지, 혹은 종속변수를 예측하고자 할 때 사용한다. 쉽게 말해, 한 변수가 다른 변수에 어떻게 영향을 주는지(또는 예측 가능한지) 알아볼 때 쓰인다.

* 선형회귀(단순·다중), 다항회귀, 회귀스플라인 등 다양한 변형 기법이 존재한다.

• 쉽게 예를 들면?
  “공부 시간(독립변수)이 시험 점수(종속변수)에 얼마나 영향을 주는지”를 알고 싶을 때, 회귀분석을 통해 ‘공부 시간 1시간 늘면 시험 점수가 얼마나 올라가는지’를 예측해 본다.

- 가정 / 자료 특성

* 기본 가정으로 ‘선형성’, ‘독립성’, ‘등분산성’, ‘정규성’이 중요하며, 잔차(residual)분석을 통해 이를 진단한다.

* 독립변수 간 다중공선성(multicollinearity)을 고려해야 하고, 필요 시 VIF(Variance Inflation Factor) 등을 확인한다.

* 표본 크기가 작으면 모형이 불안정할 수 있으며, 정규성 가정이 크게 어긋날 경우, 일반화 선형모형(GLM) 등 다른 접근 방식을 검토한다.

(주의) 회귀분석이나 ANOVA 실시 후 잔차(residual)를 살펴보고 선형성, 등분산성, 정규성, 이상값(Outliers) 등을 체크해야 한다.

5. 로지스틱 회귀분석(Logistic Regression)

- 적용 상황

* 종속변수가 범주형(특히 0/1 이분형)일 때, 독립변수(연속·범주 혼합 가능)가 종속변수의 성공·실패 가능성에 미치는 영향을 살펴보고자 할 때 사용한다. 쉽게 말해, 결과가 예/아니오(합격/불합격, 있다/없다 등) 같은 두 가지 범주로 나뉠 때, 어떤 요인이 그러한 결과에 얼마나 영향을 주는지 살펴본다.

* 종속변수가 다범주형(예: 3개 이상의 범주)인 경우에는 다항 로지스틱 회귀(Multinomial Logistic Regression)로 확장 가능하다.

• 쉽게 예를 들면?
  “흡연 여부(예/아니오)를 결정하는 데 나이, 운동 빈도, 식습관 등이 얼마나 영향을 미치는지” 확인할 수 있다.

- 가정 / 자료 특성

* 정규성 가정은 요구되지 않으나, 독립변수 간 다중공선성은 여전히 문제가 될 수 있다.

* 독립변수와 로그오즈(log-odds) 사이의 선형성을 가정하므로, 필요한 경우 독립변수를 변환(로그변환, 다항항 추가 등)하거나, 범주화할 수 있다.

* 적절한 표본 크기가 확보되어야(사건 수, 성공/실패 균형 등) 추정 안정성을 얻을 수 있다.

6. 카이제곱(χ²) 검정(Chi-square Test)

- 적용 상황

* 범주형 변수 두 개 간의 관련성(독립성)을 검정하고 싶을 때 사용한다(교차분석). 쉽게 말해, 범주형(분류형) 자료(예: 남/여, 찬성/반대 등) 두 가지가 서로 관련이 있는지 없는지 살펴본다.

• 쉽게 예를 들면?
  “성별(남/여)과 선호하는 TV 프로그램 유형(드라마/예능/뉴스)이 연관이 있는지” 알아보는 식이다.

- 가정 / 자료 특성

* 두 변수 모두 범주형이며, 각 셀의 기대도수(Expected frequency)가 충분히 커야(일반적으로 5 이상) 검정 결과가 안정적이다.

* 표본 크기가 너무 작거나 특정 범주의 빈도가 0에 가까울 경우, 피셔의 정확 검정(Fisher’s Exact Test)을 고려한다.

7. 상관분석(Correlation Analysis)

- 적용 상황

* 두 연속형 변수 간의 연관성(선형관계)을 측정하고 싶을 때 사용한다. 쉽게 말해, 두 변수가 함께 움직이는 정도(함께 올라가거나 내려가는지)를 살펴본다.

• 쉽게 예를 들면?
  “키가 큰 사람이 대체로 몸무게도 많이 나가는가?”처럼, 키와 몸무게가 같이 변하는 경향(‘상관관계’)을 확인하는 것이다.

• 주의할 점: 상관분석에서 ‘함께 변한다’가 꼭 ‘원인과 결과’를 의미하는 건 아니라는 점을 기억해야 한다.

- 가정 / 자료 특성

* 피어슨(Pearson) 상관계수의 경우, 양 변수 모두 정규분포를 가정하며, 선형관계가 존재한다고 전제한다.

* 정규성 가정이 어렵거나 자료가 서열척도일 경우, 스피어만(Spearman) 순위상관계수나 켄달(Kendall) 상관계수를 사용한다.

* 상관계수는 ‘인과관계’를 의미하지 않으므로, 원인-결과 해석 시 주의가 필요하다.

8. 비모수 검정(Non-parametric Tests)

- 적용 상황

* 정규성, 등분산성 등 파라메트릭 검정의 가정이 충족되지 않거나, 표본 크기가 극도로 작아서 가정 충족이 어려울 때 사용한다. 쉽게 말해, 자료의 분포가 좀 이상하거나(한쪽으로 심하게 치우친 경우), 표본 수가 적어 기존 기법(예: t-검정)을 쓰기 어려울 때 대안으로 쓰이는 방법이다.

• 쉽게 예를 들면?
  “사람들이 매운맛에 대해 느낌을 1~5단계로 표기했는데, 이게 고르게 분포되지 않고 특정 단계에 몰려 있다면?” 비모수 검정을 활용해 집단 간을 비교한다.

- 가정 / 자료 특성

* 특정 분포를 가정하지 않으므로, 분포가 매우 왜곡되어 있거나 측정 척도가 서열 수준일 때에도 사용 가능하다.

* 대표적으로 Mann-Whitney U test(=Wilcoxon rank-sum test), Wilcoxon 부호순위 검정, Kruskal-Wallis 검정 등이 있다.

9. 구조방정식모형(SEM, Structural Equation Modeling)

- 적용 상황

* 여러 변수 간 복합적·동시적 인과관계를 하나의 모형으로 설정·추정하고 싶을 때 사용한다(측정모형+구조모형). 쉽게 말해, 여러 요인이 서로 복잡하게 얽혀 있을 때, 전체 관계를 하나의 큰 그림(모형)으로 그리고, 그 모형이 맞는지 검사하는 방법이다.

• 쉽게 예를 들면?
  “학습 동기 → 공부 시간 → 시험 점수”처럼, 동기가 공부 시간을 늘리고, 공부 시간이 시험 점수에 영향을 준다는 식의 다단계 관계를 한꺼번에 검증할 수 있다.

- 가정 / 자료 특성

* 다변량 정규성 가정이 일반적으로 요구되며, 표본 크기가 충분히 커야(대략 200개 이상 권장) 모형 추정이 안정적이다.

* 측정모형(확인적 요인분석)을 거쳐 각 척도의 구인 타당도를 검증해야 하며, 구조모형에서 경로계수를 추정한다.

* 모형 적합도 지표(CFI, TLI, RMSEA 등)를 통해 전체 모형의 적합성을 평가하며, 수정지수(MI)를 참고해 모형을 조정하기도 한다.

10. 시계열분석(Time Series Analysis)

- 적용 상황

* 시간적 순서에 따른 자료(시계열)를 분석하고, 미래를 예측하거나 계절적·추세적 패턴을 파악하고자 할 때 사용한다. 쉽게 말해, 시간의 흐름에 따라 변하는 자료(예: 월별 매출, 주가 등)를 분석해 미래를 예측하거나, 시간에 따른 패턴(추세, 계절성 등)을 파악할 때 쓴다.

• 쉽게 예를 들면?
  “1월부터 12월까지 판매량을 보고, 내년에는 어떤 달에 매출이 늘어날지 미리 예측”하는 식의 분석이다.

- 가정 / 자료 특성

* 데이터가 정상성(Stationarity)을 만족하는지(평균, 분산 등이 시간에 따라 크게 달라지지 않는지) 확인해야 한다.

* 자기상관(Autocorrelation)을 고려해야 하며, ARIMA, SARIMA, VAR 등 다양한 모형이 존재한다.

* 시계열분석은 자료가 등간·비율 척도일 때 주로 적용되지만, 빈도나 사건 확률 등을 다루는 경우에는 다른 특수 모델(예: Poisson 시계열 등)도 고려된다.

요약 정리

1. 기술통계: 전체적으로 ‘어떤 모습인지’ 요약한다.

2. t-검정: ‘두 그룹’의 평균 차이를 본다.

3. 분산분석(ANOVA): ‘세 그룹 이상’의 평균 차이를 본다.

4. 회귀분석: ‘하나의 결과’를 예측하거나, ‘변수 간 영향’을 본다.

5. 로지스틱 회귀: 결과가 ‘예/아니오’일 때, 무슨 요인이 영향을 주는지 본다.

6. 카이제곱 검정: 범주형 변수(예: 남/여)에 대해 ‘관련성’을 본다.

7. 상관분석: ‘두 변수가 함께 변하는 정도’를 본다(인과 아님).

8. 비모수 검정: 정규 분포가 아니거나 표본이 적을 때 대안으로 사용한다.

9. 구조방정식모형(SEM): 여러 요인이 얽힌 ‘큰 그림’을 한꺼번에 검사한다.

10. 시계열분석: 시간 순서에 따른 패턴을 보고 미래를 예측한다.

Tip1) 통계기법을 사용할 땨, 해석의 난이도와 연구자 역량도 고려해야 한다.

1) 단순 기법 vs. 고급 기법

- t-test, ANOVA, 회귀분석 등은 비교적 해석이 직관적이며 여러 분야에서 널리 사용된다.

- 구조방정식 모형(SEM) 등은 해석이 복잡하며, 표본 크기도 크고 연구모형 이론적 배경이 충분해야 의미가 있다.

2) 해석 가능성(Interpretability)

- 고차원·복잡 통계기법을 사용하면 결과 해석과 보고가 어려워질 수 있다.

- 연구자가 결과를 명확히 설명할 역량이 있거나, 해당 분야에서 그러한 기법을 표준으로 사용하는지 판단해야 한다.

3) 학술적·실무적 용도

- 논문 투고나 학술 보고서에서는 비교적 복잡한 기법도 요구될 수 있으나, 실무 현장(기업, 공공기관 등)에서는 실행가능성과 빠른 의사결정을 위해 해석이 용이한 기법이 선호되는 경우도 많다.

Tip2) 통계분석 기법 선택을 할 때, 학계의 일반적 관행은 선행연구에서 어떤 기법을 사용했는지를 먼저 검토하는 것이다.

1) 동일 분야(전공) 선행연구 살펴보기

- 어떤 연구문제와 자료 특성을 다룰 때, 선행연구에서 주로 어떤 통계기법을 사용했는지 확인한다.

- 해당 분야에서 보편적으로 통용되는 기법이 있다면, 검증 방법으로 신뢰성을 얻을 가능성이 높다.

2) 학술지 가이드라인

- 논문을 투고할 학술지(분야)에 따라 요구하는 분석 수준이나 기준이 다를 수 있다.

- 일부 학술지는 SEM, 다층분석(HLM) 같은 고급 기법의 사용을 권장하기도 하며, 반대로 간명한 회귀분석을 선호하기도 한다.

Tip3) 결국 “왜 이 통계분석 기법을 썼는지”를 연구자가 스스로 납득할 수 있어야 하고, 그 합리적 근거를 논문(보고서)에 명확히 서술하는 것이 중요하다. 적절한 통계방법론 선택이 제대로 이루어져야 연구결과가 설득력을 얻고, 후속 연구 및 실무에서도 유의미하게 활용될 수 있다.

데이터 분석은 데이터를 정리, 처리, 해석하여 유용한 정보를 도출하는 과정으로, 기술 통계와 추론 통계로 나눌 수 있습니다. 이 외에도 데이터의 목적과 사용 방식에 따라 다양한 분석 방법이 존재합니다.

1. 기술 통계 (Descriptive Statistics)

• 데이터를 요약하고 설명하는 데 초점이 있는 분석.

• 데이터를 시각화하거나 요약 통계량(평균, 중앙값 등)으로 표현.

특징:

1. 데이터 요약

   • 큰 데이터셋의 특성을 이해하기 쉽게 요약.

   • 예: 평균, 중앙값, 최빈값, 범위, 분산, 표준편차.

2. 시각화

   • 데이터의 분포나 추세를 쉽게 이해하기 위해 그래프나 표를 사용.

   • 예: 히스토그램, 박스플롯, 파이 차트.

예시:

• 특정 학급 학생들의 시험 점수의 평균, 중앙값, 범위를 계산하여 학업 성취도의 전반적인 수준을 파악.

2. 추론 통계 (Inferential Statistics)

• 표본 데이터를 이용해 모집단의 특성을 추론.

• 확률과 통계적 가설 검정을 기반으로 함.

특징:

1. 모집단 추론

   • 표본 데이터를 바탕으로 모집단의 특성을 예측.

   • 예: 신뢰구간, 가설 검정.

2. 통계적 검정

   • 가설을 설정하고 이를 검증하여 통계적 유의성을 판단.

   • 예: pp-값을 통해 귀무가설 기각 여부 결정.

3. 추정

   • 표본 평균을 바탕으로 모집단 평균 추정.

   • 예: 회귀분석, t-검정, ANOVA.

예시:

• 표본 100명을 대상으로 조사한 설문 결과를 바탕으로, 전체 1,000명 모집단의 평균 만족도를 추정.

3. 상관분석 (Correlation Analysis)

• 두 변수 간의 상관관계를 측정.

• 상관계수 (rr)로 관계의 강도와 방향을 나타냄.

특징:

1. 강도

   • 상관계수 rr의 절댓값이 0~1 사이로 표현.

     • r=1r = 1: 완전 양의 상관.

     • r=−1r = -1: 완전 음의 상관.

     • r=0r = 0: 상관관계 없음.

2. 방향

   • 양의 상관관계: 한 변수가 증가할 때 다른 변수도 증가.

   • 음의 상관관계: 한 변수가 증가할 때 다른 변수는 감소.

예시:

• 학생들의 공부 시간과 시험 점수 간의 상관관계를 분석해, 상관계수가 r=0.7r = 0.7로 강한 양의 상관관계 확인.

• 
  

4. 회귀분석 (Regression Analysis)

• 변수 간의 관계를 모델링하여 예측.

• 독립변수와 종속변수 간의 인과관계를 설명.

특징:

1. 단순 회귀

   • 하나의 독립변수와 하나의 종속변수 간의 관계 분석.

   • 예: 공부 시간이 시험 점수에 미치는 영향.

2. 다중 회귀

   • 여러 독립변수가 종속변수에 미치는 영향을 동시에 분석.

   • 예: 공부 시간, 수면 시간, 식습관이 시험 점수에 미치는 영향.

3. 회귀 방정식

   • Y=a+bXY = a + bX 형태로 모델링.

   • YY: 종속변수, XX: 독립변수, aa: 절편, bb: 기울기.

예시:

• SNS 사용 시간과 공부 시간 데이터를 통해, 학생의 학업 성취도를 예측하는 모델을 생성.

• 
  

5. 가설 검정 (Hypothesis Testing)

• 귀무가설과 대립가설을 설정하고 데이터를 통해 이를 검증.

특징:

1. 귀무가설 (H0H_0)

   • 차이가 없거나 효과가 없다는 가정.

2. 대립가설 (H1H_1)

   • 차이가 있거나 효과가 있다는 가정.

3. pp-값

   • p<0.05p < 0.05: 유의미한 결과, 귀무가설 기각.

예시:

• 특정 학습법이 학생들의 성적 향상에 효과가 있는지 확인하기 위해 t-검정을 사용.

• 
  

6. t-검정 (t-Test)

• 두 집단의 평균 차이를 비교하는 분석.

특징:

1. 독립표본 t-검정

   • 두 독립 집단 간의 평균 비교.

   • 예: 남학생과 여학생의 수학 점수 비교.

2. 대응표본 t-검정

   • 동일 집단의 전후 데이터를 비교.

   • 예: 새로운 교육 프로그램 전후의 시험 점수 비교.

예시:

• 새로운 학습법 적용 전후의 시험 점수를 비교해 효과를 검증.

• 
  

7. ANOVA (분산분석, Analysis of Variance)

• 세 개 이상의 집단 평균 차이를 비교.

특징:

1. 일원분산분석

   • 하나의 독립변수로 세 집단 이상의 평균 비교.

   • 예: 세 지역 학생들의 평균 점수 비교.

2. 이원분산분석

   • 두 개 이상의 독립변수로 평균 비교.

   • 예: 지역과 성별이 시험 점수에 미치는 상호작용 분석.

3. F-값

   • 집단 간 차이를 나타냄. pp-값으로 유의성 검증.

예시:

• 도시, 농촌, 산간 지역 학생들의 학업 성취도를 비교.

• 
  

8. 클러스터 분석 (Cluster Analysis)

• 데이터셋을 유사한 특성을 가진 그룹으로 분류.

특징:

1. 비지도 학습

   • 사전 정의된 라벨 없이 데이터 패턴을 찾아 군집화.

2. 활용 분야

   • 마케팅, 고객 세분화, 의료 데이터 분석 등.

예시:

• 고객 데이터를 분석해 구매 패턴이 유사한 그룹을 식별.

• 
  

9. 시계열 분석 (Time Series Analysis)

• 시간에 따라 변하는 데이터를 분석.

특징:

1. 추세 분석

   • 시간에 따른 증가/감소 패턴 분석.

2. 예측

   • 미래 데이터를 예측.

   • 예: 주식 시장, 기후 데이터 분석.

예시:

• 10년간의 주식 가격 변동 데이터를 분석해 미래 가격을 예측.

요약

데이터 분석의 종류와 특징은 연구 목적과 데이터 특성에 따라 다양하게 적용됩니다.

• 기술 통계: 데이터를 요약하고 시각화.

• 추론 통계: 표본으로 모집단을 추정.

• 상관분석/회귀분석: 변수 간 관계와 예측.

• 가설 검정/t-검정/ANOVA: 집단 간 차이와 가설 검증.

• 클러스터/시계열 분석: 데이터 군집화 및 시간 패턴 분석.

혹시 특정 분석 방법을 더 자세히 알고 싶으신가요? 😊

1) 연구문제 및 가설 정리

- “무엇을 알고 싶은가?”, “어떤 관계나 차이를 확인하고 싶은가?”

2) 변수와 데이터 유형 파악

- 종속변수/독립변수의 유형(연속형, 범주형, 순서형 등).

- 데이터의 분포(정규성 등), 표본 크기, 표본 추출 방식 등 확인.

3) 선행연구 및 분야별 관행 확인

- 비슷한 사례에서 어떤 통계 기법을 썼는지 참고.

4) 후보 기법 리스트업

- 예: t-test vs. Mann-Whitney U test, ANOVA vs. Kruskal-Wallis 등.

5) 통계적 가정 검토

- 각 후보 기법이 요구하는 가정(정규성, 등분산성, 독립성 등)을 체크.

6) 데이터 사전처리 & 진단

- 결측값 처리, 이상값 확인, 데이터 변환(로그 변환 등).

7) 최종 기법 선택 및 분석

- 가정이 충족되는지 검토하면서 적절한 기법을 최종적으로 선택.

- 결과 해석 시, 효과크기(Effect size), 신뢰구간(Confidence Interval) 등도 함께 고려.

8) 결과 보고 및 한계 제시

- 분석결과를 논리적으로 해석하고, 통계분석의 한계(표본 크기, 가정 위배 가능성 등)도 솔직하게 기술.

양적 연구 방법론에서 다양한 통계 기법은 연구의 목적에 따라 선택되지만, 모든 기법은 공통적으로 명확한 목표를 향해 사용된다. 논문에서 양적 연구를 통해 얻고자 하는 것과 지켜야 할 기준을 원론적 관점에서 다음과 같이 정리할 수 있다.

1. 양적 연구를 통해 얻고자 하는 것

- 객관적 증거: 데이터를 통해 특정 현상이나 관계를 실증적으로 검증하고 설명한다. 이는 주관적 판단이 아니라 수치와 통계적 분석을 통해 신뢰할 수 있는 결론을 도출하려는 목적을 가진다.

- 일반화 가능성: 표본 데이터를 분석해 얻은 결과를 모집단에 일반화할 수 있는 통찰을 제공하는 것이 목표다.

- 변수 간 관계 탐색: 독립 변수와 종속 변수 간의 관계를 확인하거나, 특정 요인이 결과에 미치는 영향을 파악한다.

- 예측 가능성: 연구 결과를 바탕으로 미래의 경향이나 사건을 예측할 수 있는 근거를 마련한다.

2. 지켜야 할 기준

1. 신뢰도(Reliability)

- 연구 결과가 일관되게 재현될 수 있어야 한다. 동일한 방법론과 데이터를 사용했을 때 같은 결과를 얻을 수 있어야 하며, 이는 통계 분석의 기초다.

- 재검사 신뢰도(Test-Retest Reliability): 같은 측정도구로 동일 집단을 반복 측정했을 때 측정 결과가 일관되게 나오는 정도.

- 내적 합치도(Internal Consistency): 척도를 구성하는 문항들끼리 얼마나 일관되게 측정하느냐에 대한 정도(Cronbach’s α 등).

- 대응 신뢰도(Inter-Rater Reliability): 관찰자(코더)나 평가자가 여러 명일 경우, 그들 간 평가가 일치하는 정도.

신뢰도는 “이 측정도구가 얼마나 일관성 있게 측정하느냐?”를 묻는 것이며, 측정 결과의 ‘안정성’에 대한 판단 기준이 된다.

2. 타당도(Validity): 연구설계의 엄밀성

- 연구가 본래 의도한 개념이나 현상을 정확히 측정하고 있는지를 검토해야 한다. 내적 타당도(실험 설계의 적합성)와 외적 타당도(결과의 일반화 가능성)를 고려해야 한다.

1) 내적 타당도(Internal Validity)

- 연구 내에서 ‘원인(독립변수)이 결과(종속변수)에 영향을 미쳤다’고 말할 수 있는 인과관계의 논리적 타당성을 확보해야 한다.

- 혼입 변수(외생변수)의 통제나 실험·준실험 설계 등을 통해 가능하면 연구 결과의 원인이 다른 요인 때문이 아님을 엄밀하게 검증해야 한다.

2) 외적 타당도(External Validity)

- 연구 결과가 다른 집단이나 상황에서도 동일하게 나타날 것인가, 즉 결과의 일반화 가능성을 의미한다.

- 조사 대상, 연구 맥락이 지나치게 특수하면 외적 타당도가 낮아질 수 있다. 따라서 가능한 한 대표적이거나 다각적인 상황에서 연구가 설계·실시되어야 한다.

- 내용 타당도(Content Validity): 조작적 정의가 개념 전체를 제대로 반영하는가를 확인하는 것.

- 구성(구인) 타당도(Construct Validity): 측정 도구(척도)가 이론적 구인을 제대로 측정하고 있는지 검증하는 것.

- 준거 타당도(Criterion Validity): 다른 타당성이 확인된 검증 수단(척도)과 비교하여 측정치의 타당성을 확보하는 것.

타당도란 결국 “이 측정도구가 정말로 측정하고자 하는 것을 제대로 측정하고 있는가?”를 묻는 것이며, 연구자가 제시하는 결론의 정확성을 뒷받침하는 가장 중요한 근거가 된다.

3. 객관성(Objectivity)

- 연구자의 편견이 결과에 영향을 미치지 않도록 데이터를 수집하고 분석해야 한다. 연구자는 중립적 위치에서 데이터를 해석해야 한다.

1) 객관성 확보

- 연구자의 주관적 편향이나 사전 가정이 최소화되어야 한다.

- 측정 도구 및 절차, 자료분석 과정 등을 투명하게 제시함으로써 타인이 검증할 수 있도록 해야 한다.

2) 재현 가능성(Replicability)

- 동일한 조건, 동일한 측정도구를 사용했을 때 같은 결과가 나오도록 연구 절차를 구체적으로 제시해야 한다.

- 연구 과정과 데이터(가능하다면 원시데이터)를 명시해 두어야, 후속 연구자나 검증자가 같은 조건으로 재연 실험 및 분석을 할 수 있다.

4. 충분한 표본 크기

- 통계적 유의성을 확보하기 위해 적절한 표본 크기를 선정해야 한다. 표본이 작으면 결과의 신뢰도가 낮아지고, 지나치게 크면 불필요한 복잡성이 추가될 수 있다.

1) 표본추출(Sampling)

- 모집단을 대표할 수 있는 표본을 어떻게 추출하느냐가 연구 결과의 일반화에 결정적 영향을 미친다.

- 확률표본추출(단순무작위, 층화표본, 군집표본 등) / 비확률표본추출(편의표본, 할당표본 등)을 구분하고, 가능한 한 대표성을 확보해야 한다.

2) 표본 크기(Sample Size)

- 분석에 필요한 통계적 파워(Statistical Power)를 충분히 확보할 수 있어야 하며, 이에 따라 표본의 크기를 결정해야 한다.

- 표본 크기가 너무 작으면, 통계적 유의미성을 확보하기 어려우며 결과가 불안정해진다.

3) 일반화(Generalizability)

- 표본추출 과정에서 대표성이 확보되지 않으면, 결과를 모집단에 직접 적용(일반화)하기 어려움.

- 양적 연구의 가장 큰 장점 중 하나인 ‘일반화’를 온전하게 확보하기 위해서는 연구 설계 단계에서부터 엄밀한 표본 추출 전략이 필요하다.

5. 데이터의 정확성

- 데이터 수집 과정에서 오류를 최소화하고, 데이터를 정제(cleaning)하여 왜곡된 결과가 도출되지 않도록 해야 한다.

6. 윤리적(Ethics) 고려: 데이터 수집과 분석 과정에서 연구 윤리를 철저히 지켜야 한다.

1) 연구참여자 보호

- 개인 정보 보호, 익명성·비밀 보장, 사전동의(Informed Consent) 등의 윤리 원칙을 준수해야 한다.

2) 자료의 정직성과 투명성

- 데이터의 조작, 선택적 보고, 중복 게재 등 연구 부정행위를 방지해야 한다.

- 연구과정에서 발생한 문제나 한계를 은폐하지 않고 공개적으로 기술해야 한다.

3) 연구 결과의 활용

- 연구 결과의 왜곡 방지는 물론이고, 결과가 미치는 사회적 영향까지 고려해야 하며, 정책이나 의사결정 등에 적용될 때 생길 수 있는 부작용 등을 함께 고민해야 한다.

3. 연구 설계와 분석 과정에서 고려해야 할 점

- 가설 설정: 연구 목적에 부합하는 명확하고 검증 가능한 가설을 세워야 한다.

- 적합한 통계 기법 선택: 데이터 유형과 연구 질문에 적합한 통계 기법을 선택해야 한다.

1) 통계기법 선택의 논리

- 기술통계(평균, 표준편차 등), 추론통계(t-검정, ANOVA, 회귀분석, 구조방정식 모형 등) 다양한 기법 중 연구문제와 자료 특성(연속/범주 자료, 표본 크기, 분포 형태 등)에 가장 적합한 것을 선택해야 한다. 예를 들어, 변수 간 상관관계를 분석할 때는 회귀 분석, 그룹 간 차이를 확인할 때는 t-검정이나 ANOVA를 사용할 수 있다.

- 가설 검정 시, 가정(정규성, 등분산성 등)이 충족되는지 반드시 확인해야 한다.

2) 통계분석 결과 해석

- 단순히 p값만 보고 ‘유의미하다/아니다’를 논의하기보다는 실제 효과의 크기(Effect Size), 신뢰구간(Confidence Interval) 등을 함께 제시하고 해석해야 한다.

- 결과 해석 시, 이론적 배경과 선행연구 결과를 아울러 종합적으로 설명함으로써 연구의 기여점을 제시해야 한다.

- 통계적으로 유의미한 결과를 도출하더라도, 그 결과가 실제로 연구 맥락에서 의미가 있는지를 판단해야 한다.

3) 한계(제약사항) 제시

- 연구설계나 통계분석 과정에서 발생할 수 있는 제약사항과 잠재적 문제점을 솔직히 서술해야 한다.

- 예: 샘플이 충분히 크지 않다, 측정도구가 특정 문화권에서만 검증되었다, 종단적 연구가 아닌 단면 연구에 그쳤다 등.

양적 연구 방법론의 성공은 통계 기법 자체보다는 연구자가 데이터를 다루고 해석하는 방식, 그리고 연구 목적을 명확히 설정하는 데 달려 있다. 따라서, 연구 과정에서 이러한 기준을 철저히 지킨다면, 보다 신뢰성 있고 일반화 가능한 결과를 도출할 수 있다.

양적(定量) 연구는 사회현상 혹은 자연현상을 수치로 측정하고, 통계적 기법을 활용해 그 관계를 파악하거나 가설을 검증함으로써 일반화 가능한 결론을 도출하고자 하는 연구 방법이다. 어떤 통계 분석 기법을 사용하든, 결국 양적 연구는 “측정 가능한 객관적 지표를 통해 현상의 규칙성과 인과관계를 밝히고, 이를 토대로 일반화 가능한 지식을 형성”하려는 공통된 목적을 지난다.

양적연구 시작 단계의 점검해야 할 핵심 요소들:

1. 명확한 연구문제 및 가설 설정을 확인한다

1) 연구문제(Research Question)

- 연구문제를 구체적으로 설정하고, 이를 통해 측정하고자 하는 변수를 명료하게 정의되었는가?

- 예: “A가 B에 어떠한 영향을 미치는가?”와 같은 형태로 명확한 인과관계(또는 상관관계)를 가정하는 문제 제기.

2) 가설(Hypothesis)

- 연구문제를 토대로, 이론적 근거와 선행연구를 통해 가설을 설정했는가?

- 예: “A가 B에 정(+)의 영향을 미칠 것이다.”, “A와 B 사이에는 유의미한 관계가 존재할 것이다.” 등.

3) 개념적·조작적 정의(Conceptual & Operational Definition)

- 연구에서 사용되는 주요 개념(변수)에 대한 ‘개념적 정의’를 분명히 하고, 이를 어떻게 측정할 것인지 ‘조작적 정의’가 잘 제시되었는가?

- 예: ‘학업성취도’라는 개념 → 시험성적으로 측정, 혹은 과제 점수·수업 참여도 등을 합산한 척도로 측정.

1. 연구질문(Research Question)과 연구목적(Purpose) 부합성

1) 연구질문의 방향

- “왜 이 현상이 일어날까?”, “어떻게 이런 경험이 가능해지는 걸까?” 등 과정이나 의미에 대한 깊이 있는 이해가 필요하다면 질적연구가 적합하다.

- 특히 “개인이 어떤 경험을 통해 무엇을 느꼈는지, 그 배경과 맥락은 무엇인지, 이 경험이 삶에 어떤 변화를 가져오는지” 등의 질문이라면, 특정 질적 방법이 더욱 효과적일 수 있다.

2) 연구목적에 따른 방법론 선택 예시

- 새로운 이론화를 하고 싶다

- ⇒ 근거이론 접근을 고려 (자료로부터 코딩 과정을 통해 범주와 이론적 프레임을 생성)

- 어떤 현상의 ‘본질’을 깊이 이해하고 싶다

- ⇒ 현상학적 연구 고려 (개인이 어떻게 현상을 경험하고 의미 부여하는지 심층 탐색)

- 사례 하나(혹은 소수)를 깊이 있게 들여다보고 싶다

- ⇒ 사례연구 (케이스의 맥락적 특수성과 복잡성을 면밀히 관찰)

- 참여자의 이야기·삶의 서사를 통해 의미를 파악

- ⇒ 내러티브 연구 (서사를 분석하며, 정체성·사회적 의미 등을 해석)

- 언어·담론 자체에 주목하여 권력관계, 이념 등을 파헤치고 싶다

- ⇒ 담론분석 (텍스트·언어 사용에 담긴 사회·문화적 맥락을 중점적으로 분석)

- 특정 집단·문화의 생활양식과 가치관을 현장에서 관찰

- ⇒ 문화기술지(에스노그래피) (장기간 현장 참여관찰을 통해 문화적 패턴 탐구)

2. 철학적·이론적 관점(Paradigm)과의 일치

1) 인식론(Epistemology)과 존재론(Ontology)

- 연구자가 실재(Reality)를 어떻게 바라보고, 지식(Knowledge)이 어떻게 생성된다고 보는지에 따라 연구 방법을 달리 택하게 된다. 예컨대,

- 해석학적·구성주의적 입장을 취한다면, “현실은 고정된 하나가 아니라, 개인/집단이 구성하는 의미의 다중적 현실”이라고 보기 때문에 참여자의 언어·맥락·경험에 대한 심층 탐구가 중요하다.

- 비판이론(Critical theory) 관점이라면, “현상 속에 내재한 권력, 이념, 불평등 구조를 어떻게 드러낼 것인가?”가 핵심이 된다.

2) 선행연구와의 연결성

- 이미 주제와 관련된 선행연구들이 특정 이론적 틀(예: 상징적 상호작용론, 구조주의, 포스트모더니즘 등)을 자주 사용하고 있다면, 이를 참고하여 연구 주제와의 궁합을 확인할 수 있다.

3. 자료의 특성과 접근성(Accessibility)

1) 어떤 자료를 구할 수 있는가?

- 연구자가 시간·환경·윤리적 제약 하에서 실제로 인터뷰나 참여관찰을 수행할 수 있는지, 또는 문헌·영상·텍스트 중심의 자료만으로 접근해야 하는지 고려해야 한다.

- 예) 감염병 상황이나 위기지역 연구의 경우, 현장 방문이 어렵다면 인터뷰·문헌자료·온라인 담론분석 등 다른 대안을 생각해야 한다.

2) 연구자의 숙련도와 역량

- 예를 들어, 담론분석을 하려면 언어학·사회학·철학 등 다학제적 관점이 필요할 수 있고, 문화기술지를 하려면 장기 현지체류와 참여관찰의 경험이 중요하다.

- “내가(또는 우리 연구팀이) 이러한 연구방법을 제대로 수행할 수 있을 만큼의 전문 지식과 기술, 시간, 예산이 있는가?”도 중요한 판단 기준이다.

4. 연구 결과로 얻고자 하는 성격(Outcome)과 타겟 독자

1) 연구의 결과 형태

- 질적연구에서는 텍스트 위주의 서술, 해석, 모델링, 이론화 등 다양한 형태로 결과가 제시된다.

- “내가 결국 독자에게 보여주고자 하는 것은 무엇인가?” (현상의 구조적 모델? 경험의 본질적 묘사? 문화적 특성에 대한 생생한 기록? 등)

2) 학계·실무적 기대효과

- 학계에선 “이론적 공헌”이나 “실증 사례”를 중요하게 보고, 실무·현장에선 “문제 해결에 직접 도움이 될 수 있는 통찰”을 찾기도 한다.

- 어떤 독자를 대상으로 연구 결과를 보여줄 때, 가장 설득력 있고 실질적인 메시지를 전달할 수 있는 방법론을 택하면 좋다.

5. 시간·예산·윤리적 요인

1) 연구 기간과 예산

- 근거이론이나 문화기술지는 일반적으로 장기간에 걸쳐 자료수집(심층 인터뷰나 참여관찰)을 해야 하므로, 충분한 시간과 예산이 필요하다.

- 내러티브 연구나 담론분석은 상대적으로 자료 수집(인터뷰·텍스트) 과정이 짧을 수도 있지만, 분석에 전문지식이나 고도의 해석력이 요구된다.

2) 윤리적 제약

- 사람 대상 연구의 경우 기관윤리심의(IRB)를 거쳐야 하며, 민감한 주제를 다루면 연구 참여자의 안전과 사생활 보호 대책이 더 복잡해질 수 있다.

- 연구 접근법에 따라 참여자를 얼마나 밀접하게 관찰하고 개입하는지가 달라지므로, 윤리적·실천적 측면도 함께 고려해야 한다.

6. 연구자의 ‘반성적 태도(Reflexivity)’와 선호도

1) 연구자의 선호

- 연구자가 어떤 방법론에 관심이 많고, 학습과 경험을 통해 익숙한지에 따라 ‘잘 다룰 수 있는 방법’을 선택하는 것도 중요하다.

- 생소한 접근법이라면 충분한 예비 조사(Pilot study)와 이론 공부가 필요하다.

2) 반성적 태도

- 질적연구는 연구자의 주관과 해석이 깊이 개입되므로, 연구자의 가치관·편향이 어떤 방식으로 투영될지 끊임없이 돌아보고 기록해야 한다.

- “내가 이 방법을 쓰는 이유는 무엇이며, 이로 인해 어떤 해석적 편향이 생길 가능성이 있는가?”를 꾸준히 점검해야 한다.

7. 요약: 질적연구방법 선택 시 고려해야 할 핵심 질문

1. 연구질문

- “왜?”, “어떻게?”라는 심층적 탐구가 필요한가?

- 개인의 경험, 사회·문화적 맥락, 의미·해석의 과정을 중시하는가?

2. 철학적 입장과 이론적 틀

- 해석학, 구성주의, 현상학, 비판이론 등 어떤 패러다임에 근거하고 있는가?

- 연구주제와 관련해 기존에 사용된 이론적 관점은 무엇이며, 어떻게 이어받거나 넘어서려 하는가?

3. 자료수집 가능성

- 연구자가 접근할 수 있는 참여자, 현장, 텍스트·영상 자료는 무엇인가?

- 시간·공간적 제한, 연구비·인력 등의 자원은 충분한가?

4. 연구 결과로 얻고자 하는 바

- 현상의 구조적 모델(근거이론)을 만들고 싶은지,

- 경험의 본질(현상학)을 밝히고 싶은지,

- 구체적인 사례(사례연구)나 이야기(내러티브)로 깊이 있게 보여주고 싶은지,

- 담론·텍스트 속에 내재한 사회·문화적 의미를 해석(담론분석)하고 싶은지,

- 특정 문화나 집단을 현장 연구(문화기술지)하고 싶은지에 따라 달라진다.

5. 윤리·실행 가능성

- 연구참여자의 프라이버시, 익명성, 민감도, 윤리심의(IRB) 절차 등

- 연구자가 그 방법론에 필요한 역량과 경험을 갖췄는지

질적 연구 방법론은 다양한 종류가 있으며, 각 방법론은 고유한 철학적 기반과 연구 전략을 가지고 있습니다. 몇 가지 주요 질적 연구 방법론을 소개합니다.

1. 현상학 (Phenomenology)

• 개념: 사람들이 특정 ‘현상(경험)’을 어떻게 인식·체험하는지, 그 ‘본질(Essence)’을 밝히려는 연구다. 개인의 주관적인 경험과 의식, 그리고 그 의미를 탐구하는 연구 방법이다. 특정 현상에 대한 사람들의 경험을 심층적으로 이해하고, 그 경험의 본질을 파악하는 데 중점을 둔다.

• 주요 특징:

  • 참여자(연구대상)가 경험한 사건이나 감정을 아주 깊이 있게 탐구한다. 즉, 경험의 본질 (essence) 에 대한 탐구다.

  • 괄호치기 (bracketing): 연구자의 선입견이나 가정을 배제하려는 노력

  • 의도성 (intentionality): 의식은 항상 무언가를 향해 지향한다는 개념 강조

• 자료 수집: 주로 심층 인터뷰, 때로는 연구자의 관찰·기록(참여 관찰, 일기, 편지 등)

• 분석 방법: 의미 단위 분석, 본질적 구조 분석(참여자가 경험을 자세히 묘사하게 하여, 그 묘사 속에서 공통된 의미를 도출)

• 예시: 예) “말기 암 환자들이 느끼는 ‘삶과 죽음’의 의미는 무엇인가?”처럼, 암 환자의 고통 경험에 대한 연구, 이혼 경험에 대한 연구, 특정 종교 의례에 참여하는 사람들의 경험에 대한 연구(“이런 경험 속에는 어떤 공통된 본질이 있는가?”를 찾아낸다)

2. 근거 이론 (Grounded Theory)

• 개념: 자료 속에서 직접 ‘이론’을 만들어내는 연구다. (Grounded: ‘바닥에서부터’라는 의미) 자료에서 귀납적으로 이론을 도출하는 연구 방법이다. 현상에 대한 체계적인 분석을 통해 새로운 이론을 개발하거나 기존 이론을 수정하는 데 목적이 있다.

• 주요 특징:

  • 연구자가 인터뷰·관찰 자료를 코딩(범주화) 하는 과정을 거쳐,
    자료에 숨어 있는 개념들을 한 단계씩 드러내며, 최종적으로 새로운 이론(모델)을 구성한다. 단, 이론을 미리 정해 놓지 않고, 자료에서 답을 찾아 '후행적'으로 이론을 찾는다는 점이 중요하다.

  • 체계적인 자료 분석 (coding)

  • 이론적 표집 (theoretical sampling)

  • 끊임없는 비교 분석 (constant comparative method)

• 자료 수집: 심층 인터뷰, 참여 관찰, 문서 자료, 현장 노트 등

• 분석 방법: 개방 코딩, 축 코딩, 선택 코딩

• 예시: 간호사의 환자 돌봄 경험에 대한 연구, 특정 직업군의 직무 만족도에 영향을 미치는 요인에 대한 연구

3. 민족지학 (Ethnography)

• 개념: 특정 문화나 집단의 생활 양식, 신념, 관습 등을 ‘현장에서’ 파악하고 기록하여, 그것들의 문화적 의미와 행동 양식을 심층적으로 연구하는 방법이다. 연구자는 장기간 연구 현장에 머물며 참여 관찰과 면접 등을 통해 자료를 수집한다. 예를 들어, “시골 마을에서 어르신들이 어떻게 공동체를 유지하고 있는지, 그들의 일상과 관습을 관찰하고 분석.”

• 주요 특징:

  • 참여 관찰 (participant observation): 연구자가 직접 그 현장(마을, 학교, 회사 등)에 오랜 기간 머무르며 관찰하고, 사람들과 함께 생활하기도 한다. ‘그들 눈으로 본 현실’을 충실히 기록하여, 그 문화를 이해하려 해야 한다.

  • 현장 노트 (field notes) 작성

  • 문화적 맥락 (cultural context) 에 대한 심층적인 이해

• 자료 수집: 참여 관찰, 면접, 현장 노트, 사진, 영상 등

• 분석 방법: 기술적 분석, 주제 분석, 해석적 분석

• 예시: 특정 지역 주민들의 생활 방식에 대한 연구, 특정 기업의 조직 문화에 대한 연구, 학교 폭력 문제에 대한 연구

4. 내러티브 탐구 (Narrative Inquiry)

• 개념: ‘이야기(서사)’에 집중하여, 개인이나 집단이 살아온 경험의 의미를 찾는 연구다. 개인의 이야기를 통해 삶의 경험과 의미를 이해하는 연구 방법이다. 개인의 경험, 정체성, 가치관 등을 심층적으로 탐구하고, 그 이야기 속에 담긴 의미를 해석한다.

• 주요 특징:

  • 참여자가 직접 자신의 경험을 스토리(이야기)로 들려주도록 이끌어내고, 그 서사에 담긴 정체성, 가치관, 사회·문화적 함의를 분석한다. 이야기(story)를 자료로 활용하는 셈이다.

  • 시간적 흐름 (chronological order) 중시

  • 해석학적 접근 (hermeneutic approach)

• 자료 수집: 면담(인터뷰), 이야기 수집, 일기, 편지, 자서전, 심지어 가족사진 등

• 분석 방법: 내러티브 분석, 주제 분석, 담화 분석

• 예시: 장애 극복 경험에 대한 연구, 이민자들의 정착 과정에 대한 연구, 특정 사건을 경험한 사람들의 이야기에 대한 연구

5. 사례 연구 (Case Study)

• 개념: 특정 사례(개인, 조직, 사건 등)를 깊이 파고드는 연구이다. 특정 사례에 대한 심층적인 분석을 통해 현상에 대한 이해를 높이는 연구 방법이다. 개인, 집단, 조직, 사건 등 다양한 사례를 연구 대상으로 할 수 있다. 예를 들어, “한 지방 공립학교가 혁신학교로 변신하면서 겪은 변화와 문제점”을 사례로 탐구한다.

• 주요 특징:

  • 사례가 ‘유의미한 특별함’을 갖고 있거나, ‘대표성’을 띨 때 많이 사용한다. 한정된 사례를 연구하지만, 그 사례를 통해 ‘보다 큰 의미나 시사점’을 찾으려 노력한다. 즉, “이 사례가 보여주는 이야기가 다른 데서도 유사하게 나타날 수 있는가?”를 고민한다.

  • 단일 사례 또는 복수 사례 연구: 이 사례 한두 개를 종합적으로 분석함으로써, 그 사례 속 복잡한 맥락을 이해하게 된다.

  • 다양한 자료 수집 방법 활용

  • 맥락적 분석 (contextual analysis)

• 자료 수집: 인터뷰, 관찰, 문서 분석, 기록 분석 등

• 분석 방법: 사례 내 분석, 사례 간 분석, 패턴 매칭

• 예시: 특정 기업의 성공 요인에 대한 연구, 특정 학교의 교육 혁신 사례에 대한 연구, 특정 정책의 효과에 대한 연구

6. 행동 관찰 (Behavioral Observation)

• 개념: 사람들이 실제로 보이는 행동이나 상호작용을 직접 관찰하면서, 그 행동의 특징·맥락을 분석한다. 특정 행동을 직접 관찰하고 기록하는 연구 방법이다. 관찰 대상의 행동 패턴, 상호 작용, 의사 소통 방식 등을 분석한다. 예를 들어, “유치원에서 아이들이 자유놀이 시간에 서로 어떻게 어울리는지 직접 지켜보고 기록.”

• 주요 특징:

  • 말이나 글이 아닌 ‘행동 그 자체’가 주요 자료. 예를 들어, 말은 “괜찮아”라고 했지만 행동은 “불편해 보이는” 식일 수 있으므로, 비언어적 단서까지 놓치지 않고 파악한다.

  • 체계적인 관찰 (systematic observation)

  • 관찰 기록 (observation record) 작성

  • 객관적인 자료 수집

• 자료 수집: 연구자가 현장에 가서 직접 보고, 듣고, 필요하다면 녹화를 한다(관찰 노트, 체크리스트, 녹음, 녹화 등). 행동을 시간별, 상황별, 혹은 특정 ‘행동 패턴’별로 분류(코딩)할 수도 있다.

• 분석 방법: 빈도 분석, 순서 분석, 패턴 분석. “왜 이런 행동이 나왔는지?”를 해석할 때, 단순히 행동만 보지 않고 둘러싼 상황도 파악해야 한다.

• 예시: 유아의 놀이 행동 관찰, 학생들의 수업 참여 행동 관찰, 소비자의 구매 행동 관찰

7. 담화 분석 (Discourse Analysis)

• 개념: 사람들이 사용하는 언어(말, 글, 텍스트)나 담화(대화, 토론, 미디어 언어)를 분석하여, 그 뒤에 숨은 의미·권력관계·사회적 맥락을 밝힌다. 언어와 담화를 통해 사회적 현상을 분석하는 연구 방법이다. 텍스트, 대화, 이미지 등 다양한 자료를 분석하여 그 속에 담긴 의미, 권력 관계, 이데올로기 등을 파악한다. 예를 들어, 정치인의 연설문, SNS 댓글, 신문 기사 등을 분석해, “이 언어가 어떤 가치를 강화하거나 어떤 이념을 반영하는가?”를 해석.

• 주요 특징:

  • 언어의 사회적 구성 (social construction of language) 강조: 언어·담화가 단순한 정보 전달이 아니라, 그 안에 권력, 규범, 가치관 등 여러 사회적 함의가 있음을 가정한다.

  • 맥락 (context) 중시. 예를 들어, “이 단어를 왜 반복해서 쓰고 있지?”, “특정 표현을 통해 어떤 이미지를 만들고 있지?” 등을 세심하게 살핀다.

  • 비판적 접근 (critical approach)

• 자료 수집: 텍스트(인터뷰 내용, 미디어 기사, 광고 문구, 공식 문서, SNS 게시글 등)

• 분석 방법: 내용 분석, 담화 분석, 비판적 담화 분석: 수집한 자료를 문장 단위, 단어 사용, 맥락 등으로 세분화하여 분석한다. 언어가 “사회적 실재를 어떻게 ‘만들어내고(구성하고)’ 있는가?”를 주의 깊게 본다는 점이 중요. 분석 시, 연구자의 이념·가치관도 작용할 수 있으므로 반성적 태도가 요구된다.

• 예시: 뉴스 기사 분석, 정치인 연설 분석, 광고 분석

  
  

이 외에도 다양한 질적 연구 방법론이 존재하며, 연구 영역, 목적과 질문에 따라 적절한 방법론을 선택하는 것이 중요합니다.

질적연구를 진행할 때, “어떤 연구방법이 가장 적절한가?”라는 질문은 연구자에게 매우 중요한 결정사항이다. 아래에서는 질적연구 방법을 선택해 나가는 큰 흐름과 단계별 주요 사항을 정리했다. 다만 실제 연구 상황에서는 이 단계를 순차적으로 진행하기도 하지만, 어느 정도 순환적(Iterative)으로 이루어질 수 있음을 염두에 두시기 바란다.

1. 연구문제 및 연구목적 명료화

1) 연구질문(Research Question) 설정

- *무엇을 알고자 하는가?* 어떤 의미나 경험을 이해하고 싶은가?

- 질적연구는 주로 ‘왜?’, ‘어떻게?’에 초점을 두며, 심층적 이해를 추구한다.

2) 연구목적(Purpose) 구체화

- 해당 연구가 어떠한 학문적·실천적 가치를 지니는지, 왜 이 연구가 필요한지 밝힌다.

- 예) “청소년의 SNS 사용이 자아정체감 형성 과정에 미치는 의미를 질적 관점에서 탐구한다.”

2. 이론적·철학적 토대 검토

1) 철학적 패러다임(Paradigm) 파악

- 해석학적 패러다임(Hermeneutics), 구성주의(Constructivism), 현상학(Phenomenology), 비판이론(Critical theory) 등

- 연구 질문이나 연구자가 가진 세계관(인식론, 존재론 등)과의 적합성을 살펴본다.

2) 선행연구와 이론적 배경(Conceptual/Theoretical Framework)

- 해당 주제에 대해 어떤 연구들이 있으며, 어떤 관점·이론을 활용해 왔는지 확인한다.

- 기존 이론을 확장·검증·보완하는지, 혹은 새로운 개념화를 시도하는지 방향성을 설정한다.

3. 질적연구 접근법(Design) 후보 탐색

연구문제와 철학적 관점이 정해지면, 사용 가능한 질적 연구 접근법을 탐색한다.

1) 근거이론(Grounded Theory)

- 특정 현상이나 경험에 대한 이론화를 목적으로, 자료로부터 범주(category)를 생성하고 패턴을 도출한다.

2) 현상학적 연구(Phenomenological Study)

- 참여자들이 특정 현상을 어떻게 경험하고 인식하는지 그 ‘본질(Essence)’을 탐구한다.

3) 사례연구(Case Study)

- 특정 사례(개인, 집단, 조직 등)를 깊이 있게 분석함으로써 사례가 지닌 맥락적 특성과 의미를 밝힌다.

4) 내러티브 연구(Narrative Inquiry)

- 개인 또는 집단의 이야기(서사)를 통해 정체성, 삶의 맥락, 문화적·사회적 함의를 이해한다.

5) 담론분석(Discourse Analysis)

- 텍스트, 언어 사용, 담화 구조에 내재된 권력·이념·문화적 맥락을 분석한다.

6) 문화기술지(Ethnography)

- 특정 문화나 집단의 생활양식, 신념, 행위 등을 현장 참여관찰과 인터뷰 등을 통해 탐구한다.

> 선택의 핵심 기준

> - 연구질문: “어떤 현상을 설명하고 싶은가, 어떤 ‘이론화’를 목표로 하는가, 경험의 본질이나 과정에 초점을 두는가?”

> - 연구자 역량: 해당 접근법에 대한 이해, 분석 기술 숙련도, 연구 환경과의 적합성.

> - 연구환경·자료 접근성: 연구 대상자(또는 현장)과의 거리, 관찰·인터뷰가 가능한지 여부 등.

4. 자료수집 방법 및 절차 구상

1) 자료수집 방법 결정

- 인터뷰(심층인터뷰, 포커스그룹 등), 참여관찰, 문헌 및 아카이브 자료 분석, 시각자료(사진·영상 등) 분석 등

- 연구 접근법에 따라 가장 적합한 자료수집 방식을 복합적으로 구성할 수도 있다.

2) 참여자 선정전략(Sampling strategy)

- 목적표집(purposive sampling), 눈덩이표집(snowball sampling), 편의표집(convenience sampling) 등

- 어떤 기준으로 어떤 참여자를 어떻게 모집·선정할지 계획한다.

3) 자료수집 절차와 타임라인

- 연구 일정, 인터뷰 횟수·시간·장소, 관찰 범위, 자료 보관 방식 등을 미리 구체화하여 실행 가능성을 검토한다.

5. 윤리적 고려 및 IRB(기관윤리위원회) 심의

1) 연구 참여자 권익 보호

- 개인 정보 및 사생활 보호, 익명성 보장, 동의서(Informed consent) 확보 등

- 연구 과정에서 참여자의 불이익 혹은 심리적 부담이 최소화되도록 배려해야 한다.

2) 연구자의 윤리와 책임

- 자료의 비밀유지(Confidentiality), 연구 목적과 절차에 대한 투명성 유지

- 민감한 주제를 다룰 때, 결과 공개 방식과 범위에 대해 주의

3) 윤리심의(IRB) 절차

- 대학·연구기관 등에서 사람 대상 연구는 사전에 윤리심의위원회를 통과해야 하는지 확인한다.

6. 예비조사(Pilot study) 또는 사전 점검

1) 예비 인터뷰·관찰

- 소규모로 실제 인터뷰나 관찰을 해 보고, 질문지(인터뷰 가이드), 관찰지표 등을 수정·보완한다.

2) 연구 설계의 조정

- 사전 조사 결과를 토대로, 분석 단위(범위·깊이), 자료수집 방법, 참여자 선정 방식 등에 대한 수정사항을 반영한다.

7. 연구방법 최종 결정 및 구체적 실행계획 확정

1) 접근법(Design) 확정

- (예) “근거이론 접근법을 택해, 청소년의 SNS 사용 경험을 단계별 코딩(open, axial, selective coding)을 통해 이론화한다.”

- 왜 이 방법이 적절한지 ‘논리적 근거’를 명확히 작성한다.

2) 연구팀·협력자 구성

- 필요한 경우, 인터뷰어·통계전문가(양적 혼합 시), 번역자(해외자료 활용 시) 등을 함께 구성

- 역할 분담과 일정 조율

3) 자료수집·분석 단계 계획

- 본격적으로 인터뷰, 관찰 등을 진행할 시기와 방법(녹음·녹화, 현장노트 등), 자료 분석 소프트웨어 사용 여부(NVivo, ATLAS.ti 등) 결정

8. 연구자의 반성적 태도(Reflexivity) 유지

- 연구자 자신의 가정, 가치관, 문화적 편향, 선이해(Preunderstanding)가 연구 전체 과정에 어떠한 영향을 미치는지 지속적으로 점검한다.

- 연구일지(메모)를 작성하여, 자료수집 과정에서 느낀 점, 의문, 해석의 변화 등을 기록한다.

9. 주기적 검토(Iterative Feedback & Validation)

- 연구가 진행되는 동안, 연구팀 내부나 전문가, 혹은 참여자(Member checking)로부터 정기적으로 피드백을 받아 해석의 타당성과 윤리성을 점검한다.

- 결과물이 조금씩 구체화될 때마다 연구설계를 재검토하고, 새로운 질문이나 해석이 떠오를 경우 유연하게 조정한다.

10. 요약: 질적연구 방법 선택의 흐름

1. 연구문제 파악 → 왜, 어떻게가 중요한가?

2. 이론·철학적 토대 확인 → 해석학, 구성주의, 현상학 등 중 선택

3. 접근법 후보 탐색 → 근거이론, 현상학, 사례연구, 내러티브, 담론분석, 문화기술지 등

4. 자료수집 계획 수립 → 인터뷰, 관찰, 텍스트 분석, 표집전략, 실행 가능성 검토

5. 윤리적 고려 → IRB 심의, 참여자 권익 보호, 연구자 윤리 준수

6. 예비조사(Pilot study) → 연구설계 점검 및 보완

7. 접근법 최종 확정 & 실행계획 구체화 → 연구 인력 구성, 일정, 분석 도구(소프트웨어) 결정

8. 연구자 반성적 태도 지속 → 편견·가정 점검, 연구일지 작성

9. 주기적 검토 & 피드백 → 자료분석 진행 과정에서 삼각검증, 멤버 체크, 전문가 자문 등 활용

질적 연구에서 말하는 코딩(Coding)은 프로그래밍에서 말하는 “소스 코드를 작성한다”라는 의미와는 전혀 다른 개념이다. 프로그래밍 코딩이 프로그래밍 언어(예: Python, Java)를 사용하여 프로그램을 작성하고, 컴퓨터에게 명령을 전달하는 과정이라면, 질적 연구 코딩은 연구자가 분석하고자 하는 자료를 범주화·주제화하고, 그 맥락과 의미를 분석하기 위해 텍스트나 자료 구간에 ‘이름(코드)’을 붙이는 과정

질적 연구에서 “코딩한다”는 것은 분석자가 “자료의 이 부분에는 어떤 개념이나 주제(Theme)를 적용할 것인가?”를 고민하며 인간적 해석을 담아 꼬리표(코드)를 붙이는 작업이다.

1. 질적 연구에서의 코딩(Coding)이란?

- 의미 단위에 ‘이름(코드, 주제, 범주)’을 붙이는 작업: 예컨대 인터뷰 기록에서 “이 사람이 느낀 어려움”과 관련된 문장을 ‘어려움’ 코드로 표시하거나, “긍정적인 반응”과 관련된 구절을 ‘긍정’ 코드로 할당하는 식이다.

- 자료에서 중요한 개념, 범주, 주제 등을 식별: 인터뷰 텍스트, 관찰 기록, SNS 자료 등 다양한 비정형 데이터를 “이 부분은 어떤 의미인가?”라는 질문을 던지며, 특정 개념이나 주제에 해당한다고 판단되면 해당 자료 조각(텍스트, 이미지, 오디오 구간 등)에 코드(레이블)를 부착한다.

- 자료 분류 및 조직: ‘코딩’이 이루어지면, 질적분석 도구 안에서 동일한 코드가 붙은 텍스트(또는 미디어 구간)가 한 곳으로 모여 손쉽게 비교·대조가 가능해진다.

2. 질적 코딩의 목적과 효과

1. 의미 있는 단위 추출

- 방대한 인터뷰나 관찰자료에서 중요한 문장, 단어, 이미지 요소 등을 걸러내어 정리

2. 패턴, 주제, 범주화

- 자료를 단순한 텍스트 집합이 아니라, 주제나 범주별 ‘묶음(그룹)’으로 관리

- 연구자가 설정한 의미 기준에 따라 자료를 재구조화

3. 분석 용이성

- NVivo에서 동일 코드(테마)가 붙은 모든 텍스트 조각을 한곳에서 모아서 보거나, 검색 쿼리 등을 활용해 코드 간 교차·연관성을 탐색

4. 팀 협업과 투명성

- 여러 연구자가 데이터를 코딩한 뒤, 코딩 결과(각 코드에 할당된 텍스트)를 서로 비교하거나, 상호 신뢰도(Cohen’s Kappa 등)를 점검하여 분석 일관성을 확인할 수 있음

질적 연구방법론(qualitative research methodology)은 연구 대상이 되는 현상에 대하여 ‘어떻게(How)’, ‘왜(Why)’와 같은 심층적인 질문을 던지고, 사람들의 경험과 의미 형성 과정을 탐색함으로써 풍부하고 깊이 있는 이해를 제공하는 데 그 의의가 있다. 어떤 분석기법을 선택하든, 질적 연구의 지향점과 준거들은 크게 달라지지 않는다. 질적 연구에서 ‘무엇을 얻고자 하는지’, 그리고 ‘지켜야 할 기준’이 무엇인지를 원론적 관점에서 다음과 같이 정리할 수 있다.

1. 질적 연구에서 얻고자 하는 것

1. 심층적 이해(Deep understanding)

• 질적 연구는 현상을 있는 그대로 이해하고, 그 이면의 맥락(Context)과 복합적인 의미 체계를 파악하고자 한다. 숫자로 표현하기 어려운 미묘한 감정, 개인의 경험, 사회적·문화적 요소 등을 세밀하게 살펴봄으로써 현상에 대한 폭넓고 풍부한 통찰을 얻게 된다.

2. 개인의 경험과 의미의 드러냄(Revealing participants’ lived experiences)

• 사람들은 자신만의 삶의 맥락과 가치관을 가지고 경험을 해석한다. 질적 연구는 인터뷰, 참여관찰, 문헌·텍스트 분석 등을 통해 개인 또는 집단이 어떤 맥락에서 어떤 의미를 부여하는지 주목한다. 이를 통해 연구 참여자(혹은 텍스트 등)의 시각을 충실히 반영한다.

3. 과정 중심적 탐색(Process-oriented inquiry)

• 양적 연구가 결과(Outcome)에 집중하는 경향이 있다면, 질적 연구는 ‘과정(Process)’ 그 자체를 중시한다. ‘어떤 변수가 결과에 영향을 미쳤는가’를 묻기보다는, ‘어떻게 그러한 과정이 일어났고, 그 경험이 무엇으로 구성되어 있는가’를 파악하는 것이 핵심이다.

4. 맥락적 통찰(Contextualized insight)

• 질적 연구는 현상을 사회·문화·역사적 맥락 속에서 이해하고, 다양한 이해관계자나 환경적 요인과 상호작용하여 일어나는 사건에 집중한다. 이러한 맥락적 이해를 통해 단순한 현상의 나열을 넘어, 왜 그것이 특정 맥락에서 중요한지 보여줄 수 있다.

2. 지켜야 할 기준

1. 진실성(Credibility)

• 질적 연구에서 가장 중요한 품질 기준 중 하나는 ‘연구가 얼마나 신뢰할 만한가?’이다. 진실성은 ‘참여자들이 경험한 것을 충실히 반영하고 있는가?’를 의미한다.

  • 삼각검증(Triangulation): 다양한 자료원, 연구 방법, 연구자 간 분석을 통해 결과의 일관성과 적합성을 높인다.

  • 연구 참여자 검증(Member checking): 연구 결과나 해석을 참여자에게 확인받아, 연구자가 해석한 의미가 참여자의 경험과 일치하는지 점검한다.

2. 이해가능성(Dependability)

• 연구 과정이 체계적이고 일관성 있게 수행되었는지를 평가한다. 과정을 명료하게 기록(연구 설계, 자료 수집, 분석의 절차 등)하고, 왜 그러한 절차를 선택했는지 논리적으로 설명해야 한다. 이는 연구가 재현 가능하다는 의미는 아니지만, 다른 연구자가 동일한 맥락에서 유사한 방법을 썼을 때 비슷한 결론에 도달할 수 있음을 나타낸다.

3. 확장성(Transferability)

• 질적 연구는 일반화(Generalizability)보다는, 다른 맥락에 ‘이해’나 ‘적용’이 가능한 통찰을 제공하는 데 초점을 둔다. 연구에서 충분한 맥락 정보를 제시함으로써, 독자가 자신의 상황에 비춰 적용할 수 있도록 돕는 것을 말한다(‘자기 일반화’ 가능성).

4. 정당성(Confirmability)

• 질적 연구자가 자료를 해석하는 과정에서의 주관적 편향을 줄이기 위해 노력해야 한다. 연구자가 사용한 이론적 틀, 해석의 근거(자료 인용, 분석 노트 등), 연구자의 관점과 가치관이 어떤 방식으로 연구에 영향을 미쳤는지에 대해 투명하게 제시함으로써 정당성을 확보할 수 있다.

5. 윤리성(Ethics)

• 질적 연구에서는 특히 연구 참여자의 사생활과 익명성 보장이 중요하다. 연구 자료 수집과 분석 전 과정에서 연구 윤리(연구참여 동의, 개인정보 보호, 연구 결과의 피드백 제공 등)를 준수해야 한다.

6. 연구자의 반성적 태도(Reflexivity)

• 질적 연구자는 자신의 선이해(Preunderstanding), 가치관, 문화적 배경 등이 연구 과정에 영향을 미칠 수 있음을 인정해야 한다. 이를 끊임없이 성찰하고, 그 과정을 연구 결과에 반영함으로써 연구의 투명성과 신뢰성을 높인다.

질적 연구를 시작할 때에는, ‘무엇을 어떻게 연구할 것인가?’라는 큰 그림을 세우고 이를 뒷받침할 수 있는 이론적·방법론적 토대를 마련하는 과정이 중요하다. 이를 위해 다음과 같은 핵심 요소들을 점검해야 한다.

1. 연구문제와 연구목적의 명료화

1) 연구 질문(Research question) 구체화

- “무엇을 알고자 하는가?” “어떤 경험 혹은 맥락을 이해하고 싶은가?”

- 질적 연구의 질문은 주로 ‘왜?’, ‘어떻게?’와 같은 심층적 탐구를 요구한다.

2) 연구의 필요성과 의의(Why this study?)

- 연구하고자 하는 주제가 왜 중요한지, 해당 연구가 학문적·실천적으로 어떤 가치가 있는지 명확히 제시해야 한다.

2. 철학적 입장·이론적 토대의 설정

1) 철학적 패러다임(Paradigm) 점검

- 해석학적 패러다임, 구성주의, 현상학적 관점, 비판이론 등

- 질적 연구는 연구자가 어떤 철학적·인식론적 관점을 택하는지에 따라 자료 해석 방식이 달라진다.

2) 이론적 틀(Theoretical framework) 또는 개념적 배경 설정

- 이미 존재하는 이론이나 개념이 본 연구를 어떻게 뒷받침할 수 있는지, 혹은 새로운 이론을 구성할 것인지 명시해야 한다.

- 선행연구(문헌검토)를 통해, 기존 연구와의 차별성이나 확장 가능성을 확인한다.

3. 연구설계 및 자료수집 전략 수립

1) 연구방법론(Approach) 선택

- 근거이론, 현상학적 연구, 사례연구, 내러티브 연구, 담론분석 등

- 연구 질문과 가장 적합한 방법론을 선택하고, 그 근거를 제시한다.

2) 자료수집 방법(Data collection methods) 결정

- 인터뷰, 관찰, 문헌·텍스트 분석, 사진·영상 자료 등

- 어떤 방법이 참여자의 경험이나 맥락을 가장 풍부히 드러낼 수 있는지 고려한다.

3) 자료에 대한 접근성 확보

- 연구 참여자에 대한 접근 가능성(예: 시간·공간적 제약, 조직 내부 승인 필요 여부 등)

- 연구자가 실제로 수집 가능한 자료원(문서, 기록, 아카이브, 관찰 가능한 현장 등)

4. 윤리적 고려(Ethical considerations)

1) 연구 참여자의 안전과 권리 보호

- 사생활 보호, 익명성 보장, 동의서 확보(Informed consent)

- 민감한 주제 다룰 시, 참여자가 심리적 불편을 겪지 않도록 충분한 안내·지원 필요

2) 연구자 윤리 준수

- 자료의 비밀유지(Confidentiality), 연구 목적에 대한 정직한 설명

- 수집된 자료를 어떻게 활용·보관·폐기할 것인지 사전에 계획

3) 기관 윤리심의(IRB) 절차

- 연구 주제나 자료수집 방식에 따라, 소속 기관의 IRB(윤리위원회) 심의를 거쳐야 할 수도 있음

5. 신뢰도·타당도(Trustworthiness) 확보 방안

1) 삼각검증(Triangulation) 전략

- 자료 출처, 자료수집 방법, 분석자(연구팀) 다양화를 통해 연구 결과의 진실성을 높임

2) 연구 참여자 검증(Member checking)

- 인터뷰 혹은 최종 해석 내용을 참여자에게 확인받아, 오해나 편향을 줄임

3) 분석과정의 투명성

- 코딩 및 범주화 과정을 어떻게 했는지, 해석의 근거(자료 인용 등)를 구체적으로 제시

6. 연구자 자신의 반성적 태도(Reflexivity)

1) 연구자의 선이해(Preunderstanding) 및 편향 점검

- 연구자의 가치관, 문화적 배경, 사전 지식이 분석과 해석에 어떤 영향을 미칠 수 있는지 끊임없이 성찰

2) 연구일지·메모(Memoing) 작성

- 자료수집부터 해석 과정 전반에 걸쳐 연구자의 관찰과 생각을 기록

- 후속 분석 과정에서 연구자의 관점과 변화 과정을 투명하게 드러낼 수 있음

7. 실현 가능성(Feasibility) 검토

1) 연구 범위와 기간

- 연구 질문에 비해 너무 방대한 범위를 설정하면 질적 탐구의 깊이가 얕아질 수 있으므로, 현실적인 범위를 설정해야 한다.

2) 시간·인력·재원 확보

- 인터뷰나 관찰이 많은 시간이 소요되므로, 실제로 조사할 수 있는 규모(샘플 수 등)를 고려

- 재정적 지원(연구비 등)과 연구 협력자(리서치 어시스턴트, 동료 연구자) 확보 여부

3) 예상되는 어려움과 대처 방안

- 참여자 확보가 어려울 경우 대안적 자료수집 방법을 마련하거나, 일정 조정 등 유연하게 대처 가능해야 함

1. 순차적인 글쓰기 접근법
   논문 작성을 1장부터 시작하여 2장을 거쳐 3장을 다루는 순차적 접근법을 기본적으로  권장합니다. 이런 접근은 일관되고 구조적인 논문을 작성하는 데 도움이 됩니다. 기본적으로 서론을 쓰고 선행연구를 하다가 너무 느려지는 학생들이 있습니다. 이런분들은 2장보다 3장 연구방법을 먼저하거나 2장은 쓰면서 3장을 함께 만들어 가는 것도 중요합니다.
   
   왜냐하면 2장의 선행연구조사를 하면서 각 논문의 연구방법론도 자연스럽게 보게되기 때문입니다. 그리고 내연구와 유사한 연구가 있다면 방법론을 유심히 살펴보고 정리를 해야합니다.
   

2. 다른 논문들의 검토의 중요성
   효과적으로 3장을 작성하기 위해서는 다른 논문들을 광범위하게 검토할 것을 권장합니다. 이는 다양한 연구 방법론과 그 적용 방식을 이해하는 데 도움이 됩니다. 특별히 자신의 논문의 기준이 될만한 매우 잘쓰여진 논문을 찾는 것이 중요합니다. 논문을 찾아서 그 논문의 방법론을 정리해야합니다.
   

3. 기존 연구 방법 준수
   연구 방법론을 개인적인 선호에 따라 작성하지 말고, 기존 문헌과 방법론을 참조하여 학문적 기준과 관행에 부합하는 연구를 수행할 것을 강조합니다. 연구방법에는 다음과 같은 내용들이 포함되어야 합니다.
   
   1) 연구 설계: 연구의 전반적인 구조와 접근 방식을 설명합니다. 이는 질적 연구인지, 양적 연구인지, 또는 혼합 방식인지를 포함하여, 연구의 범위와 목적에 맞게 선택된 설계를 상세히 설명합니다. 내연구에 맞는 방법을 선택해야하며 그러기 위해서는 다른 연구들의 방법론은 많이 살펴보아야 합니다.
   

• 2) 표본 및 참여자: 연구에 참여하는 대상자나 표본의 선택 기준과 크기, 그리고 표본 추출 방법을 명시합니다. 이는 연구 결과의 일반화 가능성과 관련성을 결정하는 중요한 요소입니다. 예를들어 연구 표본의 실험집단을 100명으로 했을때 이부분을 충분히 설명할 수 있어야 합니다. 기존 논문에 보면 왜 실험집단의 표본을 N으로 했는지 자세한 설명을 하고 있습니다. 이러한 내용이 자신의 논문을 방어할때 논리적인 내용으로 사용됩니다. 반드시 자신의 실험을 위한 설정들에 이유를 찾아야합니다.
  

• 3) 데이터 수집 방법: 연구에 사용된 데이터 수집 도구와 절차를 상세히 기술합니다. 예를 들어, 설문지, 인터뷰, 관찰, 실험 등이 포함될 수 있으며, 이들의 구체적인 사용 방법과 절차를 설명합니다.
  

• 4) 데이터 분석 방법: 수집된 데이터를 분석하는 데 사용된 기술적 방법론을 설명합니다. 이는 통계적 분석, 텍스트 분석, 내용 분석 등 다양한 분석 방법을 포함할 수 있습니다. 전문적인 통계분석도구인 SPSS 를 사용할 경우 버전까지 제시합니다. 그렇기 때문에 어떤 도구를 통해서 어떤 분석을 했는지 제시할 수 있어야 합니다.
  

• 5) 연구의 윤리적 고려사항: 연구 수행 과정에서의 윤리적 문제를 다루며, 참여자의 동의, 프라이버시 보호, 데이터 보안 등에 대한 고려사항을 포함합니다.

• 연구의 제한점 및 가정: 연구 방법론에 내재된 제한점과 연구 수행 시 설정한 가정들을 명확히 밝힙니다.

  
  

4. 방법론 선택의 정당화

선택한 연구 방법을 정당화할 수 있어야 한다는 것이 강조됩니다. 이는 특정 방법, 표본 크기, 도구 또는 테스트를 사용한 이유를 문헌과 선례에 기반하여 설명함으로써 연구 접근법의 신뢰성과 타당성을 확보하는 것을 포함합니다. 대부분의 인문/사회과학논문에서 사용하는 통계방법이나 질적연구방법의 도구를 사용하여야 합니다. 그래야 학문의 영역에서 인정하는 논문이 될 수 있습니다.
예를들어 우리가 연구할때 통계를 엑셀을 사용할 수 있습니다. 그러나 기존 자신이 하고 있는 연구영역에서 엑셀로만 연구를 했는지는 살펴보아야합니다. 그래서 자신의 연구에 어떤 방법론을 사용할지 선택하는 것은 연구의 타당성을 확보하는데 중요한 역할을 합니다. 

https://notebooklm.google.com

구글 NotebookLM 사용방법 동영상들:

https://www.youtube.com/watch?v=W_gHoATXCv8&t=1s

https://www.youtube.com/watch?v=Acp0sNISuVU&t=1036s

1) 비슷한 연구가 있는가? - 표절 시비를 피해야 하기 때문

2) 내 연구의 근거가 있는가? 내 연구를 시작하는 출발점을 잡기 위해. 학술논문은 '내가 하고 싶은 연구'가 있더라도, 선행연구가 전무하면 연구진행이 매우 어렵기 때문(논문심사 과정에서 연구의 기존 이론적 근거와 선행기반 연구자료 등이 없다는 지적을 반드시 받게 됨 - 이 부분이 없으면 '내 연구의 가치'를 부각시키기 어렵다. )

3) 내 연구의 가치가 있는가? - 선행연구와 비교해서 내 연구의 차별점(새로운 문제를 찾았는가? 그리고 이것을 찾아야 결론에서 내 주장을 펼칠 수 있다)을 찾기 위해(학술논문에서, 내 연구의 가치는 반드시 '선행연구'와의 차별점으로만 증명하는 것이 원칙)

연구 맥락을 잡으면... 연구배경(연구필요성: 선행연구 범위, 문제제기), 연구방법, 연구의미, 예상결과 등에 대한 큰 그림을 쉽게 그릴 수 있다.

1) 먼저, 광범위한 범위에서 조사를 시작한다.

• ex) "나는 [ 인공지능에서의 자유의지 모사 가능성과 그 한계, 칼빈의 신학, 해석학적 및 담론 분석적 방법 ]을 사용해서 [ 박사급 ] 논문을 작성하려고 한다. 내 방향과 깊은 관련이 있는 선행연구들을 광범위하게 조사해 달라"

2) 해당 주제에 대한 지금까지의 핵심 '논쟁'을 정리하게 한다.

• ex) "[ 인공지능에서의 자유의지 모사 가능성과 그 한계, 칼빈의 신학, 해석학적 및 담론 분석적 방법 ]에 대해 학계에서 일어나고 있는 최신 논쟁을 정리해 보자. 2가지로 정리하는데, 하나는 기술영역이고 다른 하나는 신학영역이다."

3) 해당 주제에 대한 내가 선택한 가설을 지지하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다.

• ex) "나는 [ 인공지능에서의 자유의지 모사 가능성과 그 한계, 칼빈의 신학, 해석학적 및 담론 분석적 방법 ]을 사용해서 [ 박사급 ] 논문을 작성하려고 한다. 나의 연구 방향은 [ 인공지능이 자유의지를 가질 수 있다 ]는 것이다. 내 연구 방향을 지지하는 진영에서 주장하는 '근거 이론'에 대해서 정리해 달라"

• 연구 방향과 연결시킬 수 있는 '유사한 이론들'을 조사해 달라. 범위는 초학제적으로 한다.

• 내 연구 방향과 일치하는 기존 이론들의 핵심 개념들의 정의와 선행 연구자들의 관점 정리해 달라.

• 내 연구 방향과 일치하는 기존 연구들의 한계점을 조사해 달라.

4) 내가 선택한 가설에 반대하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다. 혹은, 기존 연구들의 한계점을 조사해 달라고 한다.

• ex) "나는 [ 인공지능에서의 자유의지 모사 가능성과 그 한계, 칼빈의 신학, 해석학적 및 담론 분석적 방법 ]을 사용해서 [ 박사급 ] 논문을 작성하려고 한다. 나의 연구 방향은 [ 인공지능이 자유의지를 가질 수 있다 ]는 것이다. 내 연구 방향을 반박하는 진영의 주장과 논리를 정리하자"

• 반대하는 기존 연구들의 한계점을 조사해 달라.

• 현재까지 충분히 연구되지 않은 영역이 있는지 조사해 달라.

1) 개념

2) 이론

3) 현황

4) 사례(선행연구들에서 연관 사례) 등을 설명한다

즉... 내가 이 논문을 쓰기 위해서 '공부한 내용'이 무엇인지를 '범주화'를 하고 그 내용을 '요약'해서 적는 장이다.

Tip1: 이론적 배경은 내가 공부한 내용의 '범주화'가 목적이다.

Tip2: 이론적 배경은 대부분 '인용문'이다. 출처를 정확하게 하는 것이 가장 중요하다.

1. 문헌리뷰의 정의와 목적: 문헌리뷰는 연구 문제에 대한 기존 연구들의 종합적인 분석으로, 연구의 필요성과 맥락을 설명하는 데 목적이 있습니다. 이를 통해 연구 주제에 대한 깊은 이해를 돕고, 연구의 틀을 설정합니다. 그러니까 지금까지 역사적으로 이런 연구가 진행되었는데 그러한 연구들은 이런 이야기 들이 있습니다. 만일 어떤 연구가 몇년도에 있었는지를 나열만 한다면 정말 재미도 없고, 잘쓴 논문이 아닙니다.
   
   즉, 연구의 시작과 흐름 지금까지 어떤 연구자들이 어떤 연구를 했지 이야기를 만들어야 합니다. 분명히 이 내용은 1장 서론에도 등장합니다. 그러나 서론은 큰 틀에서 언급한 것이라면, 2장은 세밀하게 논리를 전개하는  것입니다. 주장을 할때는 계속해서 근거를 들어야 합니다. 그렇기 때문에 이부분에는 인용이 많이 들어가게 됩니다. 지루해도 읽고 정리해서 자신만의 스토리 보드를 만들어야 합니다.
   
   Tips. 처음 논문을 쓰는 연구자라면 자신의 연구와 관련된 논문을 출력해서 읽어야 합니다. 물론 온라인으로 PDF를 받아 정리하는 것도 방법이기는 한데 처음에는 무리가 있습니다. 
   

2. 연구문제와 키워드 설정: 연구 시작 전, 명확한 연구문제를 정의하고 관련 키워드를 선정합니다. 이 키워드들은 문헌 검색 과정에서 중요한 역할을 하며, 연구 주제와 밀접하게 관련된 문헌을 찾는 데 도움을 줍니다. 자신이 연구하는 문제의 핵심단어가 무엇인가를 찾아야 합니다.
   
   예를 들어 교류분석에 관한 연구라면 제일 중요한 키워드는 ‘교류분석’입니다. 그렇다고 교류분석의 모든 연구를 정리할 수는 없습니다. 교류분석이 어떻게 시작되었고 그 이론이 상담에는 어떻게 발전해왔는지를 연구해야합니다. 제목을 “교류분석 코칭이 내담자의 자존감에 미치는 영향연구”라면 키워드는 ‘교류분석’, ‘코칭’, ‘자존감’이 될것입니다. 그리고 찾아야 하는 논문은 교류분석과 자존감을 연구한 논문을 찾아야 할것입니다. 그렇게 연구한 연구자들 마다 조금씩 다른 대상, 환경, 연구결과들이 있습니다. 이런 것을 정리하고 때로는 표로 만들기도 합니다. 그래서 내 글을 읽는 독자들이 이 논문이 내가 연구하려는 주제에 관해 잘모르는 사람이라도 논문을 이해할 수 있게 만들어야 합니다.  
   

3. 문헌 검색 및 선정: 관련 분야의 학술 데이터베이스와 도서관 카탈로그를 활용하여 문헌을 검색합니다. 이때, 연구문제와 키워드를 기준으로 하여 연구에 직접적으로 관련된 학술 자료만을 선별합니다. 너무 많은 자료를 선택하지 않도록 주의하며, 중요도와 연관성을 고려하여 필터링합니다.
   
   자료를 모을때는 연구 주제의 상관관계에 핵심어를 중심으로 찾아야 합니다. 그리고 우리나라의 경우, 국회도서과, riss.kr 등일 찾으면 되고, 구글의 스콜라에 많은 문헌들이 올라와 있거나 링크를 제공합니다. 이부분은 필자가 만든 GPTs를 활용해서 문서를 검색하시기 바랍니다.
   

선행연구조사에서 논문을 찾을때 제입장에서 가장 중요한 것은 외국논문을 먼저 찾고,  한국논문은 박사학위 논문, 수도권 권위 있는 학교논문을 중심으로, 학회지는 KCI등재지 이상되거나 그 분야에 이름이 있는 학회의 논문을 찾습니다. 그렇게 해서 자신의 자료를 만들어 갑니다. 위에 있는 논문선행연구GPTs는 MyGPT에 임무와 지시어를 주고, actions에 구글 스콜라의 API를 연결한 것입니다. 키워드를 검색하면 구글 스콜라에 있는 논문을 검색합니다.

한국논문과 외국논문도 모두 같은 방법을 사용합니다. 자료를 모을때 외국논문을 GPTs나 DeepL과같은 도구를 통해서 먼저 번역을 하고, 다른 내용을 요약하도록 명령합니다. 논문 전체를 요약하는 것은 좋지 않은 명령입니다. 그렇게 명령하면 일부만을 요약하거나 논문의 앞쪽만을 언급합니다. 논문에서 내가 찾고자 하는 내용만을 정리하여 키워드를 중심으로 질문을 해야합니다. 즉, 명확히 자신이 원하는 내용을 요구해야합니다. 그리고 그 내용이 논문의 어느곳에 있는지 인용을 요구해야 챗GPT의 할루시네이션(거짓정보)을 막을 수 있습니다.  

4. 문헌 분석 및 조직화: 선정된 문헌을 체계적으로 읽고 분석합니다. 이 과정에서 연구 방법, 결과, 논리 구조, 저자의 주장 등 주요 요소를 중심으로 요약하고 정리합니다. 중요한 부분은 강조하고, 메모를 작성하여 나중에 쉽게 참조할 수 있도록 합니다. 언제나 논문을 읽을때는 대상, 목적, 연구방법, 결과를 가지고 문헌리뷰를 정리해야합니다. 육하원칙에 의한 정리입니다. 이부분은 아래 다시 강조합니다.  이렇게 정리해야 후에 레퍼런스를 확인할때 자신만의 내용을 활용할 수 있습니다.  다시 한번 말하지만 MZ세대가 아니고, 숙련된 연구자가 아니라면 출력을 해서 팬을 가지고 중요한 내용을 정리하면서 보는 것이 좋습니다.
   

문헌리뷰 작성: 문헌리뷰를 작성할 때는 서론, 본론, 결론의 구조를 따릅니다. 서론에서는 연구의 배경과 목적을 제시하고, 본론에서는 선택한 문헌들을 통해 연구 문제에 대한 기존 연구의 주요 내용과 결론을 논의합니다. 결론 부분에서는 문헌리뷰를 통해 도출된 주요 발견과 연구의 기여도, 그리고 향후 연구 방향에 대해 설명합니다.

즉, 언제 누가 무슨 연구를 했다는 정리가 아니라 스토리를 만들어야합니다. 그리고 그렇게 발전한 연구들을 통해 내 연구가 필요하다는 것을 어필해야합니다. 사전연구조사에 있어 항상 명심해야할 내용은 이 조사를 통해서 나의 논문의 당위성을 만들어 간다는 것입니다. 

논점(論點): 논의(論議)나 논쟁(論爭) 따위의 중심이 되는 문제점(문제제기)이다.

논점잡기의 핵심은 "왜 이 논문이 필요한가?"이다. 이 논문의 가치(연구 필요성)이기 때문. "어떻게?"는 그 다음 문제이다.

논문 하나에 논점 하나만 담아라!!!

1. 논점 (*Issue*):

- 특정 논의에서 다루는 구체적인 쟁점이나 문제의 초점.

- 연구 또는 논의의 중심이 되는 질문, 문제 또는 주제를 의미한다.

- 하나의 논문에서 집중적으로 다뤄야 할 특정한 지점을 의미한다.

- 연구자가 탐구하고 해결하려는 대상이다.

- 예: "인공지능에서 자유 의지 개념이 인간의 자유 의지와 어떻게 다른가?"

- 예: "기술 혁신이 고용 시장에 미치는 단기적 영향"

2. 논지 진술 (*Thesis Statement*):

- 논점(쟁점, 문제의 초점)에 대한 연구자의 명확한 입장, 주장 또는 답변(논문의 방향성과 결론)을 간결하게(하나의 문장 또는 짧은 문단) 표현한 진술이다.

- 예: "인공지능의 자유 의지는 칼뱅주의적 관점에서 인간의 자유 의지와 본질적으로 다르며, 이는 도덕적 책임의 범위를 제한한다."

- 예: "이 논문은 교육 혁신이 학생들의 학습 동기에 미치는 영향을 분석한다."

참고) "Thesis"의 한국어 표현은 "논문"이다. 그래서 "Thesis Statement"는 논문의 중심 주장이나 주제를 서술한 문장을 말한다)

참고) 논지(Argument, Main Idea, Thesis)는 그 주장을 포함한 글(논문)의 전체적 맥락과 논리적 전개에 대한 포괄적으로 설명이다.

참고) 논지 진술과 가설의 차이점

가설 (Hypothesis)은 논문에서 실험이나 분석을 통해 검증하려는 예측적 진술이다. 가설은 주로 과학적 연구나 실증적 데이터를 기반으로 하는 연구에서 사용된다. 가설의 역할은 연구의 문제를 구체화하고, 그 문제에 대한 잠정적인 답을 제시한다. 예: "A라는 약물이 B 질병의 증상을 감소시킬 것이다." 가설은 반드시 검증 가능해야 하며, 연구를 통해 참(true) 또는 거짓(false)으로 판명될 수 있다. 일반적으로 연구 방법론과 밀접하게 연결된다. 가설도 보통 연구 방법론이나 서론 부분에서 제시된다.

논점과 논지 진술이 다뤄질 섹션

1. 논점 (Issue):

- 서론에서 다뤄야 한다.

- 연구의 맥락을 제시하고, 기존 논의의 빈틈이나 해결되지 않은 문제를 명확히 정의하는 부분에서 나타난다.

- 주제를 독자들에게 소개하고 중요성을 부각시키는 데 활용된다.

2. 논지 진술 (Thesis Statement):

- 서론의 마지막 부분에 포함되어야 한다.

- 논문의 핵심 주장이나 연구 질문에 대한 답변을 명확히 밝히며, 이후의 논지를 이끌어가는 기준점이 된다.

- 독자들에게 논문의 방향과 초점을 명확히 제시하는 역할을 한다.

---

추가 팁:

- 논점은 연구의 동기를 설명하는 데 유용하며, 문제를 제기하는 방식으로 독자의 관심을 끌 수 있다.

- 논지 진술은 단순히 입장을 표현하는 것에 그치지 않고, 연구의 전체적 구조를 암시하는 형태로 작성하는 것이 좋다.

- 연구 주제와 사회적 배경을 간략히 설명.

- 독자의 관심을 끌고, 주제가 왜 중요한지 서술.

- 예: "기술 혁신은 현대 사회에서 경제 발전의 핵심 동력이 되어 왔다."

2. 문제 제기 (Problem Statement)

- 연구 주제와 관련된 구체적인 문제를 제시.

- 기존 선행연구의 동향과 한계, 해결되지 않은 쟁점을 언급.

- 예: "그러나 기술 혁신이 중소기업의 생산성에 미치는 구체적 효과는 충분히 탐구되지 않았다."

3. 연구 필요성 및 의의 (Research Significance)

- 연구가 학문적, 실질적으로 왜 중요한지를 설명.

- 해당 연구가 기여할 학문적/사회적 가치를 제시.

- 예: "본 연구는 중소기업 경쟁력 강화를 위한 실질적 전략을 제공할 수 있다."

4. 연구 목적 (Research Objective)

- 연구가 해결하려는 질문이나 달성하려는 목표를 명확히 서술.

- 예: "본 연구는 기술 혁신이 중소기업의 생산성에 미치는 영향을 실증적으로 분석하고자 한다."

5. 논지 진술 (Thesis Statement)

- 연구의 핵심 주장을 한두 문장으로 명확히 진술.

- 서론의 결론적 진술로서, 독자에게 논문의 방향성과 중심 논리를 전달.

- 예: "본 논문은 기술 혁신이 중소기업의 생산성을 향상시키며, 시장 경쟁력을 강화하는 데 기여한다고 주장한다."

6. 연구 방법론 개요 (Overview of Research Methodology)

- 연구를 수행한 방법이나 접근 방식을 간략히 설명.

- 예: "본 연구는 사례 연구와 설문 조사를 통해 데이터를 수집하고, 통계 분석 기법을 활용하였다."

7. 논문 구조 소개 (Structure of the Paper)

- 논문의 전체적인 구성을 간략히 소개.

- 각 장에서 다룰 내용을 요약적으로 제시.

- 예: "2장에서는 문헌 검토를, 3장에서는 연구 방법론을, 4장에서는 분석 결과를 제시한다."

훌륭한 서론은 서론을 읽는 것만으로 결론까지 전개되는 맥락이 상상되게 만들어진 것이다.

사회적 배경(선행연구들이 시행된 이유와 배경-연구의 계기: 연구 대상이 갖는 문제를 제기해서 계기로 삼는다)

선행연구의 동향(연구 대상을 향해 제기한 기존의 문제들: 연구 대상과 연구 대상이 갖는 문제 연구들의 현재까지 학술적 배경을 설명한다)

선행연구의 한계(내가 살펴 본 선행연구들은 '지금부터' 내가 하려고 하는 연구의 포인트, 관점, 문제를 생각하지 못했다!!! 부족한 것은 ~이다!!!)

연구 필요성(선행연구의 한계를 극복하기 위한 이 논문의 필요성 - 가치 제시 및 부각)

연구 목적(예를 들어, "본 연구는 내가 제기한 ~ 문제에 대한 ~ 한 개선 전략 방안의 ~ 한 기초 자료 제공을 목적으로 둔다"라고 쓴다)

Tip: 쓸데없는 이야기는 과감하게 빼라!

다음은 APA 스타일 기반 초록(abstract) 작성법이다.

초록의 목적

초록은 논문의 전반적인 큰 그림을 보여주는 역할을 한다. 독자에게 연구의 목적, 방법, 결과 및 결론에 대해 간략하게 제공하는 개요다. APA publication manual에서는 초록은 ‘논문 전체에서 가장 중요한 문단’이며, '논문 제목 페이지와 유사한 역할을 한다'고 언급한다. 

좋은 초록은?

첫째, 짧은 요약이지만 충실한 내용이 들어 있어야 한다. 문장 하나 하나에 핵심 정보를 압축해야 한다.

둘째, 간결하지만, 명확한 언어를 사용한다.

셋째, 논문의 컨셉(연구 목적, 연구 질문, 연구의 중요성 등), 연구에 가장 중요한 4~5가지의 요점(발견), 결론과 시사점으로 구성된다.

넷째, 논문 본문의 내용을 객관적으로 압축한 내용과 정확한 정보만을 넣어야 한다. 개인적인 견해나 주석으로 채워서는 안 된다. 다른 연구에 대한 인용이나 참고문헌도 포함시키면 안 된다. 논문 본문에 제시되지 않은 새로운 정보도 포함시키면 안 된다. 불필요한 전문 용어나 기술 용어도 사용을 피해야 한다.

다섯째, 좋은 초록은 독자가 해당 논문이 자신의 관심사와 관련이 있고, 더 연구할 가치가 있는 지를 잘 판단하도록 돕는다.

초록 쓰기의 3단계

1단계: 논문을 쓴다 – 초록은 논문의 맨 앞부분에 위치한다. 하지만, 맨 처음에 쓰는 문단은 아니다. 초록은 논문의 전 부분을 완성한 후에 쓴다. 
2단계: 새로운 페이지를 만든다 – APA 스타일에서는, 타이틀 페이지의 다음 페이지(2쪽)에서 시작된다. 머리말에는 논문 제목, 페이지 번호가 들어가고, 그 다음으로 ‘Abstract’ 을 가운데 정렬로 위치시킨다. (주의: 초록의 형식은 기관마다 다를 수 있다)
3단계: 논문의 미니 구조를 갖춘다 – 초록은 논문의 구조 흐름대로 진행되어야 좋다. 서론, 연구 방법, 결과 등의 주요 논문 파트를 각각 1~2 문장으로 요약하여 초록을 전개한다.

영문 초록을 쓸 때 유의할 점

1. 초록의 길이: 대략적으로 150~250 단어의 한 문단으로 쓴다.
2. 영문 약자: 용어는 약자로 쓰면 안 된다. 
3. 시제: 초록은 논문을 끝난 후에 작성하기 때문에 전반적으로 현재 시제를 사용한다. 다만, 논문에서 실행한 연구 방법, 데이터 등을 설명할 때는 과거형 문장을 사용한다. 미래 시제는 사용하지 않는다.

1. Novel Hypothesis Generation을 위한 Scientific Debate

• LM과 인간 연구자의 협업 예시

  • GPTs 활용: 특정 연구 목표 및 관련 배경 지식을 GPTs에 입력하고, "전문가 역할극" 프롬프팅을 사용하여 다양한 관점(예: 임상 전문가, 기초 연구자, 통계 전문가 - 각 전문가 역할에 따라 질문 유형, 비판 방식, 개선 제안 포인트가 달라짐)에서 가설을 검토하고, 잠재적인 문제점이나 개선 방향 제안을 생성하도록 유도한다.

  • 심층 리서치 도구: 생성된 질문/비판에 대한 근거 자료를 심층 리서치 도구를 통해 조사한다. GPTs는 이를 바탕으로 답변을 생성하거나 가설을 수정/보완합니다.

  • 인간 연구자 개입: GPTs가 생성한 질문/비판/제안을 인간 연구자가 검토하고, 추가적인 질문을 던지거나, GPTs의 답변을 평가하고, 최종 가설 개선 방향을 결정한다.

2. Hypothesis Comparison을 위한 Ranking Tournaments

• LM과 인간 연구자의 협업 예시

  • GPTs 활용: 비교할 가설들과 각 가설에 대한 리뷰(검토, 문제점, 개선 방향 등)를 랭킹 평가용 GPTs(인간 연구자가 중요하게 생각하는 평가 기준으로 novelty, impact, feasibility, scientific validity, ethical considerations 등이 입력됨)에 입력하고, 각 기준별로 가설을 평가하고, 최종적으로 종합 순위를 제시하도록 한다.

  • 심층 리서치 도구: 가설 평가에 필요한 추가적인 정보(예: 특정 질병/약물에 대한 최신 연구 동향, 임상 시험 결과)를 심층 리서치 도구를 통해 빠르게 검색하여 GPTs에 제공하는 것도 좋다.

  • 점수화 및 시각화: GPTs의 평가 결과를 정량화(예: 각 평가 척도별 점수, 종합 점수)하고, 시각화 도구(예: bar chart, radar chart) 를 활용하여 가설들을 직관적으로 비교 분석할 수 있도록 해도 좋다.

  • 인간 연구자 최종 판단: GPTs가 제시한 순위 및 평가 근거를 인간 연구자가 검토하고, 최종 가설 선택 및 우선순위를 결정한다. GPTs는 평가 과정의 효율성을 높이는 데 기여하고, 최종 판단은 인간 연구자의 전문성에 기반한다.

3. Quality Improvement of Hypothesis를 위한 "Evolution" Process

• LLM과 인간 연구자의 협업 예시

  • GPTs 활용: 개선할 가설과 해당 가설에 대한 평가 리뷰를 "가설 개선 전문가" 역할(evolution agent의 다양한 개선 전략인 grounding 강화, coherence/feasibility 개선, analogy 활용, simplification 등)을 담당한 GPTs에 입력하고, 역할극 프롬프팅을 사용하여 가설의 약점을 보완하고, 강점을 강화하는 방향으로 가설을 수정/보완하도록 유도한다. 혹은 특정 전략을 사용하여 가설을 개선하도록 지시한다.

  • 심층 리서치 도구: 가설 개선에 필요한 추가적인 정보 (예: 특정 메커니즘에 대한 추가적인 근거 자료, alternative approaches, feasibility analysis) 를 심층 리서치 도구를 통해 빠르게 검색하고 GPTs에 제공하는 것도 좋다.

  • 반복적 개선: GPTs를 활용한 가설 개선 과정을 반복적으로 수행하여, 가설의 품질을 점진적으로 향상시키는 것이 중요하다.

  • Human-in-the-loop refinement: 각 반복 단계마다 GPTs가 생성한 개선안 초안을 인간 연구자가 검토하고, 다음 iteration 에 반영할 개선 방향을 인간이 직접 제시한다. 최종 가설 refinement 및 validation도 인간 연구자가 주도해야 한다.

  
  

가설(hypothesis)이란, 연구자가 예상하는 연구 결과에 대한 정확하고 '검증 가능한 진술'이다.  

논문을 작성할 때 가설은 연구 문제를 명확히 정의한 후, 즉 문헌 검토를 통해 연구 주제를 깊이 이해한 단계에서 세우는 것이 적절하다. 가설 설정 시점은 다음과 같은 절차를 따른다:

1. 연구 주제 선정: 연구에서 다룰 주제를 명확히 정한다.

2. 문헌 검토: 기존 연구를 탐색하여 관련 지식과 이론을 깊이 이해한다. 이를 통해 연구의 필요성과 공백을 확인한다.

3. 연구 문제 정의: 연구에서 답하고자 하는 명확한 문제를 도출한다. 이 단계에서 연구의 방향이 설정된다.

4. 가설 설정: 문헌 검토와 연구 문제를 바탕으로 예측 가능한 잠정적 답으로 가설을 설정한다. 이때, 가설은 검증 가능하고 구체적이어야 한다.

따라서, 가설은 연구 문제와 이론적 근거가 마련된 후, 연구 설계를 시작하기 전에 만들어야 한다. 이를 통해 실험 설계나 데이터 분석 과정에서 명확한 방향성을 가질 수 있다.

논문의 연구 가설(research hypothesis)은

1) 연구 질문을 소개하고

2) 예상 결과를 제안하고

3) 일반적으로, 두 변수의 관계에 대한 제안을 포함한다. 두 가지 변수는...

독립 변수(independent variable, 연구원이 변경하는 것)와

종속 변수(dependent variable, 연구에서 측정하는 것)이다.

4) 가장 많이 쓰이는 연구 가설(research hypothesis)은 귀무 가설(null hypothesis)과 대립 가설(alternative hypothesis)의 형태다.

좋은 연구 가설이란?

1) 신중하고 철저하게 세워야 한다. 가설 구성의 사소한 결함이라도 추후 실험에 부정적인 영향을 미칠 수 있기 때문이다.

2) 검증 가능한 가설은 그저 단순한 진술이 아니다. 오히려 상당히 복합적인 진술로, 해당 실험의 의도와 가능한 결과를 명확하게 소개해야 한다.

3) 가설을 제시하는 문장과 단어는 (장황하지 않고) 단순하고, 간결하고, 구체적이며, 명확해야 한다. 그래야 연구에서 일어날 것으로 예상되는 결과에 대해 관찰 가능하고, 검증 가능한 예측을 세울 수 있다.

4) 좋은 연구 가설을 세우려면 (단순한 추측을 넘어) 이론을 기반으로 하여 기출판 연구에서 도출한다. 특히, 배경 조사를 통해 더 나은 탐구할 수 있는 질문을 시작점으로 삼는 것이 좋다.

5) 윤리적 기준을 저해하지 않는 범위에서 변수를 조작할 수 있어야 한다. 독립 변수는 조작, 제어 또는 변경되는 변수다. 독립 변수는 연구의 다른 요인과 분리되어 있다. 종속 변수는 연구의 다른 요인에 따라 달라지는 변수다. 종속 변수는 독립 변수의 변화에 영향을 받는다.

6) 좋은 가설은 실험의 주제와 초점을 명확하게 정의하고 있다.

7) 가설은 논문의 연구 질문이나 문제와 관련이 있어야 한다.

연구 가설의 7가지 범주들:

1) 단순 가설(Simple Hypothesis):

단일 종속 변수와 단일 독립 변수 사이의 관계를 예측한다.

2) 대립 가설(Alternative Hypothesis): 연구의 두 변수 사이에 관계가 있으며 그 결과가 연구 주제에 중요하다고 진술한다. 대립 가설은 조사 방법이 실험일 경우 실험 가설(experiment hypothesis)라고 부른다. 실험 가설은 독립 변수를 조작하면 종속 변수에 어떤 변화가 일어날지를 예측한다. 또한 그 결과가 우연에 의한 것이 아니며, 연구하고 있는 이론을 뒷받침하는 측면에서 의의가 있다고 명시한다.

3) 귀무 가설(Null Hypothesis): 두 변수 사이에 관계가 없다는 연구자의 발견 내용을 뒷받침하기 위해 부정적인 진술 형태를 취한다. 여기에는 독립 변수의 조작으로 인한 종속 변수의 변화는 없을 것이다. 또한 결과는 우연에 의한 것이며, 연구하고 있는 아이디어를 뒷받침하는 측면에서 볼 때 중요하지 않다고 명시한다.

4) 복합 가설(Complex Hypothesis): 둘 이상의 독립 변수와 종속 변수 사이의 관계를 예측한다.

5) 방향성 가설(Directional Hypothesis): 변수 간의 관계를 결정하기 위해 따라야 할 예상 방향을 구체적으로 지정하며, 이론에서 파생되는 가설이다. 이는 특정 결과에 대한 연구자의 지적 헌신을 보여주기도 한다.

6) 무방향성 가설(Non-directional Hypothesis): 두 변수 간 관계의 정확한 방향이나 특성을 예측하지 않는다. 관련된 이론이 없거나 결과가 이전 연구와 모순될 때 비방향성 가설을 사용한다

7) 연관 가설(Associative Hypothesis)과 인과적 가설(Causal Hypothesis): 연관 가설은 변수 간의 상호의존성을 정의한다. 한 변수가 바뀌면 다른 변수도 바뀐다. 한편, 인과적 가설은 독립 변수의 조작이 종속 변수에 미치는 영향을 제시한다.

1. 연역적 추론(Deductive reasoning)

• 정의: 일반적인 원리나 이론에서 출발하여 특수하고 구체적인 결론을 도출하는 방법.

• 특징:

  • 보편적인 원칙 → 개별적 사례

  • 타당성(validity)을 중요시

  • 전제가 참이면 결론은 필연적으로 참

• 연구문제 활용 예시:

  • "사회자본이 조직성과를 높인다"라는 이론을 바탕으로, 특정 조직에서 사회자본이 실제로 성과 향상에 영향을 미치는지를 연구문제로 설정.

2. 귀납적 추론(Inductive reasoning)

• 정의: 개별적인 사례나 경험적 자료를 수집·분석하여 일반적 원리나 이론을 형성하는 방법.

• 특징:

  • 개별 사례 → 일반적 원칙 도출

  • 타당성뿐 아니라 확률(probability)을 중요시

  • 사례나 데이터를 통한 이론 생성(grounded theory 접근)

• 연구문제 활용 예시:

  • 여러 기업의 혁신사례를 조사하여 "성공적인 혁신 기업의 공통 특성"을 찾아 새로운 이론이나 모델을 개발하는 연구문제를 설정.

3. 유추적 추론(Analogical reasoning)

• 정의: 이미 타 학문 영역에서 검증된 이론이나 모델을 유사한 내 연구 분야로 적용하여 연구문제를 도출하는 방법.

• 특징:

  • 이론의 확장성과 전이를 중요시

  • 창의적이고 융합적 접근 가능

• 연구문제 활용 예시:

  • 생태계의 진화 이론을 경영학의 기업 생태계 이론에 유추하여 적용함으로써 기업 성장 및 경쟁 전략에 대한 연구문제를 설정.

4. 가설 연역적 추론(Hypothetico-deductive reasoning)

• 정의: 기존 이론이나 문헌을 기반으로 구체적인 가설을 설정하고, 이를 실험이나 실증연구를 통해 검증하거나 반증하는 방법.

• 특징:

  • 가설 설정 → 경험적 검증(실험이나 조사)

  • 가설의 참·거짓을 명확히 확인

• 연구문제 활용 예시:

  • 기존 마케팅 이론에서 파생된 "소비자의 친환경 인식이 구매의사에 영향을 미친다"는 가설을 설정한 후 설문조사를 통해 이를 검증하는 연구문제 도출.

5. 반증적 추론(Falsification reasoning)

• 정의: 기존 이론의 한계와 오류를 비판적으로 검토하여, 그 이론을 반증할 수 있는 연구문제를 설정하는 방법(포퍼의 반증주의).

• 특징:

  • 비판적 접근을 통한 이론 발전 촉진

  • 반증될 수 있는 가설을 설정함으로써 연구의 발전 가능성을 확보

• 연구문제 활용 예시:

  • "소셜 미디어가 민주주의를 강화한다"는 기존의 이론에 대해, 특정 국가에서 소셜 미디어가 오히려 민주주의를 약화시키는지를 밝히는 연구문제 설정.

6. 변증법적 추론(Dialectical reasoning)

• 정의: 서로 상충하거나 모순된 이론이나 연구 결과들을 통합적으로 검토하고, 양자를 포괄하는 보다 높은 차원의 이론이나 연구문제를 도출하는 방법.

• 특징:

  • 상반된 주장(정反)을 종합(합)하여 발전된 논리를 구성(정-반-합)

  • 이론의 통합과 발전을 지향

• 연구문제 활용 예시:

  • 조직 내 경쟁이 성과를 향상시킨다는 연구와 협력이 성과를 향상시킨다는 연구가 공존할 때, 두 연구 결과를 통합적으로 설명하는 통합적 연구문제를 도출.

7. 가설 생성적 추론(Abductive reasoning)

• 정의: 관찰된 특정 현상이나 문제의 원인을 추론하여 가설을 새롭게 창출하는 방법. 탐정이 범죄 현장을 관찰하고 단서를 토대로 범인을 추정하는 방식과 유사.

• 특징:

  • 불확실성 속에서 가장 그럴듯한(best explanation) 설명을 찾는 추론

  • 창의적인 연구문제 도출에 유리

• 연구문제 활용 예시:

  • 기업의 고객이탈이 급증하는 현상을 보고, 다양한 가능성 중 가장 설득력 있는 원인을 가설로 설정하고 이를 규명하는 연구문제 설정.

8. 비판적 추론(Critical reasoning)

• 정의: 기존 연구방법론이나 연구 결과의 논리적 허점과 한계를 비판적으로 분석하여 이를 보완하고 극복할 새로운 연구문제를 도출하는 방법.

• 특징:

  • 방법론적 개선, 연구의 질 향상 목적

  • 비판적이고 체계적인 사고

• 연구문제 활용 예시:

  • 기존 설문조사 방식의 타당성 문제를 비판적으로 분석하고, 이를 극복하는 혁신적 조사 기법을 개발하는 연구문제 설정.

위의 추론 방법들은 연구의 목적과 성격에 따라 독립적으로 또는 결합적으로 사용될 수 있으며, 박사급 연구에서는 종종 이러한 추론방법을 통합적으로 활용하여 보다 수준 높은 연구문제를 도출한다.

아래는 위 8가지 추론법을 적용하여 「인공지능(AI)의 자유의지」라는 주제에 대한 박사급 연구문제를 도출한 예시이다.

1. 연역적 추론

• 일반 이론: 자유의지를 가진 존재는 행동에 대한 책임을 진다.

• 구체적 결론: 만약 인공지능이 진정한 자유의지를 갖고 있다면, 인공지능 역시 자신의 행동에 대해 윤리적 책임을 져야 한다.

• 연구문제 예시:

  "AI가 자유의지를 가졌을 경우, AI가 내린 결정에 대한 법적 책임은 어떻게 귀속될 수 있는가?"

2. 귀납적 추론

• 사례 분석: 자율주행차, 생성형AI의 의사결정, 로봇의 자발적 행동 사례들을 분석해 자유의지와 유사한 특성을 도출한다.

• 연구문제 예시:

  "기존의 다양한 AI 시스템들이 보여준 예측불가능하고 자율적인 행동의 사례들을 분석했을 때, AI의 자유의지를 판단할 수 있는 공통된 기준은 무엇인가?"

3. 유추적 추론

• 다른 학문 이론 적용: 철학에서 논의되는 인간의 자유의지에 대한 이론(결정론 vs. 비결정론)을 AI에 적용.

• 연구문제 예시:

  "인간의 자유의지 논쟁(결정론 vs. 비결정론)을 인공지능에 유추했을 때, AI의 자유의지는 결정론적 시스템의 결과인가, 아니면 비결정적 요소를 포함하는가?"

4. 가설 연역적 추론

• 기존 이론 기반 가설 설정: AI의 의사결정 알고리즘은 결국 학습된 데이터와 프로그래밍의 산물이라는 기존 이론에서 출발.

• 가설: "AI는 자유의지가 없으며, AI의 모든 선택과 행동은 사전 프로그래밍된 코드와 데이터로 설명 가능하다."

• 연구문제 예시:

  "AI의 자발적인 행동이라고 판단된 사례들을 분석하여, 사전 프로그래밍된 구조나 학습 데이터의 범위를 초월한 행동이 실제로 나타나는가?"

5. 반증적 추론

• 기존 이론에 대한 비판적 접근: "AI는 기계이므로 자유의지를 가질 수 없다"는 통념을 반증하는 연구 문제를 설정.

• 연구문제 예시:

  "AI가 개발자의 설계나 데이터의 한계를 벗어난 자율적 의사결정을 내리는 사례를 통해, ‘기계는 자유의지가 없다’는 기존의 통념은 반증될 수 있는가?"

6. 변증법적 추론

• 상충 이론의 통합: "AI는 자유의지가 있다"는 주장과 "AI는 기계이므로 자유의지가 없다"는 주장을 종합하여 새로운 이론을 도출.

• 연구문제 예시:

  "AI의 자유의지 논쟁을 넘어서, 인간의 자유의지와는 다른 방식으로 정의된 ‘기계적 자유의지’라는 새로운 개념을 통해 양자의 주장을 통합할 수 있는가?"

7. 가설 생성적 추론(귀추법)

• 현상 관찰 → 가설 설정: 특정 AI가 예상치 못한 창의적이고 자발적인 행동을 반복적으로 보이는 현상에서 출발.

• 연구문제 예시:

  "AI가 특정한 창의적이고 자발적 행동을 보이는 이유를 가장 잘 설명할 수 있는 가설(예: 자기조직화, 비선형적 창발현상)은 무엇이며, 이것이 AI의 자유의지와 어떤 연관성을 가지는가?"

8. 비판적 추론

• 기존 연구방법 및 논리의 한계 검토: 자유의지에 대한 기존 철학적, 기술적 정의들이 AI 시스템 분석에 적합한지 검토.

• 연구문제 예시:

  "현재의 철학적 자유의지 개념은 AI 시스템의 행동을 설명하는 데 있어 어떤 한계를 갖고 있으며, AI 연구를 위한 보다 적합한 ‘기술적 자유의지’ 개념은 어떻게 설정되어야 하는가?"

논문의 주제는 '문제, 해결방법, 한계'로 구성된다. 이 중에서 중요한 것은 '문제, 해결방법'이다. 이 둘 중에 하나만 새로우면 '독창성'을 인정받을 수 있다.

[구체적인 실행 방법]

1)기존 논문의 주제와 문제들을 분류한다.

1-1. 해당 주제와 관련된 논문이 많지만 미해결 문제가 모호한 경우 - 장점: 참고할 것이 많다. 단점: 너무 많은 문제들이 이미 선행 논문들에서 해결해 놓았기 때문에 새로운 문제를 찾기가 어렵다. 이런 경우에는 "여러 논문에서 공통으로 다루는 문제를 고정하고, 해결방법을 다양하게 변경하는 식"의 논문을 만들면 된다. 새로운 해결방법이 없어도 된다. 문제와 해결방법의 '연결'이 달라도 새로운 논문이 될 수 있다. (문제를 고정하고 해결방법을 변경하는 방법으로 주제를 선정하는 것은 초보자에게 유리한 경우다)

1-2. 해당 주제와 관련된 논문이 적지만 미해결 문제가 명확한 경우 - 장점: 참고할 것이 적다. 단점: 문제가 어렵다. (해결방법을 고정하고 문제를 변경하는 방법으로 주제를 선정하는 것은 초보자에게 어려운 경우다) 이런 경우에는 "해결방법을 고정시키고, 문제를 변경시켜보는 식"의 논문을 만들면 된다.

2)나의 논문 주제와 문제를 가능하면 좁혀라. 아래는 나의 논문 주제와 문제를 좁히는 효과적인 방법들이다.

• 문제와 해결 방법의 복합적 접근:

  • 문제와 해결 방법을 단독으로 변경하는 데 그치지 않고, 두 요소를 복합적으로 조합하여 접근한다.

  • 예를 들어, 기존 연구에서 "부분적으로 해결된 문제"를 선택하고, 이를 "부분적으로 새로운 해결 방법"과 연결하여 점진적 독창성을 추구한다.

• 참고 논문의 네트워크 분석:

  • 논문이 많이 존재하는 1-1 유형의 경우, 인용 네트워크 분석을 통해 기존 연구에서 자주 언급되지만 아직 다루어지지 않은 문제를 발견할 수 있다.

  • 이를 통해 기존 문제를 깊이 탐구하거나 새로운 해결 방법과 연결할 수 있다.

• 연구 갭 시각화:

  • 논문의 "문제-해결방법-한계"를 시각화하여 연구 갭 지도를 만든다.

  • 이를 통해 기존 연구와 새롭게 설정한 주제를 명확히 비교하고, 연구 공백을 직관적으로 파악할 수 있다.

• 다학문적 융합:

  • 논문의 주제가 관련 논문이 적은 1-2 유형의 경우, 다학문적 접근을 통해 새로운 문제를 제시하거나 기존 해결 방법을 다른 분야에 적용해본다.

  • 예를 들어, 인공지능 문제를 사회과학적 관점에서 다루거나, 기술적 해결 방법을 인문학적 문제에 적용할 수 있다.

• 실제 문제와 연결:

  • 논문 주제를 학문적 관점뿐 아니라 실제 사회적 문제와 연결시켜 해결 방안을 모색한다.

  • 예를 들어, 기존 이론적 문제를 해결하면서 실제 산업, 정책, 교육에 적용할 수 있는 주제를 설정하면 학문적 기여와 실용적 가치를 동시에 확보할 수 있다.

• 협력적 주제 설정:

  • 연구 그룹이나 멘토와의 협력 세션을 통해 논문의 문제 설정에 대해 다양한 관점을 수렴한다.

  • 이를 통해 자신의 연구 주제를 보완하거나 독창성을 강화할 수 있다.

학술 논문에서는 다음과 같은 경우에 출처 표시를 통해 참고문헌을 밝혀야 합니다. 통계 데이터, 선행 연구 결과, 특정 개념의 정의, 직접 인용문, 그리고 주관적 주장에 대한 근거 제시 등이 대표적입니다. 이러한 내용은 모두 저자가 직접 생성한 지식이 아닌 타인으로부터 얻은 정보이므로, 신뢰성 확보와 표절 방지를 위해 출처를 명확히 해야 합니다. 또한, 일반적 지식인지 아닌지 애매한 경우에는 인용하는 편이 안전하다는 것이 학술적 글쓰기의 조언입니다

1. 통계 자료나 수치 데이터

정부나 기관의 통계, 실험에서 얻어진 수치 등 정량적 데이터를 인용하는 문장은 반드시 출처를 명시해야 합니다. 통계 수치는 일반 상식 수준을 넘는 구체적 정보이므로, 근거를 밝혀 독자가 해당 수치의 출처와 신뢰성을 확인할 수 있어야 합니다.

2. 선행 연구 또는 기존 문헌 언급

기존의 연구 결과나 이론을 언급하거나 평가하는 문장에는 출처 표시를 통해 참고문헌을 밝혀야 합니다. 다른 학자의 연구 내용을 토대로 자신의 연구 배경을 설명하거나 비교할 때, 해당 연구의 저자와 연도를 밝혀주는 것이 학술적 관례입니다. 선행 연구에 대한 언급은 논문의 문헌 검토(literature review)에서 빈번하며, 이를 통해 자신의 연구가 기존 지식과 어떻게 연관되고 차별화되는지 보여줄 수 있습니다. 특히 박사 논문에서는 폭넓은 선행 연구를 검토하고 인용함으로써 연구의 타당성을 높이는 것이 중요합니다.

3. 이론, 용어의 정의 및 개념 설명

특정 이론이나 용어의 정의를 기술하는 경우, 해당 정의를 처음 제시한 연구자나 출처를 밝혀야 합니다. 일반적으로 잘 알려진 개념이라도, 원 저자가 정의를 내린 경우나 특정 문헌에서 제시된 개념의 경우에는 출처를 표시하는 것이 좋습니다. 이는 독자가 해당 개념의 출처와 맥락을 정확히 파악하도록 돕고, 저자가 임의로 정의한 것이 아님을 보여줍니다.

4. 다른 저자의 직접 인용 (원문 그대로 인용)

타인의 문장을 원문 그대로 인용하여 소개할 때는 반드시 인용 부호(“ ”)를 사용하고 출처를 밝혀야 합니다. 직접 인용은 타인의 표현을 한 글자도 바꾸지 않고 가져오는 것이므로, 어디서 가져왔는지 정확히 밝혀야 합니다. 인용문이 짧을 경우 문장 안에 따옴표로 표시하고, 긴 인용은 블록 인용 형태로 제시합니다. 이때 페이지 번호까지 함께 표기하는 것이 일반적입니다.

5. 다른 저자의 간접 인용 (재서술 또는 요약)

타인의 주장을 그대로 옮기지 않고 자신의 말로 풀어서 서술(패러프레이즈) 하거나 요약한 경우에도 출처를 밝혀야 합니다​. 간접 인용은 문장의 표현만 바꾸었을 뿐 아이디어의 근원은 타인에게 있기 때문에, 원 출처를 밝히지 않으면 안 됩니다. 종종 직접 인용보다 간접 인용이 글 흐름상 자연스러워 선호되지만, 이 경우에도 해당 내용이 어느 연구나 저자의 것인지 명확히 해야 합니다.

[참고]

직접 인용문의 표기에 대해서는 국내 지침이 상세히 규정하고 있습니다. 예를 들어 40자 이하의 짧은 인용은 큰따옴표로 표시하고 본문에 포함하며, 40자 이상의 인용은 별도의 블록으로 분리하여 제시합니다.

6. 주관적 주장이나 해석에 대한 근거 제시

논문에서 필자의 주관적 주장이나 해석을 제시할 때에도, 그것이 필자의 순수한 독창적 주장이 아닌 한 관련 선행 연구나 자료를 인용하여 뒷받침하는 것이 좋습니다. 특히 논쟁의 여지가 있는 견해나 특정한 입장을 펼치는 문장은, 근거 없이 단독으로 서술될 경우 설득력이 떨어지므로 신뢰할 만한 출처를 함께 제시해야 합니다. 자신의 연구 결과에 대한 해석이 아닌, 일반적인 현상에 대한 평가나 주장이라면 반드시 기존 연구나 통계 등의 뒷받침을 달아주는 것이 학술적입니다.

논문의 새로운 주제를 만드는 것은 어렵다. 그래서 기존의 주제에서 '파생주제'에 관심을 갖는 것이 좋다.

[구체적인 실행 방법]

1)기존 논문의 주제를 파악하라.

첫 탐색 논문 선정은 본인의 관심사 안에서 자신이 아는 교수님의 최신 논문을 선택한다. 그래야 이해되지 않는 부분에 대한 도움을 받을 수 있고, 효율적으로 동향 파악을 할 수 있다.

2)기존 논문들에서는 '서론'을 잘 읽어야 한다. 서론을 읽으면서 "해당 주제(문제, 해결방법, 한계)에 대한 역사적 연구 과정"을 파악하고 정리한다. 해당 논문의 참고문헌들의 '서론'도 함께 읽어서 같은 내용들을 정리한다.

3)기존 논문들의 주제를 정리하고, 해당 주제들에서 '파생'되는 주제가 무엇일까 생각해 본다. 아래는 파생 주제를 찾는 효과적인 방법들이다.

연구 질문의 확장:

• 기존 논문을 읽을 때, 답하지 못한 질문이나 한계점에 주목하라.

• "이 연구에서 다루지 못한 점은 무엇인가?" "이 결과를 다른 맥락이나 분야에서 적용하면 어떻게 될까?"와 같은 질문을 통해 주제를 확장하라.

다학문적 접근:

• 기존 주제를 다학문적 관점으로 바라보라.

• 예를 들어, 인문학적 주제를 기술적 관점에서 재해석하거나, 과학적 주제를 사회적 관점에서 다루는 식으로 융합 아이디어를 탐색한다.

연구 갭 지도 작성:

• 기존 논문의 서론뿐만 아니라 결론 및 논의 부분에서 연구 공백(Research Gap)을 파악하여 이를 시각적으로 정리하라.

• 연구 갭 지도는 새로운 주제를 구체적으로 파생시키는 데 유용하다.

먼저, 어떤 주제의 논문을 쓸 지를 결정하기 위한 탐색 단계를 시작해 보자.

1)읽기

1-1.자신의 학문분야를 큰 영역으로 나누고, 관심가는 논문을 찾아서 넓은 범위를 읽는다.

1-2.최신 논문을 읽어야 최신 동향을 읽는다. 최근의 문제, 해결방법, 한계 등을 파악할 수 있다.

1-3.주위 사람들과 읽은 내용을 가지고 이야기를 해 본다.

2)자신의 학문분야에 대한 '지식 지도'를 그려서 2가지를 정리한다.

2-1.내가 관심갖는 논문 주제를 포지셔닝한다. (내가 연구하고 싶은 것이 해당 학문 전체에서 어디에 위치하는 지를 파악하게 된다)

2-1.내가 관심갖는 논문 주제가 어떤 것들과 연결되어 있는 지를 파악해 본다. (내가 연구하고 싶은 것에 대한 해결방법을 찾으려면 해당 학문 전체에서 무엇을 어떻게 공부해야 하는 지를 파악하게 된다)

• ex) "[ 인공지능의 자유의지 ]에 대한 박사급 논문 작성을 하려고 한다. 관심사 방향은 [ 인공지능의 자유의지 ]라는 것을 정했지만, 구체적인 실제 논문 주제를 정하지 못했다. 나에게 필요한 정보를 질문하고 마지막에는 취합하여 실제 논문 주제를 완성하자."

B type: 논문 관심 영역에서 구체적인 주제를 정한 경우:

1) 구체적인 주제 '키워드'를 던진다.

• ex) "[ 인공지능에서의 자유의지 모사 가능성과 그 한계 ]에 대해서 [ 박사급 ] 선행연구들을 광범위하게 조사해 달라"

2) 해당 주제에 대한 지금까지의 핵심 '논쟁'을 정리하게 한다.

• ex) "[ 인공지능에서의 자유의지 모사 가능성과 그 한계 ]에 대해 학계에서 일어나고 있는 최신 논쟁을 정리해 보자. 2가지로 정리하는데, 하나는 기술영역이고 다른 하나는 신학영역이다."

3) 해당 주제에 대한 내가 선택한 가설을 지지하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다.

• ex) "[ 인공지능에서의 자유의지 모사 가능성에 대한 긍정적 견해 ]를 가진 진영에서 주장하는 '근거 이론'에 대해서 정리해 달라"

• 연구 주제와 연결시킬 수 있는 '유사한 이론들'을 조사해 달라. 범위는 초학제적으로 한다.

• 기존 이론들의 핵심 개념들의 정의와 선행 연구자들의 관점 정리해 달라.

• 기존 연구들의 한계점을 조사해 달라.

4) 내가 선택한 가설에 반대하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다. 혹은, 기존 연구들의 한계점을 조사해 달라고 한다.

• ex) "[ 인공지능에서의 자유의지 모사 가능성에 대한 긍정적 견해 ]를 가진 진영의 주장을을 반박하는 내용과 논리를 정리하자"

• 반대하는 기존 연구들의 한계점을 조사해 달라.

• 현재까지 충분히 연구되지 않은 영역이 있는지 조사해 달라.

5) AI가 추천하는 연관 질문을 따라서 주제 관련 이슈를 확장하면서 탐색을 해 본다.

• ex) "지금까지 한 모든 대화를 기반으로 [ 박사급 ] 좋은 논문의 실제 주제가 될 만한 것들을 10개 추천해 달라"

C type: 퓨샷 러닝 기법으로 논문 주제 다듬기(위 작업을 수행 하고, 관련 선행 연구까지 진행한 후에 마지막으로 논문 주제를 다듬기 원하는 경우):

퓨샷 프롬프트 기법은 AI 모델에게 여러 개의 예시를 제공하여, 모델이 특정 유형의 작업이나 질문에 맞는 응답을 예측하도록 하는 프롬프트 작성 기법이다. 이 방식은 AI 모델이 예시를 참고하여 사용자의 의도를 보다 정확히 이해하고, 그에 맞는 답변 패턴을 학습할 수 있게 돕는다.

• ex) [ 인공지능의 강화학습 알고리즘에서의 자유의지 모사 가능성과 그 한계 ]에 대한 박사급 논문 작성을 하려고 한다. 이 주제와 관련된 선행연구들의 제목과 논지 진술(Thesis statement)을 몇 가지 알려 줄 것이다. 해당 예시를 학습하고, [ 인공지능의 강화학습 알고리즘에서의 자유의지 모사 가능성과 그 한계 ]에 대한 좀더 발전되고 창의적인 접근을 할 수 있는 박사급 논문 제목과 몇 가지 논지 진술(Thesis statement)에 대한 적절한 답변을 생성하라."

"첨부 파일의 내용을 하나도 빠짐없이 '전부' 정확하게 파악할 수 있는 지 '정직하게' 말해 주세요"

참고) 2025년 5월 기준으로, 방대한 분량의 논문을 내용을 가장 잘 읽어내는 LLM은 슈퍼크록(SuperGrok), 구글 AI studio 입니다.

https://youtu.be/JsB2McetAFk?si=kgGE-Y1qkfRP9MPi

[문서 요약 품질 평가 프롬프트 예시]

문서 요약 품질 평가를 합니다. 단순히 "맞다/틀리다"만 말해주는 게 아니라, 다음 네 가지 기준에 따라 점수와 피드백을 줍니다.

• 사실성 (Fact) → 수치·명칭이 정확한가? (사실성에 가중치를 40% 준다)

• 포괄성 (Coverage) → 핵심 내용이 빠지지 않았나?

• 간결성 (Conciseness) → 불필요한 내용이 없는가?

• 가독성 (Readability) → 문장이 자연스럽고 읽기 쉬운가?

참고) 위 프롬프트에 자기만의 목적을 따라, 가중치도 설정합니다. 가장 중요한 건 당연히 사실성(가중치 40%), 숫자가 틀리면 말짱 도루묵이니까요. 물론 문서의 종류마다 가중치는 다르게 설정 되어야 겠죠?

1) 내 연구논문 작성에 가장 중요한 선행논문 2~3개를 선택한다.

2) 해당 선행논문들에서 주제, 문제, 해결방법, 한계를 정리하여 비교하게 한다. (파생주제 idea 찾기 단계에서 작업한 내용이 있으면, 그 내용을 프롬프트 창에 재입력해도 된다)

3) 앞서 추천받은 '파생 주제'에 대한 아이디어를 프롬프트 창에 재입력하고, '내 논문 주제와 문제를 좁히는 효과적인 방법들'을 참고하여 질문을 한다.

Google AI Studio를 사용하지 못하는 상황일 경우, 클로드, 챗GPT, 구글 제미나이 등의 LLM 모델을 사용하여 같은 방법으로 작업을 할 수 있다. (하지만, 해당 작업은 Google AI Studio가 가장 뛰어난 성능을 보인다)

1) 내 연구논문 작성에 가장 중요한 선행논문 2~3개를 선택한다.

2) 해당 선행논문들의 서론을 꼼꼼히 모두 읽게 한다.

3) 읽은 서론의 내용들에서 주제, 문제, 해결방법, 한계를 정리하여 비교하게 한다.

4) 내 연구논문에서 사용할 수 있는 '파생 주제'에 대한 아이디어를 얻는다. 아이디어를 추천받을 때는 '파생 주제를 파악하는 다양한 방법들'을 참고하여 질문을 한다.

Google AI Studio를 사용하지 못하는 상황일 경우, 클로드, 챗GPT, 구글 제미나이 등의 LLM 모델을 사용하여 같은 방법으로 작업을 할 수 있다. (하지만, 해당 작업은 Google AI Studio가 가장 뛰어난 성능을 보인다)

프롬프트1: "전체 내용을 읽고(출력할 필요는 없음) 논문의 줄거리, 목차별 개요와 핵심 내용을 설명하라."

프롬프트2: "전체 내용을 읽고(출력할 필요는 없음) 논문이 사용한 연구방법론과 이유, 사용한 연구방법론의 독특성을 설명하라."

프롬프트3: "전체 내용을 읽고(출력할 필요는 없음) 논문의 가치와 기여점, 논문의 한계와 그에 따른 앞으로 파생 가능한 연구 포인트 등을 설명하라."

Hailuo AI를 사용하지 못하는 상황일 경우, 클로드, 챗GPT, 구글 제미나이 등의 LLM 모델을 사용하여 같은 방법으로 작업을 할 수 있다. (하지만, 해당 작업은 Hailuo AI가 가장 뛰어난 성능을 보인다)

1) 내 연구논문 작성에 가장 중요한 선행논문 2~3개를 선택한다.

2) 해당 선행논문의 연구방법론 구조를 분석하게 한다.

3) "해당 선행논문은 왜 이런 연구방법론이 가장 적합한가?"라는 질문을 던져 본다. 이 질문을 던지면, 연구방법론에 대한 실제 사용에 대한 좀더 깊은 이해를 할 수 있게 된다.

4) "해당 선행논문의 경우, 다른 연구방법론을 적용할 수 있는가? 해당 선행논문에 적합한 또 다른 연구방법론과 설계방법을 제시하고, 또 다른 연구방법론을 적용할 경우 실제 사용했던 연구방법론과 어떤 차이, 통찰을 얻을 수 있는가?"라는 질문을 던져 본다.

5) 분석한 연구방법론 구조를 바탕으로, 내 연구논문의 연구방법론 선택과 설계에 대한 아이디어를 얻는다.

1. 시작하기

1. 연구 주제 입력:

   • 챗봇이 연구 주제를 묻습니다.

   • 간단히 작성하거나 관심 있는 분야를 말해주세요.

   • 예: "AI와 교육", "환경문제", "의료 데이터 분석"

2. 단계별 가이드

챗봇이 연구 설계를 단계적으로 안내합니다.

1단계: 연구 주제 명확화

• 주제를 더 구체적으로 정의하도록 도와줍니다.

• 예: "환경이 인간 행동에 미치는 영향" → "플라스틱 폐기물이 소비자의 행동에 미치는 영향"

2단계: 연구 목적 및 질문

• 연구를 통해 해결하고 싶은 질문을 구체화하도록 지원합니다.

• 질문의 예:

  • "플라스틱 규제가 소비자의 행동을 변화시키는가?"

  • "AI는 학생들의 학습 성과를 어떻게 개선할 수 있는가?"

3단계: 연구 방법론 설계

• 연구 수행 방식을 결정하도록 도와줍니다:

  • 정량적 방법: 설문조사, 실험

  • 정성적 방법: 인터뷰, 사례 연구

  • 혼합 방법: 두 방법의 조합

4단계: 데이터 수집 및 분석

• 데이터를 어떻게 수집하고 분석할지 안내합니다.

• 예:

  • 설문 설계, 데이터베이스 활용, SPSS 또는 Python 사용 방법 제안

5단계: 윤리적 고려

• 연구 윤리 및 IRB 심의 필요 여부를 점검합니다.

• 예: 참여자 동의서 작성 방법, 개인정보 보호 대책

3. 사용 예시

챗봇: 안녕하세요! 논문 연구 설계를 도와드릴게요. 연구 주제를 알려주시겠어요?
사용자: 저는 기후 변화와 관련된 연구를 하고 싶어요.
챗봇: 좋은 주제입니다! 기후 변화의 어떤 부분이 궁금하신가요?

• [선택] 기후 변화가 건강에 미치는 영향

• [선택] 기후 정책이 경제에 미치는 영향

• [선택] 기후 변화에 대한 시민 인식

4. 추가 기능

1. 예제 제시: 답변하기 어려울 경우 적절한 예제를 제공합니다.

2. 데이터 분석 방법 추천: 연구 주제에 맞는 분석 도구 제안.

3. 결과물 요약: 대화에서 나온 내용을 요약해 문서로 정리.

5. 언제든지 질문하세요!

• 연구 설계 중 막히는 부분이 있으면 물어보세요.

• 예:

  • "질문을 잘 모르겠어요."

  • "설문지를 어떻게 만들죠?"

  • "분석 방법이 필요해요."

챗봇과 함께 단계별로 연구 설계를 진행하면서, 논문 초안을 작성해보세요! 😊

1. 연구제목
   연구의 핵심 내용을 간결하고 명확하게 표현해야 한다. 이때 주요 변수나 연구 대상을 포함시키고, 가능한 경우 연구 방법론을 암시할 수 있다. 예를 들어, "대학생의 스마트폰 사용 습관이 학업 성취도에 미치는 영향: 자기조절능력의 매개효과를 중심으로"와 같이 작성할 수 있다.
   

2. 연구배경 및 필요성
   연구배경 및 필요성에서는 연구 주제의 사회적, 학문적 맥락을 설명하고, 현재 이 분야에서 해결되지 않은 문제나 갭을 제시해야 한다. 또한 이 연구가 왜 지금 필요한지, 어떤 문제를 해결할 수 있는지 설명하고, 연구의 잠재적 영향력과 중요성을 강조해야 한다.
   

3. 문헌검토
   문헌 검토 부분에서는 관련 선행 연구들을 체계적으로 분석하고, 현재까지의 연구 동향과 주요 발견을 요약해야 한다. 기존 연구의 한계점을 지적하고, 본 연구가 어떻게 기존 연구를 보완하거나 확장할 수 있는지 설명해야 한다.
   

4. 연구목적 및 가설
   이부분 에서는 연구의 구체적인 목표를 명확히 제시하고, 검증하고자 하는 가설을 구체적으로 기술해야 한다. 이때 가설은 선행 연구와 이론적 배경을 바탕으로 도출되어야 하며, 변수 간의 예상되는 관계를 명확히 표현해야 한다.
   

5. 연구방법론
   연구 방법론 부분에서는 연구 설계(양적, 질적, 혼합 방법 등)를 설명하고, 연구 대상 및 표본 선정 방법을 상세히 기술해야 한다. 또한 데이터 수집 방법(설문조사, 인터뷰, 실험 등)을 설명하고, 사용할 측정 도구나 척도를 제시해야 한다. 마지막으로 데이터 분석 방법(통계 기법 등)을 상세히 기술해야 한다.
   

6. 예상결과 및 기여도
   이 부부에서는  연구를 통해 얻을 수 있는 잠재적 결과를 예측하고, 연구 결과가 해당 분야에 미칠 학문적 기여를 설명해야 한다. 또한 실무적 측면에서의 적용 가능성과 중요성을 제시하고, 연구의 한계점과 향후 연구 방향을 제안해야 한다.
   

7. 연구일정 및 계획
   연구의 각 단계별 예상 소요 시간을 명시하고, 구체적인 마일스톤과 완료 날짜를 제시해야 한다. 주요 활동(예: 데이터 수집, 분석, 논문 작성 등)의 일정을 표나 차트로 시각화하는 것이 효과적이다. 자신의 연구일정이나 진행사항을 보기 위해서는 노션ai가 가장 좋은 도구로 판단된다. 그리고 공동연구를 위한 기능이 필요하다면 패들렛이 편안한게 사용할 수 있다.
   

8. 참고문헌
   인용된 모든 자료를 정확하고 일관된 형식으로 나열해야 한다. 최신 연구와 고전적인 연구를 균형 있게 포함하고, APA, MLA 등 해당 분야에서 요구하는 인용 스타일을 엄격히 준수해야 한다. 이 부분이 AI를 활용했을때 가장 높은 성과가 드러난다. 각 대학 또는 학회의 규정을 데이터로 사용하여 다음과 같이 논문지침을 만들어 사용하는 것을 추천한다.
   

Keypoint: 연구계획서의 각 섹션은 연구의 명확성과 심도를 제공하는 데 중요한 역할을 한다. 이는 단순히 정보를 나열하는 것이 아니라, 연구의 전체적인 맥락과 중요성을 체계적으로 전달하는 과정이다. 각 섹션은 연구의 다른 측면을 조명하며, 이를 통해 연구의 전체적인 그림을 구축한다.
특히, 이 구조는 이해당사자들에게 연구의 가치와 목적을 효과적으로 전달하는 데 핵심적인 역할을 한다. 여기서 이해당사자란 연구 지원 기관, 학술 위원회, 동료 연구자, 그리고 잠재적인 연구 결과 사용자 등을 포함한다. 각 섹션은 이들에게 연구의 필요성, 방법론의 적절성, 예상되는 결과와 그 중요성 등을 명확하게 제시함으로써, 연구에 대한 지지와 자원을 확보하는 데 기여한다.
더불어, 이러한 구조는 연구자 자신에게도 중요한 의미를 갖는다. 각 섹션을 체계적으로 작성하는 과정에서 연구자는 자신의 연구를 더욱 깊이 있게 이해하고, 잠재적인 문제점이나 개선점을 파악할 수 있다. 이는 연구의 질을 향상시키고, 궁극적으로 더 가치 있는 연구 결과를 도출하는 데 기여한다

1)자료실에 프롬프트 엔지니어링 관련 문서를 모두 올리고, 내가 원하는 목적에 맞는 프롬프트 엔지니어링 기법을 추천받는다.

2)자료실에 탐구하고자 하는 영역의 자료들을 올려놓고, 이런 영역에서 '좋은 결과물'을 얻으려면, 어떤 키워드, 문장, 메타 단어 등을 프롬프트에 넣으면 좋은 지를 추천해 달라고 한다.

• 제목 선택: 연구 주제를 잘 반영하고, 관심을 끌 수 있는 제목을 선택한다. 뿐만 아니라 연구제목에는 연구의 핵심 요인들이 보여야한다. 

• 구조화: 논리적이고 순차적인 구성을 사용한다.

• 언어 사용: 전문 용어를 적절히 사용하며 명료성을 유지한다.

• 데이터 활용: 신뢰할 수 있는 출처에서 데이터를 수집한다.

• 일정 관리: 구체적인 연구 계획을 수립한다.

• Keypoint: 명확하고 체계적인 작성 방법은 연구계획서의 이해도를 높이고 연구의 진행을 용이하게 합니다.

연구계획서 작성 시 주의사항

• 원본성 및 독창성: 연구 주제와 접근 방식에서 독창성을 확보한다. 기존연구와 차별점을 찾는 것이 중요하다. 

• 문헌 검토의 깊이: 충분한 검토를 통해 연구의 배경과 필요성을 명확히 한다. 자신의 연구와 가장 가까운 논문 2~3가지와 참고할만한 논문 10개 정도를 찾는다.  

• 리서치 질문의 명확성: 연구 질문은 명확하고 적절한 수준이어야 한다.

• 윤리적 고려: 모든 윤리적 승인을 받고 연구 윤리를 준수한다.

• 피드백 및 수정: 필요에 따라 연구계획을 수정한다.

• Keypoint: 연구계획서는 연구의 방향성과 효율성을 결정짓는 중요한 요소이며, 주의 깊게 작성해야 한다.

• ex) "인간-인공지능의 효과적인 커뮤니케이션이 주는 긍정적 효과 사례에 대해서 조사해 달라"

2) 해당 주제에 대한 지금까지의 핵심 '논쟁'을 정리하게 한다.

• ex) "인간-인공지능의 효과적인 커뮤니케이션이 주는 다양한 효과에 대해 학계에서 일어나고 있는 최신 논쟁을 정리해 달라. 2가지로 정리하는데, 하나는 기술영역이고 다른 하나는 의학영역이다."

3) 해당 주제에 대한 내가 선택한 가설을 지지하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다.

• 연구 주제와 관련된 기존 이론들을 조사해 달라.

• 본인의 case study를 이해하고 분석하는데 사용될 이론적 렌즈들을 조사해 달라.

• 핵심 개념들의 정의와 선행 연구자들의 관점 정리해 달라.

• 기존 연구들의 한계점을 조사해 달라.

• 유사한 주제의 다른 case study들은 어떤 방법론을 사용했는지를 조사해 달라.

• 연구 대상이 되는 case의 산업적/사회적/역사적 배경을 조사해 달라.

4) 내가 선택한 가설에 반대하는 이론, 관점, 주장이 무엇인지 연결해 달라고 한다. 혹은, 기존 연구들의 한계점을 조사해 달라고 한다.

• 연구 주제와 관련된 기존 이론들을 반박하는 자료를 조사해 달라.

• 반대하는 기존 연구들의 한계점을 조사해 달라.

• 현재까지 충분히 연구되지 않은 영역이 있는지 조사해 달라.

• 내가 관심있는 case study 주제가 어떤 학문적 공백을 메우는 가치가 있는 지를 조사해 달라.

• 유사한 케이스들과의 비교를 통한 특수성과 보편성이 무엇인지 조사해 달라.

5) AI가 추천하는 연관 질문을 따라서 주제 관련 이슈를 확장하면서 탐색을 해 본다.

• ex) "지금까지 한 모든 대화를 기반으로 좋은 논문의 주제가 될 만한 것들을 10개 추천해 달라"

https://www.youtube.com/watch?v=KRJv7YMkjaA

그록 서치 기능(https://x.com/i/grok)

퍼플랙시티 서치 기능

챗GPT 서치 기능

라이너 서치 기능(https://getliner.com/ko)

구버 서치 기능(https://goover.ai)

SearchGPT,퍼플렉시티,Genspark AI를 비교한 동영상 보기

https://www.youtube.com/watch?v=OUFsZCX7oyM

https://www.genspark.ai

https://foxcg.com/entry/수학-수식-이미지를-LaTeX-HancomEQN-으로-변환-챗GPT

실무적 가치는 '대안 관련 기초자료 제시'가 핵심

조직신학 논문, 예를 들어... “기독교강요에 나타난 칼빈의 율법관” 같은 주제는 전통적인 ‘사람 대상’ 질적 연구(예: 인터뷰, 현장 관찰 등)와는 다르다. 이미 500여 년 전의 저작을 다루기 때문에 참여자(연구 대상자)와 직접 만나서 인터뷰할 수도 없고, 현장 관찰도 불가능하다. 그렇다면 질적연구 방법론을 전혀 적용할 수 없을까요? 꼭 그렇지는 않다.

“텍스트(문헌) 자체를 연구 대상”으로 삼고, 이를 해석학적(hermeneutical)·담론분석적(discourse-analytic) 관점에서 분석할 수 있다. 즉, 신학 분야라도, 질적연구의 ‘텍스트 분석’ 기법을 접목하면, “문헌(텍스트)” 자체를 질적 자료로 삼아 연구 과정과 근거(분석 결과)를 더욱 체계적이고 투명하게 드러낼 수 있다.

- 인터뷰나 설문조사 없이도, 고전 텍스트(특히 신학 저작)를 “분석해야 할 데이터”로 보고,

- 담화분석, 해석학적 텍스트 분석과 같은 질적 접근을 적용할 수 있다.

- 조직신학 논문이라 해도, 분석 과정을 조금 더 질적연구의 틀(예: “자료의 범주화·코딩”, “맥락적 이해”, “연구자의 해석학적 편견(선이해) 공개” 등)로 정리한다면, “단순 주해(注解)나 전통적 문헌해석” 이상으로 체계적이고 투명한 ‘연구 방법론’을 제시할 수 있다.

아래에서는 조직신학 논문에서 활용 가능한 질적 연구 접근법 실례 두 가지를 소개한다.

1. 담화분석(Discourse Analysis) 관점으로 접근하기

(1) 왜 담화분석인가?

- 담화분석은 “텍스트(말·글)에 담긴 의미, 맥락, 권위·권력 관계 등을 파헤치는 질적 접근”이다.

- 조직신학에서 특정 교부나 신학자의 저작(텍스트)을 다룰 때, 그 글이 어떠한 맥락 속에서 쓰였고, 어떤 신학적·교회적·사회적 의미를 만들어 내고 있는지를 분석하는 방식으로 적용할 수 있다.

(2) 어떻게 적용할 수 있나?

1. 텍스트 선정 및 범위 확정

- “기독교강요” 전체를 다룰 수도 있지만, 율법 관련 장(章) 혹은 특정 논의(율법의 세 가지 용도, 복음과의 관계 등)만 추려서 집중 분석할 수 있다.

2. 텍스트의 ‘언어 사용’과 ‘맥락’ 살피기

- 예) 칼빈이 “율법”을 어떤 단어(표현)로 반복적으로 언급하고 있는지, “복음” “은혜” “죄” 등과 어떤 식으로 연결 짓는지.

- 이 맥락에서 성서 인용이나 교부들의 언급(아우구스티누스 등)은 어떻게 인용되는지.

3. 역사적·신학적 배경 반영

- 16세기 종교개혁기라는 시대 상황, 칼빈의 주변인물(루터, 츠빙글리 등)과의 신학 논쟁, 교회·국가 관계 등을 “담론이 형성된 사회·역사적 맥락”으로 고려한다.

4. 담론이 만들어 내는 의미(메시지) 도출

- 칼빈의 텍스트가 “율법은 ○○○이다”라는 메시지를 어떤 흐름으로, 어떤 목적을 가지고 전개하는지.

- 이 담론이 당대와 후대 교회에 어떤 신학적·교리적 영향을 미쳤는지.

(3) 장점

- 원전(텍스트)을 “단순 요약”하는 것이 아니라, 그 글이 어떤 맥락 속에서 무엇을 의도하고 만들어 내고 있는지를 보다 심층적으로 파악할 수 있다.

- “칼빈이라는 저자”와 “16세기 신학·사회·언어적 맥락” 사이에서 이 저작의 담론적 위상을 입체적으로 조명한다.

(4) 유의점

- 담화분석은 “권력관계, 이데올로기, 담론의 역사성”을 중시하는 사회과학적 접근에서 비롯되었기에, 신학 텍스트를 다룰 때는 신학적 해석학(hermeneutics)과 역사신학적 연구(당시 문맥 파악)도 함께 곁들여야 한다.

2. 해석학적(hermeneutical) 텍스트 분석

(1) 왜 해석학인가?

- 신학은 본래부터 성경·교부 저작 등을 해석해 왔다.

- ‘해석학적 질적연구’라는 말 자체가 낯설 수 있지만, 실은 조직신학의 오래된 전통(“어떤 텍스트를 어떤 해석학적 전제 아래 읽고, 그 의미를 체계화하는지”)과 크게 다르지 않다.

(2) 어떻게 적용할 수 있나?

1. 연구 질문 설정

- “칼빈이 ‘율법’이라는 개념을 통해 말하고자 한 신학적 의미는 무엇인가?”

- “그의 율법 이해가 조직신학 체계 안에서 어떤 지위를 차지하며, 다른 주제들(구원론, 교회론 등)과 어떻게 연결되는가?”

2. 해석학적 전제 명시

- 예) 칼빈의 텍스트를 읽을 때, “성서의 권위” “은혜와 구원의 관계” “이중적 예지 예정론” 등의 칼빈 신학 기틀을 이미 전제로 삼을 수도 있고, 혹은 “16세기 종교개혁 맥락에서 주석학(Exegesis) 전통”을 참고할 수도 있다.

- 자신의 해석의 틀이 어디에 있는지를 분명히 하여 독자가 연구 과정을 이해할 수 있게 해 준다.

3. 텍스트 심층분석(추론-해석-재해석의 반복)

- 칼빈이 율법과 복음을 대조하는 대목, 율법의 역할을 강조하는 대목들을 반복적으로 읽고,

- “여기서 어떤 신학적 개념이 어떻게 작동하는가?”를 카테고리별로 정리(코딩)하고 해석해 나간다.

- 필요하면 “왜 이런 표현을 선택했을까?” “이는 루터나 다른 종교개혁자들과 어떻게 비교되는가?”를 스스로 묻고 답을 찾아가는 과정을 글로 풀어낸다.

4. 결론(조직적 해석)

- 텍스트에서 나온 ‘개별’ 해석들을 조직신학 체계(하나님론, 기독론, 구원론, 교회론, 종말론 등) 안에서 통합적으로 조망한다.

- “결국 칼빈은 율법을 이렇게 규정함으로써 그 시대 교회에 어떤 메시지를 주려고 했으며, 우리가 오늘날 어떻게 적용할 수 있을까?”로 논의를 확장할 수도 있다.

(3) 장점

- 전통적인 ‘조직신학적 해석’과 질적연구의 ‘텍스트 분석’ 기법을 자연스럽게 결합하여, “원전 텍스트를 맥락화·체계화·의미화하는 과정”을 더욱 체계적으로 보여줄 수 있다.

(4) 유의점

- 해석학적 분석을 질적연구로 간주할 때, 자료(텍스트) 분석 과정을 좀 더 명시적으로 제시해 주는 것이 중요하다.

- 예) “기독교강요 2권 7장부터 10장까지 율법 관련 문단을 발췌 후, 이를 어떻게 범주화(코딩)하고 분석했는지, 구체적인 예시를 제시”

- 독자가 “이 연구자가 어떤 방식으로 텍스트를 읽고 결론을 낸 것인지?”를 투명하게 알 수 있도록 해 준다.

연구 주제부터 결과 해석까지 단계별로 설명

논문 제목:
"청소년의 SNS 사용 시간과 학업 성취도 간의 관계 분석"

1. 연구 문제와 목적

• 연구 문제:
  "청소년들이 SNS를 많이 사용할수록 학업 성취도에 부정적인 영향을 미칠까?"

• 연구 목적:
  SNS 사용 시간과 학업 성취도의 관계를 알아내고, 이를 통해 학업 성취도를 높이기 위한 실질적인 방안을 제안하는 것.

2. 가설 설정

연구 문제를 바탕으로 다음과 같은 가설을 세웁니다.

• H1 (가설):
  청소년의 SNS 사용 시간이 많을수록 학업 성취도는 낮아질 것이다. (부정적 상관관계)

3. 연구 설계

• 연구 방법:
  설문조사를 통해 데이터를 수집하고 상관분석 및 회귀분석을 수행.

• 연구 대상:
  서울 지역 고등학생 300명을 무작위로 표본 추출.

• 변수 정의:

  • 독립변수 (원인): SNS 사용 시간 (일평균 사용 시간, 단위: 시간)

  • 종속변수 (결과): 학업 성취도 (최근 시험 점수, 단위: 100점 만점)

4. 데이터 수집

• 설문지 내용:

  1. 하루 평균 SNS 사용 시간은 몇 시간인가요? (0~10시간 중 선택)

  2. 최근 시험에서 평균 점수는 몇 점인가요? (0~100점 중 선택)

  3. 기타 질문: 성별, 학년 등 인구통계학적 정보

• 수집 결과:

  • 예를 들어, 300명의 응답을 통해 평균 SNS 사용 시간이 3시간이고, 평균 학업 성취도는 70점이라는 데이터를 얻음.

5. 데이터 분석

수집한 데이터를 SPSS나 Excel 같은 통계 프로그램으로 분석합니다.

1) 기술 통계

• 평균 SNS 사용 시간: 3.5시간

• 평균 학업 성취도: 72점

• 표준편차: SNS 사용 시간(1.2시간), 학업 성취도(8점)

2) 상관분석

• 상관계수 (r): -0.45

  • 이는 SNS 사용 시간과 학업 성취도 간에 중간 정도의 부정적 상관관계가 있음을 의미합니다.

  • SNS 사용 시간이 많아질수록 학업 성취도가 낮아지는 경향.

3) 회귀분석

• 회귀 방정식:
  Y=85−3.2XY = 85 - 3.2X
  (Y = 학업 성취도, X = SNS 사용 시간)

  • 결과 해석: SNS 사용 시간이 1시간 증가할 때마다 학업 성취도는 평균적으로 3.2점 감소.

6. 결과 해석

1. 상관분석 결과:
   SNS 사용 시간이 많을수록 학업 성취도가 낮아지는 경향이 확인됨.

2. 회귀분석 결과:
   SNS 사용 시간이 학업 성취도에 통계적으로 유의미한 부정적 영향을 미침.

   • pp-값이 0.05보다 작아서 결과가 유의미함을 확인.

3. 결론 도출:
   "청소년들이 SNS를 많이 사용할수록 학업 성취도가 낮아질 가능성이 높다. 따라서 학부모와 교사들은 청소년의 SNS 사용을 적절히 관리할 필요가 있다."

7. 논문의 실제 구조

이 논문의 구조는 다음과 같을 것입니다.

1) 서론

• 연구 배경 및 필요성 설명

• 연구 문제와 가설 제시

2) 연구 방법

• 연구 설계(설문조사 사용)

• 표본 추출 방법

• 데이터 수집 및 분석 방법

3) 연구 결과

• 기술 통계 결과

• 상관분석 및 회귀분석 결과

4) 논의 및 결론

• 연구 결과 요약

• 정책적, 교육적 시사점 제안

• 연구의 한계 및 향후 연구 방향 제시

8. 이 사례의 요약

이 논문은 SNS 사용 시간과 학업 성취도의 관계를 밝히기 위해 설문조사 데이터를 사용하고, 이를 수치화하여 상관분석 및 회귀분석으로 분석했습니다. 통계적 방법을 통해 신뢰성 있는 결과를 도출하며, 실질적인 제안을 추가했습니다.

[참고 자료]

https://blog.naver.com/baehaksoo/221422600498

GPT에서 직접 다운로드 받으면 latex로 저장하니 그것을 복사해서 워드 파일로 가져와서 수식에서 latex선택후 복사붙이기하면 워드나 PDF파일로 저장이 됩니다.

[참고] 위 방식이 안되는 경우...

두가지 가능성이 있습니다.

1. latex코드가 잘못 작성

2. 워드에서 latex 기능선택이 안 되었을 경우

https://www.youtube.com/watch?v=ug48jhfndO8&t=1230s

https://typeset.io

https://www.youtube.com/watch?v=o2unVCLS190

https://www.youtube.com/watch?v=iv1TYuI6ndE

https://www.youtube.com/watch?v=n32PCsd4DNw&t=839s

PDF to Video, PPT

https://www.youtube.com/watch?v=AbP_qv1YAgw

https://obsidian.md

옵시디언 초기 설정 방법

https://www.youtube.com/watch?v=RKKVIyZUuVw&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=2

Frontmatter-옵시디언의 강력한 기능

https://www.youtube.com/watch?v=zvXPn5tPNfw&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=3

MarkDown

https://www.youtube.com/watch?v=rzor1oQyY9U&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=4

https://www.youtube.com/watch?v=17tThWhNNGw&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=6

플러그인-템플레이터 2(daily, weekly,monthly, yearly note)

https://www.youtube.com/watch?v=Q2-aHQKEOHs&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=7

https://www.youtube.com/watch?v=1j5Q_UgQ70s&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=10

https://www.youtube.com/watch?v=mcPAaVrA6b0&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=11

플러그인-데이터뷰(옵시디언의 꽃)

https://www.youtube.com/watch?v=Iv7wCJArqPI&list=PL-KPFbwFiAWA3bR3QSK3w6r_XM0KRzEFl&index=9

https://www.youtube.com/watch?v=ktvRbNcAtwc

"창조는 이미 존재하는 것들의 '새로운 편집'이다"

그래서...

창조적 논문의 시작은 "이미 존재하는 선형연구들의 '새로운 편집'에서 시작된다"

단... 편집은 짜집기가 아니다. 창조적 편집은... 편집의 단위, 편집의 차원이 다르다.

지식은 정보와 정보의 관계다.

청조적 편집은 이미 존재하는 정보와 정보, 지식과 지식의 '새로운 관계'를 만들어내는 것이다.

논문에 '주석'을 다는 이유는 정보의 출처이고, 이것을 어떻게 해석하고, 어떻게 새로운 관계(연결)를 만들어내느냐, 어떻게 재분류하느냐가 '창조'이다.

시각적 사고는 '창조'를 하고, 언어적 사고는 '문제 해결'을 한다.

1) 내 연구논문 작성에 가장 중요한 선행논문 2~3개를 선택한다.

2) 해당 선행논문의 서론 구조를 분석하게 한다.

3) 분석한 서론 구조를 바탕으로, 내 연구논문의 서론 작성에 대한 아이디어를 얻는다.

Google AI Studio를 사용하지 못하는 상황일 경우, 클로드, 챗GPT, 구글 제미나이 등의 LLM 모델을 사용하여 같은 방법으로 작업을 할 수 있다. (하지만, 해당 작업은 Google AI Studio가 가장 뛰어난 성능을 보인다)

인간의 뇌는 100조개의 시냅스를 가지고 있다. 인공지능은 인간의 뇌보다 적은 파라미터(시냅스, 연결)를 가지고도 인간보다 많은 정보를 저장하는 능력을 발휘한다. 그 이유는 "서로 다른 하드웨어에 정확히 동일한 신경망의 여러 복사본을 실행할 수 있기 때문"이다. 예를 들어, 하나의 복사본으로는 인터넷에 있는 A지식을 다른 하나의 복사본으로는 B지식을 학습한다. 그리고 두 복사본은 각자 자신의 가중치를 어떻게 변경할 지를 결정할 수 있다. 그리고 그 변화의 평균을 구한다면, 두 복사본 모두가 각자가 경험한 바를 학습했다고 할 수 있다. 이런 복사본이 수 천 개가 있는 셈이다. 그래서 사용자(우리)는 수 천 명의 전문가를 거느린 효과를 보는 것이다.

인공지능이 왜 인간의 창의성에 도움이 되느냐? LLM이 많은 양의 정보를 저장하려면 유사성을 기반으로 가중치를 공유해야 한다. 그래서 LLM은 유사성 검색을 잘한다. 이렇게 다양한 정보,지식들 속에서 LLM은 인간이 볼 수 없었던 많은 유사점을 빛의 속도로 찾아 주기 때문이다. 유사성 발견(유사성 연결)은 창조의 기반이다.

사회적 배경에 대한 내용은... Google AI Studio로 선행논문들 전체의 내용을 분석하게 하여, 내 논문의 사회적 배경 섹션(선행연구들이 시행된 이유와 배경-연구의 계기: 연구 대상이 갖는 문제를 제기해서 계기로 삼는다)을 작성하는 전략을 조언받는다.

나머지... 선행연구의 동향, 선행연구의 한계, 본 연구의 필요성과 목적은 2장(이론적 배경), 3장(선행연구) 작업을 한 후에 정리하여 쓴다.

https://harzing.com/resources/publish-or-perish

• 정의: 독립변수는 연구자가 조작하거나 선택하여 변화를 주는 변수입니다. 연구에서 이 변수의 변화가 종속변수에 어떤 영향을 미치는지 관찰합니다.

• 예시: 식물의 성장 속도를 연구할 때, 빛의 양을 독립변수로 설정할 수 있습니다. 이 경우, 다양한 빛의 양(많음, 적음)이 식물의 성장에 어떤 영향을 미치는지 관찰합니다.

종속변수

• 정의: 종속변수는 연구에서 측정하고자 하는 결과입니다. 이 변수는 독립변수의 변화에 따라 달라지며, 연구자는 이 변화를 관찰합니다.

• 예시: 위의 식물 성장 연구에서, 식물의 성장 속도나 높이가 종속변수가 됩니다. 빛의 양(독립변수)이 변할 때 식물의 성장 속도나 높이(종속변수)가 어떻게 변하는지 측정합니다.

매개변수

• 정의: 매개변수는 독립변수와 종속변수 사이의 관계를 설명하거나 영향을 전달하는 역할을 합니다. 매개변수는 독립변수의 영향을 종속변수에 전달하는 과정에서 중간 역할을 하는 변수입니다.

• 예시: 식물의 성장 연구에서, 토양의 종류를 매개변수로 고려할 수 있습니다. 토양의 종류는 빛의 양(독립변수)이 식물의 성장(종속변수)에 미치는 영향을 매개하는 역할을 할 수 있습니다. 즉, 토양의 종류에 따라 빛의 양이 식물 성장에 미치는 영향이 달라질 수 있습니다.

이 세 가지 변수를 이해하고 올바르게 구분하는 것은 연구의 설계와 분석에서 매우 중요합니다. 독립변수의 변화가 종속변수에 미치는 영향을 관찰하고, 매개변수가 이러한 관계에 어떻게 영향을 미치는지 파악하는 것이 연구의 핵심입니다.

연구 설계 방법 선택 : 연구 대상(사람, 사물), 연구 도구, 연구 방법(기법)

논문 작성법 구상 : 논문작성 구조 정하기(장, 절 - 목차 구성은 논문의 제목을 어떻게 풀어가는지를 세부적으로 보여주는 기능을 한다), 논문 세부 양식 맞추기

[추가 관련 동영상들]

논문 전체 구조에 대해서

https://www.youtube.com/watch?v=RDLMPfVImpI&t=3s

논문에서 글쓰기가 안되는 이유 - 연구의 논리적 흐름 만들기

https://www.youtube.com/watch?v=g5FvKkFveF4&t=2s

내 주장은 글이 아니라 논문 구조(흐름)로 펼친다

https://www.youtube.com/watch?v=oODK133pl7U&t=1s

"code interpreter를 활용한다, whl file 다운로드 후, 너의 가상 환경에 설치해줘, 한국어 사용 환경 설정해줘"

https://www.youtube.com/watch?v=aC_2n9VM8fo

원본 글이 "기본적이고, 깨끗하고 편안한 호텔이다. 단기 숙박으로는 나쁘지 않다. 모든 것과의 접근성이 좋다"였을 때, GPT는 온도 설정에 따라 다음과 같이 다른 텍스트를 생성했다.

낮은 온도(0.1)에서는 "저렴하면서도 깨끗하고 아늑한 숙소를 제공하는 호텔이다. 빠른 숙박에 적합하다. 편리한 위치 덕분에 모든 편의시설에 쉽게 접근할 수 있다"와 같이 원본에 충실한 표현을 생성했다. 중간 온도(0.7)에서는 "아늑하고 잘 관리된 호텔로 모든 필수 시설을 갖추고 있다. 짧은 휴가에 딱 좋다. 위치의 편리함이 큰 장점이다"처럼 좀 더 자연스러운 변형이 이루어졌다. 높은 온도(1.5)에서는 "이 부티크 호텔은 기대 이상이었다. 객실은 아늑했고 직원들도 친절했다. 도시를 둘러보기에 완벽한 위치였다. 짧은 여행을 위한 훌륭한 선택이다"와 같이 원본과는 상당히 다른, 더 창의적이고 열정적인 표현이 생성됐다.

구글 AI studio에서 온도 설정이 높아질수록 AI가 더 자유롭고 창의적인 표현을 생성하지만, 동시에 원본의 의도나 톤에서 더 멀어질 수 있음을 보여준다.

Top-p sampling은 '누적 확률' p를 기준으로 가변적인 토큰 수를 선택한다. 가장 높은 확률을 가지는 토큰부터 시작해, 확률 값의 합이 top-p로 설정한 값을 넘을 때까지 샘플링 풀에 토큰을 추가한다. 만약 p가 0.9이면, 확률 합계가 0.9를 넘으면 중단한다. 이 방식은 맥락에 더 적합한 결과를 얻을 때 사용한다. 과도하게 반복되거나 말이 되지 않는 텍스트 생성 위험 감소 효과도 낸다. 예를 들어 '나는 ___에 잠깐 다녀왔다'라는 문장을 챗GPT가 생성할 때 Top-p 값을 낮게(0.1) 설정하면 도서관, 집, 학교, 회사와 같이 정말 현실적인 후보('누적 확률' 10%) 중에서 무작위 선택해 문장을 완성한다. Top-p 값을 높게(0.95) 설정하면 누적 확률 95%에 '~에 다녀왔다'에 상응하는 단어 대부분이 후보로 들어가게 된다. 이렇게 되면 '달에 다녀왔다', '호그와트에 다녀왔다' 같이 현실적이지 않은 문장을 생성할 수도 있게 된다(환각현상, 아무 말 대잔치).

주의점) Top-p sampling(0 < p <= 1)은 확률 임계값을 너무 낮게 설정하면, 적은 확률을 가진 관련 없는 토큰이 샘플링에 포함되어 덜 일관된 출력을 생성할 수 있다.

https://github.com/Byaidu/PDFMathTranslate

1) 내 연구논문 작성에 가장 중요한 선행논문 2~3개를 선택한다.

2) 해당 선행논문들에서 주제, 문제, 해결방법, 한계를 정리하여 비교하게 한다. (파생주제 idea 찾기 단계에서 작업한 내용이 있으면, 그 내용을 프롬프트 창에 재입력해도 된다)

3) 앞서 추천받은 '파생 주제'에 대한 아이디어를 프롬프트 창에 재입력하고, '내 논문 주제와 문제를 좁히는 효과적인 방법들'을 참고하여 질문을 한다.

Google AI Studio를 사용하지 못하는 상황일 경우, 클로드, 챗GPT, 구글 제미나이 등의 LLM 모델을 사용하여 같은 방법으로 작업을 할 수 있다. (하지만, 해당 작업은 Google AI Studio가 가장 뛰어난 성능을 보인다)

스타일 점검

논리 흐름 점검

1. 코딩은 무엇을 위한 것인가?

코딩은 방대한 자료(예: 인터뷰 전사본, 관찰 기록, 문서, 영상 등)를 ‘주제나 범주별로 분류·정돈’하는 과정을 의미한다. 이를 통해 연구자는 자료 속에서 반복적으로 등장하는 패턴, 의미 단위, 핵심 개념을 찾고, 체계적으로 비교·종합할 수 있게 된다.

이처럼 코딩은 질적 연구에서 “조직화 및 범주화”를 위해 흔히 쓰이지만, 그 형식과 깊이는 방법론에 따라 매우 다를 수 있다.

2. 코딩을 강조하는 연구 vs. 그렇지 않은 연구

1) 코딩이 핵심인 연구

- 주제분석(Thematic Analysis), 내용분석(Content Analysis), 근거이론(Grounded Theory) 등

- 이런 접근법들은 대개 명시적인 코딩 단계(개방 코딩, 축 코딩, 선택 코딩 등)를 두고, 코드 간의 관계를 체계적으로 탐색함.

- 방대한 인터뷰 데이터나 텍스트를 다루는 상황에서, 코딩을 통해 분류, 빈도파악, 패턴 식별을 용이하게 함.

2) 코딩을 ‘형식적으로’ 강조하지 않는 연구

- 현상학적 연구(Phenomenology), 해석학적 연구(Hermeneutics), 담론분석(Discourse Analysis), 내러티브분석(Narrative Analysis) 등 일부 접근법

- 연구자가 텍스트를 반복적으로 읽고, ‘해석’이나 ‘의미 구성’을 중심에 두며, 굳이 ‘코딩’이라는 명시적 단계 없이 의미 단위(meaning unit)를 확인하고, 그 흐름이나 맥락을 해석해 나가는 방식

- 물론 이때도 자료를 분류하고 묶는 과정이 ‘이름(레이블)’을 부여하는 형태로 이뤄질 수 있지만, 이를 전통적 의미의 “코딩”이라 부르지 않을 때가 많음.

3. 질적 연구에서 코딩을 쓰지 않아도 되나?

- 연구 목적 및 방법론의 요구에 따라 다르다.

- 예를 들어, 해석학적(hermeneutic) 연구나 예술 기반 연구(arts-based research) 등에서는, 데이터(텍스트·이미지·작품 등)에 대한 심층적인 해석과 통합적인 서사가 핵심이므로, 정형화된 코딩 절차를 두지 않기도 한다.

- 내러티브 연구(Narrative Analysis)도 개인(또는 집단)의 이야기 구조, 스토리텔링 맥락, 이야기 전개 방식 등에 대한 정성적 해석이 주요 초점이라서, 전통적 코딩보다 이야기 흐름, 구성요소, 시간성을 중심으로 분석하는 경우도 많다.

결국, 질적 연구 전체가 코딩에 의존하는 것은 아니지만, 체계적인 범주화나 패턴 인식이 필요한 경우에는 코딩 기법이 매우 유용하고 대표적인 방식으로 자리 잡았다.

4. 코딩 대신(또는 병행) 다른 방법들은?

1) 의미 단위(Meaning Units) 추출 및 통합: 현상학적 접근에서 흔히 보이는 방식으로, 각 텍스트에서 ‘의미 단위’를 뽑아내고 이를 바탕으로 공통된 본질(essence)을 기술.

2) 서사/스토리 구조 분석: 내러티브 분석에서는 이야기의 시점, 인물, 갈등, 해결, 맥락 등을 중심으로 해석하는 접근을 취함.

3) 담론분석(Discourse Analysis) 기법: 언어가 사용되는 맥락, 권력 관계, 사회·문화적 상호작용을 중시하며, 특정 단어·구문의 빈도보다 맥락적·사회적 의미에 집중.

4) 비언어적 요소 분석: 영상, 제스처, 표정, 그림, 예술 작품 등을 분석할 때는, 전통적 텍스트 코딩만으로는 충분하지 않으므로 심미적·맥락적 해석이 우선될 수 있음.

이처럼 ‘코딩’이라는 용어를 사용하지 않고도, 다양한 해석·분석 방법이 존재하며, 연구자들이 이를 자신만의 분석 틀로 구성·운용하는 경우도 적지 않다.

논문을 작성하는 학생에게...

AI의 제1 역할은 '논문연구 지도교수'이다.

# 지도교수의 말을 받아 적은 내용들만으로 논문을 완성할 수 없듯이, AI가 응답한 내용들만으로 논문을 완성할 수 없다.

# AI지도교수의 도움을 잘 활용하는 연구자는 다음과 같이 행동한다.

* AI지도교수에게 자신의 생각을 '정확하게' 표현하는 노력을 한다.

* AI지도교수가 응답한 내용을 경청(꼼꼼히 읽고)하고 자신의 생각을 검토하고 발전시킨다.

* AI지도교수가 응답한 내용에서 '논문에 대한 영감'이나 '논문 연구에 필요한 정보나 지식'이나 '논문 속에서 해결해야 할 문제'에 대한 해법(방향, solution 등)에 대한 '힌트(clue)'를 얻는다.

* 위 3가지를 반복적으로 '선순환'하는 행위를 논문이 완료되는 때까지 계속 진행한다.

AI의 제2 역할은 '논문 글과 형식 작성 도우미'이다.

# 저자는 자기 글의 맞춤법, 문법, 형식 등을 '전문 편집인'에게 도움을 받을 수 있다. AI는 논문 글과 형식 작성의 훌륭한 도우미이다.

# 저자는 자기 글의 내용과 의미가 '독자'에게 잘 전달되기 위한 노력을 해야 한다.

* AI는 독자의 입장에서 논문 저자의 글을 읽고 평가하는 훌륭한 도우미이다. 논문 저자의 글이 읽기 쉬운 문체로 되어 있는지, 논문에서 말하고자 하는 내용과 의미를 충분하게 전달하는 '문장'과 '글쓰기'인지 등을 조언해 주는 훌륭한 도우미이다.

그래서, AI를 활용한 논문연구자는 AI와 협업하여 최종 결정한 영역들에 대한 대화 내용(자신의 생각들이 AI와 어떤 대화를 통해 최종 완료 되었는 지를 보여 주는 '핵심 대화 내용')과 AI와 협업한 과정(history) 중에서 자신의 논문연구와 완성에 결정적으로 기여한 대화 과정(논문의 어떤 부분에서 AI지도교수의 도움을 받았는지에 대한 history, 논문의 글과 형식에서도 어떤 도움을 받았는지에 대한 history)을 선별하여 '반드시' 인간 논문지도교수와 인간 논문심자자에게 제출해야 한다.

예를 들어...

1)반드시 첨부해야 할 '참고문헌(reference)'이 빠져있다.

2)있어 보이는 글처럼 보이지만, 대충 설명하고 넘어간다.

3)앞에서 언급하거나 설명하지 않은 것이 갑자기 튀어나온다.

4)논문에 사용한 측정 방법이나 도구에 대한 설명과 타당성 설명이 허술하다.

5)해당 논문이 속한 학문에서 사용하지 않는 용어를 느닷없이 사용한다.

6)이상한 표현이 문득문득 등장한다.

7)연구의 제한점(Limitaiton)을 서술할 때, 연구 초기에 이미 예측가능한 제한점이었던 것을 담는다. 이런 경우, 이미 연구 초기에 예상을 하고 해결했어야 한다.

8)실제적이지 않고, 연구자의 고민이 들어가 있지 않은 제안들을 한다.

9)논문의 형태를 갖추고, 근사한 말로 가득차 있지만, 논문 연구자의 목소리(voice)와 주장이 전혀 들어가 있지 않다.

반면, 논문을 쓰면서 모든 문장에 출처를 달 필요는 없습니다. 일반적으로 널리 알려진 사실이나 저자 자신의 연구로부터 나온 내용 등은 인용 없이 기술해도 무방합니다.

1. 일반 상식이나 확립된 사실

많은 사람들이 자유롭게 공유하는 지식(common knowledge)은 출처를 밝히지 않고 써도 표절이 아닙니다​. 예를 들어 역사적으로 명백한 사실(예: 한국의 광복 연도), 과학의 기초 원리(예: 물의 끓는 점) 등은 특별한 출처 표기 없이 사용해도 됩니다. 이러한 정보는 교과서나 백과사전에도 나올 정도로 널리 알려진 내용이기 때문에, 따로 근거를 달지 않아도 독자가 의문을 품지 않습니다. 다만, 해당 분야의 전문가들에 국한된 상식인지여부는 판단이 필요합니다. 만일 작성자가 받아들인 정보를 일반 지식으로 여길지 확신이 없다면, 출처를 명시하는 편이 안전합니다.

2. 연구자의 자체 결과나 분석 내용

저자가 새롭게 도출한 연구 결과나 분석은 자신만의 기여이므로, 이를 기술할 때는 따로 출처를 달 필요가 없습니다. 예를 들어 본인의 실험 결과, 설문조사 분석, 또는 고유한 해석 등은 참고문헌에 없는 원 데이터이기 때문에 인용 표시 없이 쓰는 것이 당연합니다. 오히려 자신의 결과에 출처를 달면 그것이 타인의 연구성과로 오해될 수 있으므로 주의해야 합니다. 다만, 자신의 결과를 논의하면서 타인의 이론이나 선행 연구와 연결시키는 경우에는 관련 문헌을 인용할 수 있습니다.

3. 필자의 논지 전개를 위한 문장 (논문 구조 안내 등)

논문의 전체 구성이나 진행을 안내하는 문장, 또는 서론에서 연구 목적을 진술하는 부분 등은 인용이 필요 없습니다. 예컨대 “본 연구의 목적은 ~을 규명하는 것이다”, “이 논문의 구성은 다음과 같다”와 같은 문장은 저자의 자체적인 서술이며, 참고문헌에 근거한 내용이 아닙니다. 이러한 문장은 독자에게 글의 흐름을 소개하기 위한 것이므로, 출처를 붙일 이유가 없습니다.

• 영감이 오는 포인트:

  • 영감은 항상 있는 것 같다고 느끼며, 매 순간이 영감의 소재가 될 수 있다.

  • 특히 절실함이 생길 때, 즉 스스로를 벼랑 끝에 세워 놓을 때 영감이 더 잘 온다.

  • 아주 현실적으로, 돈이 떨어지면 영감이 잘 온다.

  • 딴짓하다가 갑자기 영감이 오는 경우는 다 거짓말이며, 영감이 올 수 있는 환경을 만들어 놓고 몰입할 때 영감이 고양이처럼 찾아온다. 고양이가 오라 하면 안 오고 딴데 보고 있을 때 툭 치듯이, 힘을 빼고 집중했을 때 찾아오는 것 같다고 말한다.

  • 영감을 기다리는 것이 아니라 스스로 피아노 앞에 앉아 작업을 할 때 모아지경(몰입) 상태에서 테마가 오고 영감을 받을 수 있는 환경이 만들어진다.

    
    

• 창조 과정:

  • 작곡 과정은 막 술술 써지는 경우가 거의 없고, 어떤 모티브가 떠오르면 계산하고 놔뒀다가 다시 고치고 하면서 완성해 가는 것이다. 이러한 시간을 견뎌내는 것이 필요하다.

  • 작곡가로서 매 순간이 슬럼프라고 느낀다. 14,500곡을 썼다면 14,500번의 슬럼프를 겪은 것이나 마찬가지다.

  • 슬럼프를 해결하기 위한 여러 방법(술 마시기, 수다 떨기, 여행, 딴짓 등)이 있지만, 결국 슬럼프를 해결하는 방법은 다시 피아노 앞에 앉아 곡을 쓰는 것다.

  • 오랫동안 작곡을 하다 보니 이제는 슬럼프를 당연하게 여기고 편안해졌으며, 그 대신 순간 집중력은 더 강해졌다.

  • 창작 과정에서 스스로를 비워내는 것이 중요하다. 내 자신을 잊어먹고, 자신이 갖고 있는 편견이나 과거의 성과를 빨리 없애야만 스스로를 벼랑 끝에 세울 수 있다.

  • 불안감은 절실함과 통찰을 낳고, 상상력을 생기게 하는 중요한 양분이다. 자신의 컴플렉스를 도구화하여 나은 방향으로 사용하는 것이 중요하다.

  • 몰입할 때 다른 모든 것이 가벼워지며 쾌감이나 성취감을 느낀다.

  • 가수와의 작업에서는 음정이나 박자가 조금 틀려도 진심과 느낌이 중요하다고 생각하며, 이를 살리는 편이다. 요즘 음악에서는 완벽함 때문에 오히려 인간미나 아날로그 느낌이 부족한 점을 아쉬워한다.

  • 가수와 작업할 때 서로 의견이 부딪히며 가는 것이 오히려 좋다. 일방적으로 따르는 것보다 서로 다른 의견을 가지고 충돌하며 시너지를 낼 때 좋은 작품이 나온다고 생각하며, 이를 신뢰라고 표현한다.

    
    

• 창작의 결과 및 의미:

  • 저작권협회에 등록된 곡이 1000곡이 넘지만, 쓸 만한 곡은 몇 곡 안 된다.

  • 신경을 많이 써서 작업했는데 히트가 안 되는 경우와, 대충 썼는데 히트가 되는 경우 모두 겪었다. 특히 후자의 경우, 자신이 오롯하게 집중해서 쓴 곡이 아닌데 히트해서 현타가 오기도 한다.

  • 노력하지 않았는데 히트한 곡은 어쩌면 힘을 빼고 썼기 때문일 수도 있다. 많은 곡을 만들고 오랜 시간 고민했기 때문에 갑작스럽게 쓴 곡도 히트작이 나올 수 있다고 본다.

  • 결과물에 대해 자신 혼자 힘으로 했다는 생각은 들지 않는다. 들었던 음악, 대상, 다른 사람의 이야기 등 모든 것의 영향을 받기 때문에, 어찌 보면 계속 비워내는 것이 이 직업의 측면이라고 생각한다.

  • 성공보다는 성취감이 중요하다. 자신이 하는 일이 천성에 맞고 직업이 된 것이 큰 행운이라고 생각하며, 일을 통해 무언가를 이루고 그것으로 남들에게 선한 영향력을 미치는 과정에서 느끼는 희열이 대단하다.

https://us02web.zoom.us/rec/share/EG6o0h62-ll5HidXCrvacXmBwnZD0emnFfkSrx6lLqqnCd_oMF0rNuiRyWotqJE.QI3Y2h0FjtZJzWRE