[목 차]
서 문 4
Ⅰ. 연구란 무엇인가
1장. 연구의 이해
1.1 과학적 연구란 무엇인가? ··· 16
1.2 자료의 수준 ··· 20
1.3 연구의 분류 ··· 24
1.4 연구 과정과 논리 ··· 28
1.5 연구윤리와 IRB의 이해 ··· 32
1.6 좋은 연구의 조건 ··· 36
2장. 연구 설계
2.1 연구문제와 가설 설정 ··· 44
2.2 변인의 유형과 조작화 ··· 48
2.3 연구 설계의 유형 ··· 52
2.4 타당도와 신뢰도의 이해 ··· 58
2.5 설계 시 유의사항 ··· 61
Ⅱ. 양적자료 연구 설계
3장. 자료 수집
3.1 측정과 척도의 개념 ··· 68
3.2 설문조사의 설계 ··· 73
3.3 표집의 원리와 방법 ··· 78
3.4 자료 수집 과정의 오류와 편향 ··· 81
3.5 데이터 정제와 코딩 ··· 85
4장. 통계 분석
4.1 기술통계와 추론통계의 이해 ··· 90
4.2 가설검정과 유의확률 ··· 93
4.3 t검정, ANOVA, 카이제곱검정 ··· 96
4.4 상관분석과 회귀분석 ··· 99
4.5 통계 프로그램의 기초 ··· 102
5장. 모형 검증
5.1 회귀분석 및 확장 ··· 106
5.2 매개효과와 조절효과 분석 ··· 109
5.3 공변량 분석: 공변량 통제와 집단 간 차이 분석 ··· 113
5.4 요인설계 ··· 117
5.5 실습 예제: MO-ABC 모형 ··· 120
6장. 응용 모형 검증
6.1 매개된 조절분석(Mediated moderation) ··· 126
6.2 조절된 매개분석(Moderated Mediation) ··· 130
6.3 프로파일 분석(Cluster & Profile Analysis) ··· 134
6.4 탐색적 요인분석(Exploratory Factor Analysis, EFA) ··· 138
6.5 판별분석(Discriminant Analysis) ··· 142
7장. 구조방정식(SEM: Structural Equation Modeling)
7.1 구조방정식모형의 개요 ··· 148
7.2 측정모형과 구조모형의 구분 ··· 151
7.3 구조방정식모형의 적합도 평가 기준 ··· 155
7.4 AMOS 구조방정식 기본구조 ··· 160
7.5 구조방정식모형 사례 ··· 168
Ⅲ. 질적자료 연구 설계
8장. 질적 연구 접근
8.1 질적 연구의 개념과 의의 ··· 178
8.2 질적 연구의 철학적 배경 ··· 181
8.3 질적 연구의 절차와 설계 ··· 184
8.4 신뢰성과 타당도의 확보 ··· 188
8.5 질적 연구의 윤리적 고려사항 ··· 192
9장. 사례연구(Case Study)
9.1 사례연구의 개념과 철학적 배경 ··· 198
9.2 사례연구의 유형과 설계 전략 ··· 201
9.3 사례연구의 설계 및 수행 과정 ··· 204
9.4 사례연구의 자료 수집과 분석 전략 ··· 206
9.5 사례연구의 타당성과 일반화 전략 ··· 209
9.6 사례연구 보고의 전략과 서술 방식 ··· 212
9.7 사례연구에서 질적 엄밀성 확보를 위한 전략 ··· 215
10장. 현상학 연구(Phenomenological Research)
10.1 현상학 연구의 개념과 철학적 배경 ··· 218
10.2 현상학 연구의 주요 개념과 핵심 절차 ··· 221
10.3 현상학 연구의 참여자 선정과 자료 수집 방법 ··· 224
10.4 현상학 연구의 자료 분석과 주제 도출 절차 ··· 226
10.5 현상학 연구 결과의 기술과 본질적 구조 도출 ··· 229
10.6 현상학 연구에서의 윤리적 고려 ··· 231
11장. 근거이론 연구(Grounded Theory Research)
11.1 근거이론 연구의 개념과 의의 ··· 234
11.2 근거이론의 철학적 배경과 이론적 토대 ··· 236
11.3 근거이론의 핵심 개념 및 코딩 전략 ··· 239
11.4 근거이론에서의 연구자 역할과 윤리적 고려사항 ··· 242
11.5 근거이론 연구의 강점과 한계 ··· 245
12장. 문화기술지 연구(Ethnographic Research)
12.1 문화기술지의 개념과 철학적 기초 ··· 248
12.2 문화기술지 연구의 주요 유형과 접근방식 ··· 250
12.3 문화기술지의 주요 절차와 방법론 ··· 253
12.4 문화기술지의 절차와 윤리적 고려사항 ··· 256
13장. 비판 연구(Critical Research)
13.1 비판연구의 개념과 철학적 기초 ··· 260
13.2 비판연구의 방법론적 특성 ··· 262
13.3 담론분석과 비판적 담론연구 ··· 265
13.4 페미니즘 연구와 그 방법론적 전개 ··· 268
13.5 비판연구의 적용 사례와 시사점 ··· 274
14장. 실행연구(Action Research)
14.1 실행연구의 개념과 철학적 기반 ··· 278
14.2 실행연구의 유형과 발전 과정 ··· 281
14.3 실행연구의 절차와 반복적 순환 구조 ··· 284
14.4 실행연구의 장점과 한계 ··· 287
14.5 실행연구의 실제 적용 사례 ··· 290
Ⅳ. 응용연구는 무엇인가?
15장. 빅데이터 연구(Big Data Research)
15.1 빅데이터의 개념과 특성 ··· 296
15.2 빅데이터 분석의 방법론적 접근: TEVA 모형 ··· 301
15.3 텍스트 마이닝의 주요 절차 및 분석 기법 ··· 304
15.4 TEVA 모형을 활용한 빅데이터 연구 사례 ··· 307
15.5 빅데이터 연구의 윤리적 고려와 시사점 ··· 310
제16장. 융합연구(Convergence Research)
16.1 융합연구의 개념과 정의 ··· 314
16.2 필요성 및 다학제·학제간 연구와의 구분 ··· 317
16.3 융합연구의 실행 원칙과 혼합연구와의 관계 ··· 320
16.4 다양한 응용연구와의 결합 사례 ··· 323
16.5 융합연구의 미래 방향과 정책적 지원 ··· 326
참고문헌 ··· 330
[본 문]
1장 연구의 이해
• 연구목표
이 장에서는 과학적 연구의 정의와 철학적 기반을 이해하고, 실증주의와 자연주의라는 두 가지 대표적 연구 패러다임의 차이를 설명할 수 있도록 한다. 자료 수준의 구분과 연구의 다양한 유형을 이해하며, 연구 과정의 단계와 논리적 흐름을 체계적으로 습득한다. 또한 연구윤리와 IRB 제도의 필요성과 절차를 숙지하여 연구 수행 시 윤리적 책임을 인식한다. 마지막으로 좋은 연구의 조건을 파악하고 이를 실제 연구 설계와 실행에 적용할 수 있는 능력을 기른다.
• 연구요약
과학적 연구는 명확한 문제 제기, 이론적 배경, 체계적 방법, 객관적 해석이라는 네 가지 축을 중심으로 이루어진다. 실증주의는 객관적 실재와 측정 가능성을 전제로 하여 가설 검증과 일반화를 중시하며, 자연주의는 현실을 인간의 해석과 상호작용의 산물로 보고 참여자 관점의 질적 접근을 강조한다. 자료 수준은 명목, 서열, 등간, 비율 척도로 구분되며, 연구 설계와 분석 방법에 직접적인 영향을 준다. 연구 유형은 기초연구, 응용연구, 평가연구 등으로 나뉘고, 연구 과정은 주제 선정, 이론적 고찰, 설계, 자료 수집, 분석, 결론 도출의 단계로 구성된다. 연구윤리는 정직성과 객관성, 참여자 권리 보호를 핵심으로 하며, IRB 제도는 사전 심사를 통해 연구 참여자의 권리와 안전을 보장한다. 좋은 연구는 학문적 기여, 방법론적 타당성, 윤리 준수, 재현 가능성을 모두 충족해야 한다.
• 주요어
과학적 연구, 실증주의, 자연주의, 자료 수준, 연구 유형, 연구 과정, 연구윤리, IRB, 타당성, 재현 가능성
(p.15 중에서)
데이터 정제(data cleaning)와 코딩(coding)은 자료 수집 이후의 필수적인 전처리 과정으로서, 분석 가능한 형태로 데이터를 정리하고 오류를 최소화하는 데 중심적인 역할을 한다. 아무리 정교하게 설계된 설문조사나 실험이라 하더라도, 실제 수집된 자료에는 불완전한 응답, 오류 입력, 중복 사례 등의 문제들이 존재하기 마련이다. 이들 문제를 방치할 경우, 분석 결과는 왜곡되며 연구의 신뢰성과 타당성을 심각하게 저해할 수 있다(Groves et al., 2009).
데이터 정제는 일반적으로 이상치(outlier) 탐지, 결측값 처리, 논리적 불일치 확인, 중복 응답 제거 등의 절차를 포함한다. 예컨대, 응답자가 나이를 5세라고 응답했지만 직업란에 ‘교수’라고 기입했다면, 이는 논리적으로 불일치하는 응답으로 간주되어야 한다. 또한 동일한 IP 주소나 응답 시간이 비정상적으로 짧은 사례 등은 자동화된 기준을 통해 이상반응으로 분류할 수 있다(Hair et al., 2010).
(pp.85-86 중에서)
구조방정식모형(Structural Equation Modeling, SEM)은 사회과학과 행동과학을 포함한 다양한 분야에서 복잡한 변수 간 관계를 분석하기 위해 개발된 통계적 방법이다. 이 기법은 변수들 간의 인과적 구조를 동시에 분석할 수 있도록 설계되었으며, 특히 직접 측정이 어려운 잠재변수(latent variable)를 고려함으로써 기존의 회귀분석이나 분산분석 기법보다 높은 수준의 이론 검증력을 제공한다(Kline, 2016).
SEM은 크게 두 개의 하위 구성요소로 나뉘는데, 바로 측정모형(measurement model)과 구조모형(structural model)이다. 이 두 모형은 서로 분리되어 있으나 유기적으로 연결되어 있으며, 각각 다른 통계적 질문에 답한다.
측정모형은 “변수를 어떻게 측정하였는가?”에 대한 질문에 답한 다. 구체적으로, 이 모형은 관찰 가능한 지표(observed indicators)들이 이론적으로 상정된 잠재변수(latent construct)를 얼마나 잘 설명하고 있는지를 확인하는 데 초점을 둔다(Hair et al., 2014). 예를 들어 ‘학업스트레스’라는 추상적 개념을 직접 측정할 수는 없지만, “시험 부담”, “시간 부족”, “미래 불안” 등 여러 문항을 통해 이를 구성할 수 있다. 이러한 문항과 잠재개념 간의 관계를 수치적으로 검증하는 것이 바로 측정모형의 핵심이다.
(pp.151-152 중에서)
현상학 연구에서 자료 분석은 단순히 정보를 요약하거나 분류하는 것이 아니라, 참여자의 경험 속에 내재된 본질적 의미를 드러내기 위한 해석적 과정이다. 이 과정은 연구자의 철학적 태도와 해석적 민감성이 필수적으로 요구되며, 여러 분석 방법들이 존재하지만 공통적으로 다음의 절차를 포함한다.
첫째, 연구자는 수집된 자료를 반복적으로 읽으며 전체적인 의미의 윤곽을 파악한다. 이 단계에서는 자료에 몰입하여 경험의 배경과 정서를 이해하고, 참여자의 삶의 맥락을 전체적으로 조망하는 것이 중요하다. 이를 통해 개별 진술이 아닌, 전체적인 경험의 흐름 속에서 의미를 해석할 수 있는 기반이 마련된다.
둘째, 자료를 분석 가능한 단위로 나누는 과정인 의미 단위 분석이 이루어진다. 이는 참여자의 진술을 문장이나 단락 등 분석 가능한 단위로 나누고, 각 단위에서 핵심적인 의미를 추출하는 작업이다. Giorgi(2009)는 이를 통해 심리학적 언어로 의미를 재구성하고, 보다 보편적인 개념 틀로 정리할 것을 강조하였다.
(p.226 중에서)
최근 사회과학 및 정책 연구 분야에서는 빅데이터 분석 기법이 비정형 텍스트 자료에 대한 새로운 접근 방식을 제공하며 주목받고 있다. 특히 방대한 양의 질적 데이터를 구조화하고, 정량적으로 해석할 수 있는 혼합형 분석 도구로서의 TEVA(Text-based Extraction and Variance Analysis) 모형은 통계 분석과 질적 해석 간의 간극을 효과적으로 메우는 매개로 자리 잡아 가고 있다(Miles, Huberman, & Saldaña, 2014; Silverman, 2015).
TEVA는 개방형 텍스트 응답에서 핵심 키워드를 도출하고, 이를 수치화한 뒤 다양한 모수통계 기법—군집 분석, 요인 분석, 변량 분석 등—으로 확장해 적용할 수 있다는 점에서, 전통적 질적 연구나 단편적 워드 클라우드 방식의 한계를 극복할 수 있는 혁신적 분석 도구로 간주된다. 이러한 장점으로 인해 TEVA는 다양한 사회과학 연구에 점차 도입되고 있으며, 공공정책, 여론 분석, 조직 문화 탐색, 교육 행태 분석 등에서 데이터 기반 통찰을 제공하는 핵심 도구로 기능하고 있다.
(pp.307~308 중에서)
융합연구는 21세기 학문 발전의 중요한 동력으로 자리잡고 있으며, 앞으로도 과학기술과 사회 문제의 복잡성이 심화될수록 그 필요성은 더욱 높아질 것으로 전망된다. 특히, 인공지능과 빅데이터 분석, 생명공학, 환경과학, 사회과학의 융합은 새로운 패러다임을 형성하며, 혁신적인 연구 결과와 사회적 해법을 동시에 제공할 잠재력을 갖는다(Frodeman, 2017). 이러한 흐름 속에서 융합연구의 미래 방향을 설정하는 데 있어 가장 중요한 요소는 지속가능성과 개방성이라 할 수 있다.
지속가능성은 단순히 연구비의 지속적 확보를 넘어, 장기적인 연구 인프라 구축과 후속 세대 연구자의 육성을 포함한다. 이는 단발성 과제 수행이 아니라 지속적이고 체계적인 연구 네트워크를 유지함으로써 가능하다. 예를 들어, 유럽연합(EU)의 Horizon 프로그램은 장기적이고 다국적 협력체계를 바탕으로 융합연구를 촉진해 왔으며, 이를 통해 과학기술의 사회 환원성을 높이는 데 기여하였다(Bozeman & Boardman, 2014).
(p.326 중에서)
이 책을 읽고 어떤 느낌을 받으셨나요?
리뷰를 남기고 다른 독자들과 함께 공유해보세요.
안내 열기구매(배송/수령완료) 후 리뷰를 작성하시면 적립금 300원을 드려요!