Methods guide

연구방법론·연구 모형 가이드

지도학생 논문에서 실제로 쓰인 설계를 바탕으로, 변수 역할·가설·설문·분석·텍스트 마이닝·주요 도구까지 한 흐름으로 정리한 학습용 페이지입니다. 일반 방법론 설명은 교과서 수준의 공통 지식이며, 특정 학생 논문 서술은 공개된 논문 요약·연구모형 자료에 근거합니다. 개인정보·미공개 원자료·학번·연락처는 포함하지 않습니다. 라이선스·설치 정보는 각 도구 공식 페이지에서 확인된 범위만 적습니다.

01 · Variables

변수 역할 독립·매개·조절·종속·통제

양적 경로모형에서는 각 개념이 모형 안에서 맡은 역할이 분명해야 합니다. 역할은 통계 소프트웨어가 정해 주지 않고, 연구 질문·이론·가설이 정합니다. 아래 라벨은 본 사이트 연구모형 다이어그램과 동일한 색·용어를 씁니다.

독립변수

Independent (IV)

연구자가 원인·예측 요인으로 두는 변수입니다. 처치·자극·지각된 특성·이용 동기 등이 여기에 해당합니다. 한 가설 문장에는 보통 한 쌍의 IV–DV를 분명히 적습니다.

매개변수

Mediator

IV가 DV에 영향을 미치는 과정을 설명합니다. “왜·어떻게”에 답합니다. 간접효과(a·b 경로)를 Bootstrap 등으로 검증하는 경우가 많습니다.

조절변수

Moderator

경로의 강도·방향이 언제·누구에게 달라지는지를 나타냅니다. 상호작용 효과이며, 단순기울기·JN 등으로 해석합니다.

종속변수

Dependent (DV)

최종적으로 설명·예측하려는 결과 변수입니다. 의도·태도·행동·이용량 등이 흔합니다.

통제변수

Controls

관심 경로 외에 결과를 흔들 수 있어 통계적으로 고정하는 변수입니다. 가설의 “주인공”은 아니며, 보통 방법·결과에 기술합니다.

연구모형이란?

연구모형은 “어떤 변수가 어떤 순서로, 어떤 역할로 연결되는지”를 한눈에 보여 주는 설계도입니다. 설문·실험·텍스트 분석 모두, 최종 분석에 들어가기 전에 역할을 스케치해 두면 가설 문장·문항·도구 선택이 흔들리지 않습니다. 본 사이트는 공개된 지도학생 논문의 역할 정의를 색으로 고정해 보여 줍니다.

  • 경로형: IV → (Med) → DV, 필요 시 조절·통제. PROCESS·회귀·SEM에 대응.
  • 흐름형: 질적·비교·TM처럼 절차가 핵심일 때 단계(수집→전처리→분석→해석)로 표시.

미니 모형 ① — 매개 (IV → Med → DV)

가장 흔한 형태입니다. 예: 설득 전략 → 위험 인식 → 보호행동 의도. 직접경로(IV→DV)를 함께 두는 부분 매개와, 간접만 강조하는 설계를 구분하세요.

실제 논문 예: 후옌(PROCESS Model 4), 꾸옥, 장자함(긍정적 정서 매개).

미니 모형 ② — 조절이 있는 경로

조절변수는 보통 경로 “옆”에서 해당 화살표의 크기를 바꿉니다. 매개와 함께 넣으면 조절된 매개(조건부 간접효과)가 됩니다.

실제 논문 예: 후옌 — 설득 전략→위험 인식→보호행동 의도 매개 경로. 조절이 있는 학습용 데모는 아래 다이어그램을 참고하세요.

미니 모형 ③ — 통제변수

통제변수는 다이어그램 하단에 점선 박스로 모아 둡니다. 역할 라벨은 「통제변수」입니다. 인구통계·사전 경험·리터러시 등이 자주 등장합니다.

실제 논문 예: 후옌(한국어 능력·VP 경험·디지털 리터러시·성별·나이), 응옥(인구통계·AI 경험 등).

역할 점검 체크리스트

  • 연구 질문을 한 문장으로 쓸 때, 원인 쪽과 결과 쪽이 구분되는가?
  • 매개는 “과정”, 조절은 “조건”으로 이론 문장이 성립하는가?
  • 같은 개념이 다른 논문에서는 IV/Med로 쓰일 수 있음을 이해했는가?
  • 통제변수를 가설 번호에 억지로 넣지 않았는가?
  • 다이어그램의 화살표 수와 가설 수가 대체로 대응되는가?
역할은 이론·가설이 정합니다. 사이트 다이어그램의 역할 표기는 각 논문 출처의 역할 정의를 따릅니다. 투고용 흑백 그림에서는 패턴·라벨로 역할을 구분하면 됩니다.

서술 예시: 「본 연구의 독립변수는 …이며, 매개변수는 …, 종속변수는 …이다. 인구통계 및 …를 통제변수로 투입하였다.」

역할이 바뀌는 경우

같은 “신뢰” 개념이라도 한 연구에서는 매개(과정을 설명), 다른 연구에서는 종속(결과로 측정)이 될 수 있습니다. 후옌·꾸옥처럼 매개로 두는 경우와 닷처럼 종속(결과)으로 두는 경우가 갈립니다. 중요한 것은 용어의 사전적 의미가 아니라, 그 논문의 가설 문장에서 맡은 자리입니다.

조절과 매개를 한 모형에 같이 둘 때는 “과정(매개)”과 “조건(조절)”을 문장으로 구분해 지도·심사 때 혼동을 줄입니다. PROCESS의 조절된 매개 모델(예: 7·8·14)은 이 구분이 템플릿으로 준비되어 있습니다.

다이어그램 읽는 법

본 사이트 색 약속: 독립(네이비), 매개(틸), 종속(블루), 조절(앰버), 통제(점선 그레이). 모바일에서는 경로 모형이 가로 스크롤됩니다. 범례에는 해당 모형에 실제로 있는 역할만 표시됩니다.

학습용 미니 모형은 학생 논문의 역할을 단순화한 것이며, 원문 가설·경로와 1:1로 같지 않을 수 있습니다. 정확한 경로는 지도학생 논문 카드의 연구모형을 확인하세요.

작성 템플릿 (방법 절)

「본 연구의 독립변수는 [개념]이며 [조작적 정의]. 매개변수는 [개념]으로, [이론]에 따라 IV와 DV를 잇는 과정으로 설정하였다. 종속변수는 [개념]이다. [조절]은 [경로]의 조건을 조절하는 변수로 두었다. [인구통계·경험 등]은 통제변수로 투입하였다.」

역할 정의를 서론·이론에서 이미 했다면 방법에서는 측정과 연결만 짧게 반복합니다. 다이어그램 캡션에도 “실선=가설 경로, 점선=통제”처럼 읽기 규칙을 한 줄 넣으면 좋습니다.

역할 라벨을 논문에 쓰는 요령

방법 절 첫 문단에 역할을 한 번에 밝히면 이후 가설·표가 읽기 쉬워집니다. 「독립변수는 ○○, 매개변수는 ○○, 종속변수는 ○○이며, ○○을 통제하였다」처럼 짧게 고정하세요. 다이어그램과 본문의 용어가 어긋나면 심사에서 혼동이 생깁니다. 본 사이트 미니 모형은 학습용 단순화이므로, 제출 시에는 원문 가설·경로와 대조하세요.

역할 표기 점검: 독립·매개·종속·통제·조절이 가설 번호와 1:1로 대응하는지, 다이어그램 라벨과 본문 용어가 동일한지, 역인과·허위상관이 아닌지를 제출 전에 스스로 체크하세요.

02 · Hypotheses

가설 세우기

가설은 “변수 A가 커지면 변수 B가 …”처럼 검증 가능한 문장입니다. 경로모형에서는 보통 화살표 하나(또는 조절·매개 묶음)가 가설 하나에 대응합니다. 이론으로 정당화되지 않은 화살표를 늘리기보다, 핵심 경로를 분명히 하는 편이 낫습니다.

  • 직접효과: IV → DV (예: 숏폼 특성 → 행동의도).
  • 매개효과: IV → Med → DV (간접경로가 유의한지).
  • 조절효과: 경로가 조절변수 수준에 따라 달라지는지.
  • 방향: (+)·(−)를 이론에 맞게 미리 밝힙니다.
  • 하위 가설: 다차원 IV면 H1a–d처럼 쪼갤 수 있습니다(장자함 예).
좋은 가설피해야 할 예
지각된 유용성이 높을수록 이용 만족도가 정(+)으로 높아질 것이다.유용성과 만족도는 관련이 있을 것이다.(방향·역할 모호)
위험 인식은 위협 단서와 보호의도 사이를 매개할 것이다.여러 변수가 서로 영향을 줄 것이다.(경로 불명)
사회적 영향이 클수록 자극→공감 경로가 강화될 것이다.조절·매개를 한 문장에 섞어 검증 단위가 안 보이는 경우

가설 수를 정하는 요령

모형에 그린 검증 가능한 경로 수에 맞춥니다. 탐색적 연구문제(RQ)로 남길 경로와 확증 가설을 구분해 두면 서술도 명확해집니다. SEM에서도 “모든 가능한 화살표”를 가설화할 필요는 없습니다.

가설 작성 체크리스트

  • 각 가설에 IV/Med/DV(또는 조절)가 명시되는가?
  • 방향(+) (−)를 이론으로 말할 수 있는가? 어렵다면 RQ로 둘 것인가?
  • 한 가설이 한 번에 너무 많은 경로를 주장하지 않는가?
  • 측정 문항 없이도 성립하는 “추상 문장”만 남지 않았는가?

서술 예시: 「H1: …는 …에 정(+)의 영향을 미칠 것이다. H2: …는 …를 매개하여 …에 영향을 미칠 것이다.」

방향·기호·기각

이론으로 효과의 방향을 예측할 수 있으면 (+)·(−)를 가설에 밝히면 독자와 심사자가 채택·기각 기준을 명확히 읽습니다. 방향이 불분명하면 연구문제로 두고 결과 논의에서 해석하는 전략도 가능하나, 학위논문에서는 가능한 한 방향 있는 가설을 권장하는 경우가 많습니다.

결과가 가설과 반대이거나 비유의면, “실패”가 아니라 이론·측정·맥락을 재검토하는 논의의 재료입니다. 기각된 가설도 표와 본문에 정직하게 남깁니다.

매개·조절 가설 문장 템플릿

  • 매개: 「A는 B를 통해 C에 영향을 미칠 것이다(간접효과).」
  • 조절: 「D의 수준에 따라 A→B 경로의 강도가 달라질 것이다.」
  • 조절된 매개: 「D에 따라 A→M→C 간접효과가 달라질 것이다.」

본 랩에서는 후옌·꾸옥처럼 단순 매개 가설, 응웬처럼 직렬 매개, 장자함처럼 하위 가설(H1a–d) 분절이 등장합니다. 가설 번호와 다이어그램 라벨(H1…)을 맞추면 결과 장 작성이 수월합니다. 탐색·비교형 텍스트 마이닝은 위만처럼 RQ·기대(E) 중심일 수 있습니다.

가설·RQ 혼용

탐색이 큰 장은 RQ로, 이론이 뚜렷한 경로는 H로 나눌 수 있습니다. 텍스트 마이닝 비교 연구는 RQ 중심인 경우가 많고, 설문 경로모형은 H 중심인 경우가 많습니다. 혼용할 때는 “RQ1은 탐색, H1–H3은 확증”처럼 역할을 본문에 밝히세요.

03 · Survey

설문 설계·측정

설문은 개념을 조작적 정의(문항)로 바꾼 측정 도구입니다. 가능하면 신뢰도·타당도가 보고된 기존 척도를 우선 검토하고, 번역 연구에서는 번역·역번역·파일럿을 방법에 남깁니다.

절차 개요

  1. 개념 정의 → 문항 풀(또는 기존 척도 선정)
  2. 응답 형식(리커트 등)·동의문·소요시간 설계
  3. 파일럿으로 이해도·신뢰도 점검
  4. 본조사 배포(Google Forms·Qualtrics 등)
  5. 유효 응답 기준·결측·불성실 응답 규칙 기록
  6. SPSS/jamovi 등으로 신뢰도·EFA 후 가설 검정

표본·표집

편의표집이 많아도, 모집단·포함 기준·모집 경로·수집 기간을 분명히 적습니다. 공개된 유효 표본 예: 후옌 150, 닷 194, 응웬·응옥 200, 보누 250, 꾸인 252, 장자함 503 등(각 논문 요약 기준). “몇 명이면 무조건 충분”은 없습니다.

측정 품질

  • 신뢰도: Cronbach’s α 등, 구성개념별 보고
  • 타당도: EFA/CFA, 판별·수렴(SEM·PLS 시 HTMT 등)
  • 조작 점검: 실험·시나리오면 조작이 먹혔는지 확인

설문 체크리스트

  • 동의·철회·익명 처리 안내가 있는가?
  • 문항 출처(또는 개발 절차)가 방법에 있는가?
  • 다국어 설문의 번역 절차가 적혀 있는가?(꾸인: 한·영·베트남어)
  • 유효 응답 정의(완주·시간·주의문항)가 있는가?

수집 예: 아누진·우엔·민트 구글폼. 도구 상세는 주요 도구의 Google Forms·Qualtrics·SPSS를 보세요.

서술 예시: 「기존 ○○ 척도를 연구 맥락에 맞게 수정·번역하였으며, 파일럿 후 본조사에서 유효 ○○부를 분석에 사용하였다.」

문항·척도 실무

리커트 척도(예: 1–5, 1–7)를 쓸 때는 양극 라벨·중간점 의미를 응답자에게 명확히 합니다. 구성개념당 문항 수를 너무 줄이면 신뢰도가 불안정해질 수 있고, 너무 늘리면 탈락이 늘어납니다. 역문항이 있으면 코딩 방향을 방법에 적으세요.

시나리오·자극 노출 후 설문(후옌·응웬·응옥 등)에서는 자극 제시 순서, 조작 점검 문항, 집단 배정(해당 시)을 방법의 핵심으로 둡니다. “설문만”이어도 내적 타당도 논의가 필요합니다.

데이터 관리

원자료에는 학번·연락처·식별 가능한 개방형을 남기지 않도록 수집 단계에서 최소화합니다. 공개 사이트·논문에는 집계·비식별 결과만 올립니다. 시트보내기 후 SPSS/R로 옮길 때 변수명·값 라벨·결측 코드를 통일하세요.

다국어 설문은 언어별 응답 수, 번역 책임·검토 절차를 짧게라도 적습니다. 꾸인 연구는 한·영·베트남어 설문을 사용한 사례입니다(공개 요약).

파일럿과 본조사

파일럿에서 이해되지 않는 문항·소요시간·탈락 구간을 고칩니다. 본조사 URL·기간·모집 채널(커뮤니티·강의·SNS)을 방법에 적습니다. 유료 패널을 쓰면 패널사·스크리닝 기준을 남깁니다. 유효 응답만 분석에 넣고, 제외 사유별 건수를 표로 보여 주면 투명합니다.

척도 출처와 번역

기존 척도를 쓰면 원저자·연도·문항 수를 방법에 남기고, 맥락 수정 여부를 밝힙니다. 번역 설문은 번역자·검토·파일럿 반응을 짧게 적습니다. 리커트 양극 라벨과 중간점 의미를 응답자에게 통일해 제시하세요.

온라인 설문은 중복·봇·초단시간 응답을 걸러낸 규칙을 방법에 남깁니다. 유효 표본과 회수 부수를 함께 적으면 탈락률을 투명히 보고할 수 있습니다.

04 · Analysis

분석법 가이드

분석법은 “모형이 묻는 질문”에 맞춥니다. 관측변수·단일 DV면 회귀, 잠재변수·다경로면 SEM, 매개·조절 템플릿이면 PROCESS, 예측·복합구성이면 PLS-SEM을 검토합니다.

상황후보랩 메모
관측변수·다중/위계 회귀SPSS / jamovi닷·응옥·아누진 등
단순·직렬 매개·조절PROCESS후옌·꾸옥(Model 4), 응웬(Model 6)
CB-SEM·CFAAMOS / R+lavaan장자함·꾸인 등
PLS-SEMSmartPLS목적·가정 명시 필요
결과 그래프·피팅OriginPro 등시각화 단계

회귀 vs SEM

회귀는 해석이 직관적이고 표본·가정이 상대적으로 단순합니다. SEM은 측정오차·다경로를 동시에 다루지만 표본·식별·적합도 보고 부담이 큽니다. “SEM이 더 고급”이라서 고르기보다, 측정모형이 필요한지로 고르세요.

매개·Bootstrap

간접효과의 표집분포는 정규를 가정하기 어려울 수 있어 Bootstrap CI가 표준입니다. 모델 번호(PROCESS)·부트스트랩 횟수·점추정·a·b 경로를 함께 보고합니다. 장자함은 Bootstrap 5,000회를 보고한 바 있습니다(공개 요약).

자주 하는 실수

  • 적합도만 맞추고 이론 경로를 무시
  • 매개·조절 용어를 바꿔 쓰기
  • 출력표를 해석 없이 붙여 넣기
  • 결측·제외 규칙을 방법에 안 적기

분석 보고 체크리스트

  • 사용 도구·버전, 추정법, 유의수준이 명시되는가?
  • 신뢰도·타당도 → 가설 검정 순서가 보이는가?
  • 간접효과에 CI가 있는가?
  • 기각·채택이 가설 번호와 표에서 대응되는가?

서술 예시: 「IBM SPSS Statistics로 기술통계·신뢰도를 확인한 뒤, Hayes PROCESS Model 4로 Bootstrap 5,000회 간접효과를 추정하였다.」

분석 선택 트리 (요약)

  1. 잠재변수가 핵심인가? → 예: CFA/SEM(AMOS·lavaan) 또는 PLS(SmartPLS) / 아니오: 회귀·PROCESS
  2. 질문이 매개·조절인가? → PROCESS 모델 번호 확인
  3. 예측·탐색적 구성개념 강조인가? → PLS 검토(가정·보고 기준이 CB-SEM과 다름)
  4. 결과 시각화가 출판 수준이어야 하는가? → OriginPro 등 그래프 도구

보고에 넣을 최소 항목

기술통계(평균·SD·상관), 신뢰도, (해당 시) 요인·적합도, 가설 경로계수, 간접효과 CI, 효과크기 해석. 표 번호와 가설 번호를 교차 참조하세요. 그래프는 축 제목·단위·주석을 읽고 바로 이해되게 만듭니다.

jamovi는 공식 사이트 기준 Desktop이 무료 오픈소스이며 SPSS 대안 교육·예비분석에 쓸 수 있습니다. R+lavaan은 스크립트 재현에 유리합니다. 상용 도구(SPSS·AMOS·SmartPLS·OriginPro)는 기관 라이선스를 확인하세요.

효과크기와 실질적 의미

p값만으로 “중요하다”고 쓰지 말고, 경로계수·간접효과 크기·신뢰구간을 해석합니다. 표본이 크면 작은 효과도 유의할 수 있습니다. 논의에서는 이론적 의미와 실무적 함의를 구분하세요.

소프트웨어별 빠른 메모

  • SPSS: 기술통계·회귀·신뢰도 — 랩에서 가장 흔함.
  • PROCESS: 매개·조절 템플릿 — 후옌·꾸옥·응웬·장자함·아잉 등.
  • AMOS: CB-SEM — 장자함·꾸인 등.
  • jamovi / R+lavaan: 무료·재현 후보.
  • SmartPLS: PLS-SEM 상용.
  • OriginPro: 그래프·피팅·시각화(OriginLab).

재현을 위한 최소 기록

소프트웨어 이름·버전, 추정법, Bootstrap 횟수, 유의수준, 제외 규칙을 한 단락에 모읍니다. 같은 데이터를 다른 도구로 재분석할 때 이 정보가 출발점이 됩니다. 그래프는 OriginPro 등으로 다듬더라도 수치의 출처 표와 연결하세요.

다중공선성(VIF), 잔차, 적합도(CFI·TLI·RMSEA 등)를 보고할 때는 채택 기준과 함께 제시합니다. 기각된 가설도 수치와 함께 남겨 과대한 해석을 막습니다.

05 · Text mining

텍스트 마이닝 챕터 랩 실무

텍스트 마이닝(TM)은 이미 존재하는 발화(댓글·리뷰·뉴스 등)를 수집·전처리·요약·비교합니다. 설문이 “연구자가 만든 문항에 대한 응답”이라면, TM은 “현장에서 남은 말”을 다룹니다. 본 랩의 투짱·트엉·느꾸잉·위만 논문이 전형적입니다.

표준 절차

  1. 선정: 공식 채널·예고편·숏폼 등 콘텐츠 범위와 제외 기준
  2. 수집: YouTube Data API, TEXTOM, BigKinds 등 — 검색식·기간·할당량·약관 기록
  3. 전처리: 정제, 형태소(KoNLPy 등), 불용어, 언어 분리, 비식별
  4. 분석: 키워드, 감정(극성/다범주), 토픽(선택), 공출현 네트워크
  5. 비교·해석: 언어·막·유형별 차이, 한계(봇·이벤트 편향)
  6. 윤리: 공개 데이터라도 식별정보 제거·최소 필요 원칙

설문과의 차이

TM은 표본이 “응답자”가 아니라 “문서·댓글”인 경우가 많습니다. 일반화 주장은 플랫폼·기간·선정 편향을 논의에 밝히세요. 가설형 검정보다 RQ·비교 틀이 중심이 되기도 합니다.

도구 메모

  • TEXTOM: 트엉 — 전처리 후 키워드·공출현·군집
  • YouTube API: 투짱 — 한·영 댓글 비교; 위만 — 원본·재개봉 예고편 댓글
  • GoEmotions / EmoFEAT: 느꾸잉 — 다범주 감정·공출현; 위만 — YouTube·X 34,553건·이중 분류기
  • X API full-archive: 위만 — 재개봉 담론 복제 표본
  • KoNLPy: 한국어 토큰화 후보
  • Gephi / UCINET: 네트워크 시각화·지표
  • BigKinds / GDELT: 뉴스·글로벌 이벤트

TM 체크리스트

  • 수집 시점·URL·필드·필터가 재현 가능하게 적혔는가?
  • 언어별 분석기를 섞어 한 번에 토큰화하지 않았는가?
  • 감정·토픽 도구의 언어·도메인 한계를 논의에 썼는가?
  • 네트워크 엣지 정의·임계값·중심성 지표가 명시되는가?
  • 아이디·실명·연락처를 제거했는가?
Text Lab. 911 플랫폼은 탐색·보조로 언급할 수 있으나, 논문의 재현 가능성은 최종 결과에 실제로 사용한 도구·파라미터·데이터 범위에 달렸습니다.

서술 예시: 「○○ 기간 공식 유튜브 댓글을 API로 수집·전처리한 뒤, 키워드·감정·공출현 네트워크를 비교하였다.」

키워드·감정·토픽

키워드 빈도는 입문이지만, 연구 질문에 “무엇이 자주 말해지는가”만으로 충분할 때도 있습니다. 감정 분석은 극성(긍정/부정)과 다범주(분노·기쁨 등)를 구분하고, 사용한 사전·모델·언어를 명시합니다. 느꾸잉은 GoEmotions 기반 다범주 감정 후 공출현 네트워크를 구성했습니다.

LDA 등 토픽 모델링은 필수가 아닙니다. 주제 구조가 질문에 필요할 때 선택하고, 토픽 수·시드·해석 가능성을 보고합니다. 키워드·네트워크만으로도 투짱·트엉형 비교 연구는 충분할 수 있습니다.

네트워크 분석

단어(또는 감정) 공출현 네트워크는 “함께 자주 나타나는 말의 무리”를 보여 줍니다. 엣지 정의(창 크기·가중치·이진화 임계값), 중심성, 군집 알고리즘을 방법에 남기세요. 시각화는 Gephi, 지표 산출은 UCINET 등 — 역할을 나눠 보고해도 됩니다. 그림만 넣고 해석이 없으면 설득력이 떨어집니다.

다국어·비교 설계

한·영을 한 번에 토큰화하기보다 언어 식별 후 분리 분석하거나, 동일 절차를 언어별로 반복해 차이를 해석하는 편이 안전합니다. 투짱은 Netflix 예고편 댓글의 국내외 반응 비교를 위해 한·영을 나눠 키워드·감정·네트워크·군집을 비교합니다(공개 요약).

뉴스·트렌드 보조

국내 뉴스 코퍼스는 BigKinds, 국제 이벤트·톤은 GDELT, 국내 검색 관심도는 네이버 데이터랩을 보조로 쓸 수 있습니다. 상대 지수·미디어 보도를 곧 여론·사실로 단정하지 마세요. 문헌 지도는 VOSviewer로 공저·키워드 맵을 그릴 수 있습니다.

윤리·재현

공개 댓글이라도 플랫폼 약관·연구윤리·최소 필요 원칙을 따릅니다. 핸들·실명·연락처는 삭제합니다. 공격·민감 표현은 익명화·요약 인용으로 처리하세요. 재현을 위해 수집 쿼리, 전처리 스크립트/도구 버전, 난수 시드(해당 시)를 남깁니다.

트엉 논문은 공식 채널 댓글 10,704개를 Textom 전처리 후 키워드·공출현·군집으로 보고합니다. 투짱은 YouTube API 수집을 방법에 명시합니다. 각 사례의 세부 경로는 논문 카드를 확인하세요.

수집 설계 상세

수집 전에 “무엇을 문서로 볼 것인가”를 정합니다. 한 영상=한 문서인지, 댓글 하나=한 문서인지에 따라 빈도·네트워크 의미가 달라집니다. 기간을 시즌·공개일·이벤트에 맞추고, 삭제·비공개·봇 의심 계정 처리 규칙을 미리 둡니다. API 할당량·페이지네이션·에러 재시도도 방법에 짧게 적으면 재현에 도움이 됩니다.

전처리 파이프라인

일반적인 순서: 인코딩 통일 → URL·이모지·특수문자 처리 방침 → 중복 제거 → 언어 식별 → 토큰화/형태소 → 불용어·최소 빈도 → (선택) 표제어·동의어 병합. 한국어는 조사·어미 때문에 형태소 분석이 중요하고, 영어는 소문자화·어간/표제어가 흔합니다. 감정·네트워크에 쓰기 전에 “분석 단위”를 고정하세요.

TEXTOM처럼 웹 서비스로 전처리·키워드를 뽑는 경우에도, 사용한 메뉴·옵션·날짜를 캡처해 두면 지도교수 검토와 수정이 쉽습니다. 스크립트(Python+KoNLPy)로 돌리는 경우 requirements·버전을 남깁니다.

해석과 한계 쓰기

빈도 상위어가 “주제의 전부”는 아닙니다. 부정 맥락의 고빈도 단어도 있습니다. 네트워크 허브 단어는 연결이 많을 뿐 “가장 중요”와 동일하지 않을 수 있습니다. 플랫폼 알고리즘·이벤트·팬덤 활동이 표본을 왜곡할 수 있음을 논의에 명시하세요. 설문 결과와 TM을 섞어 인과를 단정하지 않습니다.

시각화로 마무리

워드클라우드만으로 끝내지 말고, 비교표·시계열·네트워크 레이아웃·군집 결과를 연구 질문에 맞게 고릅니다. 논문용 고해상도 그림이 필요하면 Gephi export 후 OriginPro·벡터 편집으로 다듬는 조합도 가능합니다(도구 장·조합 흐름 참고). 캡션에 데이터 범위·임계값·레이아웃 알고리즘을 적습니다.

절차 흐름 미니 모형

아래 데모는 TM 논문에서 흔한 “수집→전처리→분석→비교” 흐름형입니다. 경로형(IV–DV)과 달리 화살표는 시간·작업 순서입니다.

랩 사례로 보는 TM 설계

투짱: Netflix 예고편 유튜브 댓글을 API로 모아 한·영을 비교합니다. 키워드·감정·공출현 네트워크·군집으로 “국내외 반응이 어떻게 다른가”에 답하는 RQ형 설계입니다. 설문 경로모형이 아니라 비교·기술 중심입니다.

트엉: 공식 채널 댓글을 TEXTOM으로 전처리한 뒤 키워드·공출현·군집을 보고합니다. 도구 장에 TEXTOM 카드와 논문 앵커를 연결해 두었습니다.

느꾸잉: GoEmotions로 다범주 감정을 추정한 뒤 감정 간 공출현 네트워크를 구성합니다. “극성만”이 아니라 감정 범주 구조가 질문에 필요할 때의 예입니다.

위만(논문 카드): Behavioral Sciences 투고 원고. 고전 영화 12편의 재개봉 발표 전·후 담론을 YouTube 댓글과 X 게시물에서 비교한다(총 34,553건). EmoFEAT GoEmotions 분류기 두 종으로 감정을 점수화하고, 영화 대응 Wilcoxon·혼합효과·감정/어휘 공출현 네트워크(QAP)·어휘 특징어·인간 코딩 타당화를 쓴다. 이론 기대는 대상 지향 정조 유지(E1), 예기 감정 추가(E2), 내용 반응 감정 후퇴(E3)이며 RQ1–RQ4로 묻는다. 설문 SEM이 아니라 플랫폼 담론의 기간·플랫폼 비교형 TM이다.

설문+TM 혼합

같은 주제라도 설문(의도·태도)과 TM(담론)을 한 논문에 넣을 때는 연구 질문을 분리하세요. TM으로 가설의 인과를 “증명”했다고 쓰지 말고, 담론 맥락·보완 증거로 위치 짓습니다. 표본·단위·편향이 다르기 때문입니다.

도구 조합 (TM → 시각화)

수집(BigKinds·API·TEXTOM) → 전처리(KoNLPy·TEXTOM) → 지표·네트워크(UCINET·Gephi·VOSviewer) → 출판용 그림(Gephi export / OriginPro / Graphviz). 자세한 표는 주요 도구 비교표와 조합 흐름을 보세요.

제출 전 TM 점검

  • 방법에 데이터 범위·수집일·도구·파라미터가 있는가?
  • 결과에 상위어·지표만 나열하고 해석이 없는가?
  • 그림 해상도·한글 깨짐·범례 누락이 없는가?
  • 개인정보·혐오 표현 인용 처리가 안전한가?
  • 한계(플랫폼·기간·언어 모델)를 논의에 썼는가?

수집·전처리 로그 템플릿

「수집일: ○○ / 채널·URL: ○○ / 기간: ○○ / 언어: ○○ / 원시 건수: ○○ / 제외 규칙: ○○ / 최종 분석 단위: ○○ / 도구·버전: ○○」. 이 한 줄을 방법에 넣으면 재현과 지도 피드백이 빨라집니다. API 할당량·약관·비식별 처리도 같은 단락에 적습니다.

결과 서술 순서

① 데이터 범위 요약 → ② 상위 키워드·빈도 → ③ 감정·토픽(해당 시) → ④ 네트워크·군집 해석 → ⑤ 비교(언어·막·유형) → ⑥ 한계. 표를 먼저 두고 해석을 붙이면 심사자가 따라가기 쉽습니다. 워드클라우드만으로 결론을 단정하지 마세요.

감정·네트워크 해석 주의

사전·모델의 언어·도메인 한계를 논의에 명시합니다. 공출현 허브는 “중요 주제”가 아니라 “함께 자주 나타나는 말”일 수 있습니다. 임계값·레이아웃·중심성 지표를 캡션에 남기세요. 설문 인과와 TM 담론을 혼동하지 않습니다.

랩 사례 앵커

투짱(한·영 예고편 댓글), 트엉(공식 댓글 10,704·Textom), 느꾸잉(GoEmotions·감정 네트워크), 위만(YouTube·X 재개봉 담론·EmoFEAT GoEmotions·QAP)처럼 도구·자료 범위를 방법에 명시한 사례를 참고하세요. 세부 수치는 각 논문 카드를 확인합니다.

언어권 비교 설계

한·영 댓글을 나란히 볼 때는 수집 시점·영상·채널을 맞춘 뒤, 전처리를 언어별로 분리합니다. 형태소·토큰 정의가 다르므로 단순 빈도 비교만으로 “어느 쪽이 더 ○○하다”고 단정하지 말고, 상위 키워드·감정 비율·네트워크 허브를 함께 제시하세요.

윤리·약관

공개 댓글이라도 이용약관·저작권·개인 식별 가능 정보를 확인합니다. 인용 시 과도한 원문 복제를 피하고, 아이디·연락처는 마스킹합니다. 연구 목적·보관 기간을 방법에 한 문장으로 적습니다.

시각화와 보고

워드클라우드는 보조 자료입니다. 핵심 근거는 빈도표·중심성 표·군집 요약이어야 합니다. 색·레이아웃만으로 의미가 바뀌지 않도록 동일 임계값·동일 알고리즘을 캡션에 고정하세요. OriginPro·Gephi 등에서보낸 그림도 원자료 표와 연결합니다.

전처리 체크리스트(요약)

  • 중복·봇·광고성 댓글 제외 기준을 명시한다.
  • 이모지·해시태그·멘션 처리 규칙을 통일한다.
  • 불용어·사용자 사전(고유명사·작품명)을 버전과 함께 남긴다.
  • 형태소/토큰 단위와 분석 단위(문장·댓글·문서)를 구분한다.
  • 최종 코퍼스 크기(건수·토큰 수)를 방법에 보고한다.

위 항목을 한 단락으로 압축해 넣어도 됩니다. 중요한 것은 “무엇을 남기고 무엇을 버렸는지”가 재현 가능하게 적히는 것입니다. 텍스트 마이닝은 탐색적 성격이 강하므로, 한계 절에서 표집·언어·시점의 제약을 분명히 하세요.

정리하면, 텍스트 마이닝 방법은 「자료 범위 → 수집·전처리 → 분석 기법 → 해석 단위 → 한계」 순으로 쓰면 심사자가 따라가기 쉽습니다. 설문 연구와 병행할 때는 두 자료가 서로 다른 질문에 답함을 분명히 구분하세요.

방법 절 말미에 소프트웨어·사전·임계값 버전을 한 줄로 고정하면 이후 수정·재분석 시 추적 비용이 크게 줄어듭니다.

지도 미팅에서는 위 로그 한 줄을 먼저 공유하면 피드백이 빨라집니다.

06 · Tools

주요 분석·수집 도구 18 tools

미디어·커뮤니케이션 학위논문에서 자주 쓰이는 수집·통계·SEM·네트워크·텍스트·트렌드 도구를 모았습니다. 핵심 7종(SPSS, AMOS, UCINET, Gephi, Graphviz, BigKinds, GDELT)에 더해, 지도학생 논문에서 확인된 PROCESS·TEXTOM·Google Forms와 연구에 적합한 R/lavaan·KoNLPy·jamovi·SmartPLS·VOSviewer·Qualtrics·네이버 데이터랩·OriginPro를 같은 형식으로 정리합니다. 무료/유료·라이선스는 공식 페이지에서 확인된 문장만 반영했습니다.

도구 고르기 체크

  • 설문이면 수집(Forms/Qualtrics) → 정제·회귀(SPSS/jamovi) → 매개·조절(PROCESS) 또는 SEM(AMOS/lavaan/SmartPLS).
  • 댓글·담론이면 수집(API/TEXTOM/BigKinds) → 전처리(KoNLPy 등) → 키워드·감정·네트워크(Gephi/UCINET).
  • 문헌 지도면 VOSviewer, 국내 관심도 보조면 네이버 데이터랩.
  • 결과 그래프·피팅·출판용 시각화면 OriginPro(OriginLab) — 네트워크는 Gephi, 모형 도식은 Graphviz.

비교표

도구주 용도라이선스·이용(공식 확인 범위)인터페이스랩·연구 메모
SPSS설문 기초·회귀상용(IBM)GUI다수 설문 논문
AMOSCB-SEM상용(IBM)경로도 GUI장자함·꾸인 등
PROCESS매개·조절Hayes 공식 배포매크로후옌·꾸옥·응웬 등
UCINETSNA 지표공식 사이트 안내GUI네트워크 설계 시
Gephi네트워크 시각화공식 다운로드GUITM 시각화 보조
Graphviz도식공식 사이트DOT절차도
BigKinds뉴스 수집웹 서비스웹뉴스 담론
GDELT글로벌 이벤트오픈 데이터데이터/API국제 이슈
TEXTOM수집·전처리공식 요금 안내웹트엉
R+lavaanSEM·통계무료 오픈소스(공식)스크립트재현 SEM
KoNLPy한국어 토큰화GPL 오픈소스(공식)Python한국어 TM
jamovi기초 통계무료 오픈소스(공식)GUISPSS 대안
SmartPLSPLS-SEM상용GUIPLS 설계
VOSviewer문헌 네트워크공식 사이트GUI문헌 지도
Google Forms설문 수집Google 계정웹아누진·우엔 등
Qualtrics설문·실험상용/기관웹실험 설계
네이버 데이터랩검색 트렌드공개 웹웹이슈 보조
OriginPro그래프·피팅·시각화상용(OriginLab)GUI출판용 그래프

도구 조합 흐름

A. 설문 매개·조절 Google Forms/Qualtrics → SPSS/jamovi(신뢰도·회귀) → PROCESS(Model 4/6/7…) → (필요 시) AMOS·lavaan·SmartPLS
B. 설문 SEM Forms → SPSS(정제·EFA) → AMOS 또는 R+lavaan (또는 PLS면 SmartPLS)
C. 댓글 TM YouTube API/TEXTOM/BigKinds → KoNLPy 전처리 → 키워드·감정 → 공출현 행렬 → UCINET/Gephi
D. 문헌·이슈 보조 KCI/RISS·Scopus보내기 → VOSviewer / 네이버 데이터랩·(탐색) Google Trends
E. 시각화·도식 수치 결과 그래프는 OriginPro(또는 SPSS/R), 네트워크는 Gephi, 확정 모형·절차 도식은 Graphviz 또는 사이트 GradResearchModel

도구 상세

양적·설문 IBM SPSS Statistics

무엇인가

사회과학에서 널리 쓰이는 통계 패키지입니다. 기술통계, 신뢰도(Cronbach’s α), 탐색적 요인분석(EFA), t/χ², 다중·위계 회귀 등을 GUI로 수행합니다.

언제 쓰나

설문 기반 학위논문의 1차 분석(정제·신뢰도·회귀) 단계에서 표준처럼 쓰입니다. SEM이 필요하면 AMOS·lavaan·SmartPLS 등과 병행합니다.

주요 기능

  • 데이터 뷰·변수 뷰
  • 신뢰도·회귀·일반선형모형
  • 출력 뷰어로 표·그래프 정리

설치·이용 (공식 확인)

IBM 공식 제품 페이지에서 라이선스·교육기관 배포 정보를 확인합니다. 상용 소프트웨어입니다.

기본 절차

  1. 변수명·척도·결측 코딩 정리
  2. 기술통계·정규성·이상치 점검
  3. 신뢰도·EFA(필요 시)
  4. 가설에 맞는 t/회귀/위계 회귀 실행
  5. 출력표를 논문 표 형식으로 재구성

논문 서술 예시

「IBM SPSS Statistics ○○을 사용하여 기술통계·신뢰도·(위계적) 회귀분석을 실시하였다.」

자주 하는 실수

  • 출력 표를 그대로 붙여 넣고 해석 문장이 없는 경우
  • 더미·중심화 없이 상호작용만 넣는 경우
  • 결측 처리 규칙을 방법에 안 적는 경우

지도학생 사례

다수 설문 논문. 예: 아누진, 닷, 응옥, 후옌.

공식: IBM SPSS Statistics

SEM IBM SPSS AMOS

무엇인가

공분산 기반 구조방정식모형(CB-SEM)을 경로도로 그려 추정하는 도구입니다. CFA·구조모형·적합도 지수를 보고할 때 사용합니다.

언제 쓰나

잠재변수·측정오차를 명시하고 여러 경로를 동시에 추정할 때. 관측변수 단순 회귀만이면 SPSS 회귀로도 충분할 수 있습니다.

주요 기능

  • 경로도 GUI
  • CFA·구조모형
  • 적합도(χ², CFI, TLI, RMSEA 등) 출력

설치·이용 (공식 확인)

IBM 제품군으로 제공됩니다. 라이선스·설치는 IBM 공식 안내를 따릅니다. 상용 소프트웨어입니다.

기본 절차

  1. 측정모형(CFA) 확인
  2. 구조모형 경로 연결
  3. 추정·적합도 점검
  4. 경로계수·간접효과 보고
  5. 수정지수는 이론 근거 있을 때만

논문 서술 예시

「IBM SPSS AMOS ○○으로 확인적 요인분석과 구조방정식모형을 추정하였다.」

자주 하는 실수

  • 적합도만 맞추고 이론 경로를 무시하는 경우
  • Heywood·비정상 추정치를 점검하지 않는 경우

지도학생 사례

장자함, 꾸인 등 SEM 보고 논문.

공식: IBM SEM / AMOS 안내

매개·조절 PROCESS macro (Hayes)

무엇인가

Andrew F. Hayes가 제공하는 회귀 기반 매개·조절·조건부과정분석 매크로입니다. SPSS·SAS·R에서 동작합니다.

언제 쓰나

관측변수 중심의 매개(Model 4 등)·직렬 매개(Model 6)·조절·조절된 매개 템플릿이 필요할 때. 본 랩 설문 논문에서 자주 사용됩니다.

주요 기능

  • 모델 번호 템플릿
  • Bootstrap 간접효과 CI
  • SPSS/SAS/R 지원

설치·이용 (공식 확인)

Hayes 공식 페이지에서 SPSS·SAS·R용 PROCESS와 예제 파일을 내려받습니다. 설치·버전은 해당 페이지 안내를 따릅니다.

기본 절차

  1. IV·Med·DV·W(조절)·통제 코딩
  2. 모델 번호 선택(예: 4, 6, 7, 8, 14)
  3. Bootstrap 횟수·CI 설정
  4. 간접효과·조건부효과 표 정리
  5. 단순기울기·JN은 필요 시

논문 서술 예시

「Hayes의 PROCESS macro Model ○를 이용하여 Bootstrap ○○회 간접효과 95% CI를 추정하였다.」

자주 하는 실수

  • Model 번호를 가설과 다르게 고르는 경우
  • CI만 보고 점추정·경로 a·b를 생략하는 경우
  • 중심화·더미 코딩 누락

지도학생 사례

후옌(Model 4), 꾸옥(Model 4), 응웬(Model 6), 장자함, 아잉(계획).

공식: Hayes — PROCESS 다운로드·도서

네트워크 UCINET (+NetDraw)

무엇인가

사회연결망 분석용 패키지로, 행렬 기반 네트워크 지표 계산과 NetDraw 시각화를 제공합니다.

언제 쓰나

공출현·인용·관계 행렬의 중심성·응집·하위집단을 계산할 때. 시각화는 NetDraw·Gephi와 병행하기도 합니다.

주요 기능

  • 행렬 데이터 처리
  • 중심성·응집 지표
  • NetDraw 시각화

설치·이용 (공식 확인)

공식 사이트(UCINET software)에서 배포·이용 안내를 확인합니다.

기본 절차

  1. 엣지 리스트·행렬 준비
  2. 대칭화·이진화(연구 설계에 맞게)
  3. 중심성·군집 계산
  4. NetDraw로 레이아웃
  5. 지표·그림을 논문에 대응

논문 서술 예시

「UCINET으로 네트워크 지표를 산출하고 NetDraw로 시각화하였다.」

자주 하는 실수

  • 임계값(이진화)을 방법에서 밝히지 않는 경우
  • 그림만 넣고 지표 해석이 없는 경우

지도학생 사례

공개 논문 방법에서 도구명이 직접 명시되지 않은 경우가 많습니다. 댓글 공출현 네트워크 설계 시 후보 도구로 검토합니다.

공식: UCINET software

네트워크·시각화 Gephi

무엇인가

대규모 그래프 탐색·레이아웃·커뮤니티 탐지에 강한 시각화 플랫폼입니다.

언제 쓰나

노드·엣지가 많아 탐색·발표용 맵이 필요할 때.

주요 기능

  • ForceAtlas 등 레이아웃
  • 모듈성 커뮤니티
  • 필터·순위 시각화

설치·이용 (공식 확인)

공식 사이트(gephi.org)에서 데스크톱 버전을 내려받습니다.

기본 절차

  1. CSV/GEXF 불러오기
  2. 레이아웃·커뮤니티 실행
  3. 라벨·크기·색 매핑
  4. 고해상도보내기
  5. 지표는 별도 계산 도구와 교차 확인

논문 서술 예시

「Gephi를 이용하여 네트워크를 시각화하고 커뮤니티 구조를 탐색하였다.」

자주 하는 실수

  • 예쁜 그림만 남기고 레이아웃·해상도 파라미터를 안 적는 경우

지도학생 사례

텍스트 마이닝 논문의 공출현 시각화 보조로 검토. 최종 지표 산출 도구와 역할을 구분해 보고하세요.

공식: Gephi

다이어그램 Graphviz

무엇인가

DOT 언어로 그래프·흐름도를 렌더링하는 도구입니다. 연구모형·분석 파이프라인 도식화에 유용합니다.

언제 쓰나

경로도·처리 흐름을 버전 관리 가능한 텍스트로 남기고 싶을 때.

주요 기능

  • DOT 문법
  • 다양한 레이아웃 엔진
  • SVG/PNG보내기

설치·이용 (공식 확인)

공식 사이트(graphviz.org) 안내로 설치합니다.

기본 절차

  1. 노드·엣지를 DOT로 작성
  2. 레이아웃 엔진 선택
  3. SVG로보내기
  4. 논문·슬라이드에 삽입

논문 서술 예시

「분석 절차(또는 모형)는 Graphviz로 도식화하였다.」

자주 하는 실수

  • 장식용 그림과 실제 추정 모형을 혼동해 적는 경우

지도학생 사례

방법 장의 절차도·개념도에 활용 가능. 통계 추정 자체는 SPSS/PROCESS/SEM 도구가 담당합니다.

공식: Graphviz

뉴스·수집 BigKinds

무엇인가

뉴스 빅데이터 분석 서비스로, 기사 검색·수집·기초 분석에 사용됩니다.

언제 쓰나

국내 뉴스 담론·이슈 추이·기사 텍스트를 연구 자료로 쓸 때.

주요 기능

  • 뉴스 검색·필터
  • 이슈 트렌드
  • 분석·시각화(서비스 제공 범위 내)

설치·이용 (공식 확인)

웹 서비스(bigkinds.or.kr)에 접속해 이용 안내·회원 정책을 확인합니다.

기본 절차

  1. 검색어·기간·언론사 설정
  2. 수집 범위 기록
  3. 필요 시보내기
  4. 전처리 후 TM·내용분석

논문 서술 예시

「BigKinds에서 ○○ 기간·검색식으로 뉴스 기사를 수집하였다.」

자주 하는 실수

  • 검색식을 방법에 안 남겨 재현이 불가능한 경우

지도학생 사례

미디어·저널리즘 주제의 뉴스 코퍼스 구성 시 후보. 공개 지도학생 요약에 도구명이 항상 명시되지는 않습니다.

공식: BigKinds

글로벌 이벤트 GDELT Project

무엇인가

전 세계 뉴스 기반 이벤트·톤·네트워크를 추적하는 오픈 데이터 프로젝트입니다.

언제 쓰나

국제 이슈·국가 간 미디어 이벤트·시계열 비교가 필요할 때.

주요 기능

  • 이벤트 데이터베이스
  • 톤·지리 정보
  • 공식 안내의 데이터 접근 경로

설치·이용 (공식 확인)

공식 사이트(gdeltproject.org)의 데이터 접근 안내를 따릅니다.

기본 절차

  1. 필요한 테이블·필드 선정
  2. 기간·국가·이벤트 코드 필터
  3. 다운로드/쿼리
  4. 정제 후 분석

논문 서술 예시

「GDELT에서 ○○ 기간의 이벤트(또는 톤) 자료를 추출하였다.」

자주 하는 실수

  • 이벤트 코드 체계를 인용하지 않는 경우
  • 미디어 보도≠실제 사건임을 논의하지 않는 경우

지도학생 사례

국제 커뮤니케이션·이슈 확산 연구 후보 데이터. 사용 시 공식 문서의 변수 정의를 인용하세요.

공식: GDELT Project

텍스트 수집·전처리 TEXTOM

무엇인가

국내 웹·뉴스 등 채널에서 텍스트를 수집·전처리·기초 분석하는 빅데이터 분석 플랫폼입니다.

언제 쓰나

한국어 웹 담론·공식 채널 댓글 전처리·키워드 탐색을 빠르게 시작할 때.

주요 기능

  • 채널별 수집
  • 연산자 검색
  • 수집단위(일/주/월) 설정
  • 전처리·분석 워크플로

설치·이용 (공식 확인)

공식 사이트(textom.co.kr)에서 서비스·이용 안내를 확인합니다. 요금·플랜은 공식 안내를 따릅니다.

기본 절차

  1. 수집 채널·검색식·기간 설정
  2. 전처리(불용어·정제)
  3. 키워드·매트릭스보내기
  4. 후속 네트워크/통계 도구로 확정 분석

논문 서술 예시

「TEXTOM을 이용하여 수집·전처리를 수행한 뒤, ○○ 분석을 실시하였다.」

자주 하는 실수

  • Textom 결과만으로 가설 검정을 끝냈다고 단정하는 경우
  • 검색식·기간을 방법에 누락

지도학생 사례

트엉 — 공식 댓글 전처리(Textom) 후 키워드·공출현·군집.

공식: TEXTOM

통계·SEM R (+ lavaan)

무엇인가

R은 통계 컴퓨팅 환경이고, lavaan은 R에서 CFA·경로분석·SEM·성장모형을 추정하는 패키지입니다. lavaan 공식 사이트는 무료 오픈소스·상용급 품질을 표방합니다.

언제 쓰나

재현 가능한 스크립트로 SEM을 돌리거나 AMOS 대안이 필요할 때.

주요 기능

  • 스크립트 재현성
  • lavaan 모델 신택스
  • CRAN 배포

설치·이용 (공식 확인)

R은 r-project.org(CRAN)에서 내려받습니다(무료 소프트웨어). lavaan은 CRAN에서 설치하며 공식 사이트가 무료 오픈소스임을 명시합니다.

기본 절차

  1. 데이터 정제(R)
  2. lavaan 모델 문자열 작성
  3. sem()/cfa() 추정
  4. 적합도·모수 요약
  5. 스크립트 보관

논문 서술 예시

「R과 lavaan 패키지를 이용하여 구조방정식모형을 추정하였다.」

자주 하는 실수

  • AMOS와 추정법·식별 제약이 다른데 숫자를 직접 비교하는 경우

지도학생 사례

공개 요약에 R/lavaan이 명시된 사례는 드물지만, SEM·재현 연구에 권장되는 조합입니다.

공식: lavaan (R SEM)

한국어 NLP Python · KoNLPy

무엇인가

한국어 형태소 분석·POS 태깅을 위한 파이썬 패키지로, 여러 분석기를 통일된 인터페이스로 제공합니다.

언제 쓰나

한국어 댓글·리뷰 토큰화, 명사 추출, 사용자 사전 기반 전처리가 필요할 때.

주요 기능

  • 다중 형태소 분석기
  • 명사·POS 추출
  • 오픈소스(GPL v3+)

설치·이용 (공식 확인)

공식 문서(konlpy.org)의 OS별 설치 안내를 따릅니다. KoNLPy는 GPL v3 이상 오픈소스입니다.

기본 절차

  1. 분석기 선택·설치
  2. 토큰화·품사 필터
  3. 불용어·사용자 사전
  4. DTM/공출현 행렬 생성
  5. 후속 토픽·네트워크·분류

논문 서술 예시

「Python KoNLPy(○○ 분석기)로 형태소 분석 후 ○○을 수행하였다.」

자주 하는 실수

  • 분석기마다 토큰이 다른데 비교 기준을 안 밝히는 경우

지도학생 사례

한국어 TM 전처리 후보. 감정 단계의 느꾸잉(GoEmotions) 등과 파이프라인을 나눠 보고할 수 있습니다.

공식: KoNLPy

양적·교육용 jamovi

무엇인가

스프레드시트형 통계 프로그램으로, 클릭 분석과 동시에 R 문법을 보여 줍니다. 공식 사이트는 Desktop이 항상 무료이며 오픈소스임을 명시합니다.

언제 쓰나

라이선스 부담 없이 회귀·ANOVA·신뢰도를 돌리거나 수업·랩에서 동일한 UI가 필요할 때.

주요 기능

  • Desktop 무료
  • Cloud Guest 플랜
  • R 신택스 연동
  • 모듈 확장

설치·이용 (공식 확인)

jamovi.org에서 Desktop 또는 Cloud를 이용합니다. 공식: free and open source.

기본 절차

  1. 데이터보내기
  2. 회귀/t/신뢰도 선택
  3. 옵션·가정 점검
  4. 결과 표 정리
  5. 필요 시 R 신택스 보관

논문 서술 예시

「jamovi를 사용하여 ○○ 분석을 실시하였다.」

자주 하는 실수

  • 모듈 버전을 안 적어 재현이 어려운 경우

지도학생 사례

SPSS와 동일 설계를 무료 환경에서 재현할 때 후보. 교육·예비분석에 적합합니다.

공식: jamovi

PLS-SEM SmartPLS

무엇인가

PLS-SEM·CB-SEM·회귀·PROCESS 등을 GUI로 추정하는 구조방정식 소프트웨어입니다.

언제 쓰나

복합 구성개념·예측 목적의 PLS-SEM, 또는 Hair 등 PLS 교과서 워크플로를 따를 때.

주요 기능

  • 경로도 GUI
  • PLS-SEM·부트스트랩
  • HTMT·예측·다집단 등

설치·이용 (공식 확인)

smartpls.com에서 플랫폼과 라이선스 안내를 확인합니다. 상용 제품입니다.

기본 절차

  1. 측정·구조 모형 도식
  2. PLS 추정·부트스트랩
  3. 신뢰도·타당도(HTMT 등)
  4. 경로·매개 보고
  5. 예측 평가(필요 시)

논문 서술 예시

「SmartPLS ○○으로 PLS-SEM을 추정하고 부트스트랩 신뢰구간을 제시하였다.」

자주 하는 실수

  • CB-SEM 적합도 기준을 PLS에 그대로 적용하는 경우

지도학생 사례

마케팅·수용 의도 계열 PLS 설계 시 후보. AMOS(CB-SEM)와 목적·가정이 다르므로 선택 근거를 방법에 적습니다.

공식: SmartPLS

문헌·계량 VOSviewer

무엇인가

인용·공저·용어 공출현 등 서지·텍스트 네트워크를 만들고 시각화하는 도구입니다.

언제 쓰나

선행연구 지도, 키워드 클러스터, Scopus/OpenAlex 등 문헌 네트워크를 그릴 때.

주요 기능

  • 서지 네트워크
  • 텍스트 마이닝 맵
  • OpenAlex 등 연동(버전에 따름)

설치·이용 (공식 확인)

vosviewer.com에서 버전을 내려받습니다. 이용 조건은 공식 사이트를 확인합니다.

기본 절차

  1. 문헌 DB보내기
  2. 맵 유형 선택
  3. 해상도·클러스터 조정
  4. 해석·한계 논의

논문 서술 예시

「VOSviewer로 ○○ 네트워크를 구축·시각화하였다.」

자주 하는 실수

  • 맵만 넣고 데이터 소스·기간·임계값을 안 적는 경우

지도학생 사례

문헌고찰·연구 동향 장에 유용. 본문 가설 검정의 대체는 아닙니다.

공식: VOSviewer

설문 수집 Google Forms

무엇인가

온라인 설문·퀴즈를 만들고 응답을 스프레드시트로 모으는 Google 도구입니다.

언제 쓰나

빠른 온라인 배포·다국어 설문·파일럿이 필요할 때. 본 랩 여러 논문이 구글폼으로 수집했습니다.

주요 기능

  • 문항 유형·분기
  • 시트 연동
  • 링크·임베드 배포

설치·이용 (공식 확인)

Google Forms 소개 페이지 및 forms.google.com에서 Google 계정으로 사용합니다. Workspace 정책은 소속 기관 안내를 따릅니다.

기본 절차

  1. 동의문·소요시간 명시
  2. 척도·필수항 설정
  3. 파일럿 후 수정
  4. 시트보내기→SPSS/R 정제
  5. 중복·불성실 응답 기준 기록

논문 서술 예시

「Google Forms로 온라인 설문을 배포하고 응답을 수집하였다.」

자주 하는 실수

  • 동의·철회 안내 누락
  • 수집 기간·유효 응답 기준 미기재

지도학생 사례

아누진, 우엔, 민트 등 구글폼 수집.

공식: Google Forms

설문 수집 Qualtrics

무엇인가

학술·산업에서 널리 쓰이는 설문·실험 플랫폼으로, 복잡한 블록·무작위화·패널 연동에 강합니다.

언제 쓰나

실험 블록, 정교한 분기, 기관 라이선스 설문이 필요할 때.

주요 기능

  • 설문·실험 플로우
  • 무작위화·쿼터
  • 보내기·보고

설치·이용 (공식 확인)

qualtrics.com 및 소속 기관 라이선스 안내를 확인합니다. 상용 서비스입니다.

기본 절차

  1. 블록·자극 배치
  2. 동의·스크리너
  3. 파일럿
  4. 데이터보내기
  5. 조작점검 문항 분석

논문 서술 예시

「Qualtrics를 통해 설문을 구성·배포하였다.」

자주 하는 실수

  • 기관 라이선스·데이터 보관 위치를 확인하지 않는 경우

지도학생 사례

실험·시나리오 설문의 대안 플랫폼. 공개 요약에는 구글폼 사례가 더 많습니다.

공식: Qualtrics

검색 트렌드 네이버 데이터랩

무엇인가

네이버 검색어 트렌드·쇼핑 인사이트 등 검색·클릭 추이를 조회하는 공개 데이터 서비스입니다.

언제 쓰나

국내 이슈·브랜드·키워드의 상대적 관심도 시계열을 보조 자료로 쓸 때.

주요 기능

  • 검색어 트렌드
  • 쇼핑 인사이트
  • 기간·성별·연령 필터

설치·이용 (공식 확인)

웹(datalab.naver.com)에서 바로 조회합니다.

기본 절차

  1. 주제어·하위 검색어 정의
  2. 기간·필터 설정
  3. 상대 지수 해석(절대 검색량 아님)
  4. 결과 보관
  5. 본 분석과 역할 구분

논문 서술 예시

「네이버 데이터랩 검색어 트렌드로 ○○ 기간의 관심도 추이를 참고하였다.」

자주 하는 실수

  • 상대 지수를 절대 여론으로 단정하는 경우
  • 비교 키워드 선정 편향을 논의하지 않는 경우

지도학생 사례

이슈·캠페인 맥락 설명의 보조 자료. 가설 검정의 단독 근거로 쓰기보다 탐색·기술에 적합합니다.

공식: 네이버 데이터랩

그래프·데이터 분석 OriginPro (OriginLab)

무엇인가

OriginLab의 데이터 분석·그래핑 소프트웨어입니다. Origin의 기능에 더해 OriginPro는 Peak/Surface Fitting, 통계, 신호처리 등 고급 분석 도구와 Apps를 제공합니다(공식 제품 페이지).

언제 쓰나

논문용 고품질 그래프, 곡선·피팅, 탐색적 분석, 배치 시각화가 필요할 때. 설문·실험·시계열 수치를 출판 수준으로 그릴 때 SPSS/Excel 출력 보완용으로 검토합니다.

주요 기능

  • 100종 이상 그래프 유형(공식)
  • 곡선·표면 피팅·탐색 분석
  • 배치 처리·템플릿
  • Excel/MATLAB/Python/R 연동(공식 안내)

설치·이용 (공식 확인)

originlab.com 제품 페이지에서 Origin / OriginPro 안내를 확인합니다. 상용 소프트웨어이며, 라이선스·교육기관 배포는 공식 안내를 따릅니다.

기본 절차

  1. 데이터 가져오기(Excel/CSV 등)
  2. 그래프 유형·축·범례 맞춤
  3. 필요 시 피팅·통계(OriginPro)
  4. 템플릿 저장·배치 재현
  5. SVG/EPS/PDF/TIFF 등보내기

논문 서술 예시

「OriginPro ○○을 사용하여 그래프를 작성하고(필요 시) ○○ 분석을 수행하였다.」

자주 하는 실수

  • 그래프만 예쁘게 만들고 축·단위·표본 정보를 누락하는 경우
  • 피팅 모델 선택 근거를 방법에 안 적는 경우
  • 라이선스·버전을 재현 정보에 안 남기는 경우

지도학생 사례

공개 지도학생 요약에 OriginPro 도구명이 직접 명시된 사례는 드뭅니다. 결과 장의 시각화·피팅 단계에서 후보로 검토하세요.

공식: OriginLab — Origin / OriginPro

설치·가격·라이선스는 변경될 수 있습니다. 논문 제출 전에 각 공식 링크에서 다시 확인하세요. 이 페이지는 학습 보조이며, 방법 문헌·매뉴얼이 1차 출처입니다.

07 · FAQ

자주 묻는 질문

지도 면담에서 반복되는 질문을 개념 → 절차 → 실수 → 랩 사례 순으로 풀어 두었습니다. 각 항목을 열어 확인하세요.

독립변수와 종속변수를 어떻게 고르나요?

독립변수(IV)는 연구에서 “원인·예측 요인으로 두고 싶은 것”, 종속변수(DV)는 “설명·예측하고 싶은 결과”입니다. 연구 질문을 한 문장으로 쓴 뒤, 문장의 주어 쪽에 가까운 개념이 IV, 목적어·결과 쪽에 가까운 개념이 DV인 경우가 많습니다.

  • 연구 질문 → 핵심 개념 2~4개로 압축합니다.
  • 각 개념을 측정 가능한 조작적 정의로 바꿉니다(설문 문항·자극·행동 지표).
  • 이론상 시간·논리 순서가 앞선 쪽을 IV, 뒤쪽을 DV로 둡니다.
  • 경로가 여러 개면 IV·DV를 여러 개 둘 수 있으나, 한 가설 문장에는 보통 한 쌍을 분명히 적습니다.

자주 하는 실수: 흥미 있는 변수를 모두 IV로 나열하거나, 측정하지 않을 개념을 DV로 적는 경우입니다. 또한 “관련 있다”처럼 방향이 없는 문장은 가설이 되기 어렵습니다.

우리 연구실 사례: 닷은 광고·정보 유용성·정보 품질·e-WOM을 독립변수로, 여행 의도를 종속변수로 둔 다중회귀 설계입니다. 응옥은 AI 이해도·진정성·위험성·출처 신뢰성을 IV로, 수용 태도를 DV로 둡니다.

서술 예시: 「본 연구의 독립변수는 …이며, 종속변수는 …이다.」

매개변수는 꼭 넣어야 하나요?

매개변수(Mediator)는 IV가 DV에 영향을 미치는 과정·메커니즘(“왜/어떻게”)을 설명할 때 넣습니다. 이론이 “A가 B를 거쳐 C로 간다”고 말할 때 매개가 필요합니다. 반대로 “A가 C에 직접 영향을 미친다”만 검증하면 매개 없이도 됩니다.

  • 이론 문장에 “통해/거쳐/매개로”가 들어가면 매개를 검토합니다.
  • 측정 가능한 Med 개념과 문항이 있어야 합니다.
  • 양적 검증은 흔히 PROCESS Model 4(단순 매개) 또는 SEM 간접효과로 합니다.
  • 직접경로만 보는 모형도 타당합니다—억지로 매개를 넣지 마세요.

체크포인트: Med가 IV·DV와 개념적으로 겹치지 않는지, 시간·논리 순서가 IV→Med→DV인지 확인하세요.

사례: 꾸옥·후옌·장자함은 PROCESS Model 4형 매개, 꾸인은 매개 없이 미디어 풍부성→동기·만족·소속·충성 직접경로 SEM입니다.

서술 예시: 「…는 …을 매개로 …에 영향을 미칠 것으로 가정한다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

조절변수와 매개변수의 차이는요?

매개변수는 경로의 중간 고리(왜 영향이 전달되는가)이고, 조절변수는 그 경로의 강도·방향이 언제·누구에게 달라지는가(상호작용)입니다. 그림으로 보면 매개는 화살표 사이에 상자가 들어가고, 조절은 화살표를 “건드리는” 옆 변수로 그립니다.

  • 매개: IV → Med → DV (간접효과).
  • 조절: IV → DV 경로가 Mod 수준에 따라 달라짐 (또는 IV→Med 경로 조절).
  • 둘 다 쓰려면 이론이 “과정”과 “조건”을 모두 말해야 합니다.

실수: 인구통계를 무작정 조절로 넣거나, 매개·조절 용어를 바꿔 쓰는 경우입니다. 조절은 상호작용항·다집단·PROCESS 조절 모형 등으로 검증 계획을 미리 적습니다.

사례: 후옌의 위험 인식은 설득 전략→보호행동 의도 경로의 매개 역할입니다. 조절 학습용 데모는 methods 페이지 역할 절 다이어그램을 참고하세요.

서술 예시: 「…의 수준에 따라 …→… 경로의 강도가 달라질 것이다.」

실무에서는 매개와 조절을 한 모형에 같이 넣는 경우가 많습니다(조절된 매개). 이때도 각 경로의 이론적 역할(과정 vs 조건)을 문장으로 구분해 두면 심사·지도 때 혼동이 줄어듭니다. PROCESS Model 7·8·14 등은 이 구조를 템플릿으로 제공합니다.

통제변수는 가설에 쓰나요?

통제변수는 관심 가설의 “주인공”이 아니라, 결과를 흔들 수 있는 외생 요인을 통계적으로 고정하기 위해 넣는 변수입니다. 보통 가설 번호(H1, H2…)의 대상은 IV·Med·Mod·DV 경로이고, 통제는 방법·분석 절에 “통제한 변수”로 보고합니다.

  • 이론상 대안 설명·혼동 요인을 목록화합니다.
  • 측정 가능하고 표본에서 분산이 있는 것만 넣습니다.
  • 회귀·SEM에서 공변량으로 투입하고, 표에 계수를 보고할 수 있습니다.
  • 가설 문장에 억지로 “통제가 …에 영향을”이라고 쓰지 않는 것이 일반적입니다.

실수: 통제를 너무 많이 넣어 자유도를 낭비하거나, 관심 IV와 개념이 겹치는 변수를 통제로 넣어 효과를 지워 버리는 경우입니다.

사례: 후옌은 한국어 능력·VP 경험·디지털 리터러시·성별·나이를 통제로 둡니다. 응옥은 위계적 회귀 1단계에 인구통계·AI 경험·미디어 이용을 넣습니다.

서술 예시: 「분석 시 …를 통제변수로 투입하였다.」

논문 본문에서는 「인구통계 및 …를 통제변수로 투입하였다」처럼 방법·결과에 기술하고, 가설 번호(H1…)에는 보통 넣지 않습니다. 통제변수를 가설로 세우면 관심 경로가 흐려집니다.

가설은 몇 개가 적당한가요?

가설 수는 “모형에 그린 검증 가능한 경로 수”에 맞추는 것이 좋습니다. 이론으로 정당화되지 않은 화살표를 늘리기보다, 핵심 경로를 분명히 하고 필요하면 H1a·H1b처럼 하위 가설로 나눕니다.

  • 연구 목적 문장 → 핵심 경로 스케치 → 경로마다 가설 초안.
  • 하위 차원(예: 콘텐츠 특성 4개)이면 H1a–d처럼 분절합니다.
  • 탐색적 연구 문제는 가설 대신 RQ로 둘 수 있습니다.
  • 표본·추정법으로 감당 가능한 복잡도인지 지도교수님과 확인합니다.

체크포인트: 가설에 나온 모든 개념이 측정·모형 그림에 있는지, 방향(+)(−)이 이론과 맞는지 봅니다.

사례: 장자함은 숏폼 문안·장면·출연인물·배경음악 등 하위 가설(H1a–d, H2a–d)과 매개·결과 가설을 체계적으로 둡니다. 위만처럼 텍스트 마이닝 비교 연구는 RQ·기대(E) 중심으로 둘 수 있습니다.

서술 예시: 「H1a: …는 …에 정(+)의 영향을 미칠 것이다.」

모형을 단순화할 때는 이론적으로 약한 경로를 과감히 빼고, 남은 경로마다 가설을 대응시키는 편이 낫습니다. ‘탐색적 연구문제(RQ)’로 남길 경로와 ‘확증 가설’로 둘 경로를 구분해 두면 서술도 명확해집니다.

(+) (−)는 꼭 적어야 하나요?

이론으로 효과의 방향을 예측할 수 있으면 가설에 정(+)·부(−)를 밝히는 것이 좋습니다. 독자와 심사자가 기각·채택 기준을 명확히 읽을 수 있고, 모형 그림의 경로 라벨과도 맞추기 쉽습니다. 방향 예측이 이론적으로 어렵다면 탐색적 가설·연구 문제로 두는 편이 정직합니다.

  • 선행연구·이론 명제가 “증가→증가”면 (+), “증가→감소”면 (−).
  • 양방향이 모두 가능하면 근거를 보강하거나 RQ로 전환합니다.
  • 결과 표·논의에서 예측 방향과 일치 여부를 함께 해석합니다.

실수: 본문 가설에는 방향이 있는데 그림·표에는 없고, 또는 그 반대인 불일치입니다.

사례: 후옌 경로 라벨에 (+)가 표시됩니다. 아잉 제안 모형도 H3 기이함→브랜드 태도를 부(−)로 설정합니다.

서술 예시: 「…는 …에 정(+)의 영향을 미칠 것이다.」

방향이 이론적으로 불분명하면 연구문제로 두고, 결과가 나온 뒤 논의에서 해석하는 전략도 가능합니다. 다만 학위논문에서는 가능한 한 방향 있는 가설을 권장하는 경우가 많습니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

설문 문항은 직접 만들어도 되나요?

가능하지만, 가능하면 기존에 신뢰도·타당도가 보고된 척도를 우선 검토하세요. 직접 개발할 때는 개념 정의→문항 풀→전문가·파일럿→문항 정제 절차를 방법에 남깁니다. 번역 연구에서는 번역·역번역과 문화적 동등성 점검이 중요합니다.

  • 원척도 출처·문항 수·응답 형식(Likert 등)을 명시합니다.
  • 번역본은 이중 언어 검토·파일럿으로 애매한 표현을 고칩니다.
  • 구성개념당 다문항을 권장하고, 수집 후 Cronbach’s α 등을 보고합니다.
  • 자극·시나리오가 있으면 노출 문장·조작 점검을 함께 설계합니다.

실수: 한 문항으로 복잡한 개념을 재거나, 이중 질문(한 문항에 두 개념)을 넣는 경우입니다.

사례: 꾸인은 한·영·베트남어 설문을 사용했습니다. 꾸옥은 광고 특성·인식·구매의도 각 4문항 구성을 방법에 밝힙니다.

서술 예시: 「… 척도를 본 연구 맥락에 맞게 수정·번역하여 사용하였다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

표본 크기는 얼마나 필요한가요?

표본 크기는 설계(회귀/SEM/매개), 예상 효과크기, 측정 복잡도, 추정법에 따라 달라집니다. “몇 명이면 무조건 충분”이라는 단일 숫자는 없습니다. 지도 단계에서 분석 계획과 함께 목표 n을 정하고, 실제 유효 응답·결측 제외 규칙을 방법에 적습니다.

  • 회귀·PROCESS: 예측변수 수와 검정력을 고려해 목표 n을 잡습니다.
  • SEM/CFA: 측정 문항·잠재변수 수에 따라 더 큰 표본이 필요한 경우가 많습니다.
  • 수집 후 “회수 n / 유효 n / 제외 사유”를 보고합니다.

참고(공개된 유효 표본 예): 후옌 150, 닷 194, 응웬·응옥 200, 보누 250, 꾸인 252, 장자함 503. 이는 사례일 뿐 규범적 최소치는 아닙니다.

링크: 후옌, 닷, 응웬, 응옥, 보누, 꾸인, 장자함.

서술 예시: 「총 …부를 회수하였고, 불성실 응답을 제외한 유효 …부를 분석에 사용하였다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

SEM과 다중회귀 중 무엇을 쓰나요?

관측변수 중심의 단일(또는 소수) DV와 비교적 단순한 경로면 다중회귀·위계적 회귀가 해석이 쉽습니다. 잠재변수·측정오차를 명시하고 여러 경로를 동시에 추정하려면 SEM(CFA+구조모형)이 적합합니다. 둘 다 “정답”이 아니라 연구 질문·측정 수준에 맞게 고릅니다.

  • 회귀: DV 명확, 문항 합/평균 등 관측 점수, SPSS 등.
  • SEM: 다문항 잠재변수, 적합도·경로 동시 추정, AMOS 등.
  • 매개만 핵심이면 회귀+PROCESS도 흔합니다.

체크포인트: SEM을 쓰려면 측정모형 보고(신뢰도·타당도·적합도) 계획이 필요합니다.

사례: 닷 다중회귀, 응옥 위계적 회귀, 보누·장자함·꾸인 SEM.

서술 예시: 「가설 검증을 위해 구조방정식모형(SEM)을 적용하였다.」 / 「다중회귀분석을 실시하였다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

PROCESS Model 4와 Model 6 차이는요?

Hayes PROCESS에서 Model 4는 매개변수가 하나인 단순 매개(IV→Med→DV) 구조입니다. Model 6은 매개변수가 둘 이상 연쇄로 이어지는 구조(IV→Med1→Med2→DV)입니다. 이론이 “한 단계 과정”이면 4, “두 단계가 순서대로”이면 6을 검토합니다.

  • Model 4: 간접효과 a×b, Bootstrap 신뢰구간.
  • Model 6: 연쇄 간접효과, 각 단계 경로의 이론적 순서 필요.
  • 통제변수·공변량은 모형 설정에 맞게 투입합니다.

실수: 이론 순서 없이 Med를 나란히 두고 Model 6을 적용하거나, Model 번호를 방법에만 적고 경로 그림을 안 맞추는 경우입니다.

사례: 후옌·꾸옥·장자함 Model 4, 응웬은 인물 동일시→내러티브 몰입 연쇄로 Model 6.

서술 예시: 「매개효과 검증을 위해 PROCESS Macro Model 4를 사용하였다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

Bootstrap은 왜 쓰나요?

간접효과(매개)의 표집분포는 정규를 가정하기 어려울 수 있어, Bootstrap으로 신뢰구간을 만들어 간접효과의 유의성을 판단하는 것이 표준적인 절차입니다. PROCESS·SEM 모두에서 간접효과 보고 시 자주 사용합니다.

  • 재표본 횟수(예: 5,000회)와 신뢰수준(보통 95%)을 방법에 명시합니다.
  • 신뢰구간에 0이 포함되지 않으면 간접효과가 유의하다고 해석하는 방식이 흔합니다.
  • 직접·총효과와 함께 보고하면 독자가 구조를 이해하기 쉽습니다.

실수: Bootstrap 횟수·시드·소프트웨어를 밝히지 않거나, 간접효과만 보고 경로계수 표를 생략하는 경우입니다.

사례: 장자함은 Bootstrap 5,000회를 방법에 보고했습니다. 아잉 제안도 PROCESS Model 4 부트스트랩을 계획합니다.

서술 예시: 「간접효과의 유의성 검증을 위해 Bootstrap …회, 95% 신뢰구간을 산출하였다.」

Bootstrap 표집 수는 보통 5,000회 이상을 보고합니다. 신뢰구간이 0을 포함하는지(또는 포함하지 않는지)로 간접효과 유의성을 판단하고, 점추정·구간을 함께 표로 제시합니다.

실험과 설문만으로도 논문이 되나요?

됩니다. 본 랩에도 설문·시나리오 설문·자극 노출 후 설문·집단 비교 설계가 있습니다. 핵심은 내적 타당도(조작·통제), 측정 신뢰도, 그리고 연구 윤리를 방법에 명확히 쓰는 것입니다. “실험실 장비”가 없어도 자극·집단 배정·조작 점검으로 실험적 논리을 가질 수 있습니다.

  • 설문: 구성개념 측정·상관/회귀/SEM.
  • 시나리오: 처치 문장을 읽고 응답(후옌).
  • 자극 집단: 고/저 서사 영상 등(응웬).
  • 조작 점검·무작위/할당 방식을 가능한 범위에서 보고합니다.

사례: 응웬 고·저 서사 집단, 후옌 시나리오 설문, 응옥 자극 영상 노출 후 위계적 회귀.

서술 예시: 「참가자는 … 조건의 자극에 노출된 후 설문에 응답하였다.」

실험·설문만으로도 학위논문은 충분히 가능합니다. 다만 내적 타당도(조작 점검), 외적 타당도(표본·맥락), 측정 신뢰도·타당도를 방법 장에 분명히 적어야 합니다. 본 랩의 다수 논문이 설문·시나리오 설문 설계입니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

질적·사례 연구는 가설이 없나요?

확인적 영가설 검정이 중심이 아닌 경우가 많습니다. 대신 연구 문제(RQ), 분석 틀, 사례 선정 기준, 코딩·비교 절차가 방법의 핵심이 됩니다. 그렇다고 “아무 주장도 없다”는 뜻은 아니며, 주장의 형태가 가설 번호보다 해석·유형화에 가깝습니다.

  • RQ를 명확히 씁니다.
  • 사례·텍스트 선정 이유와 범위를 밝힙니다.
  • 분석 절차(비교 항목·평가 기준)를 재현 가능하게 적습니다.
  • 필요하면 양적 지표를 보조로 병행할 수 있습니다.

사례: 번반석은 AIGC(Seedance·Runway)·실사 영상 비교 절차(흐름도)로 제작·시청각 언어 특성을 분석합니다.

서술 예시: 「본 연구는 다음과 같은 연구 문제를 설정한다. RQ1: …」

질적·사례 연구에서는 가설 대신 연구 문제, 분석 틀, 사례 선정 기준, 코딩·비교 절차가 방법의 뼈대입니다. 코딩북·주제 도출 과정을 재현 가능하게 남기는 것이 가설 기각/채택 보고에 해당합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

텍스트 마이닝은 설문과 어떻게 다른가요?

설문은 연구자가 만든 문항에 대한 응답을 측정합니다. 텍스트 마이닝(TM)은 이미 존재하는 발화(댓글·리뷰 등)를 수집·전처리·요약·비교합니다. 설문이 “물어본 것”에 답한다면, TM은 “사람들이 남긴 말”에서 패턴을 읽습니다. 연구 질문·윤리·약관 요구도 달라집니다.

  • 설문: 구성개념·척도·표본 모집.
  • TM: 데이터 출처·수집 시점·전처리·분석 파이프라인.
  • 혼합 설계도 가능하나, 각 부분의 역할을 방법에 구분합니다.

사례: 투짱·트엉·느꾸잉·위만이 댓글·게시물 TM, 닷 등은 설문 양적 분석입니다.

서술 예시: 「본 연구는 공개 댓글을 대상으로 텍스트 마이닝을 실시하였다.」

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

유튜브 댓글은 어떻게 수집하나요?

공개된 영상에 대해 YouTube Data API 등으로 댓글 스레드를 가져올 수 있습니다. API 키·할당량·필드 범위·약관을 지키고, 댓글이 비활성·삭제·제한된 영상은 수집되지 않음을 방법에 명시합니다. 로그인 벽 우회나 비공개 데이터 무단 수집은 하지 않습니다.

  • 영상 ID·수집 시점·언어·원문 건수를 로그로 남깁니다.
  • 중복·스팸·봇성 댓글 처리 규칙을 전처리에 적습니다.
  • 개인 식별 정보(ID·연락처 등)는 분석 전 비식별합니다.

사례: 투짱은 YouTube API로 한·영 댓글을 수집했다고 방법에 명시합니다. 트엉은 유튜브·네이버TV 공식 댓글을 사용합니다.

서술 예시: 「YouTube Data API를 이용하여 공개 댓글을 수집하였다.」

수집 시점·영상 URL·필드 목록·필터 조건을 방법에 남겨 재현 가능성을 확보하세요. 개인 식별 정보(핸들·실명)는 분석·공개 단계에서 제거합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

한·영 댓글을 같이 분석해도 되나요?

비교 설계로 가능합니다. 언어를 섞어 한 번에 토큰화하기보다, 언어 식별 후 분리 분석하거나 동일 절차를 언어별로 반복해 차이를 해석하는 방식이 안전합니다. 번역 품질·문화 맥락 차이를 논의 한계로 적는 것도 중요합니다.

  • 언어 태그·분리 저장.
  • 언어별 전처리기·불용어.
  • 키워드·감정·네트워크 결과를 나란히 비교.

사례: 투짱은 국내외 반응 비교를 위해 한·영을 나눠 키워드·감정·네트워크·군집을 비교합니다.

서술 예시: 「한국어·영어 댓글을 분리하여 동일 절차로 분석·비교하였다.」

언어별 토크나이저·불용어·감정 사전을 맞추고, 동일 연구 질문에 대해 병렬로 비교표를 만들면 해석이 선명해집니다. 번역 후 한 언어로 합치는 전략은 번역 편향을 논의에 밝혀야 합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

전처리에 Textom을 써도 되나요?

됩니다. 도구는 “무엇을 자동화했는지”를 재현 가능하게 적는 것이 핵심입니다. 버전·옵션·사용자 사전·불용어 목록의 범위를 방법에 남기고, 최종 해석은 연구 질문에 연결합니다.

  • 도구 이름·버전(알 수 있는 범위) 명시.
  • 전처리 단계 순서(정제→형태소→불용어 등).
  • 수작업 보정 여부를 밝힘.

사례: 트엉 논문이 Textom 전처리를 사용했습니다.

서술 예시: 「전처리는 Textom을 활용하여 … 절차로 수행하였다.」

Textom은 전처리·키워드 보조로 유용하지만, 최종 통계·네트워크 지표를 다른 도구로 확정했다면 그 도구·파라미터를 방법의 중심에 두세요. 트엉은 Textom 전처리 후 키워드·공출현·군집을 보고합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

감정 분석은 어떤 것을 쓰나요?

과제에 따라 극성(긍정/부정) 또는 다범주 감정 분류를 선택합니다. 모델·사전마다 언어·도메인 성능이 다르므로, 사용한 도구와 한계를 방법에 적고 특정 상용 사전의 성능을 일반화해 단정하지 마세요.

  • 연구 질문에 맞는 감정 체계 선택.
  • 언어(한/영/베트남어 등) 적합성 확인.
  • 결과 후 공출현·네트워크로 “함께 나타나는 감정”을 볼 수 있음.

사례: 느꾸잉은 GoEmotions 기반 감정 분석 후 감정 공출현 네트워크를 보고합니다.

서술 예시: 「댓글 감정은 …에 기반한 다범주 감정 분석으로 분류하였다.」

사전 기반·머신러닝 기반·상용 API 모두 가능합니다. 본 랩 느꾸잉은 GoEmotions 기반 다범주 감정 분류 후 공출현 네트워크를 구성했습니다. 선택한 도구의 언어·도메인 한계를 논의에 적습니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

LDA는 필수인가요?

필수는 아닙니다. 토픽 모델링(LDA 등)은 댓글 묶음의 잠재 주제를 요약할 때 선택합니다. 연구 질문이 키워드 비교·네트워크·감정에 충분하면 없이도 됩니다. 쓸 경우 주제 수 선정·해석 가능성·안정성을 함께 보고하세요.

  • RQ가 “어떤 주제 묶음이 있나”일 때 적합.
  • 주제 수·시드·전처리에 민감할 수 있음.
  • 키워드·네트워크만으로도 충분한 설계가 많음.

사례: 투짱·트엉형 연구는 키워드·네트워크·군집 중심으로도 구성됩니다.

서술 예시: 「주제 구조 파악을 위해 LDA를 추가로 실시하였다.」(필요 시)

토픽 수가 과다하면 해석이 어려워지고, 과소하면 주제가 뭉개집니다. 일관성·해석 가능성·연구 질문 적합성을 함께 보고하세요. LDA를 쓰지 않아도 키워드·네트워크만으로 충분한 논문이 있습니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

네트워크 분석은 무엇을 보여 주나요?

단어(또는 감정) 공출현 네트워크는 “함께 자주 나타나는 말의 무리”를 보여 줍니다. 중심성·군집으로 담론의 덩어리를 시각화할 수 있으나, 인과 관계를 직접 증명하지는 않습니다. 해석은 연구 질문과 사례 맥락에 다시 연결합니다.

  • 공출현 기준(문장·댓글 창)을 명시.
  • 시각화·군집 알고리즘·임계값을 방법에 적음.
  • 상위 노드·커뮤니티를 질적으로 해석.

사례: 투짱·트엉·느꾸잉 모두 네트워크·군집 단계를 포함합니다.

서술 예시: 「단어 공출현 네트워크를 구축하여 군집을 해석하였다.」

엣지 정의(공출현 창·가중치), 중심성 지표, 군집 알고리즘을 명시하세요. 시각화는 보조이며, 핵심 주장은 지표·해석 문장으로 뒷받침합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

Text Lab. 911 플랫폼은 논문에 어떻게 쓰나요?

탐색·전처리·시각화 보조 도구로 언급할 수 있습니다. 다만 논문의 재현 가능성은 “최종 결과에 실제로 사용한 도구·파라미터·데이터 범위”를 방법에 명확히 적는 데서 나옵니다. 플랫폼만 언급하고 핵심 파이프라인을 생략하지 마세요.

  • 보조 사용 범위를 한 문장으로 한정.
  • 최종 분석 도구(API, Textom, 통계 패키지 등)를 병기.
  • URL: textlab911.com

서술 예시: 「탐색적 전처리에 Text Lab. 911을 보조적으로 활용하였으며, 최종 분석은 …로 수행하였다.」

논문에서는 플랫폼 이름을 ‘탐색·보조 도구’로 한정해 적고, 최종 분석에 사용한 스크립트·패키지·파라미터를 우선 보고하세요. 재현에 필요 없는 내부 도구는 과장하지 않습니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

공개 댓글이면 무조건 인용해도 되나요?

공개되어 있어도 플랫폼 약관·연구윤리·최소 필요 원칙을 따릅니다. 아이디·실명·연락처 등 식별 정보는 삭제·비식별화하고, 공격·민감 표현은 필요 최소만 인용합니다. 기관 IRB/윤리 심의 요구가 있으면 그에 따릅니다.

  • 수집·보관·폐기 계획을 방법에 적습니다.
  • 인용 시 재식별 위험을 검토합니다.
  • 연구 목적 외 사용을 금지합니다.

서술 예시: 「분석 과정에서 작성자 식별 정보를 제거·비식별화하였다.」

기관 IRB·지도교수 지침을 우선하고, 인용 시에도 최소 필요 원칙을 지킵니다. 민감·공격적 표현은 익명화·요약 인용으로 처리하는 것이 안전합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

연구모형 그림의 색 라벨은 무엇인가요?

본 사이트 연구모형 다이어그램은 역할별로 색을 고정합니다. 독립(네이비), 매개(틸), 종속(블루), 조절(앰버), 통제(점선 그레이)입니다. 지도학생 논문 페이지의 경로 모형과 이 가이드의 미니 모형이 같은 규칙을 씁니다.

  • 역할은 각 논문 출처의 정의을 따릅니다.
  • 모형에 없는 역할은 범례에 나타나지 않을 수 있습니다.
  • 모바일에서는 가로 스크롤로 전체를 보세요.

서술 팁: 본문에도 “독립·매개·종속” 용어를 그림과 동일하게 맞추면 독자가 헤매지 않습니다.

색은 논문 간 비교·지도 면담에서 역할을 빠르게 공유하기 위한 약속입니다. 투고용 흑백 그림에서는 패턴·라벨로 역할을 구분하면 됩니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

모바일에서 연구모형이 잘리면요?

경로 모형은 가로로 긴 경우가 많아, 모바일에서는 다이어그램 영역이 가로 스크롤됩니다. 「좌우로 밀어 연구모형을 보세요」 힌트를 확인한 뒤 손가락으로 좌우로 밀어 보시면 됩니다. 확대 제스처로 노드 라벨을 읽을 수도 있습니다.

  • 세로로만 스크롤하면 양옆이 잘린 것처럼 보일 수 있습니다.
  • PC에서는 창 너비를 넓히면 한눈에 보기 쉽습니다.

문제가 계속되면 사용 브라우저와 화면 너비를 지도 조교·유지보수 담당에게 알려 주세요.

데스크톱에서는 전체 경로가 한눈에 보이도록 배치되어 있습니다. 인쇄·슬라이드용으로는 SVG/PNG보내기 후 여백을 확인하세요.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

제 논문에 조절이 없으면 라벨이 안 나오나요?

네. 다이어그램 헤더·범례는 해당 모형에 실제로 존재하는 역할만 표시합니다. 조절변수가 없으면 조절(앰버) 라벨이 나오지 않는 것이 정상입니다. 매개·통제도 마찬가지입니다.

  • JSON/모형 정의에 moderators가 있을 때만 조절이 렌더됩니다.
  • 역할을 바꾸면 색도 바뀝니다—이론 정의를 먼저 확정하세요.

사례: 학습용 조절 데모에는 앰버 역할이 보이고, 닷처럼 다중회귀 직접경로 모형은 조절 라벨이 없습니다. 위만 최신 원고는 절차형(flow) TM 모형입니다.

반대로 매개만 있는 논문에는 매개(틸)만, 회귀형 단순 경로에는 IV·DV 위주로 표시됩니다. 다이어그램은 해당 논문 출처의 역할 정의를 따릅니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

졸업 시기 표기는 어떻게 정해지나요?

공개 페이지의 졸업 시기 표기는 지도 현황 시트에 명시된 값 또는 최종 심사일 규칙에 따릅니다. 추측으로 학기·연도를 채워 넣지 않습니다. 변경이 있으면 지도교수님 확인 후 데이터 소스(시트)를 갱신하는 방식이 안전합니다.

  • 공개 페이지는 개인 학번·연락처를 올리지 않습니다.
  • 진입연도(예: ’21학번) 배지는 허용된 공개 필드입니다.

표기가 비어 있거나 잘못된 것 같으면 지도 면담에서 확인해 주세요.

시트가 비어 있거나 미확정이면 공개 페이지에 임의로 채우지 않습니다. 문의는 지도교수에게 확인하세요.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

영문 제목과 한글 제목이 다르면요?

둘 다 수록합니다. 원문에 있는 한글·영문 표기를 유지하며, 자동 번역으로 한쪽을 지어내지 않습니다. 의미가 대응되도록 지도 과정에서 조율하되, 공개 페이지에는 확정·출처 있는 제목만 올립니다.

  • 제목 준비 중이면 그 상태를 표시합니다.
  • 부제·사례명(작품명)은 원문 표기를 따릅니다.

서술 팁: 논문 표지·국문·영문 초록의 제목 문자열을 사이트 원본으로 삼으세요.

자동 번역으로 한쪽을 만들어 올리지 않습니다. 표기 통일이 필요하면 지도 과정에서 조율합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

이 가이드를 인용해도 되나요?

이 페이지는 지도학생을 위한 학습 보조 자료입니다. 학술 논문의 방법·이론 인용은 원 논문과 표준 방법 문헌을 우선하세요. 가이드의 학생 사례 서술은 공개된 논문 요약·연구모형에 근거한 설명이며, 가이드 자체를 일차 학술 출처처럼 인용하는 것은 권장하지 않습니다.

  • 방법 학습·예습용으로 활용하세요.
  • 최종 문장은 지도교수님 확인을 받으세요.
  • 개인정보·미공개 원자료는 이 사이트에 없습니다.

방법론 개념의 1차 출처(교과서·방법 논문)를 인용하고, 본 가이드는 학습용 보조로만 언급하는 것이 안전합니다.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.

본 연구실 공개 논문 요약을 참고할 때는 각 학생 카드의 방법·연구모형 설명을 함께 보고, 자신의 설계에 맞게 변주하세요. 다른 논문의 경로를 그대로 복사하지 않습니다.

지도교수님께 방법 상담을 받으려면요?

지도 면담 전에 연구 질문 한 문장, 변수 역할 스케치(IV/Med/DV), 데이터 접근성(설문 가능한가·댓글 수집 가능한가), 예상 분석법을 A4 한 장으로 정리해 가져가 주세요. 이 가이드는 예습용이며, 설계의 최종 결정은 지도 과정에서 이루어집니다.

  • 질문을 “SEM vs 회귀 중 무엇?”처럼 구체적으로.
  • 파일럿·윤리·번역 계획도 함께.
  • 관련 공개 사례 링크(지도학생 논문)를 미리 열어 두면 대화가 빠릅니다.

연락: 지도교수 이메일 hoseo@gachon.ac.kr (개인정보 제출·일정 조율 등 기존 안내를 따릅니다).

면담 전에 스케치한 모형 한 장과 데이터 접근성(설문/댓글)을 준비하면 지도 효율이 높아집니다. 미공개 원자료·개인정보는 공유 범위를 지도교수와 합의하세요.

정리하면, 연구 질문·이론·측정·분석이 한 줄로 이어지는지 점검한 뒤 방법 장에 절차를 재현 가능하게 남기는 것이 핵심입니다. 본 가이드의 사례는 공개된 논문 요약에 근거합니다.

지도·심사 단계에서는 “이 선택이 연구 질문에 왜 필요한지”를 한 문장으로 말할 수 있는지가 중요합니다. 도구·표본·척도를 나열하기보다, 질문→개념→측정→분석의 연결을 먼저 점검하세요.