에 의해

저스틴 웡

—

2025. 10. 31.

데이터 수집 논문: 최고의 실용적인 방법 설명

저스틴 웡

성장 책임자

글로벌 비즈니스 및 디지털 예술에서 학사 학위를 받았으며, 기업가 정신을 부전공으로 수학했습니다.

링크드인

좋은 논문 데이터를 얻는 것은 퍼즐처럼 느껴지며, 모두가 조각들을 응시하며 어디서 시작해야 할지 궁금해합니다. 대부분의 대학원생들은 교차된 손가락을 가지고 초조하게 글쓰기에 뛰어듭니다. 큰 실수입니다.

당신의 데이터가 몇 달 간의 작업 후에 당신의 주장을 뒷받침하지 않는다는 것을 아는 것처럼 당신의 정신을 짓누르는 것은 없습니다. 이 가이드는 과정을 생존한 학생들에게 효과가 있었던 것을 보여줍니다. 군더더기는 포함되지 않았습니다.

논문에서 데이터 수집이 중요한 이유

모든 논문은 주장에 대한 강력한 증거가 필요합니다. 그렇기 때문에 데이터가 필요합니다 - 데이터는 추측을 확실한 연구로 바꿉니다. 논문의 실질적인 내용은 두 가지 장소에서 옵니다: 실질적 연구(설문조사 및 인터뷰와 같은)와 배경 연구(다른 사람들이 발견한 것 읽기).

경험적 데이터는 온라인 설문조사, 인터뷰 또는 실험을 통해 최초 증거를 제공합니다.
이론적 데이터는 문헌 검토, 기존 연구 및 2차 자료를 통해 맥락과 지원을 제공합니다.

이것은 집을 짓는 것과 같습니다. 당신의 배경 읽기는 기초를 마련하고, 당신의 연구는 벽과 지붕을 추가합니다. 무엇인가를 만들기 위해서는 두 가지 모두가 필요합니다. 당신의 주장을 검증할 수 있습니다.

1단계: 당신이 원하는 것을 명확히 하세요

스프레드시트와 설문조사에 뛰어들기 전에 멈추고 생각하세요: 여기서 진짜 질문은 무엇인가요? 이렇게 하면 시간을 절약할 수 있으며, 하드 숫자, 자세한 이야기, 혹은 두 가지 믹스를 필요로 하는지 파악할 수 있습니다.

자신에게 질문하십시오:

내가 알아내고 싶은 주요 사항은 무엇인가요?
나는 어떤 특정한 것을 증명하고 있거나 아이디어를 탐색하고 있나요?
통계, 인터뷰, 아니면 둘 다 필요하나요?
이 데이터가 내 주장을 실제로 어떻게 뒷받침할까요?

예:

당신이 소셜 미디어가 성적에 미치는 영향을 연구한다고 가정해 보세요. 당신은 필요할 것입니다:

숫자: 화면 시간 로그, 학생 GPA
이야기: 공부 습관, 주의 분산 방지에 대한 학생 인터뷰

조심하세요 - 일부 학생들은 찾을 수 있는 모든 데이터 조각을 가져와서, 실제로 그들의 주장을 돕지 않는 차트 페이지를 만들게 됩니다.

2단계: 데이터 소스 선택하기

대부분의 논문 작업은 책 학습과 실제 데이터의 강력한 혼합이 필요합니다. 이는 단지 체크박스를 확인하는 것이 아닙니다 - 이는 단단한 기초를 쌓는 것입니다. 당신이 찾고 있는 것은 다음과 같습니다:

이론적 데이터 (다른 사람들이 찾은 자료)

학술 저널 (최신 연구 포함)
책 (고전과 최근 출판물 포함)
온라인 데이터베이스 (JSTOR, PubMed, Google Scholar는 당신의 최고의 친구)
정부 및 기관의 공식 보고서 (하드 데이터로 유효한 자료를 제공합니다)

이것이 중요한 이유:

당신의 분야에서 이미 알려진 것을 보여줍니다.
이미 잘 수행된 작업을 피하게 합니다.
당신의 연구를 현재 토론에 위치시킵니다.
기존 지식의 격차를 발견하는 데 도움을 줍니다.

현장 데이터 (당신이 찾는 자료)

특정 질문이 포함된 온라인 설문조사 (대규모 데이터에 좋음)
실험실 작업 또는 컴퓨터 모델 (통제된 조건이 필요할 때)
대면 인터뷰 (깊이 있는 통찰력을 얻기 위해)
실제 관찰 (실제로 일어나는 상황을 보는 것)

이것이 중요한 이유:

당신의 논문을 독창적으로 만듭니다.
신선한 증거로 당신의 주장을 뒷받침합니다.
오늘날의 세상에서 오래된 이론이 여전히 작동하는지 테스트합니다.
결론에 신뢰성을 추가합니다.

3단계: 데이터를 수집할 방법 선택하기

이것은 당신의 전체 프로젝트를 만들거나 무너뜨릴 수 있습니다 - 압박감을 받지 마세요. 질문에 완벽하게 맞는 방법을 선택하세요.

숫자 및 통계에 대한 방법 (정량적):

온라인 설문조사 (저렴하고 많은 사람들에게 빠르게 도달함)
실험 (통제된 조건에서 특정 아이디어를 테스트하는 데 좋음)
무작위 샘플링 (당신의 발견이 널리 실효성이 있음을 증명하기 위해 도움을 줌)
기존 데이터 세트 (인구 조사 정보, 정부 통계와 같은)

이해하는 이유와 방법에 대한 방법 (정성적):

일대일 인터뷰 (개인적인 통찰력을 얻기 위해)
그룹 토론 (아이디어가 실시간으로 어떻게 발전하는지 보기)
사람들이 자연 환경에서 활동하는 것을 지켜보기 (무슨 일이 실제로 일어나는지 보기)

실제 예: 한 경영학 학생이 500명에게 브랜드 선호도에 대한 설문조사를 채우게 한 다음, 그들의 선택 뒤에 있는 '이유'를 이해하기 위해 20개의 자세한 인터뷰를 진행했습니다.

윤리적 데이터 수집 원칙에 따라 참가자의 프라이버시와 동의를 얻는 것을 보장해야 합니다.

4단계: 연구 도구 만들기

설문조사 팁:

짧게 유지하세요 (최대 15분, 사람들은 불안해질 수 있음)
예/아니오 질문과 개방형 질문을 혼합하세요 (하지만 에세이식 질문은 과하게 쓰지 마세요)
먼저 몇 명의 친구에게 테스트하세요 (그들이 놓친 것을 캐치할 것입니다)
한 번에 두 가지를 물어보지 마세요 (예: "이 수업을 즐기고 이해하나요?")
진행 바를 포함하세요 (중간에 포기하는 것을 막음)
주석을 남길 공간을 제공하세요 (예상치 못한 통찰력의 금광)

인터뷰 팁:

계획을 세우되 유연성을 유지하세요 (가장 좋은 것은 종종 주변에서 나옴)
단순히 "예" 또는 "아니오"로 답할 수 없는 공개 질문을 하세요
얼음 깨기 위해 먼저 조금 대화하세요 (누구도 로봇에게 마음을 열지 않습니다)
녹음 허가를 받으세요 (그리고 백업 녹음기를 지니세요)
녹음이 있어도 노트를 작성하세요 (기술은 고장 나기를 좋아합니다)
각 인터뷰가 예상보다 더 길어질 것이라고 계획하세요

5단계: 샘플링, 누구에게서 데이터를 수집할 것인가?

모든 사람이 당신의 연구에 적합한 것은 아닙니다. 누가 중요한지 파악하고 신중하게 선택하세요 - 누구나 참여하도록 하는 것이 아닙니다.

선택하는 두 가지 주요 방법:

무작위 선택 (숫자 처리 및 넓은 결론에 좋음)

단순 무작위 샘플링 (모자에서 이름을 뽑기와 비슷함)
계층화 샘플링 (먼저 그룹으로 나누기)
군집 샘플링 (전체 그룹을 한 번에 뽑기)

목표 샘플링 (상세한 이야기에 더 적합)

눈덩이 샘플링 (한 사람이 다른 사람으로 이어짐)
목적 샘플링 (특정 유형의 사람을 선택하기)
편의 샘플링 (가능한 사람 - 주의해서 사용하세요)

예: 시험 스트레스를 연구하고 있나요? 고학년과 대화하세요, 신입생은 피하세요. 직장 문화를 알고 싶어요? 경영진만 인터뷰하지 마세요.

6단계: 윤리적으로 유지하기

이것은 단순한 관료주의가 아닙니다 - 사람들과 당신의 연구를 보호하는 것입니다:

서면 허가를 받으세요 (그리고 언제든지 종료할 수 있음을 명확히 하세요)
비밀을 보장하세요 (파일을 잠그고 드라이브를 암호화하세요)
취약한 그룹에 더 조심하세요 (학생, 환자, 소수자)
문화 차이를 주의하세요 (어떤 곳에서는 괜찮은 것이 다른 장소에서는 아닐 수 있습니다)
모든 것을 문서화하세요 (미래의 당신이 현재의 당신에게 감사할 것입니다)
민감한 데이터를 저장하기 위한 계획을 세우세요 (그리고 그것을 고수하세요)

실제 예:

환자 데이터를 수집하는 보건 과학 학생은 응답을 익명화하고 안전하게 저장해야 합니다. 이는 종종 엄격한 기관 검토 위원회 (IRB) 프로토콜을 따릅니다. 이러한 윤리적 관행은 최고의 데이터 수집 관행와 일치하여 신뢰를 유지하고 법적 문제를 피합니다.

7단계: 정리 유지하기

엉망인 데이터는 정크 서랍과 같습니다. 그 안에 좋은 것이 있다는 것을 아는 것은 쉽지만, 찾기는 어렵습니다.

파일 이름을 명확하게 지정하세요 ("Interview_Smith_Jan2024"는 "Interview1"보다 낫습니다)
모든 것을 백업하세요 (그런 다음 백업 다시 백업하세요)
원본 데이터를 분리하세요 (결코 원본을 손대지 마세요)
당신이 무엇을 했는지를 기록하세요 (미래의 당신은 세부 사항을 기억하지 않을 것입니다)
시스템을 만들어 유지하세요 (일관성이 핵심입니다)

실제로 도움이 되는 도구:

설문조사: Google Forms, SurveyMonkey (무료 옵션도 잘 작동함)
분석: SPSS, R (숫자를 위해), NVivo (인터뷰를 위해)
저장소: Google Drive, Dropbox (학교의 규칙을 확인하세요)
노트 작성: OneNote, Evernote (장치 간에 동기화)

8단계: 모든 것을 식별하기

숫자로:

기본 통계 (평균, 표준 편차 - 장면을 설정하는 자료)
복잡한 통계 (t-검정, 회귀 분석 - 관계를 증명할 필요가 있을 때)
차트와 그래프 (아무도 표를 읽고 싶어하지 않음)
통계적 유의미성 (그 의미와 이를 알아야 할 때를 아세요)

이야기로:

공통 주제를 찾아내세요 (대개는 평범한 곳에 숨어있음)
응답을 코드화하세요 (체계적으로, 무작위가 아님)
서사를 분석하세요 (패턴과 이상치를 찾아보세요)
인용 선택 (정말로 무엇인가를 말하는 것들 선택)

두 종류를 혼합하여 전체 그림을 얻으세요 - 숫자는 무엇이 발생했는지를 말하고, 이야기는 왜 그런지를 말합니다.

기억하세요: 좋은 데이터 분석은 탐정이 되는 것과 같습니다. 패턴을 찾아보고, 모든 것을 질문하고, 결론에 성급하게 도달하지 마세요. 당신의 논문은 그것에 달려 있습니다.

학생들이 직면하는 일반적인 도전 (및 이를 해결하는 방법)

레딧 Discussions 및 실제 학생 경험에서 자주 발생하는 문제점은 다음과 같습니다:

참여자 모집
- 문제: 충분한 응답자를 찾기 어려움.
- 해결책: 소셜 미디어, 대학 메일링 리스트 또는 전문 네트워크 사용.
온라인 설문조사의 낮은 응답률
- 문제: 오직 20%만 응답.
- 해결책: 설문조사를 짧게 유지하고, 알림을 보내고, 보상을 제공합니다.
시간 제약
- 문제: 수집 시간이 얼마나 걸리는지 과소평가함.
- 해결책: 일찍 시작하고 이정표로 나눕니다.
데이터 과부하
- 문제: 너무 많은 정성적 데이터.
- 해결책: 목표와 직접 관련된 주제에 대한 코딩에 집중하세요.
윤리적 장애물
- 문제: 승인 지연.
- 해결책: 신청서를 일찍 제출하고 윤리적으로 건전한 도구를 설계하세요.

데이터 수집에는 얼마나 걸리나요?

기간은 다릅니다:

온라인 설문조사: 1–4 주.
인터뷰/초점 그룹: 1–3 개월.
실험: 디자인에 따라 달라지며, 학기를 초과할 수 있음.
문헌 검색: 지속적이나 초기 합성은 보통 1–2 개월 걸립니다.

레딧 인사이트: 많은 학생들이 데이터 청소가 수집하는 것보다 더 오래 걸린다고 합니다. 이에 따라 계획하세요.

실용적 예시 1: 경영학 논문

주제: 원격 작업과 직원 생산성

목표: 원격 작업이 작업 완료에 미치는 영향을 측정합니다.
이론적 데이터: HR 생산성 연구 검토.
경험적 데이터:
- 온라인 설문조사 (정량적).
- 인터뷰 (정성적).
샘플링: 목적에 따라, 원격 친화적인 회사의 직원.
분석: 상관 분석 + 주제 코딩.

실용적 예시 2: 보건학 논문

주제: 당뇨병 관리에 따른 환자 교육의 영향

목표: 교육 워크숍이 혈당 조절을 개선하는지 탐색합니다.
이론적 데이터: 임상 연구, WHO 지침 검토.
경험적 데이터:
- 전후 테스트 (정량적).
- 환자와의 초점 그룹 (정성적).
샘플링: 목적에 따라, 클리닉에 참석하는 당뇨병 환자.
분석: 테스트 결과에 대한 통계 비교 + 초점 그룹에서의 주제 통찰력.

이 다층적 접근 방식은 통계적 증거와 인간 이야기를 함께 제공합니다.

논문을 효과적으로 위한 데이터 수집 방법

논문을 위한 데이터를 수집하는 것은 처음에는 압도적으로 느껴질 수 있지만, 명확한 프로세스가 있다면 관리 가능해집니다. 목표를 정의하고, 적합한 방법을 선택하고, 윤리적으로 수집하고, 신중하게 분석하세요. 기억하세요: 데이터는 단순한 숫자나 전사체가 아닙니다. 연구 주장의 근본입니다.

최고의 연구자들은 단순히 데이터를 수집하지 않습니다. 그들은 전략적으로 윤리적으로 수집합니다. 동일한 방식으로 진행하면 당신의 논문은 단순히 통과하는 것이 아니라 돋보일 것입니다.