대학원생을 위한 연구와 논문 2: Research Gap은 어떻게 찾는가?

대학원생을 위한 연구와 논문 · 2편

논문이 적으면 Research Gap인가?

학생들에게 연구의 필요성을 설명해보라고 하면 이런 답을 자주 듣습니다.

“이 모델을 건설 문서에 적용한 논문이 거의 없습니다.”

조사할 만한 출발점입니다. 하지만 논문이 적다는 사실만으로 연구의 필요성이 설명되지는 않습니다. 다른 이름으로 이미 연구되었을 수도 있고, 다른 분야의 답이 그대로 적용될 수도 있으며, 아직 연구할 만큼 중요한 문제가 아닐 수도 있기 때문입니다.

Research gap을 찾는다는 것은 빈 제목을 찾는 일이 아닙니다. 기존 지식으로 충분히 답하기 어려운 질문과, 그 질문에 답해야 하는 이유를 찾는 일에 가깝습니다.

이 글의 건설 문서 AI와 균열 인식 사례는 모두 설명을 위한 가정입니다. 실제로 해당 분야에 공백이 존재한다는 주장은 별도의 문헌 검토로 뒷받침해야 합니다.

Knowledge Gap, Research Gap, Limitations의 관계

세 표현을 모든 학문 분야에서 똑같이 구분하는 공식 분류가 있는 것은 아닙니다. 논문에서는 서로 겹쳐 쓰이기도 합니다. 이 글에서는 연구를 설계할 때 도움이 되도록 다음과 같이 구분하겠습니다.

Knowledge gap은 내가 모르는 것과 구분해야 합니다. 연구자가 아직 읽지 않은 내용이 학계에서는 이미 잘 알려져 있을 수 있습니다.

또한 한 논문의 limitation이 곧바로 분야 전체의 research gap이 되지는 않습니다. 한 연구가 한 현장만 분석했더라도 후속 연구가 여러 현장에서 충분히 검증했을 수 있습니다. 반대로 여러 논문이 비슷한 자료와 가정에 의존한다면, 반복되는 제약이 공백을 뒷받침하는 근거가 될 수 있습니다.

“모델이 느리다”도 그 자체로 완성된 연구 공백은 아닙니다. 어떤 사용 조건에서 속도가 문제가 되고, 어떤 성능과 자원 제약을 함께 만족해야 하는지 질문으로 바꾸어야 합니다.

무엇 때문에 답이 부족한가?

Robinson, Saldanha, McKoy(2011)는 보건의료 분야의 체계적 문헌고찰에서 연구 공백을 식별하기 위한 틀을 개발했습니다. 근거가 충분하지 않은 이유를 정보 부족 또는 추정의 불정밀성, 편향, 결과의 불일치 또는 일관성의 미확인, 질문에 맞지 않는 정보로 나누었습니다.[1]

이는 “연구 공백에는 반드시 네 종류만 있다”는 보편적 법칙이 아닙니다. 공학 연구에서도 어떤 질문에 어떤 근거가 부족한지 구체화하는 참고 틀로 사용할 수 있습니다. 특히 imprecision은 추정의 불확실성이 크다는 의미의 불정밀성이며, 체계적으로 틀린 값을 추정하는 편향과 구분해야 합니다.

문헌을 읽을 때 논문의 제목이나 성능 순위만 정리하지 말고, 다음 항목을 함께 적어보세요.

• 어떤 질문에 답했는가?
• 어떤 자료, 대상, 조건을 사용했는가?
• 무엇을 측정했고 무엇은 측정하지 않았는가?
• 결과가 실제로 뒷받침하는 결론은 어디까지인가?
• 다른 연구의 결과와 다른 이유가 방법 때문인지, 조건 때문인지 구분할 수 있는가?

예시 1: 건설 문서에 RAG를 적용한다면

“시방서에 RAG를 적용하겠다”는 구현 계획에서 출발했다고 합시다. 문헌을 조사하고 예비 실험을 하면서, 여러 조항을 함께 읽어야 하는 질문이 특히 어렵다는 가능성을 발견합니다.

바로 “기존 연구는 복잡한 추론을 해결하지 못했다”고 쓰기보다는 문제를 나누는 것이 좋습니다.

1. 답에 필요한 조항을 검색하지 못한 것인가?
2. 필요한 조항을 모두 제공해도 조건과 예외를 결합하지 못하는가?
3. 같은 내용을 제공하되 조항 사이의 관계를 명시하면 결과가 달라지는가?

두 번째 질문을 살피려면 필요한 근거를 연구자가 직접 제공하는 oracle evidence 조건을 둘 수 있습니다. 이는 실제 검색까지 포함한 시스템 성능과 다른 평가입니다. 세 번째 질문에서는 모델과 질문, 제공되는 실질적 정보를 유지하면서 표현 방식을 비교할 수 있습니다.

여기서 연구 공백의 후보는 “건설 분야에 모델 X를 적용한 논문이 없다”보다 다음처럼 구체적입니다.

여러 조항을 결합하는 질문에서, 검색된 정보의 부족과 정보 표현 방식의 영향을 구분할 근거가 충분한가?

이 문장을 실제 공백 주장으로 쓰려면 관련 연구가 이미 그 구분을 했는지 확인해야 합니다. 문헌 검토 전에는 검토할 질문입니다.

예시 2: 균열 분할의 IoU가 높아지면 충분한가?

균열 분할 모델의 IoU가 높아졌다고 합시다. 그런데 실제 목적이 균열 길이 측정이나 연결 상태의 파악이라면, 픽셀의 겹침이 좋아졌다는 사실만으로 그 목적도 잘 달성되었다고 볼 수 있을까요?

이때 질문은 다음처럼 달라집니다.

픽셀 수준의 분할 성능과 균열 길이·연결성의 측정 성능은 어떤 관계가 있는가?

이 질문에 답하는 데 반드시 새 모델이 필요한 것은 아닙니다. 기존 모델을 일관된 조건에서 비교하고, 길이나 연결성의 오류를 적절하게 측정하는 연구가 필요할 수도 있습니다. 이미 이 관계를 분석한 연구가 있는지, 있다면 어떤 균열 폭·영상 해상도·촬영 조건까지 다루었는지 확인해야 합니다.

연구 공백은 새로운 알고리즘의 빈자리일 수도 있지만, 평가 방법이나 적용 범위에 관한 근거의 빈자리일 수도 있습니다.

논문과 학술사의 사례에서 배우기

Swales의 CARS 모형은 논문 서론이 연구 영역을 제시하고, 연구가 들어설 자리를 확보하며, 자신의 연구를 소개하는 방식을 설명합니다. 1990년 모형에서 공백 지적은 그 자리를 확보하는 여러 방식 중 하나이며, 반론·질문 제기·연구 전통의 계승도 포함됩니다.[2] 따라서 “기존 연구가 부족하다”는 문장 형식을 익히는 것과 실제 연구 필요성을 입증하는 것은 다릅니다.

**Alvesson과 Sandberg(2011)**는 조직·경영 연구의 이론 형성 맥락에서, 기존 문헌의 빈칸을 채우는 접근과 함께 그 문헌이 공유하는 가정을 문제 삼는 problematization을 논의했습니다.[3] 이를 “모든 논문은 기존 가정을 뒤집어야 한다”는 요구로 읽을 필요는 없습니다. 다만 문제를 정의하는 방식 자체도 검토할 수 있다는 점은 배울 만합니다.

ResNet 논문은 구체적인 문제에서 출발하는 사례입니다. He 등은 더 깊은 plain network에서 훈련 오차가 오히려 커지는 degradation 문제를 제시하고 residual learning을 연구했습니다.[4] arXiv 사전공개는 2015년, CVPR 출판은 2016년입니다. “더 깊게 만들었다”보다 무엇이 잘되지 않았고 어떤 아이디어로 다루었는지가 드러납니다. 이 사례가 모든 성능 개선의 작동 원리를 완전히 규명해야 한다는 뜻은 아닙니다.

**Kuhn의 『과학혁명의 구조』**는 1962년에 처음 출간되었습니다. 정상과학의 퍼즐 풀이와 과학혁명을 구분하는 논의는, 모든 연구가 패러다임 전환을 일으켜야 하는 것은 아니라는 점을 생각하게 합니다.[5] 기존 틀 안에서 지식을 정교하게 만들고 적용 범위를 확인하는 연구에도 역할이 있습니다.

실제로 공백을 찾는 다섯 단계

1. 질문을 좁힙니다. 관심 분야를 대상·상황·결과가 드러나는 질문으로 바꿉니다.
2. 문헌의 근거를 비교합니다. 결론뿐 아니라 자료, 가정, 측정, 평가 조건을 함께 정리합니다.
3. 남은 불확실성을 찾습니다. 정보 부족, 편향, 결과 충돌, 질문과 근거의 불일치가 있는지 살핍니다.
4. 이미 해결되었는지 다시 확인합니다. 후속 연구, 다른 용어, 인접 분야까지 검토합니다.
5. 중요성과 검증 방법을 연결합니다. 답을 알면 무엇이 달라지며, 어떤 연구로 답할 수 있는지 설명합니다.

검색어와 데이터베이스, 검색한 날짜, 포함·제외한 이유를 기록하면 판단을 되짚기 쉽습니다. 그렇다고 이런 메모만으로 체계적 문헌고찰을 수행했다고 부를 수 있는 것은 아닙니다. 실제 검토의 범위를 정확히 표시하세요.

다음 미팅 전에는 네 문장을 써보기를 권합니다.

지금까지 우리는 ___을 알고 있다. 그러나 ___에 관한 근거는 충분하지 않다. 이것이 중요한 이유는 ___이다. 따라서 이번 연구에서는 ___을 확인하려 한다.

두 번째 문장의 근거가 무엇인지, 세 번째 문장이 연구의 중요성을 설명하는지 확인해보세요. 이것이 Research gap을 논문 수의 문제가 아니라 지식과 근거의 문제로 다루는 출발점입니다.

참고문헌과 읽기 안내

1. Robinson, K. A., Saldanha, I. J., & McKoy, N. A. (2011). Development of a framework to identify research gaps from systematic reviews. Journal of Clinical Epidemiology, 64(12), 1325–1330. DOI
2. Swales, J. M. (1990). Genre Analysis: English in Academic and Research Settings. Cambridge University Press. 출판사
3. Alvesson, M., & Sandberg, J. (2011). Generating research questions through problematization. Academy of Management Review, 36(2), 247–271. DOI
4. He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of CVPR, 770–778. DOI · 2015년 사전공개본
5. Kuhn, T. S. (1962). The Structure of Scientific Revolutions. University of Chicago Press. 출판사: 2012년 50주년판 안내

위 문헌은 개념과 연구 접근법을 이해하기 위한 자료입니다. 건설 문서 AI나 균열 인식에 관한 이 글의 가상 공백을 직접 확인한 연구로 인용한 것은 아닙니다.

그림으로 정리하기

그림을 누르면 확대해 볼 수 있습니다.

Read this article in English

대학원생을 위한 연구와 논문 시리즈

1. 연구란 무엇인가?
2. Research Gap은 어떻게 찾는가?
3. Research Question과 연구 가설은 어떻게 세우는가?
4. 좋은 실험은 어떻게 설계하는가?