장애인 대상 설문조사: 방법론과 윤리적 고려사항

 

서론: ‘평균’의 함정을 넘어, 모든 목소리를 담기 위하여

모든 조사는 우리 사회의 모습을 더 정확하게 이해하기 위한 노력입니다. 하지만 많은 조사가 ‘평균적인 한국인’이라는 보이지 않는 가정을 바탕으로 설계되면서, 우리 사회의 중요한 구성원인 장애인의 목소리를 종종 배제하거나 왜곡하곤 합니다. ‘장애인’은 동질적인 집단이 아니며, 그들의 경험과 인식, 욕구는 우리 사회의 다양성을 보여주는 중요한 거울입니다.

따라서 장애인 대상 서베이는 단순히 데이터를 수집하는 행위를 넘어, 사회적으로 소외되기 쉬운 목소리에 귀를 기울이고, 그들의 관점에서 정책과 서비스를 개선하기 위한 ‘소통의 창구’를 여는 과정이어야 합니다. 이를 위해서는 조사 설계의 가장 첫 단계부터 마지막 분석 단계까지, ‘장애 감수성’과 ‘인권 존중’의 관점을 놓지 않는 것이 무엇보다 중요합니다.

1. 설계의 첫 단추: ‘우리에 대한 것은, 우리 없이는 없다(Nothing About Us, Without Us)’

좋은 조사는 기획 단계에서부터 시작됩니다. 특히 장애인 대상 조사에서는, 연구자가 자신의 관점에서만 질문을 설계하는 오류를 피하기 위해, 조사의 주인공인 장애인 당사자와 관련 전문가를 기획 초기 단계부터 반드시 참여시켜야 합니다.

• 자문단 구성: 다양한 장애 유형을 대표하는 사람들, 장애인 인권 단체 활동가, 관련 분야의 전문가 등으로 구성된 자문단을 꾸려, 조사 기획의 전 과정에 대한 의견을 구해야 합니다.

• 질문지 공동 개발: 설문지의 질문과 보기, 사용되는 용어 하나하나를 자문단과 함께 검토해야 합니다. 연구자에게는 중립적으로 보이는 단어가 당사자에게는 차별적이거나 상처가 될 수 있습니다. 예를 들어, ‘장애를 극복하고…’와 같은 표현은 비장애인 중심의 시혜적 시각을 담고 있을 수 있습니다.

• ‘당연한’ 가정 버리기: 설문지는 응답자가 특정 활동(예: 운전, 독서, 스마트폰 사용)을 할 수 있을 것이라고 가정해서는 안 됩니다. “지난 일주일간 몇 번이나 운전하셨습니까?”와 같은 질문은 일부 응답자에게는 해당 사항이 없거나, 소외감을 느끼게 할 수 있습니다.

2. 문을 여는 기술: 접근성을 보장하는 조사 방법(Mode)의 선택

어떤 조사 방법을 선택하느냐는, 장애인 응답자의 참여 가능성을 결정하는 가장 핵심적인 요소입니다. 단일한 조사 방식은 특정 유형의 장애를 가진 사람들을 원천적으로 배제할 수 있으므로, 다양한 선택지를 제공하는 ‘혼합모드(Mixed-Mode)’ 설계가 필수적입니다.

• 웹조사:

  • 장점: 시각장애인을 위한 스크린리더, 지체장애인을 위한 키보드 조작 등 보조 기술과의 호환성이 확보된다면 매우 효과적입니다.

  • 주의점: 반드시 **웹 콘텐츠 접근성 지침(WCAG)**을 준수해야 합니다. 충분한 색상 대비, 명확한 레이아웃, 모든 기능의 키보드 접근성, 이미지에 대한 대체 텍스트 제공 등이 필수입니다.

• 전화조사:

  • 장점: 시각장애인이나 이동이 불편한 응답자에게 매우 효과적인 방식입니다.

  • 주의점: 청각장애인을 위해 문자 통신 중계 서비스나 보이는 ARS 등 대안적 소통 채널을 마련해야 합니다. 면접원은 반드시 천천히, 그리고 명확한 발음으로 질문해야 합니다.

• 대면면접조사:

  • 장점: 복잡한 질문을 설명하고, 라포를 형성하며, 응답자의 상황에 맞춰 유연하게 조사를 진행할 수 있어 가장 포용적인 방식이 될 수 있습니다.

  • 주의점: 조사 장소는 반드시 휠체어 접근성이 보장되어야 하며, 면접원은 사전에 장애 유형별 에티켓에 대한 충분한 교육을 받아야 합니다.

• 최선의 전략: 결국, **응답자에게 가장 편안하고 적합한 조사 방식을 스스로 선택하게 하는 ‘응답자 주도형 혼합모드’**가 가장 바람직합니다.

3. 사람과 사람 사이: 조사원의 전문성과 윤리적 태도

면접원이 개입되는 조사에서, 조사원의 태도와 전문성은 조사의 성패를 좌우합니다.

• 장애 인권 및 에티켓 교육: 모든 조사원은 조사에 투입되기 전, 장애 인권 감수성 교육과 장애 유형별 에티켓 교육을 반드시 이수해야 합니다. 예를 들어, 시각장애인 응답자에게는 자신을 먼저 소개하고, 청각장애인 응답자와는 시선을 맞추며 입 모양을 명확히 하고, 지적장애인 응답자에게는 쉬운 단어로 천천히 설명하는 등의 전문성이 요구됩니다.

• 당사자 중심의 소통: 동반 활동지원사나 가족이 함께 있더라도, 반드시 장애인 당사자에게 직접 질문하고 그 답변을 존중해야 합니다. 동반인에게 대신 질문하는 것은 응답자의 자기결정권을 침해하는 매우 무례한 행위입니다.

• 인내심과 유연성: 응답 과정은 일반 조사보다 더 많은 시간이 소요될 수 있습니다. 조사원은 이를 충분히 인지하고, 응답자를 재촉하지 않으며, 필요에 따라 쉬는 시간을 제공하는 등 유연한 태도를 가져야 합니다.

4. 단순한 조사를 넘어, 존중과 동행의 약속

결론적으로, 장애인 대상 서베이는 단순히 데이터를 수집하는 기술적인 과업을 넘어, **우리 사회가 소수자의 목소리를 듣고 그들의 삶을 존중하려는 ‘윤리적 약속’이자 ‘정치적 실천’**입니다.

이를 위해 연구자는 다음과 같은 마음가짐을 가져야 합니다.

• 효율성보다 포용성: 조사 진행이 조금 더 복잡하고 비용이 더 들더라도, 한 명의 목소리라도 더 담아내려는 포용성의 원칙을 최우선으로 삼아야 합니다.

• 데이터 추출이 아닌, 소통과 경청: 응답자를 단순히 정보의 원천으로 여기는 것이 아니라, 그들의 삶과 경험에 대한 전문가로서 존중하고, 그들의 목소리를 경청하는 자세를 가져야 합니다.

• 결과의 사회적 환원: 조사 결과가 단순히 보고서로 끝나는 것이 아니라, 실제 정책과 서비스 개선으로 이어져 응답자들의 삶에 긍정적인 변화를 가져올 수 있도록 노력해야 할 사회적 책임을 인지해야 합니다.

결국, 가장 성공적인 장애인 대상 서베이는 가장 높은 응답률이나 가장 정교한 통계 분석을 자랑하는 조사가 아닙니다. 조사에 참여한 모든 응답자가 **“나의 이야기가 온전히 존중받았다”**고 느끼게 만드는 조사, 바로 그것이 진정으로 가치 있는 조사일 것입니다.

설문조사의 미래: 질문 없는 조사는 가능한가?

설문조사의 미래: 질문 없는 조사는 가능한가?

- 행동 데이터 시대의 기회와 위협 -

1. ‘말’과 ‘행동’의 불일치: 전통적 설문조사의 근본적 한계

전통적 설문조사는 인간의 생각과 태도를 이해하는 가장 직접적인 방법이었지만, 그 근간에는 ‘사람들이 말하는 것이 과연 그들의 실제 생각이나 행동과 일치하는가’라는 근본적인 한계가 존재한다. 이른바 ‘언행 불일치(Say-Do Gap)’ 문제는 응답자의 불완전한 기억, 자신의 진짜 동기에 대한 무지, 그리고 사회적으로 바람직하게 보이려는 욕구(사회적 바람직성 편향) 등 다양한 인지적, 사회적 요인에서 비롯된다. 사람들은 종종 자신의 직관적 행동을 그럴듯한 논리로 사후에 합리화하며, 이는 설문 응답 데이터의 예측력을 저하시키는 주요 원인이 되어왔다.

이러한 한계에 대한 문제의식은 연구자들로 하여금 새로운 대안을 모색하게 만들었다. ‘사람들에게 묻는’ 대신, ‘사람들의 행동을 직접 관찰’하여 그들의 의도와 선호를 추론하려는 시도, 즉 행동 데이터 기반의 접근법이 바로 그것이다.

2. 행동 데이터의 부상: ‘묻지 않고 아는’ 기술의 잠재력

빅데이터 분석 기술의 발전은 **행동 데이터(Behavioral Data)**의 시대를 열었다. 행동 데이터란 웹사이트 방문 기록, 상품 구매 이력, 스마트폰 앱 사용 패턴, GPS 이동 경로 등 디지털 환경에 남겨진 개인의 실제 행동 기록을 의미한다. 이러한 데이터는 자기 보고에 의존하는 설문 데이터와 비교하여 몇 가지 강력한 장점을 지닌다.

첫째, 객관성과 정확성이다. 기억의 왜곡이나 사회적 편향이 개입될 여지가 없는, 실제 발생한 행동 그 자체이므로 훨씬 객관적이다. 둘째, 방대한 규모와 세분성이다. 실시간으로, 그리고 매우 상세한 수준(granularity)으로 방대한 양의 데이터를 수집할 수 있어, 과거에는 불가능했던 미시적인 행동 패턴 분석을 가능하게 한다. 머신러닝 알고리즘은 이러한 행동 데이터를 분석하여 미래 행동을 예측하는 데 있어 놀라운 정확도를 보여주기 시작했다.

3. 질문 없는 조사의 시대: 우리가 얻게 될 것

만약 기술이 더욱 발전하여 질문 없이 행동만으로 인간을 이해하는 시대가 온다면, 우리는 무엇을 얻게 될까?

첫째, 예측의 정확성 증대이다. 기업은 소비자의 실제 구매 패턴에 기반하여 더 정확한 수요 예측을 할 수 있고, 정부는 유권자의 미디어 소비 패턴과 이동 경로를 분석하여 선거 결과를 예측하거나 정책 효과를 측정할 수 있다. ‘의향’이 아닌 ‘행동’에 기반한 예측은 자원 배분의 효율성을 극대화할 것이다.

둘째, 응답자 부담의 완전한 해소이다. 사람들은 더 이상 만족도 조사, 의견 조사 등 끝없는 설문의 요청에 시달리지 않아도 된다. ‘설문 피로도’라는 개념 자체가 사라지게 될 것이다.

셋째, 예상치 못한 통찰의 발견이다. 인간 연구자가 미처 생각하지 못했던 변수들 간의 상관관계를 기계가 발견해내면서, 인간 행동의 숨겨진 동인을 찾아내는 새로운 차원의 통찰이 가능해질 수 있다.

4. ‘이유’의 상실: 우리가 잃게 될 것

그러나 질문이 사라진 세상은 우리가 얻는 것만큼이나 잃는 것도 명확하다. 행동 데이터는 그 자체로 완전하지 않으며, 치명적인 한계를 내포하고 있다.

가장 큰 손실은 ‘왜(Why)’에 대한 설명력의 부재이다. 행동 데이터는 ‘누가, 무엇을, 언제, 어디서’ 했는지는 알려주지만, ‘왜’ 그렇게 행동했는지는 결코 말해주지 않는다. 특정 소비자가 A 제품 대신 B 제품을 구매했다는 ‘사실’은 알 수 있어도, 그가 어떤 가치관, 동기, 감정 상태에서 그러한 결정을 내렸는지는 알 수 없다. ‘맥락’과 ‘의미’가 제거된 데이터는 피상적인 현상 기술에 머무를 위험이 크다.

또한, 미래와 의도 파악의 한계이다. 행동 데이터는 본질적으로 과거의 기록이다. 아직 세상에 존재하지 않는 신제품이나 새로운 정책에 대한 사람들의 반응을 예측할 수는 없다. 사람들의 미래 계획, 꿈, 희망, 불안 등 내면의 상태를 파악하는 것은 불가능하다.

마지막으로, 심각한 윤리적 문제이다. 모든 행동이 추적되고 분석되는 ‘질문 없는 사회’는 곧 ‘완벽한 감시 사회’와 동의어가 될 수 있다. 개인의 사생활과 자율성은 심각하게 위협받을 것이며, 데이터의 소유권과 활용을 둘러싼 사회적 갈등은 극에 달할 것이다.

5. 결론: 질문은 사라지지 않는다, 다만 진화할 뿐이다

결론적으로, 행동 데이터가 아무리 발전하더라도 설문조사의 ‘질문’이 완전히 사라지는 시대는 오지 않을 것이다. 오히려 설문조사의 미래는 ‘묻는 것(Asking)’과 ‘관찰하는 것(Observing)’의 **지능적인 통합(Intelligent Integration)**에 있다. 행동 데이터의 ‘무엇(What)’과 설문 데이터의 ‘왜(Why)’가 결합될 때, 비로소 인간에 대한 완전한 이해가 가능해지기 때문이다.

미래의 질문은 더 정교하고, 더 전략적으로 진화할 것이다. 연구자는 더 이상 “지난 한 달간 A 제품을 구매한 적이 있습니까?”라고 묻지 않을 것이다. 대신, 구매 행동 데이터를 통해 A 제품 구매자를 정확히 찾아낸 뒤, 그에게 “최근 A 제품을 구매하셨는데, 그 순간 어떤 점이 가장 매력적으로 느껴지셨나요?”라고 물을 것이다. 행동 데이터가 ‘누구에게 무엇을 물을지’를 알려주고, 질문은 그 행동의 깊은 의미를 파헤치는 역할을 하게 된다.

‘언행 불일치’는 한쪽을 제거함으로써 극복되는 것이 아니라, 양쪽을 연결하고 그 사이의 관계를 이해함으로써 비로소 해소될 수 있다. 인간을 이해한다는 것은 그의 행동을 관찰하는 것뿐만 아니라, 그의 목소리를 듣고 의미를 탐색하는 대화의 과정이다. 그렇기에 ‘질문’은 형태를 바꿀지언정, 인간을 이해하려는 인류의 노력이 계속되는 한 결코 사라지지 않을 것이다.

‘대답하지 않을 자유’의 재해석

 

‘대답하지 않을 자유’의 재해석

- 결측값을 넘어 능동적 의사 표현으로서 ‘모름/무응답’의 가치 -

1. ‘모름/무응답(DK/NA)’을 바라보는 전통적 관점: 데이터의 결손

설문조사 연구에서 ‘모름/무응답(Don't Know/No Answer, 이하 DK/NA)’은 오랫동안 분석의 걸림돌이자 데이터의 불완전성을 드러내는 지표로 간주되어 왔다. 이러한 전통적 관점에서 DK/NA는 처리해야 할 ‘결측값(Missing Value)’, 즉 데이터의 결손(deficit)으로 취급된다. 연구자들이 DK/NA 비율을 줄이려는 주된 이유는 그것이 통계 분석에 야기하는 문제점 때문이다. DK/NA 응답이 특정 집단에 집중될 경우 표본의 대표성을 훼손하여 결과의 편향을 초래할 수 있으며, 결측값 처리를 위한 통계적 기법(예: 대체, 완전 제거)은 분석의 복잡성을 높이고 통계적 검정력을 약화시킨다.

이러한 관점에서 높은 DK/NA 비율은 종종 연구 설계의 실패, 즉 질문이 너무 어렵거나, 모호하거나, 응답자에게 부적절했음을 시사하는 지표로 해석된다. 따라서 연구의 무게중심은 자연스럽게 ‘어떻게 하면 DK/NA 응답을 최소화할 것인가’에 맞춰져 왔다.

2. ‘모름/무응답’의 다층적 의미: 무지, 양가감정, 그리고 저항

그러나 DK/NA를 단순히 ‘데이터의 결손’으로만 치부하는 것은, 그 안에 담긴 풍부하고 다층적인 의미를 간과하는 것이다. 응답자가 DK/NA를 선택하는 이유는 단순한 측정 실패를 넘어, 그 자체로 의미 있는 심리적 상태를 반영하는 경우가 많다.

• 진정한 정보 부족(Genuine Lack of Information): 응답자가 해당 주제에 대해 전혀 알지 못하거나, 판단을 내릴 만큼의 충분한 정보를 갖고 있지 않은 경우이다. 이 경우, DK/NA는 응답자의 솔직한 상태를 나타내는 가장 정확한 응답이다.

• 태도의 양가성(Attitudinal Ambivalence): 특정 사안에 대해 긍정적 측면과 부정적 측면을 모두 인식하여 하나의 입장으로 정리하기 어려운 복합적인 태도를 가진 경우이다. 이는 척도의 중간점을 선택하는 ‘중립’과는 질적으로 다른 상태이다.

• 의견 형성의 유보(Withholding Opinion Formation): 사안을 인지하고 있으나 아직 안정적인 의견을 형성하지 못했거나, 의도적으로 판단을 유보하고 있는 상태를 표현하는 것일 수 있다.

• 질문에 대한 저항(Resistance to the Question): 질문의 전제가 잘못되었다고 생각하거나, 제시된 보기들이 자신의 입장을 전혀 대변하지 못한다고 느낄 때, 혹은 질문 자체가 편향되거나 부적절하다고 판단하여 답변을 거부하는 능동적인 의사 표현일 수 있다.

• 사생활 보호(Privacy Concerns): 소득, 건강 상태, 정치적 성향 등 민감한 정보에 대한 공개를 거부하는 방어적 수단으로 DK/NA를 선택하는 경우이다.

3. ‘강제 응답’의 함정: 무의미한 데이터의 양산

DK/NA를 원천적으로 차단하기 위해 모든 문항에 응답을 의무화하는 ‘강제 응답(Forced Response)’ 설계는 언뜻 효과적으로 보이지만, 실제로는 데이터 품질을 더욱 심각하게 훼손하는 함정을 내포하고 있다. 답변을 강요당한 응답자들은 다음과 같은 행태를 보일 수 있다.

첫째, **무작위 응답(Random Response)**이다. 정말로 의견이 없는 응답자는 다음 단계로 넘어가기 위해 임의의 보기를 선택하게 되고, 이는 데이터에 통계적 잡음(noise)을 주입하여 분석의 신뢰도를 떨어뜨린다.

둘째, **의미 없는 중간값 선택(Meaningless Midpoint Selection)**이다. ‘보통’이나 ‘중립’과 같은 중간 보기는, 진정한 중립적 태도보다는 강제 응답 상황에서 가장 손쉬운 ‘도피처’로 선택될 가능성이 높다.

셋째, 조사 이탈률(Dropout Rate) 증가이다. 자신의 의사에 반하여 답변을 강요당하는 불쾌한 경험은 응답자의 피로도를 높이고, 결국 설문을 중도에 포기하게 만드는 주요 원인이 된다. 이는 개별 문항의 결측을 막으려다 전체 응답 데이터를 잃게 되는 더 큰 손실로 이어진다.

4. ‘모름/무응답’을 해석하고 활용하는 방법론

따라서 연구의 패러다임은 DK/NA를 제거하는 것에서, 그것의 의미를 적극적으로 탐색하고 이해하는 방향으로 전환되어야 한다.

이를 위해, 응답자가 DK/NA를 선택했을 때 그 이유를 직접 묻는 **후속 질문(Follow-up Probes)**을 설계할 수 있다. (예: ①정보가 부족해서, ②아직 고민 중이어서, ③의견이 복합적이어서, ④답하고 싶지 않아서) 이는 DK/NA를 유형별로 분류하여 그 의미를 해석할 수 있는 귀중한 메타데이터(metadata)를 제공한다.

또한, 분석 단계에서는 DK/NA 응답 집단을 단순히 결측 처리하는 대신, 하나의 독립적인 분석 단위로 간주하고 그들의 인구통계학적, 심리적 특성을 다른 응답 집단과 비교 분석할 수 있다. 예를 들어, 특정 정책에 대한 DK/NA 응답이 특정 소득이나 연령 집단에 집중된다면, 이는 정책에 대한 정보가 특정 계층에 제대로 전달되지 않고 있음을 시사하는 중요한 발견이 될 수 있다.

5. 결론: ‘대답하지 않을 자유’를 존중하는 것의 가치

분석의 편의성을 위해 응답의 완전성을 강요하는 것은 측정의 타당성이라는 더 큰 가치를 훼손하는 행위다. 응답자에게 ‘대답하지 않을 자유’를 허용하고 존중하는 것은 단순한 윤리적 배려를 넘어, 더 진실하고 정확한 데이터를 얻기 위한 현명한 방법론적 선택이다. 이는 응답자가 잘 모르는 상태에서 억지로 만들어낸 ‘가짜 의견(non-attitudes)’이 데이터에 섞여드는 것을 방지하는 필터 역할을 한다.

궁극적으로 연구의 목표는 모든 칸이 채워진 데이터 테이블을 만드는 것이 아니라, 인간과 사회에 대한 더 깊고 정확한 이해에 도달하는 것이다. ‘모름/무응답’을 측정의 실패나 오류가 아닌, 그 자체로 의미를 담고 있는 하나의 정보로 바라볼 때, 우리는 비로소 응답자의 침묵 속에서도 중요한 목소리를 들을 수 있게 될 것이다. 때로는 침묵이 그 어떤 응답보다 더 많은 것을 말해준다.

면접원의 재발견: AI 시대, ‘표준화’와 ‘관계 형성’의 딜레마

 

면접원의 재발견: AI 시대, ‘표준화’와 ‘관계 형성’의 딜레마

- 면접원의 새로운 역할과 책무에 대한 고찰 -

1. AI 시대, 그럼에도 불구하고 인간 면접원이 필요한 이유

자동응답시스템(IVR), 챗봇, 웹 조사가 보편화되면서 데이터 수집의 자동화는 거스를 수 없는 흐름이 되었다. 이러한 기술은 비용 효율성과 속도 면에서 큰 이점을 제공하지만, 인간의 상호작용을 대체할 수 없는 영역은 여전히 존재한다. AI 시대에 오히려 ‘인간 면접원’의 중요성이 재발견되는 이유는 바로 여기에 있다.

첫째, 복잡하고 민감한 주제를 다룰 때 인간의 역할은 필수적이다. 면접원은 응답자의 미묘한 반응을 살피며 추가적인 설명을 제공하고, 모호한 답변에 대해서는 깊이 있는 탐침(probing)을 통해 구체적인 정보를 이끌어낼 수 있다. 둘째, 조사 참여 유도 및 이탈 방지에 탁월하다. 숙련된 면접원은 잠재적 응답자를 설득하여 조사의 문을 열게 하고, 길고 어려운 조사 과정 속에서 응답자의 참여 동기를 유지시키는 역할을 한다. 셋째, 특정 조사 대상에 대한 접근성이다. 디지털 기기 사용에 익숙지 않은 고령층이나, 기술적 접근이 어려운 환경에 있는 특정 집단에게 조사를 수행하기 위해서는 인간의 직접적인 접촉이 유일한 해법일 수 있다.

2. ‘표준화’의 원칙: 측정 오류 통제라는 대의

전통적인 조사 방법론에서 면접원의 제1 덕목은 **‘표준화(Standardization)’**였다. 이는 모든 응답자에게 질문의 순서, 워딩, 톤, 허용된 설명까지 정확히 동일하게 전달함으로써, 응답 결과의 차이가 오직 응답자 간의 실제 차이에서만 비롯되도록 하는 원칙이다. 이 관점에서 이상적인 면접원은 감정이나 주관을 배제하고, 주어진 설문지를 오차 없이 읽어내는 완벽하게 중립적인 ‘기계’ 혹은 ‘도구’이다.

표준화의 대의는 **면접원 편향(interviewer bias)**으로 인한 측정 오류를 최소화하는 데 있다. 면접원이 임의로 질문을 부연 설명하거나, 특정 응답에 긍정적 혹은 부정적 피드백을 주거나, 응답자와 불필요한 사담을 나누는 모든 행위는 측정의 일관성을 해치는 ‘오염원’으로 간주된다. 결국 표준화는 수집된 데이터의 **신뢰도(reliability)**와 응답자 간 **비교 가능성(comparability)**을 담보하기 위한 과학적 조사의 기본 전제이다.

3. ‘관계 형성(Rapport)’의 가치: 데이터의 깊이와 진실성 확보

표준화가 데이터의 ‘일관성’을 위한 원칙이라면, ‘라포(Rapport)’, 즉 응답자와의 긍정적이고 신뢰에 기반한 인간적 유대는 데이터의 ‘깊이’와 ‘진실성’을 확보하기 위한 핵심 요소이다. 면접원이 응답자와 성공적으로 라포를 형성할 때, 조사 환경은 딱딱한 심문 과정이 아닌, 안전하고 편안한 대화의 장으로 변모한다.

긍정적 라포는 데이터의 질을 여러 측면에서 향상시킨다. 첫째, 사회적 바람직성 편향(Social Desirability Bias)을 감소시킨다. 응답자는 자신을 판단하지 않을 것이라는 신뢰 속에서, 사회적 시선에 맞춘 답변이 아닌 자신의 솔직한 생각과 경험을 털어놓을 가능성이 높아진다. 둘째, 개방형 질문(Open-ended question)의 질을 향상시킨다. 편안한 분위기 속에서 응답자는 더 풍부하고 상세한 답변을 제공하며, 면접원의 적절한 공감과 격려는 이를 더욱 촉진한다. 라포는 측정의 타당도(validity), 즉 우리가 진정으로 측정하고자 하는 바를 얼마나 정확히 측정했는가를 높이는 데 결정적인 역할을 한다.

4. 표준화와 관계 형성의 충돌 지점과 해결 방안

‘표준화’와 ‘관계 형성’은 종종 현장에서 충돌한다. 응답자가 표준화된 질문을 명백히 오해했을 때, 면접원은 표준화를 지키기 위해 질문을 그대로 반복해야 하는가, 아니면 라포를 활용해 이해를 돕도록 쉽게 풀어 설명해야 하는가? 응답자가 질문과 약간 다른 맥락이지만 매우 중요한 이야기를 꺼냈을 때, 면접원은 표준화를 위해 다음 질문으로 넘어가야 하는가, 아니면 관계에 기반해 더 깊이 탐색해야 하는가?

이 딜레마에 대한 해결책은 둘 중 하나를 선택하는 것이 아니라, 양립을 위한 정교한 접근법을 개발하는 데 있다. 첫째, 면접원 훈련의 고도화이다. 단순히 스크립트를 암기시키는 것을 넘어, 각 질문이 측정하고자 하는 ‘개념’을 명확히 이해시키고, 표준화된 방식으로 추가 질문을 하거나(예: “그 점에 대해 조금 더 자세히 말씀해주시겠어요?”), 공감을 표현하는(예: “아, 그러셨군요”) 표준화된 상호작용 기법을 훈련시켜야 한다.

둘째, **대화식 면접법(Conversational Interviewing)**의 도입이다. 이는 엄격한 스크립트를 따르되, 응답자의 답변 흐름에 맞춰 질문의 순서를 유연하게 조절하거나 자연스러운 대화의 흐름을 허용하는 방식이다. 모든 핵심 정보는 수집하되, 상호작용의 경직성을 줄여 라포 형성을 돕는다.

5. 결론: ‘적응적 표준화’를 지향하는 전문직으로서의 면접원

‘표준화’와 ‘관계 형성’ 중 무엇을 우선해야 하는가라는 질문은, ‘면접원은 기계인가, 촉진자인가’라는 잘못된 이분법에 기반한다. AI 시대에 면접원의 역할은 둘 중 하나가 아닌, 두 가지를 모두 아우르는 **‘고도로 숙련된 전문가’**로 재정의되어야 한다. 미래의 면접원은 **‘적응적 표준화(Adaptive Standardization)’**를 수행할 수 있어야 한다.

이는 비교 가능성이 중요한 객관적 사실이나 단순 태도를 묻는 질문에서는 엄격한 표준화를 적용하고, 깊이 있는 탐색이 필요한 복잡하고 민감한 주제에서는 훈련된 라포 형성 및 탐침 기술을 활용하여 데이터의 진실성을 극대화하는 것을 의미한다. 자동화 기술이 단순하고 반복적인 질문을 대체할수록, 인간 면접원은 공감, 사회적 판단력, 신뢰 구축 등 기계가 할 수 없는 고유의 역량에 더욱 집중하게 될 것이다. 결국 면접원의 미래는 기계와의 경쟁이 아닌, 데이터 수집의 ‘인간적 차원’을 전담하는 대체 불가능한 전문가로서 그 가치를 재발견하는 데 있다.

수동적 데이터 수집의 윤리적 딜레마와 연구자의 책무

 

수동적 데이터 수집의 윤리적 딜레마와 연구자의 책무

- 정보 비대칭 시대의 최소한의 가이드라인 -

1. 새로운 데이터 패러다임: 수동적 데이터 수집의 가치와 잠재력

전통적인 설문조사가 응답자의 자기 보고(self-report)에 의존하는 것과 달리, **수동적 데이터 수집(Passive Data Collection)**은 응답자의 별도 개입 없이 스마트폰 센서(GPS, 가속도계 등), 애플리케이션 이용 기록, 웹 브라우징 기록 등 개인의 실제 행동 및 상황 데이터를 기술적으로 자동 수집하는 방식을 의미한다. 이러한 수동적 데이터를 설문 데이터와 결합할 때, 연구자는 전례 없는 깊이의 통찰을 얻을 수 있다. 이는 응답자가 ‘무엇을 했다고 말하는가(설문 응답)’와 ‘실제로 무엇을 했는가(행동 데이터)’ 사이의 간극을 메워주기 때문이다.

예를 들어, 광고 인지도에 대한 설문 응답과 실제 광고에 노출된 웹 브라우징 기록을 결합하거나, 주관적 행복감에 대한 응답과 스마트폰의 가속도계로 측정된 실제 신체 활동량을 연결하는 분석은, 인간 행동에 대한 훨씬 더 타당하고 객관적인 이해를 가능하게 한다. 이처럼 수동적 데이터 수집은 사회과학 및 마케팅 리서치 분야에서 새로운 패러다임을 열 잠재력을 지닌다.

2. '동의'의 허상과 정보 비대칭 문제

수동적 데이터 수집은 법적으로 응답자의 **'사전 동의(informed consent)'**를 전제로 이루어진다. 그러나 이 '동의'는 심각한 윤리적 딜레마를 내포하고 있다. 수집되는 데이터의 방대함, 기술적 복잡성, 그리고 데이터 결합을 통해 창출될 수 있는 추론 정보의 무한한 가능성 때문에, 비전문가인 응답자가 자신이 제공하는 정보의 범위와 그것이 어떻게 분석될지를 완벽하게 이해하고 동의하는 것은 사실상 불가능에 가깝다.

결국 연구자와 응답자 사이에는 극심한 정보 비대칭(Information Asymmetry) 상태가 발생한다. 연구자는 데이터의 잠재력을 모두 알고 있지만, 응답자는 불완전하고 추상적인 설명에 기반하여 동의할 뿐이다. 이 상황에서 ‘동의’ 버튼 클릭은 진정한 이해에 기반한 자발적 의사라기보다, 보상을 얻기 위해 넘어야 할 형식적 절차로 전락할 위험이 크다. 이는 연구 윤리의 근간을 흔드는 심각한 문제이다.

3. 연구자가 준수해야 할 최소한의 윤리적 원칙

이러한 정보 비대칭 상황에서 연구자는 법적 요건을 넘어, 응답자를 보호하기 위한 다음의 최소한의 윤리적 가이드라인을 스스로에게 부과해야 한다.

첫째, **투명성 및 이해 가능성의 원칙(Principle of Transparency and Comprehensibility)**이다. 법률 용어로 가득 찬 긴 약관 대신, 평이한 언어와 인포그래픽 등을 활용하여 ▲구체적으로 어떤 데이터가 수집되는지(예: ‘일주일간의 스마트폰 위치 정보’), ▲왜 그 데이터가 연구에 필요한지, ▲데이터의 보관 기간과 접근 권한은 어떻게 되는지를 명확하고 이해하기 쉽게 설명해야 할 의무가 있다.

둘째, **데이터 최소화의 원칙(Principle of Data Minimization)**이다. 이는 GDPR 등 데이터 보호 규정의 핵심 원칙으로, 연구자는 사전에 정의된 특정 연구 질문에 답변하기 위해 ‘반드시 필요한 최소한의 데이터’만을 수집해야 한다. ‘나중에 유용할 수 있다’는 막연한 기대로 과도한 데이터를 수집하는 행위는 정당화될 수 없다.

셋째, **비식별화 및 익명성 보장의 원칙(Principle of De-identification and Anonymity)**이다. 수집된 데이터에서 이름, 연락처 등 개인식별정보(PII)는 가능한 한 가장 빠른 단계에서 제거하거나 가명 처리해야 한다. 또한, 데이터 유출을 방지하기 위한 강력한 기술적 보안 조치를 마련하는 것은 연구자의 기본적인 책무이다.

4. 응답자 통제권 강화 방안

일회성 ‘동의’를 넘어, 응답자에게 자신의 데이터에 대한 실질적인 통제권을 부여하는 것은 정보 비대칭을 완화하는 가장 효과적인 방법이다.

이를 위해 세분화된 동의(Granular Consent) 방식을 도입해야 한다. ‘모든 정보 제공에 동의’라는 포괄적 선택지 대신, ‘위치 정보 제공에는 동의하지만, 웹 브라우징 기록 제공에는 동의하지 않음’과 같이 응답자가 데이터 유형별로 제공 여부를 선택할 수 있게 권한을 부여하는 것이다.

또한, 응답자가 원할 때 언제든지 쉽게 동의를 철회하고, 이미 수집된 자신의 데이터 삭제를 요청할 수 있는 명확하고 간편한 절차를 보장해야 한다. 궁극적으로는 응답자가 자신의 어떤 데이터가 수집되었는지 직접 확인하고 권한을 관리할 수 있는 **'데이터 관리 대시보드'**를 제공하는 것이 가장 바람직한 방향이다.

5. 결론: 법적 허용을 넘어 윤리적 책무로

수동적 데이터 수집 시대에, 연구 윤리는 단순히 법률이 정한 동의 절차를 준수하는 것만으로는 충분하지 않다. 정보 비대칭이라는 구조적 문제 앞에서, 연구자는 단순한 데이터 분석가를 넘어 응답자의 개인 정보를 위탁받은 **‘데이터 수탁자(Data Fiduciary)’**로서의 역할을 인식해야 한다. 이는 응답자의 사생활과 권리를 연구의 편의성이나 가치보다 우선하여 고려해야 하는 적극적인 ‘보호의 의무’를 의미한다.

수동적 데이터가 제공하는 강력한 통찰력은, 그 데이터의 주체인 인간을 보호해야 하는 강력한 윤리적 책임과 함께 온다. 그 책임을 다할 때에만, 기술의 발전이 인류에 대한 더 깊은 이해로 이어지는 신뢰의 선순환을 만들어 갈 수 있을 것이다.

교차문화 조사의 함정과 개념적 등가성 확보 방안

 

교차문화 조사의 함정과 개념적 등가성 확보 방안

- 문화적 맥락을 넘어서는 측정의 보편성을 향하여 -

1. 교차문화 조사의 필요성과 근본적 난제

글로벌 시장이 통합되고 문화 간 교류가 일상화되면서, 서로 다른 문화권의 소비자, 유권자, 조직 구성원을 비교 분석하려는 교차문화 조사(Cross-Cultural Survey)의 필요성은 그 어느 때보다 증대되고 있다. 글로벌 마케팅 전략 수립, 국제기구의 사회 지표 비교, 문화 간 심리 비교 연구 등 다양한 분야에서 교차문화 조사는 핵심적인 연구 방법론으로 자리 잡았다.

그러나 그 필요성만큼이나 근본적인 난제를 내포하고 있다. 그것은 바로 하나의 측정도구(설문지)가 단순히 언어적으로 번역되었을 때, 과연 모든 문화권에서 동일한 의미와 심리적 속성을 지닐 수 있는가라는 문제이다. ‘행복’, ‘성공’, ‘사생활’과 같은 추상적인 개념은 문화적 가치관과 깊이 연관되어 있어, 동일한 단어라도 문화에 따라 전혀 다른 의미로 해석될 수 있다. 이처럼 문화적 맥락을 고려하지 않은 채 진행되는 조사는, 실제로는 존재하지 않는 허상(artifact)을 측정하거나 문화 간 차이를 심각하게 왜곡할 위험이 있다.

2. 개념적 등가성(Conceptual Equivalence)의 다차원적 의미

교차문화 조사의 신뢰도를 확보하기 위한 핵심 과제는 **등가성(Equivalence)**을 확보하는 것이다. 등가성은 단순한 언어적 번역을 넘어, 다음과 같은 다차원적인 수준에서 검토되어야 한다.

• 개념적 등가성 (Conceptual Equivalence): 측정하고자 하는 구성개념이 연구 대상인 모든 문화권에 동일하게 존재하며, 유사한 의미론적 관계 속에서 이해되는가를 의미한다. 예를 들어, ‘자아실현’이라는 개념이 개인의 성취를 중시하는 개인주의 문화와, 집단 내에서의 역할을 중시하는 집단주의 문화에서 동일한 의미와 중요성을 갖는다고 가정하기는 어렵다.

• 항목 등가성 (Item Equivalence): 특정 개념을 측정하는 개별 설문 항목들이 모든 문화권에서 동일한 수준의 관련성과 적절성을 갖는가를 의미한다. ‘부모님보다 먼저 식사를 시작하는 것은 불편하다’라는 항목은 효(孝)라는 개념을 측정하기 위해 한국에서는 유효할 수 있으나, 서구 문화권에서는 거의 관련 없는 문항이 될 수 있다.

• 척도 등가성 (Scalar/Metric Equivalence): 측정 척도가 모든 문화권에서 동일한 심리측정적 특성을 갖는가를 의미한다. 즉, 만족도 척도에서 ‘7점’이라는 응답이 미국과 일본에서 동일한 수준의 만족도를 의미하는지를 따지는 문제이다. 이는 후술할 문화적 응답 경향의 차이로 인해 확보하기가 매우 어렵다.

3. 문화적 응답 편향: 해석을 왜곡하는 보이지 않는 손

설문지가 개념적으로 등가하게 설계되었더라도, 응답 과정에서 발생하는 문화 고유의 응답 경향은 결과를 왜곡시킬 수 있다.

• 사회적 바람직성 편향 (Social Desirability Bias): 사회적으로 바람직하다고 여겨지는 가치가 문화마다 다르기 때문에 발생한다. 집단주의 문화에서는 공동체의 조화나 겸손을 강조하는 방향으로 응답이 편향될 수 있는 반면, 개인주의 문화에서는 독립성이나 자신감을 드러내는 방향으로 편향될 수 있다.

• 묵종 편향 및 거부 편향 (Acquiescence and Disacquiescence Bias): 질문 내용과 무관하게 동의(혹은 비동의)하는 경향으로, 권위에 대한 순응이나 체면을 중시하는 문화에서 더 강하게 나타날 수 있다.

• 극단적/중간적 응답 경향 (Extreme/Midpoint Response Styles): 일부 문화권(예: 중동, 라틴 문화권)에서는 척도의 양극단 값을 선호하는 경향이, 다른 일부 문화권(예: 동아시아 문화권)에서는 갈등을 회피하고 중도를 지키려는 경향으로 인해 중간 값을 선호하는 경향이 관찰된다. 이러한 차이는 국가 간 평균 비교 시 심각한 해석의 오류를 낳는다.

4. 등가성 확보를 위한 방법론적 절차

이러한 함정을 피하고 등가성을 확보하기 위해서는 단순 번역을 넘어서는 체계적이고 엄격한 절차가 요구된다.

첫째, 탈중심화(Decentering) 접근법이다. 특정 문화(주로 서구)에서 개발된 설문지를 번역하는 대신, 연구 초기 단계부터 여러 문화권의 연구자들이 공동으로 참여하여 특정 문화에 치우치지 않는 보편적인 개념 정의와 문항 개발을 함께 진행하는 방식이다.

둘째, **반복 번역 및 역번역(Iterative Translation and Back-Translation)**이다. 한 명의 번역가가 원문(source language)을 목표 언어(target language)로 번역한 후(①), 원문을 보지 않은 다른 번역가가 그 결과물을 다시 원문 언어로 번역(② 역번역)한다. 이후 원문과 역번역된 결과물을 비교(③)하여 의미상 불일치하는 부분을 찾아내고, 공동 검토를 통해 수정하는(④) 과정을 반복한다.

셋째, **사전 조사 및 인지 면접(Pre-testing and Cognitive Interviewing)**이다. 번역된 설문지를 각 문화권의 소수 응답자에게 미리 적용해보고, 질문을 어떻게 이해했는지, 왜 그렇게 답했는지 등을 심층적으로 인터뷰함으로써 문항의 개념적 등가성을 질적으로 검증한다.

넷째, **통계적 검증(Statistical Verification)**이다. 데이터 수집 후, **다집단 확인적 요인분석(Multi-group Confirmatory Factor Analysis, MGCFA)**과 같은 통계 기법을 사용하여 설문지의 측정 구조가 문화 간에 동일하게 작동하는지(측정 동일성, measurement invariance)를 경험적으로 확인한다.

5. 결론: 완벽한 등가성은 이상(理想), 점진적 접근은 현실

교차문화 조사에서 완벽하고 절대적인 등가성을 확보하는 것은 사실상 불가능에 가까운 이론적 이상일 수 있다. 문화는 인간의 인지와 표현 모든 측면에 깊이 스며있어, 이를 완벽히 통제하고 분리해내는 것은 어렵기 때문이다.

하지만 이는 교차문화 연구의 무용성을 의미하지 않는다. 최선의 접근은 완벽함을 가정하는 대신, 등가성 확보를 위해 어떠한 방법론적 노력을 기울였으며, 그럼에도 불구하고 존재하는 한계는 무엇인지를 투명하게 밝히는 것이다. 탈중심적 설계, 엄격한 번역 절차, 질적 사전조사, 정교한 통계 분석을 결합한 다각적인 노력을 통해 등가성의 수준을 점진적으로 높여나가야 한다.

결국 교차문화 연구자의 덕목은 보편성에 대한 맹신이 아니라, 인간의 경험이 어떻게 공유되고 또 어떻게 문화적으로 다르게 형성되는지를 세심하게 탐색하는 ‘문화적 탐정’의 자세에 있다. 진정한 연구의 가치는 완벽한 동일성을 확인하는 데 있는 것이 아니라, 그 차이의 미묘함과 풍부함을 이해하는 데서 비롯된다.

게이미피케이션의 양날의 검

 

게이미피케이션의 양날의 검

- 설문조사 응답의 질과 참여도 사이의 상충 관계 분석 -

1. 게이미피케이션의 도입 배경과 목적

전통적인 설문조사가 지닌 단조로움과 반복성은 응답자의 피로도를 높이고 조사 이탈을 유발하는 주요 원인으로 지목되어 왔다. 이러한 한계를 극복하기 위한 대안으로, 설문조사 분야에서도 게이미피케이션(Gamification), 즉 비(非)게임 영역에 게임적 사고와 메커니즘을 적용하려는 시도가 확산되고 있다. 포인트, 배지, 순위표, 프로그레스 바와 같은 게임 요소를 설문에 도입함으로써, 응답자에게 내재적 즐거움과 성취감을 제공하고, 이를 통해 ▲응답 이탈률 감소 ▲참여 동기 강화 ▲특정 인구(예: 젊은 층)의 적극적 참여 유도 등을 달성하고자 하는 것이 주된 목적이다.

2. 인지적 처리 과정에 미치는 영향: '재미'와 '숙고'의 충돌

게이미피케이션은 응답자의 참여를 높이는 순기능을 갖지만, 응답자가 질문을 처리하는 인지적 과정에 개입하여 데이터 품질에 예기치 않은 부작용을 낳을 수 있다. 행동경제학의 이중 처리 이론(Dual-Process Theory)에 따르면, 인간의 사고는 빠르고 직관적이며 감성적인 '시스템 1'과, 느리고 논리적이며 숙고하는 '시스템 2'로 나뉜다. 신뢰도 높은 설문 데이터는 응답자가 질문의 의미를 깊이 이해하고 자신의 태도나 기억을 신중하게 탐색하는 '시스템 2'의 활성화를 통해 얻어진다.

그러나 게이미피케이션은 본질적으로 즉각적인 피드백, 경쟁, 빠른 과제 해결 등을 통해 '시스템 1'을 자극하도록 설계된 경우가 많다. 응답자의 목표가 '질문에 대한 정확하고 진솔한 답변'에서 '게임의 승리', '포인트 획득', '다음 단계로의 신속한 진입'으로 전환될 수 있는 것이다. 이처럼 '재미'와 '경쟁'이라는 게임적 요소가 '진지한 숙고'라는 조사의 본질적 요구와 충돌하면서, 데이터의 질적 저하 문제가 발생하게 된다.

3. 데이터 품질 저하의 구체적 양상

게이미피케이션으로 인한 인지적 목표의 전환은 다음과 같은 구체적인 데이터 품질 문제로 이어진다.

첫째, 응답의 피상성 증가이다. 응답자는 질문의 미묘한 뉘앙스를 성찰하기보다, 게임을 빨리 클리어하기 위해 가장 먼저 눈에 띄거나 가장 쉽게 선택할 수 있는 답변을 고르는 만족화(Satisficing) 경향을 보인다. 이는 측정하고자 하는 개념의 복합적인 측면을 제대로 반영하지 못하는 결과를 낳는다.

둘째, 측정의 신뢰도 및 타당도 저하이다. 만약 응답이 내적 태도가 아닌 게임 메커니즘(예: 특정 답변 선택 시 배지 획득)에 의해 결정된다면, 그 응답은 더 이상 측정하고자 하는 구성 개념을 올바르게 대표하지 못하여 **측정 타당도(validity)**를 잃게 된다. 또한, 게임적 상황에 따라 응답이 일관성 없이 변동할 수 있어 신뢰도(reliability) 역시 저해된다.

셋째, 외재적 동기의 편향적 강화이다. 금전적 인센티브와 마찬가지로, 게임적 보상 역시 강력한 외재적 동기로 작용한다. 특히 게임은 매 순간 즉각적인 보상을 제공함으로써, 응답자가 숙고하는 행위보다 빠르게 반응하는 행위를 반복적으로 강화시켜 편향을 고착화시킬 위험이 있다.

4. 게이미피케이션의 긍정적 활용과 편향 통제 방안

게이미피케이션의 위험성에도 불구하고, 이를 현명하게 활용하면 데이터 품질 저하를 최소화하면서 참여도를 높일 수 있다. 핵심은 게임 요소를 '어떻게' 그리고 '어디에' 적용할 것인가에 있다.

첫째, 목적 부합형 설계이다. 게이미피케이션은 개인의 가치관이나 신념 등 깊은 숙고가 필요한 질문이 아닌, 다소 지루하고 반복적인 행동을 묻는 질문에 선택적으로 적용해야 한다. 예를 들어, 구매 품목을 기록하는 가계부 조사에서 영수증을 업로드하는 행위 자체를 게임화하는 것은 효과적일 수 있다. 중요한 것은 게임적 요소가 응답자의 과업 수행을 '돕는' 역할을 해야지, 응답 내용 자체에 '개입'해서는 안 된다는 점이다.

둘째, 인지적 과부하 방지이다. 게임 메커니즘 자체가 너무 복잡하면 응답자는 질문 내용보다 게임 규칙을 이해하는 데 더 많은 인지적 자원을 소모하게 된다. 게임 요소는 직관적이고 단순해야 하며, 설문의 보조적 장치로서 기능해야 한다.

셋째, 분리된 적용이다. 개별 문항의 응답 과정이 아닌, 전체 설문의 진행 과정에 게임 요소를 적용하는 것이 바람직하다. 예를 들어, 설문 섹션 완료 시 배지를 주거나, 전체 진행 상황을 시각적인 프로그레스 바로 보여주는 방식은 응답 내용에 직접 영향을 주지 않으면서도 완주 동기를 부여할 수 있다.

5. 결론: '도구'로서의 게이미피케이션, '목적'이 아닌

게이미피케이션은 분명 응답 이탈을 막는 효과적인 '도구'가 될 수 있다. 그러나 그 설계가 정교하지 못할 경우, 연구자는 ‘품질 낮은 데이터’를 단지 재미있는 방식으로 수집하는 오류를 범하게 된다. 이는 게이미피케이션이라는 도구의 본질을 망각하고 참여도 향상이라는 '목적'에만 매몰된 결과다.

따라서 연구자는 게이미피케이션을 적용하기에 앞서, 그로 인해 얻는 참여도 증진의 이익이, 감수해야 할 데이터 품질 저하의 위험보다 명백하게 큰지를 방법론적 관점에서 엄격하게 자문해야 한다. 궁극적으로 게이미피케이션은 조사의 본질인 '측정'을 보조하고 강화하기 위해 존재해야 하며, 결코 측정을 방해하거나 대체해서는 안 된다. 잘 설계된 게이미피케이션은 ‘정확한 응답’을 하는 과정을 더 즐겁게 만들지만, 잘못 설계된 게이미피케이션은 ‘정확한 응답’이라는 과업 자체를 ‘다른 게임’으로 변질시켜 버린다. 그 차이를 인지하고 통제하는 것이 연구자의 핵심적인 책무이다.