고급 조사방법론 (Advanced Survey Research Methods)

주제: 표본 설계의 논리와 전략 (Logic and Strategy of Sampling Design)

[Part 1] 표집의 논리: 왜 전수조사가 아닌가?

목표: 모집단(Population)과 표본(Sample)의 관계, 그리고 추론의 위험성을 이해한다.

1. 표집의 역사와 교훈

• 1936년 리터러리 다이제스트(Literary Digest) 사건:
  • 1,000만 장의 모의 투표용지를 배포하고 240만 명의 응답을 받음 (초대형 표본).
  • 결과: 랜던(Landon) 당선 예측 → 실패 (루즈벨트 압승).
  • 원인: 표집틀(Sampling Frame)이 전화번호부와 자동차 등록부였다. 당시 대공황기에 전화와 차가 있는 '부유층(공화당 지지)'만 표집된 체계적 편향(Systematic Bias) 발생.
  • 교훈: "표본의 크기(Size)보다 표본의 질(Quality/Representativeness)이 훨씬 중요하다."

2. 핵심 용어의 정립

• 모수(Parameter): 모집단의 실제 값 (μ, σ). 우리는 이것을 영원히 알 수 없다 (신(God)만이 안다).
• 통계치(Statistic): 표본에서 얻은 값 (x̄, s). 우리는 이것으로 모수를 추정한다.
• 표집틀(Sampling Frame): 실제로 표본이 추출되는 명부 (예: 전화번호부, 학적부). 모집단과 100% 일치하지 않을 때 **'커버리지 오차(Coverage Error)'**가 발생한다.

[Part 2] 확률 표집 (Probability Sampling): 과학적 추론의 표준

목표: 모든 사례가 뽑힐 확률이 동일하거나 알려져 있는(EPSEM) 표집법을 익힌다.

1. 단순 무작위 표집 (Simple Random Sampling: SRS)

• 원리: 모든 조합이 뽑힐 확률이 동일함 (난수표 사용).
• 장점: 가장 이상적인 통계적 모형.
• 단점: 모집단 전체의 명부가 없으면 불가능. 물리적으로 시행하기 어려움.

2. 체계적 표집 (Systematic Sampling)

• 원리: 명부에서 매 k번째 요소를 추출 (예: 100명 중 10명을 뽑는다면, 매 10번째 사람).
• 주의점: 명부에 **주기성(Periodicity)**이 있으면 치명적 편향 발생.
  • 예: 아파트 호수 명부에서 매 10번째를 뽑았더니, 전부 '라인 끝집(넓은 평수)'만 걸리는 경우.

3. 층화 표집 (Stratified Sampling) ★정밀도 향상

• 원리: 모집단을 동질적인 하위 그룹(Strata)으로 나누고, 각 층에서 무작위 추출.
• 논리: "층 내부는 동질적(Homogeneous), 층 간은 이질적(Heterogeneous)"
• 유형:
  • 비례 층화: 모집단 성비가 6:4면 표본도 6:4로 뽑음. (대표성 확보)
  • 비비례 층화: 소수 집단(예: 다문화 가정)을 분석하기 위해 의도적으로 가중치를 두어 많이 뽑음.

4. 군집(집락) 표집 (Cluster Sampling) ★경제성 확보

• 원리: 모집단을 자연적인 덩어리(Cluster)로 나누고, 덩어리 자체를 뽑음. (예: 서울시 → 구 → 동 → 통 → 반)
• 논리: "군집 내부는 이질적(Heterogeneous), 군집 간은 동질적(Homogeneous)"
• 특징: 비용은 절감되지만, 단순 무작위 표집보다 표집 오차(Sampling Error)가 커진다. (설계 효과 Design Effect 고려 필요)

[Part 3] 비확률 표집 (Non-probability Sampling): 현실적 대안

목표: 무작위 추출이 불가능하거나 탐색적 연구일 때 사용하는 방법을 익힌다.

1. 편의 표집 (Convenience Sampling): 길거리 설문 등. 일반화 불가능.
2. 유의(판단) 표집 (Purposive/Judgmental Sampling): 연구자의 전문적 지식으로 "가장 적합한 대상"을 선정. (예: 델파이 조사)
3. 눈덩이 표집 (Snowball Sampling): 모집단을 찾기 힘들 때(예: 마약 사범, 불법 체류자) 한 명을 통해 지인을 소개받음.
4. 할당 표집 (Quota Sampling): 성별/연령별 비율을 맞추지만, 무작위가 아님(길거리에서 20대 여자만 골라 잡음). 층화 표집과 헷갈리지 말 것.

[Part 4] 표본 크기(Sample Size)의 결정

목표: "몇 명이나 뽑아야 합니까?"라는 질문에 통계적으로 답한다.

1. 표본 크기를 결정하는 요소

• 신뢰 수준 (Confidence Level): 보통 95% (1.96σ) 또는 99%.
• 신뢰 구간 (Confidence Interval): 오차 한계 (예: ±3%p).
• 모집단의 이질성 (Heterogeneity): 모집단이 다양할수록 더 큰 표본이 필요하다. (모두가 똑같은 복제인간이라면 1명만 뽑으면 됨).

2. 중심극한정리 (Central Limit Theorem)

• 표본의 크기(n)가 충분히 크다면(보통 n ≥ 30), 모집단의 분포와 상관없이 표본 평균의 분포는 정규분포를 따른다. 이것이 통계적 추정을 가능하게 하는 핵심 원리다.

3. 검증력 분석 (Power Analysis) - G*Power

• 대학원 수준 연구에서는 단순히 "300명이면 된다"가 아니라, **효과 크기(Effect Size)**와 **검증력(Power, 1-β)**을 고려하여 필요한 N수를 산출해야 한다.

[Part 5] 오차의 종류와 통제 (Total Survey Error)

목표: 표집 오차보다 더 무서운 비표집 오차를 경계한다.

1. 표집 오차 (Sampling Error): 전수조사를 하지 않아서 생기는 태생적 오차. N을 늘리면 줄어든다.
2. 비표집 오차 (Non-sampling Error): N을 늘려도 줄어들지 않음.
   • 불포함 오차 (Non-coverage Error): 표집틀이 불완전함.
   • 무응답 오차 (Non-response Error): 응답 거부자가 특정 성향을 가질 때 데이터는 왜곡됨. (예: 소득 조사를 거부하는 고소득층)
   • 측정 오차 (Measurement Error): 설문지 문항이 잘못됨.

[심화 토론 주제]

1. "표본이 클수록 좋다"는 명제는 항상 참인가? (빅데이터 시대에 데이터의 질과 양의 문제, Selection Bias)
2. **온라인 패널 조사(Online Panel Survey)**는 확률 표집인가 비확률 표집인가? 이를 통해 얻은 데이터의 일반화 가능성을 논하시오.
3. 질적 연구(Qualitative Research)에서의 표집(Sampling)은 양적 연구와 어떤 다른 논리(Theoretical Sampling)를 가지는가?

[추천 참고 문헌]

• Leslie Kish, Survey Sampling. (표집 이론의 고전)
• Lohr, S. L., Sampling: Design and Analysis. (수리적 배경과 실무적 적용)
• Dillman, D. A., Internet, Phone, Mail, and Mixed-Mode Surveys. (조사 실무와 오차 통제)

사회과학 측정론 심화 (Advanced Measurement in Social Sciences)

주제: 개념의 조작화와 복합 측정(Composite Measures)의 구성

[Part 1] 측정의 논리: 추상을 현실로 (From Concept to Measure)

목표: 추상적인 개념(Concept)이 변수(Variable)가 되고, 최종적으로 데이터(Data)가 되는 '양화(Quantification)'의 과정을 이해한다.

1. 양화(Quantification)란 무엇인가?

• 정의: 사회 현상의 속성을 수량적(Numerical)으로 표현하는 과정.
• 필요성:
  • 정밀성(Precision): "많다/적다"를 넘어 "얼마나"를 표현.
  • 통계적 조작: 인과관계의 강도와 유의성을 수학적으로 검증하기 위함.

2. 조작화(Operationalization)의 4단계

1. 개념화 (Conceptualization): 용어의 의미를 명확히 정의함. (Nominal Definition)
   • 예: '사회경제적 지위(SES)'란 개인의 경제적, 사회적 위치의 결합이다.
2. 지표 선정 (Specifying Indicators): 개념을 반영하는 관찰 가능한 징표를 찾음.
   • 예: 소득(경제), 교육 수준(지적), 직업 위신(사회).
3. 조작적 정의 (Operational Definition): 지표를 어떻게 측정할지 구체적 절차를 기술함.
   • 예: "월 소득은 세전 기준으로 만 원 단위로 기입하게 한다."
4. 변수의 구성 (Variable Construction): 측정된 값의 범위와 수준 결정.

[Part 2] 측정의 수준 (Levels of Measurement)

목표: 수집된 데이터가 어떤 수학적 성질을 갖는지 파악한다. (통계 분석 방법 결정의 핵심)

1. 명목 척도 (Nominal): 분류와 식별 (같다/다르다). 예: 성별, 인종.
2. 서열 척도 (Ordinal): 순서와 대소 (더 크다/작다). 예: 석차, 학점(A/B/C).
3. 등간 척도 (Interval): 간격이 일정함 (더하기/빼기 가능). 절대 '0'이 없음. 예: 온도(℃), IQ.
4. 비율 척도 (Ratio): 절대 '0'이 존재함 (곱하기/나누기 가능). 예: 소득, 나이, 거리.

심화 쟁점: "리커트 5점 척도(매우 만족~매우 불만족)는 서열인가, 등간인가?"

• 원칙적으로는 서열이다. (만족(4)과 보통(3) 사이의 심리적 거리가 보통(3)과 불만족(2) 사이와 같다는 보장이 없음)
• 그러나 사회과학 통계에서는 다항목을 합산하여 **등간 척도처럼 취급(Quasi-interval)**하여 분석하는 것이 관례다.

[Part 3] 지수(Index)와 척도(Scale): 복합 측정의 세계

목표: 단일 문항으로 측정하기 어려운 복잡한 개념을 측정하기 위한 두 가지 접근법을 구별한다.

1. 단일 지표의 한계와 복합 측정(Composite Measure)의 필요성

• 하나의 질문만으로는 복잡한 개념(예: 우울증, 보수성)을 포괄할 수 없으며, 측정 오차가 크다.
• 여러 문항을 묶어서 하나의 점수로 만들면 신뢰도와 타당도가 높아진다.

2. 지수(Index) vs. 척도(Scale) $\star$핵심 구분

요약: 지수는 "얼마나 많이 해당되는가?"를 묻고, 척도는 "얼마나 강하게 해당되는가?"를 묻는다.

[Part 4] 주요 척도의 종류와 구성 원리

목표: 연구 목적에 맞는 척도를 선택하고 설계하는 법을 익힌다.

1. 리커트 척도 (Likert Scale) - 평정 척도

• 원리: 응답의 강도(Intensity)를 측정. 문항 간의 내적 일관성(Internal Consistency)을 가정.
• 구성: 매우 비동의(1) ~ 매우 동의(5).
• 주의점:
  • 역문항(Reversed Item): 응답 세트(Response Set - 멍하니 한 번호만 찍는 것)를 방지하기 위해 부정 질문을 섞어야 함.
  • 문항 분석: 상관관계가 낮은 문항(Item-total correlation)은 제거하여 척도의 질(Alpha값)을 높여야 한다.

2. 거트만 척도 (Guttman Scale) - 누적 척도

• 원리: 문항들이 단일 차원 위에서 강도순으로 배열됨.
• 특징: 강한 문항에 동의하면, 약한 문항에는 100% 동의한다고 가정.
• 예시 (낙태 허용 범위):
  1. 산모의 생명이 위독할 때 (약한 강도)
  2. 강간에 의한 임신일 때
  3. 경제적으로 힘들 때
  4. 그냥 원지 않아서 (강한 강도)
  • 4번에 동의한 사람은 논리적으로 1, 2, 3번에 모두 동의했을 것이다.
• 재생산 계수(Coefficient of Reproducibility): 이 논리적 패턴이 얼마나 잘 지켜졌는지 검증하는 지표 (0.9 이상 권장).

3. 보가더스 사회적 거리감 척도 (Bogardus Social Distance Scale)

• 원리: 거트만 척도의 일종으로, 특정 집단에 대한 친밀감/거부감의 정도를 측정.
• 구성: 결혼 가능 > 친구 가능 > 이웃 가능 > 직장 동료 > 시민 > 추방.

4. 의미 분별 척도 (Semantic Differential Scale) - 어의 구별 척도

• 원리: Osgood이 개발. 개념의 **'의미 공간(Semantic Space)'**을 측정.
• 구성: 양극단의 형용사 쌍을 배치 (예: 좋은-나쁜, 강한-약한, 빠른-느린).
• 3대 차원: 평가(Evaluation), 잠재력(Potency), 활동성(Activity) 요인을 주로 측정.

[Part 5] 척도 개발(Scale Development)의 실제 절차

목표: 자신의 연구에 필요한 새로운 척도를 개발하는 프로세스를 이해한다.

1. 문항 풀(Item Pool) 생성: 이론적 근거를 바탕으로 가능한 많은 문항(예: 2~3배수)을 만듦.
2. 전문가 타당도 검증 (Content Validity): 해당 분야 전문가들에게 문항이 개념을 잘 반영하는지 평가받음.
3. 사전 조사 (Pilot Test): 소규모 표본 대상 실시.
4. 문항 정제 (Purification):
   • 신뢰도 분석: Cronbach's $\alpha$ 값을 떨어뜨리는 문항 삭제.
   • 요인 분석 (Exploratory Factor Analysis): 단일 차원성(Unidimensionality) 확인 및 하위 차원 분류.
5. 타당도 검증: 구성 타당도(수렴/판별 타당도) 확인.
6. 최종 척도 확정.

[심화 토론 주제]

1. 사회과학에서 '완벽한 등간 척도'는 존재하는가? 리커트 척도를 등간 척도로 간주하고 회귀분석을 돌리는 관행의 타당성에 대해 논하시오.
2. 당신의 연구 주제에서 '지수(Index)'가 더 적합한 변수와 '척도(Scale)'가 더 적합한 변수를 각각 예로 들고 이유를 설명하시오.
3. 국제 비교 연구(Cross-cultural research)에서 척도의 번역과 등가성(Equivalence) 문제는 어떻게 해결해야 하는가?

[추천 참고 문헌]

• DeVellis, R. F., Scale Development: Theory and Applications. (척도 개발의 교과서)
• Earl Babbie, The Practice of Social Research. (지수와 척도 파트)
• Nunnally, J. C., & Bernstein, I. H., Psychometric Theory. (측정 이론의 고전)

선행연구의 재구성과 연구모형 구축

(Reconstructing Literature & Building Research Models)

[Part 1] 선행연구 고찰: 요약이 아닌 비평(Critique)

목표: 기존 연구를 단순히 나열(List)하는 것이 아니라, 구조화하여 내 연구의 정당성을 확보하는 법을 배운다.

1. 문헌 고찰의 진짜 목적

• 지식의 지도(Map) 그리기: 내 연구가 학계의 거대한 대화(Conversation) 속에서 어디에 위치하는가?
• 거인의 어깨 위에 서기: 맨땅에 헤딩하지 말고, 앞선 연구자들의 성과와 한계를 명확히 식별한다.
• 차별성(Originality) 증명: "기존 연구들은 A를 다뤘지만, B는 놓쳤다. 그래서 내가 한다."

2. 문헌을 읽고 정리하는 3단계 전략

• 1단계: 개별 논문의 해부 (Synthesis)
  • 연구 질문, 이론적 배경, 방법론, 주요 결과, 한계점을 엑셀 등으로 데이터베이스화(DB) 한다.
• 2단계: 주제별 범주화 (Categorization)
  • 연도별 나열이 아니라, **'쟁점별(Thematic)'**로 묶어야 한다.
  • 예: "조직 몰입에 대한 연구는 크게 '개인 특성 중심 접근'과 '구조적 환경 중심 접근'으로 나뉜다."
• 3단계: 비판적 평가 (Critical Evaluation) $\star$ 핵심
  • 단순 요약("누구는 뭐라고 했다")을 넘어, **'평가'**를 해야 한다.
  • "A 연구는 표본의 대표성에 문제가 있고, B 연구는 변수 간의 역인과 관계를 고려하지 못했다."

3. 연구의 공백(Gap) 발견하기

• 이론적 공백: 설명력이 부족하거나 상반된 결과가 공존하는가?
• 방법론적 공백: 측정이 잘못되었거나 분석 수준(Level of Analysis)이 부적절한가?
• 맥락적 공백: 시대나 문화가 바뀌어 재검증이 필요한가?

[Part 2] 이론적 틀과 연구모형: 논리의 시각화

목표: 복잡한 인과관계를 한눈에 보여주는 '연구 모형도(Research Model)'를 설계한다.

1. 개념적 틀(Conceptual Framework) vs. 이론적 틀(Theoretical Framework)

• 이론적 틀: 기존의 거대 이론(예: 사회교환이론, 계획행동이론)을 차용하여 내 변수 간의 관계를 설명하는 렌즈.
• 개념적 틀: 내 연구만의 독창적인 변수 관계를 도식화한 것. (내 연구의 지도)

2. 연구모형(Model) 그리기

• 박스와 화살표의 의미:
  • 박스: 변수 (개념이 조작화된 상태).
  • 화살표: 영향력의 방향 (인과관계의 가정). (+)는 정적, (-)는 부적 영향.
• 변수의 4가지 유형 (반드시 포함되어야 할 요소):
  1. 독립변수 (IV): 원인. (X)
  2. 종속변수 (DV): 결과. (Y)
  3. 매개변수 (Mediator): 과정. (M) - "X가 왜, 어떻게 Y로 이어지는가?"
  4. 조절변수 (Moderator): 조건. (W) - "X가 Y에 미치는 영향이 언제 강해지고 약해지는가?"

Tip: 좋은 연구모형은 **'간결(Parsimonious)'**해야 한다. 화살표가 너무 많으면(Spaghetti model) 아무것도 설명하지 못하는 것과 같다.

[Part 3] 가설 설정: 검증 가능한 진술 만들기

목표: 막연한 추측을 통계적으로(또는 논리적으로) 기각 가능한 '가설(Hypothesis)' 문장으로 다듬는다.

1. 가설의 조건

• 검증 가능성 (Testability): 데이터로 확인이 가능해야 한다. (추상적이거나 가치 판단적인 문장은 안 됨)
• 구체성 (Specificity): 변수 간의 방향성(Direction)이 명시되어야 한다.
  • 나쁜 예: "학력과 소득은 관계가 있을 것이다." (어떤 관계?)
  • 좋은 예: "교육 수준이 높을수록 소득 수준은 정(+)적으로 증가할 것이다."

2. 가설의 유형과 작성법

• 인과 가설: "X가 증가하면 Y는 증가/감소한다."
• 차이 가설: "A집단은 B집단보다 Y가 높을/낮을 것이다." (t-test, ANOVA용)
• 매개 가설: "X는 M을 통해 Y에 간접적인 영향을 미칠 것이다."
• 조절 가설: "X가 Y에 미치는 영향은 W가 높을수록 강화/약화될 것이다."

3. 영가설(Null Hypothesis)과 대립가설(Alternative Hypothesis)

• 연구자는 대립가설(H1: 차이가 있다/영향이 있다)을 주장하고 싶어 한다.
• 하지만 통계적 검증은 영가설(H0: 차이가 없다/영향이 없다)을 기각함으로써 대립가설을 간접적으로 지지하는 방식을 취한다.

[Part 4] 함정과 주의사항 (Common Pitfalls)

목표: 심사위원들이 공격하는 포인트들을 미리 방어한다.

1. 선행연구와 가설의 불일치 (Disconnection):
   • 앞에서는 A이론을 잔뜩 설명해놓고, 가설은 쌩뚱맞게 B이론에 기반하는 경우. (논리적 점프 금지)
2. 지나치게 많은 가설:
   • 가설이 10개, 20개가 넘어가면 논문의 초점이 흐려진다. 핵심 가설(Key Hypothesis) 3~5개에 집중하라.
3. 상식적인 가설 (Trivial Hypothesis):
   • "배가 고프면 밥을 먹을 것이다" 수준의 뻔한 가설은 학술적 가치가 없다. 반직관적이거나, 기존 통념을 깨거나, 세부적인 메커니즘을 규명해야 한다.

[실습 과제: Research Proposal의 핵심 작성]

과제: 본인의 연구 주제를 바탕으로 다음 3가지를 1페이지로 제출하시오.

1. 선행연구 맵 (Mini-Literature Map): 주요 선행연구를 2~3개 그룹으로 범주화하고, 내 연구가 채울 공백(Gap)을 한 문장으로 기술.
2. 연구 모형도 (Visual Model): 독립, 종속, 매개, 조절 변수를 포함하여 도식화.
3. 핵심 가설 (Hypotheses): 모형에 기반한 주요 가설 3개를 정식 문장으로 서술.

[추천 참고 문헌]

• John W. Creswell, Research Design. (연구 설계의 바이블)
• Harris Cooper, Research Synthesis and Meta-Analysis. (선행연구 통합 방법)
• David A. Whetten, "What Constitutes a Theoretical Contribution?". (이론적 기여란 무엇인가 - Academy of Management Review)

사회과학 연구설계 심화 (Advanced Research Design)

주제: 연구주제 선정과 문제의 구체화 (From Topic to Research Question)

[Part 1] 주제(Topic)와 문제(Problem)의 구별

목표: 막연한 관심사를 학술적 탐구 대상으로 전환하는 '문제의식(Problematic)'을 이해한다.

1. "주제는 있는데 문제가 없다?"

대학원생들이 가장 많이 범하는 오류는 **'영역(Area)'**을 **'문제(Problem)'**로 착각하는 것이다.

• 주제(Topic): 연구의 범위나 소재. (예: "노인의 고독사", "SNS와 정치 참여")
• 연구 문제(Research Problem): 그 주제 안에서 해결되지 않은 지적 난제나 모순, 혹은 지식의 공백.
  • 질문: "그래서 그 주제에 대해 우리가 '무엇을 모르고 있는가?'"

2. 사회적 문제 vs. 사회학적 문제 (Merton의 구분)

• 사회적 문제 (Social Problem): 사회적으로 바람직하지 않아 해결이 시급한 현상. (가치 판단 개입)
  • 예: "청소년 범죄를 어떻게 줄일 것인가?" (정책적/실천적 질문)
• 사회학적 문제 (Sociological Problem): 사회현상의 패턴, 규칙, 인과관계를 설명하려는 지적 호기심. (가치 중립적 탐구)
  • 예: "가족 구조의 해체가 청소년 범죄율에 미치는 영향은 지역 사회의 결속력에 따라 달라지는가?" (학술적 질문)

핵심: 대학원 논문은 세상을 구하는 것(Activism)이 아니라, 세상을 설명하는 지식(Knowledge)을 추가하는 것이 1차 목표다.

[Part 2] 연구주제의 원천: 어디서 찾을 것인가?

목표: 독창적인 주제를 발굴하기 위한 3가지 경로를 탐색한다.

1. 문헌의 공백 (Gaps in Literature) $\star$가장 중요

기존 연구들을 읽으면서 생기는 불만족에서 출발한다.

• 이론적 공백: 기존 이론이 특정 현상을 설명하지 못하거나, 상반된 이론이 충돌할 때.
• 방법론적 공백: 기존 연구가 횡단면 분석에 그쳤거나, 특정 집단(예: 서구권)에만 한정되었을 때.
• 맥락적 공백: 과거의 이론이 급변한 현대 사회(예: AI 시대)에도 적용되는가?

2. 현실의 관찰과 불일치 (Observation & Paradox)

• 직관과 데이터의 불일치: "경제는 성장하는데 왜 삶의 만족도는 떨어지는가?" (Easterlin Paradox)
• 상식의 파괴: "강력한 처벌이 오히려 범죄를 증가시킨다면 왜일까?"

3. 의뢰 및 정책적 필요 (Policy Needs)

• 정부나 기관의 용역 과제에서 출발하되, 이를 학술적 언어로 재해석(Reframing)하는 능력 필요.

[Part 3] 좋은 연구주제의 평가 기준: FINER 맵

목표: 내 주제가 논문이 될 수 있는지 냉정하게 검증한다.

[Part 4] 주제를 질문으로 좁히기: 깔때기 기법 (Funnel Method)

목표: 광범위한 주제를 구체적인 **'연구 질문(Research Question)'**으로 다듬는다.

1. 단계별 구체화 (Example: 노인 연구)

1. 광범위한 관심 분야: 노인 문제, 고령화 사회.
2. 구체적 주제 영역: 노인의 디지털 소외와 삶의 질.
3. 잠정적 질문: "키오스크 사용이 어려운 노인은 불행한가?" (아직 모호함)
4. 변수의 규명:
   • 독립변수(X): 무인 단말기(키오스크) 사용 역량 (기술적 요인)
   • 종속변수(Y): 사회적 효능감 및 우울감 (심리적 요인)
   • 조절변수(Z): 사회적 지지망의 유무 (가족, 친구)
5. 최종 연구 질문: "노인의 디지털 기기 활용 능력이 심리적 안녕감에 미치는 영향은 사회적 지지 수준에 따라 조절되는가?"

2. 질문의 유형 결정

• 기술적 질문 (Descriptive): "무엇(What)이 일어나고 있는가?" (현상 파악, 빈도, 분포)
• 설명적 질문 (Explanatory): "왜(Why) 일어나는가?" (원인 규명, 인과관계)
• 탐색적 질문 (Exploratory): "어떠한 과정(How)인가?" (새로운 현상의 발견)

[Part 5] 피해야 할 연구주제의 유형 (Pitfalls)

목표: 논문 심사에서 반드시 지적받는 '나쁜 주제'를 사전에 거른다.

1. 동어반복 (Tautology): 정의상 참일 수밖에 없는 질문.
   • 나쁜 예: "학업 성취도가 높은 학생은 성적이 좋은가?" (성취도=성적)
2. 가치 판단의 문제 (Value Judgments): 과학적으로 검증할 수 없는 당위의 문제.
   • 나쁜 예: "사형 제도는 폐지되어야 마땅한가?" (철학/윤리의 영역)
   • 수정: "사형 제도의 존폐 여부가 강력범죄 발생률에 미치는 영향은 무엇인가?" (과학의 영역)
3. 지나치게 거창한 주제 (Grand Theory):
   • 나쁜 예: "자본주의의 모순과 인간 소외의 극복 방안 연구." (석/박사 논문으로 불가능)
   • 수정: "플랫폼 노동자의 노동 통제 방식이 직무 소외감에 미치는 영향."

[실습 워크숍: Research Problem Statement 작성]

과제: 자신의 관심 주제를 다음 형식에 맞춰 1페이지로 작성하시오.

1. 배경 (Context): 이 주제가 왜 중요한가? (사회적/학술적 배경)
2. 문제 제기 (Knowledge Gap): 기존 연구들은 무엇을 놓치고 있는가?
3. 연구 질문 (Research Question): 이 연구가 답하고자 하는 핵심 질문 1~2문장.
4. 연구의 의의 (Significance): 이 질문에 답을 하면 우리는 무엇을 더 알게 되는가?

[추천 도서]

• Wayne C. Booth et al., The Craft of Research. (연구란 무엇인가 - 주제 선정부터 글쓰기까지)
• John W. Creswell, Research Design. (양적, 질적, 혼합 연구 설계의 틀)

사회과학 탐구의 철학적·논리적 기초

(Philosophical and Logical Foundations of Social Inquiry)

[Part 1] 지식의 형성: 우리는 세상을 어떻게 인식하는가?

목표: 일상적 지식과 과학적 지식의 차이를 규명하고, 사회과학의 인식론적 전제를 이해한다.

1. 앎(Knowing)의 두 가지 경로

• 합의적 실재(Agreement Reality): "모두가 그렇다고 하니까 아는 것."
  • 전통(Tradition): 문화적으로 전승된 지식 (예: "찬 바람 쐬면 감기 걸린다").
  • 권위(Authority): 전문가나 지위가 높은 사람의 말 (예: "의사 선생님이 그렇다더라").
  • 문제점: 전통과 권위가 틀렸을 때, 우리는 새로운 진실을 보지 못한다.
• 경험적 실재(Experiential Reality): "내가 직접 봐서 아는 것."
  • 과학적 탐구: 경험(Experience)과 논리(Logic)를 결합하여 합의적 실재의 오류를 검증하는 과정.

2. 일상적 탐구의 오류와 과학적 대안

연구자가 되기 위해 극복해야 할 인간의 인지적 한계들:

• 부정확한 관찰: 무심코 지나치는 것. →  [대안] 측정 도구의 표준화.
• 과도한 일반화 (Overgeneralization): 소수의 사례를 전체 법칙으로 확대 해석.→ [대안] 대표성 있는 표본(Sample)과 반복 연구(Replication).
• 선별적 관찰 (Selective Observation): 내 믿음(가설)에 맞는 것만 보는 확증 편향. →  [대안] 반증 사례(Deviant Case)의 적극적 탐색.
• 사후 가설 설정 (Ex Post Facto Hypothesizing): 결과에 맞춰 원인을 끼워 맞추는 것. →  [대안] 연구 설계 시 가설을 미리 확정(A Priori).

[Part 2] 사회과학의 패러다임: 세상을 보는 렌즈

목표: 자신의 연구가 어떤 철학적 입장에 서 있는지(존재론/인식론)를 명확히 한다.

1. 패러다임(Paradigm)이란? (Thomas Kuhn)

• 특정 시기에 과학자 집단이 공유하는 모델, 관점, 가치관의 총체.
• 우리는 객관적인 세상을 보는 것이 아니라, '패러다임이라는 안경'을 쓰고 세상을 본다.

2. 사회과학의 3대 주류 패러다임

대학원생을 위한 조언: 어떤 패러다임이 우월한 것이 아니다. 내 연구 주제(Research Question)가 '법칙 발견'인지 '심층 이해'인지에 따라 적합한 패러다임을 선택해야 한다.

[Part 3] 이론과 조사의 변증법: 연역과 귀납

목표: 논리적 추론의 양대 축을 이해하고, 자신의 논문 전개 방식을 결정한다.

1. 과학의 수레바퀴 (The Wheel of Science) - Wallace

과학은 이론과 조사가 꼬리를 물고 도는 순환 과정이다.

• 연역법 (Deduction): 이론 가설 →  관찰 →  검증
  • 논리: 일반적인 원리에서 구체적인 사실을 이끌어냄.
  • 절차: 기존 문헌 연구를 통해 가설을 도출하고, 데이터를 통해 이를 기각할지 채택할지 결정. (주로 양적 연구)
  • 예시: "모든 사람은 죽는다" →  "소크라테스는 사람이다" →  "소크라테스는 죽을 것이다(가설)" → 실제 죽음 확인.
• 귀납법 (Induction): 관찰 → 패턴 발견 →  잠정적 결론 →  이론화
  • 논리: 구체적인 사실들에서 일반적인 원리를 도출함.
  • 절차: 현장에 들어가 데이터를 모으고, 그 속에서 새로운 이론을 만들어냄. (주로 질적 연구, 탐색적 연구)
  • 예시: "소크라테스가 죽더라", "공자도 죽더라" →  "다 죽는구나" →  "모든 사람은 죽는다(이론 도출)"

2. 가추법 (Abduction) - C.S. Peirce

• 놀라운 사실(현상)을 관찰했을 때, 이를 설명할 수 있는 **'최선의 설명(Best Explanation)'**을 찾아가는 추론 방식. (최근 사회과학에서 중요하게 대두됨)

[Part 4] 인과관계의 규명: '원인'이란 무엇인가?

목표: 상관관계를 인과관계로 착각하는 오류를 범하지 않기 위한 조건을 학습한다.

1. 인과성(Causality) 추론의 3조건 (J.S. Mill)

연구자가 "X가 Y의 원인이다"라고 주장하려면 반드시 다음 3가지를 입증해야 한다.

1. 공변성 (Covariation): 원인(X)이 변할 때 결과(Y)도 변해야 한다. (상관관계가 있어야 함)
2. 시간적 선후관계 (Time Order): 원인(X)이 결과(Y)보다 시간적으로 앞서야 한다.
   • 오류 예시: "경찰이 많은 지역에 범죄가 많다." →  경찰이 많아서 범죄가 늘어난 것인가(원인)? → 범죄가 많아서 경찰을 많이 배치한 것인가(결과)?
3. 비허위성 (Non-spuriousness) $\star$가장 중요: 제3의 변수(Z)에 의한 결과가 아니어야 한다.
   • 허위 관계의 예: "아이스크림 판매량(X)이 늘면 익사 사고(Y)가 늘어난다."
   • 진실: 실제 원인은 **'더운 날씨(Z)'**이다. 날씨를 통제(Control)하면 X와 Y의 관계는 사라진다. 이것이 '허위 관계'다.

2. 필요조건과 충분조건

• 사회과학에서 100% 결정론적인 충분조건(X만 있으면 무조건 Y 발생)은 거의 없다.
• 우리는 주로 '확률적 원인(Probabilistic Cause)'을 다룬다. (예: 담배를 피우면 폐암에 걸릴 확률이 높다.)

[Part 5] 측정의 타당성과 신뢰성: 개념을 숫자로

목표: 추상적인 사회 개념을 측정 가능한 지표로 바꾸는 과정의 엄밀성을 배운다.

1. 개념화와 조작화 (Conceptualization & Operationalization)

• 개념화: "무엇을 연구할 것인가?" (머릿속 정의)
  • 예: '사회적 소외'란 무엇인가? 의미를 명확히 규정.
• 조작화: "어떻게 잴 것인가?" (현실적 측정)
  • 예: 일주일간 가족과 대화한 시간, 선거 투표 여부, 동호회 가입 수 등으로 변환.

2. 좋은 측정의 조건: 신뢰도와 타당도

• 신뢰도 (Reliability) = 일관성 (Consistency)
  • 반복해서 측정해도 같은 값이 나오는가?
  • 비유: 체중계에 올라갈 때마다 몸무게가 똑같이 나오는가?
• 타당도 (Validity) = 정확성 (Accuracy)
  • 측정하고자 하는 개념을 제대로 측정했는가?
  • 비유: 체중계가 내 '지능'이 아니라 '몸무게'를 재고 있는가?

핵심: 신뢰도가 높다고 해서 타당도가 높은 것은 아니다. (고장 난 체중계는 매번 똑같이 틀린 값을 보여준다. 신뢰도는 높지만 타당도는 꽝이다.)

[심화 토론 주제]

1. 자연과학의 방법론(실증주의)을 사회과학(인간 연구)에 그대로 적용하는 것이 가능한가? 그 한계는 무엇인가?
2. "완벽하게 가치 중립적인(Value-free) 연구는 불가능하다"는 주장에 대해 어떻게 생각하는가? (Max Weber의 입장과 비교)
3. 당신의 연구 관심사는 '연역적 접근'이 적합한가, '귀납적 접근'이 적합한가?

[추천 도서]

• Earl Babbie, The Practice of Social Research. (사회조사방법론의 바이블)
• Thomas Kuhn, The Structure of Scientific Revolutions. (패러다임의 이해)
• Karl Popper, The Logic of Scientific Discovery. (반증주의)

 조사방법론 (Survey Research Methods)

[서론] 좋은 질문지는 왜 만들기 어려운가?

• 연구자의 딜레마: 연구자가 묻고 싶은 것(Research Question)과 응답자가 대답할 수 있는 것(Respondent's Capacity) 사이의 간극.
• 측정 오차(Measurement Error): 질문지는 현실을 투명하게 보여주는 창문이 아니라, 굴절시킬 수 있는 렌즈다. 잘못된 질문지는 체계적 오차(Systematic Error)의 주범이다.

[모듈 1] 개념의 조작화와 질문의 해부

목표: 추상적인 연구 가설을 구체적인 질문 문항으로 변환하는 구조적 과정을 이해한다.

1. 개념화에서 조작화로 (Conceptualization to Operationalization)

• 지표(Indicator)의 선정: '사회적 신뢰'라는 개념을 어떻게 물을 것인가?
  • 단일 문항(Single Item) vs 다중 문항 척도(Multi-item Scale): 복합적인 개념은 반드시 다중 문항으로 측정하여 신뢰도(Cronbach's $\alpha$)를 확보해야 한다.
• 차원(Dimension)의 분해:
  • 예: '직무 만족도 →  급여 만족, 동료 관계, 업무 내용, 승진 기회 등으로 세분화하여 각각 질문.

2. 질문의 형태 (Question Formats)

• 개방형 질문 (Open-ended Questions):
  • 장점: 응답자의 생생한 언어 포착, 예상치 못한 답변 발견.
  • 단점: 코딩(Coding)의 어려움, 응답자의 노력 부담, 무응답률 높음.
  • 활용: 탐색적 연구, "기타( )" 항목, 심층적 이유를 물을 때.
• 폐쇄형 질문 (Closed-ended Questions):
  • 조건: 응답 범주(Response Categories)는 반드시 **상호배타적(Mutually Exclusive)**이고 **포괄적(Exhaustive)**이어야 한다.
  • 장점: 데이터 처리 용이, 비교 가능성 높음.
  • 단점: 응답 강요(Forced Choice), 연구자의 프레임에 갇힘.

[모듈 2] 질문 워딩의 심리학: 무엇을 피해야 하는가?

목표: 응답자의 인지적 부담을 줄이고 편향(Bias)을 최소화하는 문장 작성법을 익힌다.

1. 인지적 과정 (The Cognitive Process of Answering)

응답자는 4단계를 거친다: ①질문 이해(Comprehension) →  ②정보 인출(Retrieval) →  ③판단(Judgment) →  ④응답보고(Response). 이 과정 중 어디서든 오류가 발생할 수 있다.

2. 치명적인 워딩의 오류들 (The Seven Sins of Wording)

1. 이중 질문 (Double-barreled Questions): 한 문장에 두 가지를 묻는 것.
   • 오류: "정부는 국방비를 줄이고 복지 예산을 늘려야 합니까?" (동의/비동의가 섞일 수 있음)
   • 수정: 국방비와 복지 예산을 분리하여 두 문항으로 질문.
2. 유도 질문 (Leading Questions): 특정 답변을 암시하거나 권위에 호소하는 것.
   • 오류: "대다수의 전문가가 동의하는 XX 정책에 대해 어떻게 생각하십니까?"
3. 부정 질문 및 이중 부정 (Negative Items): 뇌는 부정을 처리하는 데 시간이 걸린다.
   • 오류: "학생들이 학교에 오지 않아서는 안 된다고 생각하십니까?" →  "학생들이 학교에 와야 한다고 생각하십니까?"
4. 모호한 단어 (Ambiguous Words): '자주', '가끔', '보통'의 기준은 사람마다 다르다. 가급적 구체적 빈도(예: 일주일에 1회 이상)를 제시하라.
5. 전문 용어 및 은어 (Jargon): 연구자만 아는 용어 금지. (예: '아노미', '사회적 자본' 등 직접 사용 금지)
6. 사회적 바람직성 편향 (Social Desirability Bias):
   • 투표, 자선, 성생활 등 민감한 주제에서 응답자는 '착한 사람'으로 보이려 한다.
   • 해결: 투사법(Projective Techniques) 사용, "많은 사람들이 투표를 하지 못하곤 합니다..."와 같은 안도 문구(Face-saving) 배치.
7. 위협적인 질문 (Threatening Questions): 소득, 불법 행위 등은 구간(Range)으로 묻거나 완곡하게 질문.

[모듈 3] 척도의 구성: 뉘앙스를 측정하다

목표: 변수의 수준(명목, 서열, 등간, 비율)에 맞는 적절한 척도를 설계한다.

1. 리커트 척도 (Likert Scale)

• 구조: 강한 비동의(1) - 비동의(2) - 중립(3) - 동의(4) - 강한 동의(5).
• 쟁점:
  • 중립 구간(Mid-point)의 포함 여부: 포함하면 '회피성 응답'이 늘고, 제거하면 '강제 선택'이 된다. (동양권 문화에서는 중립 응답 경향이 높음)
  • 점수: 5점 vs 7점 척도 (7점이 변별력은 높으나 인지적 부담 큼).

2. 의미 분별 척도 (Semantic Differential Scale)

• 구조: 서로 반대되는 형용사 쌍을 양극단에 배치. (예: 깨끗한 <-----> 더러운)
• 용도: 이미지, 태도, 감정 측정에 효과적.

3. 거트만 척도 (Guttman Scale)

• 구조: 위계적 강도를 가진 문항들. 강한 문항에 동의하면 약한 문항에도 자동 동의한다고 가정. (예: 사회적 거리감 척도 - 결혼 가능 > 친구 가능 > 이웃 가능)

[모듈 4] 질문지의 구조와 배열 (Questionnaire Layout)

목표: 질문의 순서가 응답에 미치는 맥락 효과(Context Effect)를 이해하고 최적의 흐름을 설계한다.

1. 질문 배열의 원칙

• 깔때기 모형 (Funnel Sequence): 일반적이고 넓은 질문 → 구체적이고 좁은 질문.
• 흥미 유발: 첫 질문은 쉽고 흥미로운 것으로 배치하여 라포(Rapport) 형성. (인구통계학적 질문을 처음에 두지 말 것)
• 민감한 질문의 위치: 질문지의 후반부(3/4 지점)에 배치. 신뢰가 쌓인 뒤 질문.

2. 맥락 효과 (Context Effects)

• 일관성 효과 (Consistency Effect): 앞의 질문에 대한 응답과 일관성을 유지하려는 심리.
• 대조 효과 (Contrast Effect): 앞의 질문과 반대되게 응답하려는 경향.
• 해결: 질문 순서를 무작위 배정(Randomization)하거나, 완충 질문(Buffer items) 삽입.

3. 여과 질문과 분기 (Filter & Contingency Questions)

• 해당하지 않는 응답자를 건너뛰게 하는 기술. (예: "투표 하셨습니까?" →  예(이동), 아니오(종료))
• 복잡한 분기는 응답자를 혼란스럽게 하므로 화살표나 박스로 명확히 시각화.

4. 매트릭스 질문 (Matrix Questions)

• 동일한 척도(예: 매우 만족~매우 불만족)를 가진 여러 항목을 묶어서 제시.
• 장점: 공간 절약, 응답 속도 향상.
• 위험: 응답 세트(Response Set) 발생. 내용을 읽지 않고 일직선으로 찍는 현상. (역문항(Reversed Item)을 섞어서 방지해야 함)

[모듈 5] 사전 검사와 최종 점검

목표: 실사(Fieldwork) 전 오류를 수정하는 필수 과정.

1. 인지적 인터뷰 (Cognitive Interviewing)

• 소수의 응답자에게 "왜 그렇게 응답했는지", "이 단어를 어떻게 이해했는지" 소리 내어 말하게 함(Think-aloud protocol).
• 연구자의 의도와 응답자의 해석이 일치하는지 확인하는 가장 강력한 방법.

2. 사전 조사 (Pre-test / Pilot Study)

• 본 조사와 동일한 조건에서 소규모(20~50명) 실시.
• 체크리스트:
  • 응답 소요 시간이 너무 길지 않은가?
  • 무응답이 쏟아지는 특정 문항이 있는가?
  • 응답 분포가 한쪽으로 쏠리는가? (천장 효과/바닥 효과)

[실습 과제 (Workshop Assignment)]

1. 나쁜 질문 수정하기: 제공된 '오류투성이 질문지'를 분석하고, 3가지 이상의 원칙을 적용하여 수정하시오.
2. 개념의 조작화: 본인의 연구 주제 중 핵심 변수 하나를 선정하여 5문항 이상의 리커트 척도로 개발하시오.

[필독 참고 문헌]

1. Dillman, D. A., Internet, Phone, Mail, and Mixed-Mode Surveys. (설문 조사의 바이블)
2. Converse, J. M., & Presser, S., Survey Questions: Handcrafting the Standardized Questionnaire.
3. Tourangeau, R., et al., The Psychology of Survey Response. (응답의 심리학적 기제)

연구를 시작하기 전, 우리는 무엇을 준비해야 하는가?

[제1강] 우리는 무엇을 '안다'고 말하는가? (인식론적 기초)

핵심 질문: 나의 주장이 '과학적 지식'이 되기 위한 조건은 무엇인가?

1. 지식의 원천과 과학의 필요성
   • 일상적 지식의 함정: 전통(Tradition), 권위(Authority), 직관(Intuition)에 의존할 때 발생하는 오류들.
   • 과학적 탐구의 두 기둥: 논리(Logic - 합리성)와 관찰(Observation - 경험성).
   • 사회과학의 특수성: 연구 대상(인간)이 연구자에게 반응함(재귀성), 가치 개입의 문제, 확률적 결정론.
2. 연구의 패러다임 (Paradigms)
   • 연구자가 세상을 바라보는 '렌즈'를 결정하는 것.
   • 실증주의 (Positivism): 객관적 진리는 존재하며, 발견 가능하다. (자연과학적 방법론)
   • 해석주의 (Interpretivism): 진리는 사회적으로 구성되며, 행위자의 '의미'를 이해하는 것이 중요하다.
   • 비판이론 (Critical Theory): 연구는 숨겨진 권력 구조를 파헤치고 사회를 변화시켜야 한다.

토론: 당신의 연구 주제는 '발견(Discovery)'되는 것인가, 아니면 '해석(Interpretation)'되는 것인가?

[제2강] 이론과 논리: 생각의 지도 그리기

핵심 질문: 이론은 어떻게 만들어지며, 연구에 어떻게 적용되는가?

1. 과학의 수레바퀴 (The Wheel of Science)
   • 이론 →  가설 → 관찰 →  경험적 일반화의 순환 구조.
2. 추론의 방식
   • 연역법 (Deduction): 이론에서 시작하여 가설을 세우고 검증함. ("모든 사람은 죽는다 →  소크라테스는 사람이다 →  고로 죽는다")
   • 귀납법 (Induction): 관찰된 데이터에서 패턴을 찾아 이론을 만듦. ("소크라테스도 죽고, 공자도 죽더라 →  고로 모든 사람은 죽는다")
   • 가추법 (Abduction): 최선의 설명을 찾아가는 추론 (현상을 가장 잘 설명하는 가설 선택).
3. 좋은 이론의 조건
   • 간결성 (Parsimony), 반증 가능성 (Falsifiability), 설명력 (Explanatory Power).

[제3강] 인과성(Causality)의 조건: 상관관계는 인과관계가 아니다

핵심 질문: X가 Y의 원인이라고 확신할 수 있는가?

1. 인과관계 추론의 3원칙 (J.S. Mill & Lazarsfeld)
   • ① 공변성 (Covariation): 원인과 결과는 함께 변해야 한다. (상관관계 존재)
   • ② 시간적 선후관계 (Time Order): 원인이 결과보다 시간적으로 앞서야 한다.
   • ③ 비허위성 (Non-spuriousness): 제3의 변수(Z)에 의한 결과가 아니어야 한다. (통제변수의 중요성)
2. 필요조건과 충분조건
   • 사회현상은 대부분 '확률적 원인'이며, 단 하나의 충분조건은 존재하기 어렵다.
3. 생태학적 오류와 개인주의적 오류
   • 분석 단위(Unit of Analysis)를 혼동할 때 생기는 치명적 논리 오류.

[제4강] 측정(Measurement): 추상을 현실로 가져오기

핵심 질문: '행복', '권력', '소외' 같은 추상적 개념을 어떻게 잴 것인가?

1. 개념화와 조작화 (Conceptualization & Operationalization)
   • 개념화: 모호한 용어의 의미를 명확히 정의함.
   • 조작화: 측정 가능한 지표(Indicator)로 변환함. (예: 학업성취도 →  시험 점수)
2. 신뢰도(Reliability)와 타당도(Validity)
   • 신뢰도: 반복 측정 시 일관된 결과가 나오는가? (저울의 눈금은 일정한가?)
   • 타당도: 측정하고자 하는 것을 정확히 측정했는가? (체중계로 키를 재고 있지는 않은가?)
3. 측정의 수준
   • 명목, 서열, 등간, 비율 척도의 차이와 통계적 함의.

[제5강] 연구 윤리와 연구자의 책임

핵심 질문: 지식의 추구가 피험자의 권리보다 우선할 수 있는가?

1. 연구 윤리의 역사적 배경
   • 뉘른베르크 강령, 터스키기 매독 실험 등 비윤리적 연구 사례와 교훈.
2. 사회과학 연구의 4대 윤리 원칙
   • 자발적 참여와 고지된 동의 (Informed Consent): 연구 목적과 위험을 알고 스스로 참여해야 함.
   • 익명성과 비밀 보장 (Anonymity & Confidentiality): 데이터 관리의 핵심.
   • 기만(Deception) 금지: 불가피한 경우 사후 설명(Debriefing) 필수.
   • 해악 금지 (Do No Harm): 신체적, 심리적, 사회적 피해 방지.
3. IRB (생명윤리위원회) 심의
   • 연구 설계 단계에서 필수적으로 거쳐야 할 윤리적 검증 절차.

[대학원생을 위한 추천 필독서]

1. Earl Babbie, The Practice of Social Research. (사회조사방법론의 정석)
2. Thomas Kuhn, The Structure of Scientific Revolutions. (과학혁명의 구조 - 패러다임의 이해)
3. Max Weber, "Objectivity" in Social Science. (사회과학에서의 객관성)
4. C. Wright Mills, The Sociological Imagination. (사회학적 상상력 - 개인 문제와 공적 이슈의 연결)

사회현상의 과학적 연구 (The Scientific Study of Social Phenomena)

[모듈 1] 사회과학의 본질과 과학적 탐구

목표: 일상적 탐구와 과학적 탐구의 차이를 이해하고, '사회'를 '과학'의 영역으로 가져올 때 발생하는 쟁점을 파악한다.

1. 지식의 형성 과정과 오류

• 일상적 인간 탐구 (Ordinary Human Inquiry): 우리는 어떻게 아는가?
  • 전통(Tradition)과 권위(Authority)에 의한 합의적 실재.
  • 일반적인 오류들:
    • 부정확한 관찰 (Inaccurate Observation)
    • 과도한 일반화 (Overgeneralization)
    • 선별적 관찰 (Selective Observation)
    • 꾸며낸 정보 (Made-up Information - 사후 가설 설정)
• 과학적 탐구 (Scientific Inquiry):
  • 논리(Logic)와 관찰(Observation)의 결합.
  • 과학은 '왜(Why)'보다는 '어떻게(How)'와 '무엇(What)'에 대한 규칙성을 찾는 과정.

2. 자연과학 vs 사회과학

• 공통점: 경험적 증거 기반, 논리적 추론, 인과관계 규명.
• 사회과학의 특수성 (The Peculiarity of Social Science):
  • 연구 대상의 가변성: 인간의 자유의지(Agency)와 불확정성.
  • 연구자-대상 간의 상호작용: 호손 효과(Hawthorne Effect), 재귀성(Reflexivity).
  • 통제의 어려움: 실험실 상황과 다른 개방된 시스템(Open System).
  • 가치 개입(Value Relevance): 연구자의 가치관이 연구 주제 선정 및 해석에 미치는 영향 (Weber의 가치중립성 논쟁).

[모듈 2] 연구의 철학적 기초 (패러다임)

목표: 연구자가 사회현상을 바라보는 관점(존재론)과 이를 어떻게 알 수 있는가(인식론)에 대한 철학적 입장을 정립한다.

1. 패러다임의 구성 요소

• 존재론 (Ontology): 사회적 실재(Reality)는 객관적으로 존재하는가, 아니면 구성되는가?
• 인식론 (Epistemology): 지식의 본질은 무엇이며, 진리는 어떻게 획득 가능한가?

2. 주요 연구 패러다임 비교

[모듈 3] 이론, 논리, 그리고 인과성

목표: 이론이 구성되는 논리적 구조를 익히고, 사회과학에서 '원인'을 규명하는 기준을 학습한다.

1. 과학적 설명의 논리

• 연역법 (Deduction): 이론 →  가설 → 관찰 → 검증 (일반에서 구체로)
• 귀납법 (Induction): 관찰 →  패턴 발견 →  잠정적 결론 →  이론 (구체에서 일반으로)
• 과학의 수레바퀴 (Wheel of Science): 연역과 귀납의 순환적 상호작용.

2. 인과관계의 3요소 (J.S. Mill & Lazarsfeld)

사회과학에서 X가 Y의 원인이라고 말하기 위한 필수 조건:

1. 공변성 (Covariation): 원인과 결과는 함께 변해야 한다. (상관관계)
2. 시간적 선후관계 (Time Order): 원인이 결과보다 시간적으로 앞서야 한다.
3. 비허위성 (Non-spuriousness): 제3의 변수(Z)로 설명되지 않아야 한다. (통제의 중요성)

3. 설명의 수준 (Unit of Analysis)

• 분석 단위: 개인, 집단, 조직, 국가 등.
• 오류의 함정:
  • 생태학적 오류 (Ecological Fallacy): 집단 단위의 분석 결과를 개인에게 적용할 때 발생.
  • 개인주의적 오류 (Individualistic Fallacy): 개인 단위의 결과를 집단 전체의 특성으로 일반화할 때 발생.

[모듈 4] 측정과 설계의 타당성

목표: 추상적인 개념을 측정 가능한 형태로 바꾸는 과정과 연구 설계의 품질을 평가하는 기준을 다룬다.

1. 개념화와 조작화 (Conceptualization & Operationalization)

• 개념화: 모호한 아이디어를 명확한 용어로 정의하는 과정.
• 조작화: 개념을 경험적으로 측정하기 위한 구체적인 절차나 지표를 개발하는 과정.
  • 예시: '사회적 소외'를 어떻게 측정할 것인가? (투표율, 이웃과의 대화 빈도 등)

2. 신뢰도와 타당도 (Reliability & Validity)

• 신뢰도 (Reliability): 측정의 일관성 (반복 측정 시 같은 결과가 나오는가?)
• 타당도 (Validity): 측정의 정확성 (측정하고자 하는 것을 제대로 측정했는가?)
  • 액면 타당도, 내용 타당도, 기준 타당도, 구성 타당도.

3. 내적 타당도와 외적 타당도

• 내적 타당도 (Internal Validity): 연구 결과(인과관계)가 실험 처치에 의한 것인지 확신할 수 있는 정도.
• 외적 타당도 (External Validity): 연구 결과를 다른 집단이나 상황으로 일반화(Generalization) 할 수 있는 정도.
• Dilemma: 실험실 연구는 내적 타당도가 높지만 외적 타당도가 낮고, 현장 연구는 그 반대인 경우가 많음.

[토론 주제 (Discussion Points)]

1. 인간의 행동을 '법칙(Law)'으로 설명하는 것이 가능한가, 아니면 '경향(Trend)'으로만 설명해야 하는가?
2. 사회과학 연구자는 자신의 가치관(정치적, 도덕적 신념)을 연구에서 완전히 배제할 수 있는가? (Max Weber의 입장에 대한 찬반)
3. 양적 연구(통계)와 질적 연구(인터뷰, 참여관찰) 중 사회현상의 '진실'에 더 가까운 것은 무엇인가? 혹은 두 방법은 양립 가능한가?

[추천 참고 문헌]

1. Earl Babbie, The Practice of Social Research. (사회조사방법론의 바이블)
2. Thomas Kuhn, The Structure of Scientific Revolutions. (과학혁명의 구조 - 패러다임 개념)
3. Max Weber, "Objectivity" in Social Science and Social Policy. (사회과학의 객관성)
4. Karl Popper, The Logic of Scientific Discovery. (과학적 발견의 논리 - 반증주의)