목차
통계분석 결과를 확인하는 순간,
많은 대학원생들이 가장 먼저 찾는 것은 p값입니다.
그리고 결과를 본 뒤
순간 머리가 하얘지는 경우가 있습니다.
😅
“유의하지 않네…”
“가설이 기각됐는데 어떡하지?”
“논문 망한 거 아닌가?”
실제로 논문을 진행하다 보면
예상했던 결과가 나오지 않는 경우가 생각보다 많습니다.
하지만 여기서 중요한 사실이 하나 있습니다.
유의하지 않은 결과 = 실패한 연구는 아니라는 점입니다.
📊 유의하지 않은 결과는 생각보다 흔합니다
많은 대학원생들이
논문에서는 모든 가설이 채택되어야 한다고 생각합니다.
하지만 실제 학술 연구에서는
가설이 기각되는 경우도 매우 흔합니다.
오히려
예상과 다른 결과가 나온 이유를 설명하는 연구도 충분히 가치가 있습니다.
1️⃣ 가장 먼저 해야 할 것은 데이터 점검입니다
결과가 유의하지 않다고 해서
무조건 연구가 실패한 것은 아닙니다.
우선 확인해야 할 것은 데이터입니다.
예를 들어
- 결측값은 없는지
- 역문항 처리는 제대로 되었는지
- 불성실 응답이 포함되어 있는지
- 변수 코딩은 올바른지
확인해볼 필요가 있습니다.
생각보다 데이터 문제로 인해 결과가 달라지는 경우도 있습니다.
2️⃣ 연구모형을 다시 확인해보기
가설은 세웠지만
실제로 변수 간 관계가 충분히 설명되지 않은 경우도 있습니다.
특히
선행연구에서는 관계가 있었는데
내 연구에서는 유의하지 않은 경우
표본 특성이나 연구 환경 차이를 살펴볼 필요가 있습니다.
3️⃣ 표본 특성의 영향을 생각해보기
동일한 연구라도
어떤 집단을 대상으로 조사했는지에 따라
결과는 달라질 수 있습니다.
예를 들어
직장인을 대상으로 한 연구와
대학생을 대상으로 한 연구는
같은 변수라도 다른 결과가 나올 수 있습니다.
그래서 결과가 유의하지 않다면
표본 특성도 함께 살펴봐야 합니다.
4️⃣ 결과를 억지로 바꾸려고 하지 않기
이 부분이 중요합니다.
유의하지 않은 결과가 나왔다고 해서
억지로 데이터를 제외하거나
모형을 계속 수정하는 경우가 있습니다.
하지만 논문에서는
원하는 결과를 만드는 것보다
실제 결과를 설명하는 것이 더 중요합니다.
5️⃣ 논의(Discussion) 파트가 더 중요해집니다
결과가 예상과 다를수록
논의 파트의 중요성은 커집니다.
왜 이런 결과가 나왔는지
기존 연구와 어떤 차이가 있는지
어떤 해석이 가능한지
설명하는 과정이 필요합니다.
실제로 교수님들이 보는 것도
결과 자체보다 해석인 경우가 많습니다.
📌 유의하지 않은 결과도 의미가 있습니다
연구는 가설을 증명하는 작업이 아닙니다.
연구는
현상을 확인하고 설명하는 과정입니다.
그래서 가설이 기각되었다고 해서
연구 가치가 사라지는 것은 아닙니다.
📌 모든 가설이 채택되는 논문만 좋은 논문은 아닙니다
논문을 처음 쓰는 분들이 가장 많이 하는 오해 중 하나입니다.
좋은 논문은
가설이 모두 채택된 논문이 아니라
결과를 논리적으로 설명하는 논문입니다.
📌 실제로 가장 많이 막히는 순간
통계분석 결과를 확인한 직후입니다.
예상했던 결과가 나오지 않으면
논문 전체가 흔들리는 느낌을 받기도 합니다.
하지만 이 시점에서 중요한 것은
결과를 부정하는 것이 아니라
결과를 이해하는 것입니다.
📓 정리
논문 결과가 유의하지 않다고 해서
연구가 실패한 것은 아닙니다 😊
특히
✔ 데이터 상태 확인
✔ 연구모형 검토
✔ 표본 특성 분석
✔ 논의 파트 보완
을 통해 충분히 의미 있는 연구가 될 수 있습니다.
논문에서 중요한 것은
결과를 원하는 방향으로 만드는 것이 아니라
나온 결과를 논리적으로 설명하는 것입니다.
