Chapter 1. 과학적 연구 과정

과학적 연구 과정

과학적 연구는 자연과 생명 현상을 이해하고 새로운 지식을 만들어 가는 체계적인 과정입니다. 연구자는 관찰이나 기존의 지식에서 질문을 발견하고, 이를 해결하기 위한 가설이나 연구 목표를 세운 뒤, 실험과 분석을 통해 근거를 얻고 그 의미를 해석합니다.

과학적 연구를 이해하기 쉽게 다음과 같은 단계로 나눌 수 있습니다. 그러나 실제 연구가 항상 이 순서대로 진행되는 것은 아닙니다. 연구 과정에서 예상하지 못한 결과가 나타나기도 하고, 새로운 사실을 발견하기도 합니다. 이에 따라 연구 질문이나 가설을 수정하고 새로운 실험을 설계하는 과정이 반복될 수 있습니다.

1. 관찰과 문제의 발견

연구는 자연이나 생명 현상에 대한 관찰과 문제의 발견에서 시작됩니다.

예를 들어, 어떤 식물이 특정 환경에서 더 잘 자라는 현상을 발견하거나, 특정 질병을 가진 사람들에게서 공통적인 특징이 나타나는 것을 발견할 수 있습니다. 이러한 관찰은 새로운 연구 질문으로 이어질 수 있습니다.

그러나 모든 연구가 연구자의 직접적인 관찰에서 시작되는 것은 아닙니다. 기존 연구를 읽는 과정에서 서로 일치하지 않는 결과를 발견하거나, 아직 충분히 밝혀지지 않은 문제를 발견하는 것 역시 중요한 연구의 출발점입니다.

2. 연구 질문

관찰하거나 발견한 문제를 구체적인 연구 질문(research question)​으로 발전시킵니다.

예를 들어,

  • 특정 유전자의 발현은 어떤 조건에서 증가하는가?
  • 특정 돌연변이는 단백질의 기능에 어떤 영향을 미치는가?
  • 질병 환자의 장내 미생물 군집은 건강한 사람과 어떻게 다른가?

와 같이 실제 연구를 통해 답할 수 있는 질문을 설정할 수 있습니다.

좋은 연구 질문은 단순히 흥미로운 질문에 그치는 것이 아니라, 현재의 지식과 연구 방법을 이용하여 실제로 조사할 수 있어야 합니다.

3. 선행연구 조사

연구 질문을 구체화하기 위해서는 먼저 이미 무엇이 알려져 있는지 알아야 합니다.

연구자는 논문과 학술자료를 조사하여 관련 분야의 기존 지식을 파악합니다. 이 과정에서 기존 연구들이 어떤 사실을 밝혀냈는지, 서로 일치하지 않는 결과는 없는지, 아직 해결되지 않은 문제는 무엇인지 확인합니다.

이를 통해 다음 질문에 답할 수 있어야 합니다.

  • 무엇이 알려져 있는가?
  • 무엇이 아직 알려져 있지 않은가?
  • 나는 무엇을 알아보려고 하는가?

이러한 과정은 연구의 필요성을 설명하는 근거가 되며, 이후 논문의 Introduction을 구성하는 중요한 논리가 됩니다.

4. 가설 또는 연구 목표 설정

연구 질문에 대해 기존 지식을 바탕으로 예상되는 답을 가설(hypothesis)​로 설정할 수 있습니다.

가설은 단순한 추측이 아니라 기존의 지식과 논리에 근거해야 하며, 연구를 통해 평가할 수 있어야 합니다.

예를 들어, “특정 유전자의 발현 증가는 세포의 약물 저항성을 증가시킬 것이다.”라는 가설을 세웠다면, 해당 유전자의 발현을 변화시키고 약물에 대한 세포의 반응을 비교하는 실험을 설계할 수 있습니다.

그러나 모든 연구가 반드시 명확한 가설에서 출발하는 것은 아닙니다. 새로운 현상을 탐색하거나 대규모 데이터를 분석하는 연구에서는 특정 가설보다 연구 목표(objective)​를 설정하고 연구를 진행하기도 합니다.

5 연구 및 실험 설계

연구 질문이나 가설을 평가하기 위한 방법을 설계합니다.

어떤 연구 대상과 재료를 사용할 것인지, 어떤 조건을 비교할 것인지, 무엇을 측정할 것인지, 데이터를 어떻게 수집하고 분석할 것인지를 결정합니다.

실험 연구에서는 필요에 따라 다음과 같은 사항을 고려해야 합니다.

  • 실험군과 대조군
  • 독립변수와 종속변수
  • 표본의 수
  • 반복 실험
  • 측정 방법
  • 연구 결과에 영향을 줄 수 있는 교란요인

좋은 연구는 연구자가 원하는 결과가 나오도록 설계하는 것이 아니라, 얻어진 결과를 바탕으로 연구 질문이나 가설을 객관적으로 평가할 수 있도록 설계되어야 합니다.

또한 연구를 시작하기 전에 어떤 데이터를 얻고 어떻게 분석할 것인지 충분히 계획하는 것이 중요합니다.

6. 연구 수행 및 데이터 수집

설계한 방법에 따라 실험이나 관찰을 수행하고 데이터를 수집합니다.

데이터는 연구자가 주장하는 결론의 근거가 됩니다. 따라서 연구 과정과 결과를 정확하고 체계적으로 기록해야 합니다.

실험 조건, 사용한 재료, 분석 과정 등이 충분히 기록되어야 연구자가 자신의 연구 과정을 다시 확인할 수 있으며, 다른 연구자들도 연구가 어떻게 수행되었는지 이해할 수 있습니다.

따라서 정확한 기록과 재현성(reproducibility)​은 과학 연구에서 매우 중요한 원칙입니다.

7. 데이터 분석

수집한 데이터를 정리하고 통계적·계산적 방법 등을 이용하여 분석합니다.

예를 들어 실험군과 대조군 사이에 차이가 있는지, 두 변수 사이에 관계가 있는지, 데이터에서 일정한 패턴이 나타나는지를 평가할 수 있습니다.

이 과정에서 연구자는 자신의 예상과 일치하는 결과만 선택해서는 안 됩니다. 연구 과정에서 얻어진 데이터를 객관적으로 분석하고, 분석 방법과 판단 기준을 명확하게 제시해야 합니다.

8. 결과의 해석

데이터 분석을 통해 얻어진 결과(result)​와 그 결과가 의미하는 바에 대한 해석(interpretation)​은 구분할 필요가 있습니다.

예를 들어, “A군에서 B군보다 유전자 X의 발현량이 높았다.”는 관찰된 결과입니다.

반면, “유전자 X가 이러한 생물학적 차이를 유발했을 가능성이 있다.”는 결과에 대한 해석입니다.

연구자는 자신의 결과가 연구 질문이나 가설과 어떤 관계가 있는지 평가하고, 기존 연구의 결과와 비교하여 그 의미를 설명합니다.

또한 다른 가능한 설명은 없는지, 연구 설계나 데이터에 어떤 한계가 있는지도 함께 고려해야 합니다.

특히 두 현상이 함께 나타난다는 사실만으로 한 현상이 다른 현상의 원인이라고 결론 내려서는 안 됩니다. 상관관계와 인과관계를 구분하는 것은 과학적 결과를 해석할 때 매우 중요합니다.

9. 결론과 연구의 한계

분석과 해석을 바탕으로 연구 질문에 대한 결론을 내립니다.

연구 결과가 가설을 지지할 수도 있고 지지하지 않을 수도 있습니다. 가설을 지지하지 않는 결과 역시 새로운 정보를 제공할 수 있으며, 새로운 연구 질문을 만드는 계기가 될 수 있습니다.

그러나 연구 결과가 보여주는 것보다 더 많은 것을 주장해서는 안 됩니다.

연구자는 “이 연구를 통해 무엇을 알 수 있는가?”뿐만 아니라 “이 연구만으로는 무엇을 알 수 없는가?”를 함께 생각해야 합니다.

따라서 연구의 한계와 결과에 대한 다른 가능한 설명을 검토하는 것은 과학적 연구의 중요한 과정입니다.

10. 새로운 연구 질문

하나의 연구가 모든 문제에 답을 주는 경우는 거의 없습니다.

오히려 연구를 통해 새로운 사실을 발견하면 또 다른 질문이 생겨납니다. 예상하지 못한 결과가 새로운 가설로 이어지기도 하고, 연구의 한계를 해결하기 위한 후속 연구가 필요하기도 합니다.

따라서 과학적 연구는

질문 → 연구 → 결과 → 새로운 질문

으로 이어지는 반복적인 과정이라고 할 수 있습니다.


과학적 발견, 과학자 공동체, 논문

과학은 한 연구자의 연구만으로 완성되지 않습니다.

연구자는 자신의 연구 결과를 다른 연구자들과 공유하고, 다른 연구자들은 그 결과와 연구 방법을 검토하고 새로운 연구에 활용합니다. 때로는 기존 연구와 다른 결과가 나타나기도 하고, 반복 연구를 통해 기존의 주장이 수정되기도 합니다.

이러한 과정을 통해 과학적 지식은 지속적으로 검토되고 발전합니다.

과학적 연구를 공유하는 대표적인 방법이 학술논문(scientific paper)​입니다.

연구자는 연구를 수행한 배경과 목적, 사용한 방법, 얻어진 결과와 그 의미를 일정한 형식에 따라 논문으로 작성하여 학술지에 투고합니다.

투고된 논문은 일반적으로 해당 분야의 다른 연구자들에 의한 동료평가(peer review)​를 받습니다. 이 과정에서 연구 방법이 적절한지, 분석과 해석에 문제가 없는지, 연구자의 주장이 데이터에 의해 충분히 뒷받침되는지 등이 비판적으로 검토됩니다.

그러나 논문이 출판되었다는 것이 연구 결과가 절대적인 사실로 증명되었다는 것을 의미하지는 않습니다.

출판된 연구 역시 다른 연구자들의 검토, 재분석, 반복 연구와 후속 연구를 통해 지속적으로 평가됩니다. 새로운 증거가 나타나면 기존의 설명이나 결론이 수정될 수도 있습니다.

따라서 과학적 지식은 개별 연구자의 발견뿐만 아니라, 연구 결과를 공유하고 비판적으로 검토하며 새로운 증거를 축적하는 과학자 공동체의 활동을 통해 발전합니다.

과학적 연구 과정과 논문의 구성

과학적 연구 과정은 논문의 구성과 밀접하게 연결되어 있습니다.

과학적 연구 과정논문 구성
문제의 발견Introduction
선행연구 조사Introduction
연구 질문, 가설, 연구 목표Introduction
연구 및 실험 설계Material & Methods
데이터 수집 및 분석Material & Methods / Results
연구 결과 Results
결과의 해석Discussion
기존 연구와의 비교Discussion
연구의 한계Discussion
결론과 새로운 질문Discussion / Conclusion

따라서 논문의 형식은 단순히 정해진 글쓰기 양식이 아니라, 연구자가 어떤 질문에서 출발하여 어떤 방법으로 근거를 얻었고, 그 근거로부터 어떤 결론에 도달했는지를 다른 연구자들에게 논리적으로 전달하기 위한 구조​라고 볼 수 있습니다.

실제 논문에서 과학적 연구 과정 찾아보기

다음 논문을 예로 들어 실제 연구에서 연구 질문, 연구 방법, 결과와 해석이 어떻게 연결되는지 살펴봅시다.

Single-cell transcriptomic and genomic changes in the ageing human brain Nature (2025)

  • 배경: 노화 과정에서 뇌의 다양한 변화가 나타나지만, 세포 유형별 유전자 발현과 체세포 돌연변이가 나이에 따라 어떻게 변화하는지는 충분히 알려져 있지 않습니다.
  • 연구 질문: 인간의 뇌에서는 나이에 따라 세포 유형별 유전자 발현과 체세포 돌연변이가 어떻게 변화하는가?
  • 연구 방법: 다양한 연령의 사람에게서 얻은 뇌 조직을 대상으로 single-nucleus RNA sequencing, single-cell whole-genome sequencing 등의 방법을 이용하여 유전자 발현과 체세포 돌연변이를 조사하였습니다.
  • 결과: 나이에 따른 세포 유형별 유전자 발현 변화와 체세포 돌연변이의 축적이 관찰되었습니다.
  • 해석: 인간의 뇌가 노화하면서 transcriptome과 genome 수준에서 다양한 변화가 축적된다는 것을 보여줍니다.
  • 새로운 질문: 이러한 변화들은 뇌 기능 저하의 원인일까요, 아니면 노화 과정에서 함께 나타나는 현상일까요? 체세포 돌연변이와 유전자 발현 변화 사이에는 직접적인 인과관계가 있을까요?

이 사례에서 특히 주의해야 할 점은 관찰된 결과와 그 결과로부터 가능한 해석을 구분하는 것입니다.

예를 들어 노화와 함께 체세포 돌연변이가 증가하고 유전자 발현이 변화한다는 사실을 관찰했다고 해서,

노화 → 돌연변이 축적 → 유전자 발현 변화 → 뇌 기능 저하

라는 인과관계가 바로 증명되는 것은 아닙니다.

관찰된 사실로부터 어디까지 결론을 내릴 수 있는지 판단하고, 아직 답하지 못한 문제를 찾아내는 것이 과학적 사고의 중요한 부분입니다.

생각해 볼 문제

논문을 읽을 때 다음 질문을 던져 봅시다.

  1. 이 연구는 무엇을 알고 싶어 하는가?
  2. 연구를 시작하기 전에 무엇이 알려져 있었고, 무엇이 알려져 있지 않았는가?
  3. 연구자는 그 문제에 답하기 위해 어떤 실험이나 분석을 수행했는가?
  4. 연구에서 실제로 관찰된 결과는 무엇인가?
  5. 연구자는 그 결과를 어떻게 해석하고 있는가?
  6. 그 해석을 뒷받침하는 근거는 충분한가?
  7. 이 연구만으로는 알 수 없는 것은 무엇인가?
  8. 이 연구로부터 어떤 새로운 연구 질문을 만들 수 있는가?

이 질문들은 논문을 비판적으로 읽을 때뿐만 아니라 자신의 연구를 설계하고 졸업논문을 작성할 때에도 사용할 수 있습니다.

1 thought on “Chapter 1. 과학적 연구 과정”

  1. Pingback: Chapter 2. 논문의 구성과 연구 절차 - Biomedical Data Science Laboratory

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top