코드를 읽고 설명하면, 합격합니다
이 레슨과 관련된 학습 키워드
논문 읽기 & 연구 방법론 — 연구자로 성장하기 → 연구 실전
연구를 시작할 때 가장 먼저 결정해야 하는 것은 코드도, 데이터셋도 아닙니다.
바로 연구 질문입니다. 연구 질문은 전체 연구의 나침반 역할을 합니다.
왼쪽 패널을 보세요. "딥러닝을 개선하겠다"는 식의 모호한 출발점이 왜 위험한지 보여줍니다.
이런 질문으로 시작하면 실험 방향, 평가 지표, 관련 문헌 범위를 전혀 정할 수 없습니다.
실제로 많은 대학원생들이 6개월을 연구한 뒤 "무엇을 보여줘야 하는지 모르겠다"는 상황에 빠집니다.
반면 오른쪽의 좋은 연구 질문을 보시면, 데이터 규모(500장), 조건(사전학습 없음), 목표(+5%)가 모두 명시되어 있습니다.
이런 질문이 있으면 실험을 바로 설계할 수 있고, 논문의 Introduction에서 기여를 자신 있게 서술할 수 있습니다.
가운데 패널을 보면 연구 질문이 나침반으로서 세 가지 핵심 결정을 이끌어냄을 알 수 있습니다.
첫째, 실험 설계의 방향을 결정합니다. 어떤 모델을, 어떤 데이터로, 어떤 조건에서 실험할지 질문에서 나옵니다.
둘째, 평가 지표를 명확히 합니다. Accuracy인지, F1 score인지, FLOPs인지 질문이 답을 줍니다.
셋째, 논문 기여를 서술할 수 있게 합니다. 리뷰어가 "이 논문이 무엇을 새롭게 보여주는가?"를 물을 때 답할 수 있습니다.
좋은 연구 질문의 국제 표준으로 FINER라는 프레임워크가 있습니다.
Feasible(실현 가능), Interesting(흥미로운), Novel(새로운), Ethical(윤리적), Relevant(관련 있는)의 다섯 조건입니다.
하단 박스를 보세요. FINER 기준을 통과한 질문이라면 학술적으로 충분한 가치를 갖습니다.
반대로 이 다섯 기준 중 하나라도 실패하면 논문을 쓰더라도 리뷰어에게 거절당할 위험이 높습니다.
"Attention is All You Need" 논문을 떠올려보세요. 연구 질문은 단순했습니다: "순환 구조 없이도 시퀀스를 처리할 수 있는가?"
이 한 문장이 Transformer 혁명을 이끌었습니다. 강력한 질문은 복잡하지 않습니다, 오히려 명확합니다.
오늘 레슨에서 우리는 이런 수준의 연구 질문을 체계적으로 설계하는 방법을 배웁니다.
PICO 프레임워크, 연구 갭 발견법, 가설 수립 전략을 단계별로 익힐 것입니다.
레슨을 마칠 때쯤에는 여러분이 자신의 연구 질문을 FINER 기준으로 직접 평가할 수 있게 됩니다.