-
- [CTL Learning Tips #6] 생성형 AI 도구의 활용에 따르는 고민과 연구윤리 (1)
- 교수학습혁신센터-20250110 <출처표기방법>이상은, 정도현(2025).생성형 AI 도구의 활용에 따르는 고민과 연구윤리(CTL Learning Tips #6).서울: 성균관대학교 교수학습혁신센터 생성형 AI 도구의 활용에 따르는 고민과 연구윤리 이상은(성균관대 교수학습혁신센터 교육학박사), 정도현(성균관대 신소재공학과 박사과정) 인공지능 기술의 발전은 연구 환경에 큰 변화를 가져왔습니다. 앞서 대학원 러닝팁 4호와 5호에서 소개한 생성형 AI과 같은 기술들이 급속도로 발전하면서, 연구를 돕는 효율적인 도구로 이용되고 있습니다. 연구에 쓰이는 생성형 AI 서비스는 방대한 데이터베이스 기반으로 아이디어를 제안하고 지식을 제공하는 등의 대화를 통해 연구의 완성도를 높일 수 있고, 이를 통해 기존 연구과정과 비교하여 훨씬 짧은 시간을 들여 연구를 진척시킬 수 있는 효율성과 간편성을 가져다 주었습니다. 하지만, 이러한 편리함은 동시에 지나친 의존성과 연구윤리의 이슈를 초래할 수도 있습니다. 예를 들어, 연구자가 생성형 AI에 전체 실험설계나 데이터분석을 요청하고 그 결과에 지나치게 의존한다면, 이는 연구자가 주도적으로 진행한 연구라고 보기 어려운 상황이 됩니다. 생성형 AI는 문헌고찰이나 아이디어 검증에 도움을 줄 수 있는 유용한 도구이기는 하나, 연구자가 갖추어야할 주도성과 창의력을 떨어뜨릴 수 있는 위험도 동시에 있습니다. 따라서 생성형 AI는 연구자의 주도 하에 연구를 돕는 도구로 활용되어야 하며 연구자는 그 결과물을 비판적으로 검토할 수 있어야 하고 연구자 자신이 가지고 있는 전문성과 창의성을 바탕으로 연구를 수행하는 것이 중요합니다. 이번 러닝팁에서는 연구에서 생성형 AI 도구를 활용하는데 대한 다양한 입장과 고민, 그리고 이 상황에서 지켜야할 연구윤리에는 어떤 것들이 있는지 알아보고자 합니다. 1. 주요 저널은 생성형 AI 도구의 사용을 어떻게 규제하고 있나 생성형 AI는 미술, 음악 등 인간의 창의성을 요구하는 예술 영역에서도 뛰어난 수행 능력을 보여주었고, 국제 사진전에서 1등을 수상한 작가의 작품이 AI 작품이었던 사건 [1]과 같이 크고 작은 논란도 있었습니다. 그 중 가장 큰 쟁점이 되었던 것은 생성형 AI가 만들어낸 지적 재산은 저작권이 인정될 수 있는가였습니다. 우리나라 저작권법은 제2조 1항에서 저작물은 인간의 창작물로 한정하고 있기 때문에 [2], AI가 생성한 창작물은 저작권을 인정받지 못합니다. 이는 우리나라에 국한되는 것이 아니라 대부분 국가에서 생성형 AI를 통해 만들어낸 저작물은 그 저작권을 인정하지 않고 있습니다. 연구 분야에서도 이와 유사한 사례가 있습니다. 실제로 ChatGPT를 공저자로 이름을 올린 논문이 MedRxiv라는 사전 공개사이트에서 발표된 바가 있는데 [3], ChatGPT가 서술한 연구 논문의 내용은 매우 정교 했으며, 실제로 의학 관련 연구자들은 ChatGPT가 서술한 논문 초록의 10편 중 불과 3편정도 밖에 걸러내지 못했다고 미국 노스웨스턴대 연구진이보도한 바 있습니다 [4]. 이 사건을 계기로 학계에서 생성형 AI가 공저자로서 자격을 가질 수 있는가에 대한 논의가 활발히 이루어졌습니다. 이후에 세계적으로 영향력있는 Nature 저널은 ChatGPT를 포함한 대규모 언어모델을 논문 저자로 인정하지 않겠다라는 가이드라인을 공식적으로 발표했습니다 [5]. 생성형 AI는 어디까지나 도구로 사용될 뿐이지, 논문을 작성하는데 주도적으로 참여한 연구자가 될 수 없다고 결론내린 것으로 해석할 수 있습니다. Nature 뿐만 아니라 다른 여러 저널에서도 유사한 입장의 가이드라인을 제시하였습니다. 또다른 유명한 저널인 Science 저널에서도 AI를 통해 제작된 내용물은 저자뿐만 아니라 인용될 수 없음을 밝혔고 [6], Elsevier 출판사도 AI 기술이 적용된 제작물은 사용 목적의 적절성과 사용된 AI기술 내용 공개를 전제하에 부분적으로 허용하겠다는 가이드라인을 제시하였습니다 [7]. 이처럼 대부분의 학술저널은 대규모 언어모델기반 생성형 AI의 사용에 대해 민감하게 생각하고 있으며, 생성형 AI를 인간 연구자와 동등하거나 그 이상의 자격을 부여할 수 없다는 입장을 유지하고 있습니다. 2. 생성형 AI가 제공하는 지식은 충분히 신뢰로운가 생성형 AI는 우리가 입력하는 프롬프트에 따라 텍스트나 이미지 등의 다양한 결과물을 생성하는 시스템으로, ChatGPT를 포함하여 대부분의 생성형 AI는 대규모 언어모델 (Large Language Model, LLM)을 기반으로 하고 있습니다. LLM의 상세한 원리는 상당히 복잡하지만 이해를 돕기 위해 간단하게 설명하자면 아래 그림처럼 방대한 사전학습 데이터를 바탕으로 인간이 구사하는 자연스러운 언어 패턴과 구조를 학습한 후, 입력된 프롬프트에 부합하도록 출력을 예측해 자연스러운 답변을 생성하는 방식입니다. ChatGPT의 대략적인 작동 원리 (확률은 0부터 1 사이의 값을 가짐) 이미지 출처 : https://m.blog.naver.com/1strider/223015532860 LLM 기반의 생성형 AI는 기존 인공지능에 비해 획기적인 성능을 보여주며 다양한 분야에서 응용가능성으로 주목을 받았으나, 한계점도 존재합니다. Emily M.Bender 연구팀은 논문에서 LLM은 의미를 고려하지 않고 자연스러운 문장을 확률적으로 연결한다며, 이를 ‘확률적 앵무새’ 로 비유하였습니다 [8]. 마찬가지로, 메타 AI 연구를 진행하고 있는 Yann Lecun 교수 또한 현재 LLM 모델은 엄청난 컴퓨팅 및 인적 자원을 요구하고 있으며 그 비용은 너무 크다며 LLM의 한계를 뉴욕대 세미나 강연에서 지적한 바 있습니다 [9]. 실제로 토론토 연구팀에서 ChatGPT를 포함한 LLM기반 생성형 AI가 허위 정보를 전문성 있게 포장해서 대답하는 점이 허위 정보를 신뢰성 있게 유포할 수 있다라는 우려를 지적한 바 있습니다 [10]. 이들이 주장한 주된 이유는 바로 ‘할루시네이션’ 이라는 생성형 AI의 치명적 오류인데요, 이는 생성형 AI가 잘 모르는 내용에도 출처가 불분명한 대답을 내놓거나 오답을 정답인 것처럼 얘기하는 현상을 말합니다. 예시로 다음과 같이 매우 기본적인 내용을 질문을 해보았습니다. 3글자로 하는 끝말잇기를 하자고 대화를 하였을 때 맥락을 이해하지 못하여 설명을 해주어도, 대화만 자연스럽게 이어질 뿐 주고 받고 있는 내용은 이해를 기반으로 한 대화가 아님을 확인할 수 있습니다. 특히, 3글자의 정의에 대해 질문하였을 때, 완전히 틀린 내용을 전달하고 있는 것을 확인할 수 있습니다. 이 같은 할루시네이션은 일반적인 주제에서는 비교적 쉽게 감지하고 의심할 수 있지만, 보다 지엽적이거나 전문적인 주제에서는 잘못된 정보를 쉽게 인지하지 못하고 신뢰할 가능성이 높습니다. 또한, 생성형 AI는 질문 내용에 따라 편향성을 가지고 있는데요, 대화를 하면서 자연스러운 대화를 확률적으로 제시하는 모델이기 때문에 어떤 질문을 하냐에 따라 제공하는 답변 또한 달라집니다. 예시로, 13 nm 금나노입자의 색상이 무슨 색이냐고 ChatGPT에게 물어보았습니다. 실제로는 520 nm 파장대의 붉은색 계열의 색상이며 이와 일치하는 대답을 제공하고 있습니다. 하지만 그와 다르게 먼저 13 nm의 금나노입자 색상이 초록색이라는 사전 상황을 입력 시킨 뒤에 나중에 다시 13 nm 금나노입자의 색상이 무엇이냐고 질문했을 때는 초록색이라고 대답하게 됩니다. 이는 생성형 AI가 이전 입력된 정보를 필터링하지 않고, 대화의 맥락에 맞춰 자연스럽게 답변하고자 하는 경향에서 비롯됩니다. 이러한 한계점은 생성형 AI가 제공하는 결과물을 그대로 신뢰하기 보다는 비판적으로 보고, 재확인을 해야하는 과정을 반드시 해야함을 의미합니다. 3. 연구의 무결성을 입증하는 것은 연구자의 책임 연구자는 연구를 진행하는 과정에서 연구자로서 윤리적 기준을 준수하고, 신뢰성이 있는 방식으로 연구를 진행할 필요가 있습니다. 연구결과와 과정은 왜곡되거나 조작되지 않아야 하며, 연구자는 이를 토대로 결과를 객관적으로 해석하고 보고해야할 책임이 있습니다. 특히 이에 대한 연구결과의 책임은 연구자가 실질적으로 기여한 만큼 나누어지며, 이는 연구의 투명성과 신뢰성을 보장하는 중요한 요소로 작용합니다. 그러나 앞서 설명한 것처럼 생성형 AI는, 할루시네이션이라는 단점을 가지고 있으며, 이는 연구의 투명성에 위협적인 요소로 작용합니다. 꽤나 그럴듯한 거짓 정보가 논리적으로 결과에 포함될 가능성이 높아 생성형 AI가 생성한 결과물은 객관성을 보장하기 어렵고 신뢰성이 낮아질 수 있습니다. 따라서 대부분의 저널에서는 생성형 AI의 지나친 사용을 엄격히 규제하고, 연구자가 이를 사용하였다면 전반적인 사용 출처를 밝히도록 요구하고 있습니다. 이러한 규제에도 불구하고, 생성형 AI를 사용한 사실을 논문 안에서 밝히지 않아 논문이 철회된 사례가 있었습니다 [11]. 이 사례에서는 연구자가 논문 초안을 작성하는 과정에서 ChatGPT를 사용하였고, 이 사용과정에서 생기는 문구인 ‘Regenerate Response’가 우연히 논문의 본문에 함께 포함되었습니다. ‘Regenerate Response’는 ChatGPT의 예전 메뉴로서 사용자가 ChatGPT의 답변에 만족하지 못했거나 새로운 방식의 답변을 원할 때, 이전 응답을 기반으로 다른 방식으로 답변을 생성하도록 요청하는 기능입니다. 이 논문이 저널에 게재된 후에야 사전에 명시하지 않은 ChatGPT를 사용했다는 점이 드러났고, 이는 저널의 윤리정책 위반이기 때문에 논문은 결국 철회됐습니다. 생성형 AI는 연구를 보조하는 도구로는 매우 유용할 수 있으나, 연구자는 생성형 AI의 한계를 인지하고 연구 결과의 신뢰성을 보장할 필요가 있습니다. 4. 그래서 대학원생이 생성형 AI를 연구의 도구로 활용할 때 지켜야할 연구윤리는 무엇인가 연구자는 연구 논문을 작성할 때 공신력을 인정받은 자료를 바탕으로 자신의 연구 데이터를 수집하고 분석하고 가설에 비추어 검증할 책임이 있습니다. 생성형 AI는 연구 과정에서 유용한 도구가 될 수 있으나, 생성형 AI가 제공하는 정보와 결과를 연구자가 스스로 사실 여부를 반드시 확인해야 신뢰성이 있는 연구 결과로 얻을 수 있습니다. 또한, 생성형 AI는 주로 인터넷 상에 있는 오픈소스 데이터를 기반으로 결과물을 생성하며, 기존에 웹 상에 존재하는 내용을 재구성하거나 그대로 출력하는 방식으로 결과를 제공함을 기억해야 합니다. 생성형 AI가 만들어낸 텍스트나 코드가 기존에 존재하는 원본을 단순히 재출력한 결과일 가능성이 있음을 모른채, 연구자가 이를 그대로 사용한다면, 표절 문제가 발생할 수도 있습니다. 표절로 인해 발생하는 문제는 연구자 본인에게 책임이 있으니 주의할 필요가 있습니다. 또한, 실제로 대부분 저널에서는 생성형 AI가 제공하는 내용을 직접적으로 인용하거나 그대로 사용하는 것은 인정하고 있지 않기 때문에 어디까지나 참고자료로만 활용되어야 합니다. 생성형 AI의 결과를 연구에 활용하려면, 반드시 해당 내용과 관련된 내용을 재확인하여 적합한 출처를 인용해야 합니다. 이러한 과정을 통해 연구의 투명성을 확보할 수 있습니다. 마지막으로, 생성형 AI는 최근 급격하게 다양한 분야에 도입된 기술이기 때문에, 아직 이에 대한 윤리적 가이드라인은 체계적으로 정립되지 않은 상태입니다. LLM 기반의 생성형 AI 이용에 관한 대부분의 저널 가이드라인은 보수적인 입장을 취하고 있으며, 생성형 AI의 오남용에 엄격한 제한을 두고 있습니다. 한편 새로운 AI 모델이 도입되거나, LLM 모델이 가지고 있던 한계가 극복됨에 따라 연구 가이드라인 또한 변경될 가능성도 있습니다. 따라서, 연구자는 생성형 AI 활용에 관한 윤리 규정과 가이드라인에 지속적으로 관심 가져야 합니다. 이러한 연구 윤리를 지킴으로써 책임의식을 가지고 신뢰받는 연구자로서 성장할 수 있을 것입니다. References [1] https://www.etnews.com/20230419000095 [2] https://www.law.go.kr/%EB%B2%95%EB%A0%B9/%EC%A0%80%EC%9E%91%EA%B6%8C%EB%B2%95/%EC%A0%9C2%EC%A1%B0 [3] https://biz.chosun.com/science-chosun/science/2023/01/26/EUTPVKN5IFFXVEAHUXXCXMFNXE/ [4] https://economychosun.com/site/data/html_dir/2023/01/30/2023013000029.html [5] https://www.nature.com/nature/for-authors/initial-submission [6] https://www.science.org/content/page/science-journals-editorial-policies [7] https://www.elsevier.com/about/policies-and-standards/the-use-of-generative-ai-and-ai-assisted-technologies-in-writing-for-elsevier [8] BENDER, Emily M., et al. On the dangers of stochastic parrots: Can language models be too big?. In: Proceedings of the 2021 ACM conference on fairness, accountability, and transparency. 2021. p. 610-623. [9] https://biz.chosun.com/science-chosun/technology/2023/03/30/YNMTZCAZ3FBADJVU3ZENHVGOZI/ [10] https://www.docdocdoc.co.kr/news/articleView.html?idxno=3006015 [11] https://iopscience.iop.org/article/10.1088/1402-4896/acf6b8
-
- 작성일 2025-01-10
- 조회수 606
- 좋아요2
- 첨부파일 (0)
-
- [CTL Learning Tips #5] 생성형 AI 도구로 체계적인 문헌검토(literature review)하기 (2)
- 교수학습혁신센터-20241204 <출처표기방법>이상은, 정도현(2024).생성형 AI 도구로 체계적인 문헌검토(literature review)하기(CTL Learning Tips #5).서울: 성균관대학교 교수학습혁신센터 생성형 AI 도구로 체계적인 문헌검토(literature review)하기 이상은(성균관대 교수학습혁신센터 교육학박사), 정도현(성균관대 신소재공학과 박사과정) Summary 대학원 러닝팁 5호는 연구자들이 문헌검토를 보다 효율적으로 하는 것을 돕는 생성형 AI 도구인 Scispace와 Consensus의 활용법을 소개합니다. 문헌검토는 연구의 배경과 필요성을 명확히 하고, 기존 연구와의 차별성을 강조하며, 학문적 신뢰도를 확보하기 위한 필수적인 과정입니다. Scispace와 Consensus는 연구자가 필요로 하는 정보를 빠르게 검색하고 요약하며, 논문 간의 비교와 세부 내용 확인을 효율적으로 도와줍니다. 또한, 연관 질문 생성, 필터 기능, 논문과의 대화 기능 등을 통해 기존의 검색 방식을 대체하거나 보완하여 연구 과정의 생산성과 신뢰성을 높일 수 있습니다. 러닝팁 5호는 실제 연구사례에 Scispace와 Consensus 기능을 적용하여 문헌검토를 어떻게 개선했는지를 구체적으로 소개합니다. —--------------------------------------------------------------------------------------------------------------------------------------------- 대학원에 진학하여 연구프로젝트에 참여하면, 연구주제와 관련된 내용을 보고서나 연구논문에 맞게 서술하는 일이 생깁니다. 이러한 글을 작성할 때, 연구자는 독자들이 연구의 필요성이나 연구주제에 대해 더 잘 이해할 수 있도록 배경 지식이나 관련된 이론들을 잘 검토하고 소개하는 것이 중요합니다. 연구자들은 연구주제와 관련된 문헌이나 서적 자료를 조사하고, 이를 검토하여 연구의 취지에 맞게 그 내용을 기술하는데, 이 전반적인 과정을 ‘문헌 검토(Literature review)’ 라고 부릅니다. 문헌 검토는 특정 연구주제와 관련된 기존 연구 결과나 학문적 자료들을 체계적으로 조사하고 검증하는 전반적인 과정이라고 할 수 있습니다. 이를 통해 연구의 방향과 초점을 잃지 않고, 자신의 연구가 기존 지식에 어떤 가치를 추가하는지 명확히 하게 되며, 학문적 신뢰도를 확보할 수 있습니다. 또한, 연구자는 자신의 연구가 기존 연구와 어떻게 연관이 있으며, 어떤 차별성을 갖는지도 강조할 수 있습니다. 결국 문헌 검토는 학문적 연구에서 기존 지식을 기반으로 자신의 연구를 설계하고 발전시키기 위한 필수적인 과정입니다. 문헌 검토는 일반적으로 인터넷 검색을 통해 이루어져왔는데, 연구논문을 쓸 때는 신뢰 할 수 있는 참고 문헌을 인용하는 것이 중요하므로, Google Scholar나 Web of Science 등과 같은 학술 데이터베이스를 검색할 수 있는 사이트를 주로 활용합니다. 이들 웹사이트에서 핵심 키워드를 검색해 원하는 연구 논문이나 서적을 효율적으로 찾을 수 있습니다. 하지만 찾고자 하는 내용이 다소 복잡하거나 구체적인 경우에, 단순 키워드를 통해 원하는 자료를 찾는 데 한계가 있을 수 있습니다. 또한, 검색결과로 얻은 많은 문헌에서 필요로 하는 자료를 선별하는 일은 꽤 시간이 많이 소요되기도 합니다. 이러한 한계점을 극복하고 보다 효율적으로 문헌 검토를 하기 위해 생성형 AI 도구를 활용할 수 있습니다. 특히, Scispace(https://typeset.io/)와 Consensus(https://consensus.app/)와 같은 생성형 AI 도구는 연구자가 입력한 질문의 답변과 결과를 빠르게 찾아주고, 정보를 요약하거나 비교할 수 있는 기능을 제공합니다. 이번 러닝팁은 필자가 게재했던 연구논문의 문헌검토를 Scispace와 Consensus를 활용하여 다시한번 해봄으로써, 두 생성형 AI 도구가 제공하는 기능을 소개하고자 합니다. Scispace의 활용 1: 여러 문헌들의 구체적인 내용까지 체계적으로 접근해가기 필자는 2022년도에 발표한 세포정량법에 관한 연구에서 문헌 검토를 통해 기존 세포정량법의 한계와 새로운 방법의 필요성을 제시하고자 하였습니다. 생명과학 연구에서 세포 실험의 기본은 실험에 필요한 Cell line을 배양하는 것이지만, 단순히 세포를 키우는 것에 그치지 않고, 세포 수를 정확히 측정하는 것 또한 필수적입니다. 이는 실험결과의 신뢰성과 재현성을 위해 반드시 필요한 과정이므로, 세포정량법의 정확성과 효율성은 연구 성과에 직접적인 영향을 미칩니다. 현재까지 다양한 세포정량법 방법들이 제안되었으나, 아직 많은 실험장면에서 Hemocytometer(혈구계수기)를 이용한 수동적인 세포 계산 방식을 여전히 이용하고 있습니다. 이 방법은 비용면에서 저렴하나 개인의 숙련정도에 따라 측정결과에 편차가 생기며, 세포 정량에 시간이 오래 걸린다는 점에서 비효율적이기도 합니다. 따라서 필자는 문헌검토를 통해 기존 세포정량법의 한계를 지적하고, 이를 보완할 새로운 방법의 필요성을 제안하기로 하였습니다. 먼저 필자는 Google Scholar에서 “limitation of cell counting using hemocytometer” 라는 키워드검색으로 문헌검토를 시작하였습니다. 이렇게 하면 Google scholar가 연관성이 있다고 판단하는 여러 논문들을 제안해줍니다. 이 결과를 두고 연구자는 논문 제목을 중심으로 필요한 내용을 유추하고, 일일이 논문을 검토하여 목적에 부합하는 정보를 확인하는 과정을 거쳐야 합니다. 본 연구에서 찾고자 했던 키워드, ‘limitation’, ‘cell counting’, ‘hemocytometer’ 는 생명과학 분야 연구에서 일반적으로 사용될 수 있는 단어이면서, 실험방법을 기술할 때도 언급될 수 있는 단어이기 때문에, 본문을 보지 않고 스크린에 뜬 간단한 내용으로만 제 연구와의 관련성을 파악하기란 어렵습니다. 입력한 키워드와 관련성이 낮은 문헌들이 상당수 포함되어 있어 꽤 시간이 들여 살펴보아야 합니다. 필자는 Google Scholar 검색결과 화면의 첫번째 논문부터 하나씩 클릭해 들어가 좀더 구체적인 논문내용을 확인하기 시작하였습니다. 상단 3개 연구논문은 필자가 찾고자 하는 세포정량법의 한계에 대한 내용을 담고 있지 않았고, 결국 “limitation of cell counting using hemocytometer”에 대해 제가 기대했던 결과는 네 번째 논문에서 가장 잘 설명한다는 것을 알게 되었습니다. 나아가 연구결과에 대한 구체적인 내용은 여러 번의 클릭을 거쳐 들어가야 파악할 수 있었습니다. 한편, 생성형 AI 도구인 Scispace에서 동일한 키워드 “Limitation of hemocytometer cell counting”을 검색해보았습니다. Scispace는 방대한 데이터베이스를 바탕으로 질문에 대한 요약 답변을 먼저 제공하고, 연관 논문의 목록과 함께 각 논문의 주요 내용을 테이블 형식으로 요약하여 제시해줍니다. 이를 통해 연구자는 논문의 제목과 요약된 내용을 한눈에 비교할 수 있고, 관련 논문을 빠르게 선별할 수 있습니다. 특히, Scispace는 AI 알고리즘을 활용하여 연관성이 높은 순으로 논문을 선별하여 추천합니다. Scispace를 활용해 검색한 결과로 얻는 상위 10개의 논문 중 3개는 필자의 실제 연구논문에서 인용한 문헌들과 일치하는 것이었습니다. 필자는 Scispace의 논문추천 시스템이 상당히 효과적이라고 보게 되었습니다. Google Scholar로 문헌을 검색하면, 동일한 키워드에서 시작하더라도 추가적인 검색을 반복적으로 할 때가 많았습니다. 예를 들어, 세포 정량법의 단점을 더 폭넓게 찾아보기 위해 ‘novel cell counting’이나, ‘automated cell counting’ 등 기존 세포정량법의 단점을 언급했을만한 연구를 찾기 위하여 구체적인 키워드를 넣어 검색범위를 확장하고, 그 결과를 일일이 검토하는 과정은 꽤 고되었습니다. 그러나 Scispace는 이런 반복적인 검색 과정을 생략하고, 사용자가 처음 입력한 키워드와 연관된 연구내용과 논문들을 인공지능을 활용하여 매칭시켜준다는 점에서 효율적으로 보였습니다. 이러한 AI 기반의 문헌검토는 기존의 수작업 검토와 비교했을 때 시간과 노력을 절약하게 해주며 보다 효율적으로 연구를 진행할 수 있도록 도와줍니다. Scispace의 활용 2: 생성형 AI를 이용하여 논문과 대화(Chat)하기 Scispace는 검색결과로 제시된 논문 가운데 하나를 선택한 후, 생성형 AI를 이용하여 이 논문에 대해 대화를 할 수 있다는 장점이 있습니다. Google scholar를 통해 문헌검토를 하고 어떤 문헌을 필자의 연구에 인용하는 경우, 논문 전체가 인용되는 경우도 있지만, 대개는 길어야 한 문단, 짧게는 2-3줄에 불과한 경우들이 많았습니다. 기존 연구논문에서 인용이 필요한 내용을 확보하기 위하여 논문의 전체를 빠르게 읽고 검토하는 과정이 필요한데, 정해진 시간 내에서 많은 양의 문헌을 살펴봐야 하는 연구자에게 상당한 시간과 노력을 요구하는 일이 됩니다. Scispace의 논문과의 대화(Chat) 기능은 이 과정을 개선시킨다는 장점이 있습니다. 다시 필자의 연구로 돌아가, 필자는 기존 세포정량법의 성능을 비교하기 위하여, 최소 몇 개의 세포부터 검출이 가능한지를 성능의 기준으로 삼고자 하였습니다. 이를 위해 Scispace에서 Cell counting 이라는 키워드로 논문을 검색하고 그 결과로 얻은 논문 리스트에서 각 논문 제목 아래에 있는 [Chat]을 클릭하면 새 브라우저가 열리면서, [Chat with Paper]라는 채팅 창이 화면의 오른쪽에서 나타납니다. 필자는 ‘Cell Density Detector Based on Light Beam Focusing’ 논문과의 대화 창에 “본 연구의 세포 한계검출 농도는 몇이야?” 라고 질문했더니, 논문의 본문을 찾고 요약하여 답변을 해줍니다. 테스트를 위하여 같은 질문에 대한 답을 포함하지 않는 논문인, ‘Cell Detection and Counting Method Based on Connected Domain of Binary Image’과의 대화 창에 질문을 했더니 오른쪽 이미지에서 보듯이, “검출농도를 명시적으로 언급하지 않았습니다.”라고 답을 해줍니다. Scispace가 제공하는 논문과의 대화(Chat) 기능은 논문의 전체를 살펴보지 않더라도 연구자가 필요로 하는 내용이 포함되어 있는지 그렇지 않은지를 대화를 통해 빠르게 판단할 수 있도록 도와줍니다. Consensus의 활용 1: 연관(Related) 질문을 통해 논문검토의 범위를 한정하거나 더 넓은 정보에 접근하기 논문 검토를 위한 두번째 생성형 AI 도구인 Consensus는 연구자가 제시한 질문과 관련된 추천 연관 질문을 제공함으로써 연구 과정에서 보다 폭넓고 심층적인 정보를 얻을 수 있도록 돕습니다. 예를 들어, Consensus에서 ‘새로운 세포 정량법’을 검색하면, AI가 자동으로 생성한 연관 질문 목록을 살펴볼 수 있습니다. 질문 목록에서 ‘새로운 세포 정량법이 암 치료에 효과적인가?’를 선택하여 인공지능이 추천해준 새로운 질문에 대한 정리된 답변을 살펴보니, 기존의 세포정량법과 암 치료를 목적으로 사용하는 세포정량법은 명확히 구분된다는 점을 알 수 있었습니다. 필자는 자신의 연구에서 다루고자 하는 세포 정량법이 암 치료와 직접적인 연관이 없음을 깨닫고, 암 치료와 관련된 세포정량법을 다룬 논문은 검토 과정에서 제외하기로 하였습니다. Consensus의 연관(Related) 질문 기능은 논문 검토의 범위를 명확히 설정해주고, 연구 방향을 보다 구체적으로 정의하는데 도움을 줍니다. 새로운 연관(Related) 질문은 연구자가 미처 생각하지 못했던 새로운 관점을 제시하거나, 보다 깊이 있는 탐구를 하도록 유도하기도 합니다. AI 기반 연관 질문 기능은 연구자의 단순한 검색 결과에만 의존하지 않고, 관련성 높은 추가 정보를 제공하여 문헌 검토의 신뢰성을 높이고, 풍부한 내용 기반의 분석을 가능하게 합니다. 결과적으로, 연구자는 보다 체계적이고 폭넓은 방식으로 문헌 검토를 할 수 있으며, 연구의 완성도를 높이는 데 기여할 수 있습니다. Consensus의 활용 2: 필터기능(Apply filters)을 활용하여 선별된 논문들을 추천 받기 연구자들은 논문을 인용할 때, 자신의 연구의 신뢰성을 높이기 위해 인지도가 높고 공신력있는 출판사의 저널에 게재된 연구를 인용하고자 하는 경우가 많습니다. Consensus는 AI 알고리즘을 통해 사용자가 입력한 키워드와 가장 관련성이 높은 논문을 선별할 뿐만 아니라, 필터 기능(Apply filters)을 통해 보다 구체적이고 신뢰할 수 있는 논문을 선택할 수 있도록 도와줍니다. 예를 들어, 필자의 연구에서 ‘색상을 이용한 세포분석법’에 관한 논문을 인용하고자, Consensus에서 ‘색상을 이용한 세포 분석법’ 이라는 키워드로 검색한 뒤, 필터 기능을 이용하여 특정 기준을 설정하였습니다. 필자는 검색결과 연구논문들이 실린 저널의 신뢰성을 보장하기 위해 SJR quartile 지표 Q1에 속하는 논문, 논문의 인용 횟수 100회 이상, 2020년 이후 게재된 논문과 같은 필터를 적용하여 검색 결과를 제한할 수 있었습니다. 이 과정을 거친 후, 필자가 찾고있는 논문들 가운데 JACS, Nano letter, Cell, Nature 자매지와 같은 영향력 있는 학술 저널에 실린 연구자들 사이에서 신뢰도가 높은 논문들이 포함된 것을 확인할 수 있었습니다. 따라서 Consensus가 제공하는 필터기능은 연구자가 문헌검토에서 인용하고자 하는 논문들의 신뢰성을 고려하여 논문검토를 할 수 있도록 도와줍니다. 생성형 AI 도구는 기존의 문헌검토 과정에서 발생할 수 있는 시간적, 인적 자원의 소모를 줄이고, 보다 효율적이고 체계적으로 연구를 할 수 있도록 지원해줍니다. Scispace와 Consensus는 각각의 고유한 기능을 통해 연구자가 키워드 검색, 논문 요약, 논문과의 대화, 연관 질문 제안, 필터 기능 등을 활용할 수 있도록 제공하며, 이를 통해 문헌검토의 정확성과 신뢰성을 높입니다. 특히, Scispace의 요약 및 대화 기능은 필요한 정보를 빠르게 얻을 수 있도록 돕고, Consensus의 연관 질문 및 필터 기능은 연구의 범위와 방향을 보다 구체화할 수 있게 합니다. 이러한 도구들은 연구자의 부담을 줄이고, 연구의 새로운 관점과 방향성을 제시하는 잠재력을 가지고 있습니다. 본 러닝팁이 우리 대학 대학원생들의 연구와 문헌검토에 생성형 AI 도구를 이용하는 일에 도움이 되기를 바랍니다.
-
- 작성일 2024-12-04
- 조회수 1675
- 좋아요10
- 첨부파일 (0)
-
- [CTL Learning Tips #4] 생성형 AI와 대화하며 연구문제 찾아가기 (5)
- 교수학습혁신센터-20241101 <출처표기방법>이상은, 정도현(2024).생성형 AI와 대화하며 연구문제 찾아가기(CTL Learning Tips #4).서울: 성균관대학교 교수학습혁신센터 생성형 AI와 대화하며 연구문제 찾아가기 이상은(성균관대 교수학습혁신센터 교육학박사), 정도현(성균관대 신소재공학과 박사과정) 대학원에 진학하고 연구자로서 자신의 구체적인 연구를 계획하고 진행하는데 있어 가장 중요한 첫 단계는 바로 ‘연구문제 찾기’ 입니다. 연구문제는 연구가 진행될 방향을 제시해주고 연구의 의미와 목표를 명확하게 해주며, 최종적으로 해당 연구가 학문 및 사회적으로 기여할 수 있는지를 결정합니다. 하지만 연구경험이 많지 않은 대학원생에게 있어 이 과정은 결코 쉽지 않습니다. 다양한 주제 속에서 의미있는 연구문제를 찾고, 이를 학문적으로 해결하기 위해 필요한 배경과 필요성 등을 종합적으로 구성하는 등 연구를 실행하기 전까지 많은 준비가 필요합니다. 최근 AI 기술의 빠른 발전으로 여러 분야에서 많은 혜택을 받고 있는데, 생성형 AI는 연구문제를 찾아가는 데 있어 매우 유용한 도구가 될 수 있습니다. 생성형 AI는 다양한 실시간 정보와 데이터를 기반으로 연구주제에 대한 다양한 아이디어를 제안하여 연구자가 통찰력 있는 시각으로 바라볼 수 있도록 돕습니다. 최근에는 ChatGPT, Gemini, Bing 등 여러 생성형 AI이 개발되어 연구자들에게 효율적인 환경을 제공하고 있습니다. 이번 러닝팁에서는 ChatGPT를 활용하여 연구문제를 찾아가는 과정을 필자의 경험을 토대로 소개하고자 합니다. 필자는 생성형 AI와 대화를 나누며 연구문제를 찾는 과정을 아래와 같이 크게 내 관심 키워드에 대한 연구동향 알아보기, 관심있는 분야의 연구주제로 다가가기, 연구 공백(리서치갭: Research Gap)을 찾아 내 연구문제로 다듬어가기, 3단계로 소개하고자 합니다. 1. 내 관심 키워드에 대한 연구동향 알아보기 학술지에 게재되는 연구 동향이나 최신 뉴스에서 다루어지는 다양한 주제들은 우리 사회에서 해결이 필요한 문제들을 반영하며 이는 ‘연구문제 찾기’를 출발하는 유용한 정보가 됩니다. 우리는 이러한 출처들을 통해 현재 주목받고 있는 다양한 문제와 연구자들이 관심을 가지는 분야를 쉽게 확인할 수 있습니다. 특정 키워드나 주제가 연구자에게 흥미롭게 느껴질 때, 이를 생성형 AI와의 대화를 통해 단편적 정보에서 조금 더 연장된 하나의 사건으로 확장하고 연결시킬 수 있습니다. 예를 들어, 필자가 연구를 진행하고 있는 ‘나노입자기반 광학 센서’ 분야에서 연구문제를 찾고자 ChatGPT와 대화를 하였습니다 [1]. 학술지를 읽으면서 ‘나노입자기반 센서’ 연구동향을 찾아볼 수도 있지만, 생성형 AI와의 간단한 대화를 통해 빠르고 쉽게 동향을 파악하는 것도 가능하였습니다. 필자의 (독자분들에게는 생소할 수 있는) 관심분야인 “나노입자를 통한 광학센서의 동향을 간단하게 알려줘”라는 질문을 하였습니다. 이 질문에 ChatGPT는 세 가지 답변을 해줍니다. ChatGPT의 답변을 살펴보니, 첫번째 답변이 필자가 진행하는 연구주제와 가장 유사했고, 나머지 답변은 생소한 연구 분야로 보였습니다. 첫번째 답변은 비교적 간단하게 설명한 것이라, 추가적인 대화를 통해 ‘표면 플라즈몬 센서’의 동향에 대해서 파악하길 원했습니다. 그래서 필자는 ChatGPT에게 좀더 구체적인 추가설명을 요구하였습니다. 이렇게 ChatGPT와의 첫번째 대화는 큰 틀의 키워드에 대해 물어보고 제시해주는 답변을 살펴본 후, 필자가 관심있는 답변을 선택하고 다음의 구체적인 단계로 진행하면서 키워드의 범위를 좁혀 나갈 수 있게 해주었습니다. 두번째 대화에서는 ‘SPR 센서의 최근 동향은?”을 묻고, 간단한 5개의 답변을 받았습니다. 5개의 답변을 살펴보니, 대부분 최근 연구동향이라서 어떤 것을 연구해도 괜찮을 것 같다는 생각이 들고, 어떤 분야가 나의 연구관심 주제인지를 판단하기가 어렵게 느껴졌습니다. 필자는 더 시간을 쓰지 않기 위해, ChatGPT의 답변 가운데 ‘AI 및 데이터 분석 통합’이 최근 발전한 AI기술이 광학센서와의 접목되어 새로운 연구동향일 것으로 기대하고 이 답변을 중심으로 다음 단계의 대화를 진행하였습니다. 해당 대화를 통해 실제로 AI와 나노입자 기반센서를 어떻게 접목시켰을지 조금 더 구체적인 궁금증을 갖게 되었습니다. 이처럼 연구문제를 찾아가는 출발점으로 필자가 가지고 있던 막연한 관심을 최근 동향으로 좁히기 위한 질문을 먼저 던지고 ChatGPT의 답변을 받아 살펴보면서, 다음 단계의 키워드를 찾아가는데 도움을 받을 수 있었습니다. 2. 관심있는 분야의 연구주제로 좀더 다가가기 생성형 AI와의 대화는 연구자가 종사하거나 관심 있는 특정 분야를 더 깊이 탐구할 수 있도록 도와줍니다. 대개 ChatGPT는 일반적인 수준의 답변을 하므로, 이를 연구자 개인의 관심이나 연구 목적에 맞춰서 구체화하는 과정이 중요합니다. 앞서 예로 들었던 표면 플라즈몬 공명(SPR)의 한 분야인 SERS(표면 증강 라만 분광법) 센서 연구에서 AI 접목 가능성을 논할 때, AI를 활용하는 연구의 방향성은 연구자가 속한 학문분야나 연구 목표에 따라 달라질 것입니다. 만약 필자가 인공지능 및 컴퓨터공학 분야 연구자라면, 나노입자를 활용한 센서 성능 개선에 AI를 접목하는 기법, 즉 SERS 데이터 분석에 적용가능한 고성능 머신러닝 알고리즘이나 딥러닝 모델에 탐구를 할 가능성이 큽니다. 따라서 ChatGPT와의 대화에서 SERS 스펙트럼 분석에서 “SERS 신호 노이즈를 제거해줄 수 있는 AI tool로는 뭐가 있는지”를 물어보고, SERS 신호의 감도와 정확도를 높이기 위한 비지도학습모델, 회귀모델, 전처리 기법, 순환신경망모델, 컨볼루션 모델 등 여러 머신러닝과 딥러닝 모델에 대해 구체적으로 대화할 수 있습니다. 반면 재료공학이나 화학공학 분야의 연구자라면, 다른 방식으로 ChatGPT와 관심 내용을 구체화해 나갈 것입니다. 즉, SERS 신호를 증폭하거나 최적화 할 수 있는 나노입자의 종류나 타겟 물질 고효율 검출하는 등 자신이 속한 학문분야의 연구를 개선하기 위한 도구로서 AI의 적용을 고려할 것입니다. 이 경우 생성형 AI와의 대화는 입자의 조성, 크기 특성 등 SERS 성능에 미치는 영향을 분석하고 각 나노입자의 특성들을 AI가 학습하여 특정 타겟과 반응을 예측하는 시뮬레이션 모델링 등 데이터 처리 접근 방식을 탐구 할 수 있습니다. 이처럼 일반적인 수준의 ChatGPT 답변을 연구자 개인의 관심이나 연구 목적에 맞춰서 구체화 하기 위해서는 자신이 속한 분야의 연구에 대한 이해가 뒷받침되어야 합니다. 코스워크(coursework)이나 연구실 세미나를 통해 꾸준히 논문을 학습하는 시간이 매우 중요하며, 생성형 AI와의 대화를 통해 각자 연구 문제에 적합한 방향으로 발전시키기 위한 필수조건이라 할 수 있습니다. 즉, 생성형 AI와의 대화는 연구자가 흥미로워하는 분야에 관한 세부적인 추가 정보를 제공하고 심화시킴으로써 관심있는 연구주제로 다가가는데 도움을 주지만, 연구자가 이 대화를 이끌어가기 위해서는 대학원 학습이 전제되어야 합니다. 대학원생이 많은 논문을 읽으며 좀 더 체계적으로 학습할 수 있도록 도와주는 생성형 AI 도구에 대해서는 다음 러닝팁에서 다룰 예정입니다. 3. 연구 공백(리서치갭: Research Gap)을 찾아 내 연구문제로 다듬어가기 리서치 갭이란 기존의 연구나 문헌에서 아직 답변되지 않은 질문이나 해결되지 않은 문제를 의미합니다. 리서치 갭은 아직 연구되지 않은 개념이나 새로운 아이디어로 인해 생기기도 하고, 기존 연구들이 오래 전에 이루어졌기 때문이기도 하고, 어떤 집단을 대상으로는 많은 연구가 있었으나, 또다른 집단을 대상으로는 연구가 부족하기 때문이기도 합니다[2]. 구글에서 “Research Gap”이라고 검색을 하면 아래와 같이 시각화한 이미지를 통해 리서치 갭을 쉽게 이해할 수 있습니다 . 이미지 출처: 인스타그램@phdhelp 리서치 갭은 자신의 관심있는 주제와 맞물려 연구문제로 구체화될 수 있습니다. 가상의 쉬운 예를 들자면, ‘대학원생이 온라인학습 플랫폼(예: 우리 대학 아이캠퍼스)를 활용하는 것이 연구성과에 미치는 효과’ 같은 것이지요. 필자는 제 전공분야에서 관심 키워드에 대한 내용을 구체화 한 후 생성형 AI와의 대화를 통해 사회적 또는 학문적인 가치를 지닌 연구문제를 찾을 수가 있었습니다. 예를 들어, SERS 신호로 특정 바이오마커 DNA 시퀀스를 검출하고자 했을 때, 실제 샘플에 존재하는 여러가지 다양한 노이즈 신호로 인해 명확한 구분이 어려웠다면, 이러한 문제가 어떻게 해결가능한지 의문을 가질 수 있습니다. 이 과정에서 서로 다른 DNA 시퀀스에서 나오는 고유의 신호를 머신러닝을 통하여 구별해 낼 수 있는지, 어떠한 방법으로 구별할 수 있는지 등 다양한 질문들을 생성형 AI와의 대화를 통해 반복적으로 함으로써, 기존에 해결되지 못했던 문제들을 발견하고 또한 학문적으로도 의미 있는 연구문제로 다듬어갈 수 있게 됩니다. 이 단계에서 도출된 연구문제는 앞서 살펴본 단계 보다 훨씬 구체적이고 전문적이며 과학적인 깊이를 필요로 합니다. 따라서 ChatGPT 답변의 정확성은 연구의 신뢰도를 결정하는 매우 중요한 요소가 될 것입니다. 생성형 AI와의 대화는 연구문제 찾기에 도움을 주는 유용한 도구이지만, 제공되는 정보에 대한 신뢰성을 항상 고려해야 합니다. 실제로, 생성형 AI는 사람이 하는 것에 비해 훨씬 방대한 양의 정보를 종합하고 처리할 수 있지만, 정확성 면에서 ChatGPT4.0의 경우 QA task 처리 정확도는 약 86.7 %로 보고된 바 있습니다[3]. 이처럼 생성형 AI는 모든 질문에 대해 다양한 시각으로 아이디어를 제안하지만 특히, 주관적인 답변을 요구하는 경우에는 올바른 정보를 항상 제공하지 않음을 의미합니다. 따라서 ChatGPT와의 대화를 바탕으로 연구문제로 다듬어가는 과정에서는 반드시 crosscheck를 진행하여 정보의 신뢰성을 파악할 필요가 있습니다. 필자가 ChatGPT의 답변에 “이러한 신호를 구분한 선행연구가 있어? 있다면 출처를 doi로 알려줘”라고 요구하고 그 doi의 논문을 직접 살펴볼 수 있는 웹사이트로 들어갔습니다. ChatGPT가 알려준 논문은 어처구니없게도 AI기법이 전혀 사용되지 않은 DNA 검출을 위한 SERS 센서에 관한 내용이었습니다 [4]. 즉 ChatGPT와의 대화를 통해 얻은 정보의 정확성은 꼭 직접 Reference를 읽고 확인해볼 필요가 있습니다. 연구자로서 첫 걸음이 되는 ‘연구문제 찾기’는 대학원생에게 매우 중요한 과정이지만, 처음 시작하는 지점에서는 아주 도전적인 단계일 수 있습니다. 본 러닝팁에서 살펴본 것처럼, 생성형 AI는 연구자가 연구문제를 구체화하는 데 실질적인 도움을 줄 수 있는 도구로 자리 잡아가고 있습니다. ChatGPT와 같은 생성형 AI는 방대한 정보를 기반으로 연구자가 관심 있는 주제에 대한 최신 연구 동향을 빠르게 파악하고, 구체적인 질문을 통해 연구 문제를 체계적으로 다듬어가는 데 유용한 지원을 제공합니다. 다만, 생성형 AI가 제공하는 정보의 정확성과 신뢰성을 보장하기 위해 연구자는 항상 참고자료를 직접 검토하고, AI의 답변을 기반으로 한 추가적인 학문적 검토를 하는 것이 필수적입니다. 이를 통해 대학원생들은 자신이 추구하는 연구 주제를 학문적·사회적으로 기여할 수 있는 구체적인 연구문제로 발전시켜나갈 수 있을 것입니다. References [1] ChatGPT 홈페이지, https://openai.com/index/chatgpt/ [2] Shapiro Library Southern New Hampshire University FAQ: What is a research gap and how do I find one? https://libanswers.snhu.edu/faq/264001 [3] ROY, Soumyadeep, et al. Beyond accuracy: Investigating error types in gpt-4 responses to usmle questions. In: Proceedings of the 47th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2024. p. 1073-1082 https://dl.acm.org/doi/abs/10.1145/3626772.3657882 [4] MACDONALD, Daniel, et al. DNA detection by SERS: hybridisation parameters and the potential for asymmetric PCR. Analyst, 2020, 145.5: 1871-1877.
-
- 작성일 2024-11-01
- 조회수 2072
- 좋아요6
- 첨부파일 (0)
-
- [CTL Learning Tips #3] 논문작성에 유용한 생성형 AI 도구들
- 교수학습혁신센터-20240906 <출처표기방법>이상은, 구민영, 김예진(2024). 논문작성에 유용한 생성형 AI 도구들 (CTL Learning Tips #3). 서울: 성균관대학교 교수학습혁신센터 대학원 학업에서 가장 어려운 과제는 '연구논문 작성'일 것입니다. 학술지에 출판하는 연구논문을 포함하여 코스워크을 하면서 제출하는 term paper, review paper, 연구계획서 등의 작성은 학부 공부에서는 흔히 경험하지 못하는 학습과제입니다. 교수학습혁신센터가 지난 5월 대학원생들을 대상으로 실시한 연구 목적 생성형 AI 활용 경험에 대한 조사결과에 따르면, 대학원생들은 연구 주제 설정부터 작성까지 연구 전반에 걸쳐 ChatGPT, 뤼튼 AI 등의 생성형 AI를 글쓰기, 자료 조사 등을 위해 사용하고 한다고 답하였습니다. 이번 러닝팁에서는 논문작성을 위한 연구과정을 도와주는 생성형 AI 도구들인 SciSpace, Connected Papers, Consensus의 사용 방법에 대해 소개하고자 합니다. 위 생성형 AI들은 연구 및 논문 작성에 특화된 AI들로서, 논문 검색과 분석, 논문 간의 관계를 파악하는 것을 효과적으로 도와줄 수 있습니다. 1. SciSpace(https://typeset.io) SciSpace는 사용자가 관심있는 연구 논문(2억 8,200만 건)을 찾고, 논문에 대한 질문을 하며 다양한 논문에서 통찰력을 빠르게 얻는 데 도움이 되는 AI 기반 플랫폼입니다. 특히, Scispace는 다른 생성형 AI 도구 보다 ‘논문’에 특화되어 있어 논문 요약과 해석에 대해 더 전문적이고 정확한 정보를 제공합니다. 즉, 대학원생분들이 관심있는 논문을 검색하고 이를 빠르게 파악하기 위한 요약 정보를 원할 때 유용하게 사용할 수 있는 생성형 AI 도구입니다. Scispace의 활용은 연구 문제를 입력하는 것에서 시작합니다. 내가 해결하고 싶은 문제에 대해 물어보는 것이며 예시로 “챗gpt는 대학 교육에 도움이 되는가?”라는 질문을 해보았습니다. 그 결과 AI는 관련성 있는 5개의 상위논문을 분석하여 이를 토대로 답변을 제공합니다. 그 아래는 AI가 참조한 논문 뿐만 아니라 다양한 관련 논문이 나열되고 이들 가운데 몇몇 논문들은 SciSpace내에서 원문을 바로 확인하고 pdf파일로 다운로드 받을 수도 있습니다. 검색된 논문 옆에는 [Insights] 메뉴에 해당 논문의 내용이 3~4줄로 요약되어 있어 연구자가 빠르게 논문에 대해 이해하는 것을 도와줍니다. 이 표에는 TL;DR (too long; didn't read"(너무 길어서 읽지 않았다)), 결론, 요약된 초록, 결과, 요약된 필요성, 연구방법, 연구의 한계 등 다양한 새로운 열(column)을 추가해서 볼 수 있습니다. 만약 논문을 좀더 상세하게 파악하고자 한다면, 논문제목을 클릭해서 해당 논문에 대해 자세히 알아볼 수 있습니다. 상세 논문 화면의 오른쪽에 [Chat with Paper]라는 대화창이 있고 생성형 AI가 작동합니다. 연구자는 Copilot AI에게 논문에 대한 구체적인 질문을 하고 답을 얻으며 논문 전체에 대해 이해할 수 있습니다. 논문의 주요 결론을 묻거나 논문에 적용된 연구방법을 알아볼 수도 있으며 연구의 시사점에 대해서도 물어보고 쉽게 알 수 있습니다. SciSpace 내 copilot AI는 영어 논문을 기준으로 한국어로 물어본 질문에 대해 한국어로 대답하는 것도 가능하며 특정 문단이나 문장에 대해 요약해주거나 해석하는 기능도 갖추고 있습니다. 또한, 연구자가 pdf로 직접 올린 논문에 대해 해석하는 것을 도와주기도 합니다. 다만, 무료인 자료들은 논문 전체 pdf가 열리지만, 유료인 자료들은 초록 정도만 볼 수 있기 때문에 유료 결제를 해야 더 많은 논문에 대해 쉽게 접근할 수 있습니다. 2. Connected Papers(https://www.connectedpapers.com/) Connected Papers는 연구자가 자신의 연구 분야와 관련된 논문을 찾고 탐색하는 데 도움을 주는 시각화 도구입니다. 연구자는 논문 간의 연결을 시각적으로 한 눈에 이해할 수 있기 때문에 본격적인 연구 시작 전 큰 그림을 그리고 연구 전반을 조망하는데 유리합니다. 활용 방법은 다음과 같습니다. Connected Papers 검색창에 일반적인 논문을 검색하면 AI가 해당 논문과의 상호 연결을 보여주는 그래프를 생성합니다. 이를 통해 새로운 논문에 쉽게 접근하고 관심 있는 분야의 트렌드, 인기 작품 및 역학에 대한 실제적이고 시각적인 이해를 얻을 수 있습니다. 그래프의 각 노드(원)는 논문을 나타냅니다. 또한, 유사한 논문이 특정 공간에 모여 더 강한 선(에지)으로 연결됩니다. 인기 있는 논문(자주 인용되는 논문)은 더 큰 노드(원)로 표시되고 최근 논문은 더 어두운 색으로 표시됩니다. 이렇듯 Connected Papers는 논문 간의 연결을 시각적으로 표현하여 동향을 더 쉽게 파악할 수 있도록 돕습니다. 연구자가 그 분야에서 중요하고 새로운 논문을 찾고자 한다면, 시각화된 클러스터의 중심에 있는 어두운 색상의 큰 원에 해당하는 논문을 찾으면 됩니다. 대학원생들은 관련 논문의 그래프를 탐색하며 연구 추세에 대한 통찰을 얻을 수 있을 것입니다. 때로는 시각화된 방식 보다 연결된 논문의 목록을 확인하는 것이 더 편리할 수 있습니다. 이러한 경우를 위해 상단 메뉴에서 "List" 버튼을 클릭하여 논문의 목록을 만들 수 있습니다. 여기에서 논문들의 추가적인 세부 정보를 볼 수 있으며 제목, 저자, 연도, 인용, 참고문헌, 원 논문과의 유사성 등 다양한 속성에 따라 논문을 정렬하고 필터링할 수 있습니다. Connected Paper에는 이전(Prior) 연구와 후속(Derivative) 연구를 구분하여 살펴볼 수 있는 기능도 있습니다. 이전 연구에는 그래프에 연결된 논문들의 공통 조상 논문들이 나열되어 있고, 이 가운데는 해당 분야에서 후속 세대에 큰 영향을 준 기념비적인 연구들이 포함되어 있습니다. 반대로, 후속(Derivative) 연구를 클릭하면, 그래프에 있는 논문들의 공통 후손 논문 목록을 보여줍니다. 이 목록에는 보통 관련된 최신 연구 논문들이나 체계적인 리뷰, 메타 분석 등이 포함됩니다. 이러한 기능들은 특정 연구 시대의 논문을 가지고 있을 때, 동일한 주제에 대한 이전과 이후 세대의 연구로 안내받고자 할 때 특히 유용합니다. 3. Consensus (https://consensus.app/) 컨센서스(Consensus)는 논문 자료 검색과 인용에 최적화된 생성형 AI입니다. 컨센서스가 제공하는 주된 강점 중 하나는 방대한 데이터베이스입니다. 현재 컨센서스는 시맨틱 스콜라(Semantic Scholar) 데이터베이스를 기반으로 하여 2억 개 이상의 논문을 검색할 수 있습니다. 이를 통해 사용자는 다양한 과학 분야에 걸쳐 실제 연구 논문과 연관된 통찰력을 얻을 수 있습니다. 특히, 시맨틱 스콜라는 PDF 풀텍스트 열람이 가능한 논문 비율이 높아, 사용자가 필요로 하는 정보를 빠르게 확인할 수 있는 환경을 제공해 줍니다. 논문 작성 시 필수적인 인용문 자동 생성과 인용형식 지정 기능을 제공하는 것 역시 컨센서스의 장점입니다. 컨센서스는 다양한 인용 형식을 자동으로 생성할 수 있으며, 인기 있는 참고문헌 관리자와의 통합을 통해 인용 작업의 속도를 높일 수 있습니다. 뿐만 아니라, Study Snapshot 기능을 통해 모집단, 표본 크기, 연구 방법 등 주요 정보를 결과 페이지 내에서 빠르게 확인할 수 있어 논문 작성에 필요한 핵심 데이터를 손쉽게 파악할 수 있습니다. Study Snapshot을 보여주는 화면 컨센서스는 포괄적인 학술 검색 필터도 제공하고 있습니다. 연구 설계, 방법론, 표본 크기, 오픈 액세스 여부 등 다양한 조건에 맞는 논문을 세밀하게 검색할 수 있도록 돕습니다. 컨센서스는 명령(채팅 입력값)에 맞추어, 언어 모델을 기반으로 전체 연구 논문의 코퍼스(말뭉치)를 분석합니다. 코퍼스를 자연어 처리한 후, 키워드 검색과 벡터 검색을 결합하여 가장 관련성 높은 연구 결과를 20개 제시합니다. 검색 후, Synthesize 기능을 활성화하면 요약문과 전체 검색결과 현황을 볼 수 있습니다. Synthesize 기능 활성화 시의 화면 컨센서스의 또 다른 핵심 기능은 상위 10개의 연구 논문을 분석하여 주요 인사이트와 결론을 요약해 주는 것으로, Copilot을 사용합니다. 이 기능은 로그인을 해야만 이용 가능하지만, 논문을 효율적으로 이해하고 활용할 수 있도록 도와주며, 요약본을 통해 연구의 핵심 내용을 빠르게 파악할 수 있습니다. 제공된 요약본은 결과 페이지 왼쪽 상단에서 확인할 수 있습니다. 사용자들은 다양한 연구 주제에 대해 간단한 키워드 검색부터 복잡한 연구 방법론 질문까지 폭넓은 검색을 실행할 수 있으며, 이를 통해 얻은 정보를 논문 작성에 활용할 수 있습니다. Copilot를 활성화하여 채팅을 입력했을 때의 화면. 결과값에 인용문이 포함된 것을 볼 수 있습니다. 컨센서스에게 긴 채팅 명령을 할 경우, 조사하고 싶은 연구 주제, 연구의 목표, 연구 분야, 표본의 크기 등을 포함할 수 있습니다. 그러나 명령이 길어질수록 결과물의 정확성은 떨어질 수 있으므로, 적정분량의 명령을 작성하는 것이 필요합니다. 컨센서스가 영어로 검색할 때 가장 정확한 결과를 제공한다는 점 역시 유의해야 합니다. 한국어로 요약을 요청할 경우, 구체성이 떨어질 수 있습니다. 마지막으로, GPT 탐색 창에서 컨센서스 챗봇을 다운로드해 보다 편리하게 활용할 수도 있습니다. 연구 결과를 체계적으로 정리하고 학문적 가치를 입증하기 위해 논문을 작성하는 과정은, 그 복잡성과 방대한 자료 조사로 인해 많은 시간과 노력이 필요합니다. 본 러닝팁에서 소개한 SciSpace, Connected Papers, Consensus는 한국에서는 아직 생소하지만 미국에서는 널리 쓰이고 있는 생성형 AI로, 이를 활용한다면 보다 효율적으로 질 높은 논문을 작성할 수 있을 것입니다. 대학원 생활은 도전의 연속이지만, 올바른 툴과 지원을 활용한다면 그 과정을 더 효과적으로 헤쳐나갈 수 있습니다. 대학원생 여러분의 학문적 여정에 큰 성과가 있기를, 교수학습혁신센터에서 지원하겠습니다. 구글 트렌드로 살펴본, 지난 1년 간 미국에서의 ‘SciSpace’, ‘Consensus AI’, ‘Connected Papers’ 검색량 ---------------------------------------------------------------------------------------------------------------------- 광고: [논문 작성에 유용한 생성형 AI 도구들] 온라인 워크숍 소개 교수학습혁신센터는 이번 러닝팁에서 안내한 AI 도구들을 비롯하여, 논문 작성에 유용한 생성형 AI 도구들을 소개하고 기초적 사용법을 안내하는 온라인 워크숍을 아래와 같이 개최 합니다. 관심 있는 대학원생 여러분의 많은 참여 바랍니다. 공지사항 게시판읽기 link: https://tinyurl.com/26jq9hmy - 대상: 우리 대학 대학원 재학생 및 연구등록생 - 모집기간: 2024년 9월 6일 ~ 9월 13일 - 운영 기간: 2024년 9월 23일 ~ 10월 23일 (1개월) - 플랫폼: 아이캠퍼스 비정규 강좌 운영 - 참여비용: 무료, 교수학습혁신센터에서 지원 - 필수 활동: 한 달의 수강기간 동안 최소 4개 이상의 강좌 수강 후 만족도 조사 참여 - 신청 링크: https://forms.gle/Tnsr6cD1Vafyjrbf6 - 문의: 교수학습혁신센터 02-760-0974 References Vugar Ibrahimov, Medium, How to Accelerate Literature Review with SciSpace AI? EASY TUTORIAL, https://medium.com/@Vugar_Ibrahimov/how-to-accelerate-literature-review-with-scispace-ai-easy-tutorial-8d3de617b33a Julianne Burns, The Effortless Academic, SciSpace: An all-in-one AI tool for literature reviews, https://effortlessacademic.com/scispace-an-all-in-one-ai-tool-for-literature-reviews/ SciSpace 홈페이지, https://typeset.io/t/about/ Connected Papers 홈페이지, https://www.connectedpapers.com/about Connected Papers, AI EduTools, https://sites.google.com/view/ai-edutools/ai-tools/research/connected-papers Eddie Smolyansky, medium, Announcing Connected Papers — a visual tool for researchers to find and explore academic papers, https://medium.com/connectedpapers/announcing-connected-papers-a-visual-tool-for-researchers-to-find-and-explore-academic-papers-89146a54c7d4 Consensus 홈페이지, https://consensus.app/
-
- 작성일 2024-09-06
- 조회수 44759
- 좋아요6
- 첨부파일 (0)
-
- [CTL Learning Tips #2] 다른 대학원생들은 생성형 AI를 어떻게 활용할까
- 교수학습혁신센터-20240628 <출처표기방법>이상은, 구민영, 김예진(2024). 다른 대학원생들은 생성형 AI를 어떻게 활용할까 (CTL Learning Tips #2). 서울: 성균관대학교 교수학습혁신센터 챗GPT와 같은 생성형 AI가 발달하며 글쓰기나 브레인스토밍과 같은 작업을 빠르고 간편하게 수행할 수 있게 되었습니다. 이러한 시대적 흐름에 따라 수많은 글을 다루는 연구 분야에서도 생성형 AI가 유용하게 쓰이고 있습니다. 이에 따라 교수학습센터는 우리 대학 대학원생들의 생성형 AI 활용 경험, 특히 연구를 위하여 생성형 AI를 어떻게 활용하는지를 알아보기 위해 2024년 5월 21일(화)부터 2024년 6월 13일(목)까지 설문조사를 진행했습니다. 이번 러닝팁은 조사결과를 바탕으로 대학원생들이 어떤 생성형 AI를 어떻게 활용하는지를 알아보고자 합니다. 또한, 생성형 AI를 윤리적으로 사용하고 있는 것에 대한 인식과 우려에 대해서도 살펴볼 것입니다. 이번 러닝팁이 대학원생들이 생성형 AI를 유용하고 바람직하게 사용하는데 도움이 되기를 바랍니다. 1. 응답자 정보 이번 조사의 응답자는 우리 대학 대학원생 총 114명이었고, 성별로는 남자 52명, 여자 62명이었고, 재학 중인 과정으로는 박사과정 32명, 석사과정 80명으로서 석사과정 대학원생들의 참여가 많았습니다. 2. 어떤 생성형 AI를 어느정도 활용할까 주로 사용하는 생성형 AI 도구는 ChatGPT가 우세했습니다. 설문 응답자의 4분의 3에 해당하는 85명(74.6%)의 학생들이 ChatGPT를 활용하고 있으며 ChatGPT PLUS를 결제한 학생들도 45명(39.5%)으로 다수 존재함을 확인할 수 있습니다. 2023년 11월 성균관대학교 대학생을 대상으로 한 설문조사에서는 ChatGPT PLUS를 사용하는 학생들이 10.6%에 불과했다는 것에 비하면 대학원생의 생성형 AI 유료 구독 모델 사용률이 굉장히 높다는 것을 알 수 있습니다. 또한, 뤼튼 AI와 Copilot, Gemini를 활용하는 학생들도 꽤 있었습니다. 유료형 생성형 AI를 구독하고 있는 학생들은 ‘이미지 등 첨부파일(pdf, excel, etc.)을 이해하고 답변을 제시해주는 것’, ‘더 정교하고 자연스러운 대화가 가능한 것’을 최대 장점으로 꼽았습니다. 위 두가지 장점은 각각 72명의 학생들이 선택했다는 점에서 유료형 생성형 AI 모델을 활용하는 학생 대부분이 인정하는 장점이라고 해석할 수 있습니다. 또한, 응답 속도가 빠르고 응답의 분량이 길다는 것도 큰 장점으로 여겨졌습니다. 대학원생들은 생성형 AI를 적극적으로 활용하고 있습니다. ‘매우 많이 활용한다’에 응답한 학생들이 36명(31.58%)이며, ‘활용한다’고 응답한 학생들도 36명(31.58%)입니다. 반면, ‘전혀 활용하지 않는다’에 응답한 학생들은 6명(5.26%)이고, ‘활용하지 않는다’에 응답한 학생들은 10명(8.77%)이었습니다. 즉, 적극 활용하고 있는 인원이 60% 이상이고 활용하지 않는 학생들은 14%에 불과합니다. 대학원생들은 학위논문 작성, 개인 연구논문 작성, 연구 프로젝트 등 연구를 위해 생성형 AI를 적극 활용하고 있음을 확인할 수 있습니다. 3. 어떤 구체적인 목적으로 생성형 AI를 연구에 활용할까 대학원생들이 생성형 AI를 활용한 가장 큰 목적은 ‘아이디어 브레인스토밍(20.6%)’으로, 응답자들은 주요 키워드를 기반으로 다양한 연구주제틀 탐색하는 활동, 연구 아이디어와 관련된 대중적인 인식을 알아보는 활동, 연구주제에 접목 가능한 이론들을 탐색하는 활동에 생성형AI의 도움을 받았습니다. 두 번째로 많았던 응답은 문헌리뷰(16.8%)'로, 응답자들은 논문요약, 논문의 주요 주제 이해, 논문 또는 연구주제와 관련된 문헌 탐색, 선행연구 정리에 생성형AI를 사용하였습니다. 이는 논문을 읽고 선행연구를 정리하는 데 소요되는 방대한 시간을 단축하기 위한 목적으로 나타났습니다. 세번째로 많았던 것은 ‘제출 결과물(논문, 보고서 등) 작성 및 교정(16.5%)’이었습니다. 구체적으로는 맞춤법을 확인하고, 문장 윤문과 글 교열 및 교정 활동을 수행하였으며, 영문으로 논문을 작성할 때 적절한 표현과 문법을 사용하기 위해서 생성형AI를 사용하는 경우도 있었습니다. 그 다음으로 많은 응답자가 많았던 목적은 ‘프로그래밍과 코딩(14.4%)’이었습니다. 응답자들은 특히 코드에서 발생한 에러 사항을 해결하는데 가장 많은 도움을 받는 것으로 나타났습니다. 그 외에 데이터 분석을 위한 코드를 제공받거나, 파이썬과 R의 코드를 점검받고 있었습니다. 엑셀의 자동화를 위한 코드를 제공받는다는 답변도 있었습니다. 그 다음으로 응답이 많았던 것은 ‘제출 결과물(논문, 보고서, PPT)의 개요 구성(13.7%)’, ‘데이터분석(11.7%)’, ‘관련 이미지 생성(5.2%)’ 순이었습니다. ‘제출 결과물(논문, 보고서, PPT)의 개요 구성’의 구체적인 활동을 살펴보면, 논문을 구상하거나 개요를 구성하는 데 도움을 받는 것으로 나타났습니다. ‘데이터분석'의 경우, 데이터에 의미있는 내용을 분석하고, 데이터를 요약하거나, 이를 시각화하기 위한 코드를 제공받을 뿐 아니라, 데이터 자체를 생성하는 데에도 도움을 받는 것으로 나타났습니다. ‘이미지 생성'의 구체적인 활동으로는 아이디어 시각화가 있었으며, ChatGPT뿐 아니라 뤼튼AI도 사용하는 것으로 나타났습니다. 그 외에 ‘대학원 강의 복습(0.3%)', ‘영작(0.3%)', ‘자료요약(0.3%)’를 목적으로 생성형AI를 활용한다는 응답자도 있었습니다. 다음으로 생성형 AI 사용 빈도와, 생성형 AI가 주는 이점을 살펴보겠습니다. ‘주 2~3회’ 생성형AI를 사용한다고 답한 학생이 42명으로 가장 많았습니다. 두 번째로 33명의 학생이 ‘매일’ 생성형 AI를 사용한다고 답하였으며, 25명의 학생이 ‘주 1회' 사용한다고 응답하였습니다. 생성형AI를 사용함으로써 얻는 이점의 경우, ‘시간절약(39.9%)’이 가장 큰 것으로 나타났습니다. 다음으로 ‘편리한 자료 정리(22.5%)’가 뒤를 이었으며, ‘더 나은 아이디어 도출(17.8%)’, ‘연구 몰입도 향상(10.7%)’, ‘정확한 데이터 분석(8.7%)’ 순이었습니다. 인지하지 못하는 아이디어 탐색을 시도하는 것을 이점으로 꼽은 응답자도 있었습니다. 조사 결과, 응답자의 과반수 이상이 생성형AI를 주 2회 이상 사용하고 있었습니다. 한편, 전체 응답자의 1/3 이상이 생성형AI를 사용해서 얻는 이점으로 ‘시간절약', ‘편리한 자료 정리', ‘더 나은 아이디어 도출'을 꼽고 있었습니다. 생성형AI를 사용함으로써 얻는 만족도와 연구 효율성은 비례하게 나타났습니다. 조사 결과, 과반수 이상의 학생이 생성형AI가 제공한 결과에 만족하며, 연구의 효율성 또한 좋아졌다고 여기는 것으로 나타났습니다. 만족도를 5점 척도로 조사한 결과, ‘만족(47%)'한다고 답한 학생이 53명으로 가장 많았으며, ‘보통(32%)’으로 답한 학생이 36명으로 두 번째로 많았습니다. ‘매우 만족(13%)’ 항목이 그 뒤를 이었습니다. 그에 반해, ‘매우 불만족(3%)’한다고 답한 학생은 3명뿐으로, 생성형AI에 대한 만족도는 전반적으로 높은 것을 확인할 수 있었습니다.한편 연구의 효율성이 좋아진 정도를 5점 척도로 조사한 결과, 전체 응답자의 51%가 4점을 준 것으로 나타났습니다. 5점(27%)이 그 뒤를 이었으며, 그 다음으로 3점(16%), 2점(4%), 1점(3%) 순이었습니다. 이는 생성형AI가 준 가장 큰 이점인 ‘시간절약'에 과반수 이상의 대학원생이 공감하는 것으로 볼 수 있습니다. 4. 어떻게 생성형 AI를 윤리적으로 사용할 것인가 조사에서 연구윤리를 잘 지켜 생성형 AI를 활용하는지를 물어보는 문항에서는 83명(73.45%)의 학생들이 ‘스스로 연구윤리를 잘 지키고 있다’라고 생각한다고 답변하였습니다. 반면, ‘스스로 연구윤리를 잘 지키고 있지 않다’라고 응답한 학생들은 5명(4.42%)으로 소수에 불과함을 알 수 있습니다. 한편, ‘생성형 AI 답변의 사실확인(fact check)을 하십니까?’라는 질문에는 ‘매우 그렇다’라는 응답이 55명(48.25%), ‘그렇다’라는 응답이 33명(28.95%)임을 고려했을 때, 88명(77.2%)의 학생들이 사실확인을 하고 있었습니다. 이를 통해 대학원생들이 생성형 AI를 활용함에 있어 사실 여부를 꼼꼼히 따져본다고 해석할 수 있습니다. ‘생성형 AI를 이용하는 것이 연구윤리에 어긋나는지 우려하십니까?’라는 문항에 우려한다라고 응답한 학생은 54명(47.37%)으로서, 앞서 ‘연구윤리를 지킨다’와 ‘팩트체크를 한다’의 응답결과와 비교했을 때, 많은 학생들이 생성형 AI를 활용하는 것이 연구윤리에 어긋나지 않는지를 우려하고 있음을 알 수 있었습니다. 이는 생성형 AI를 연구목적으로 윤리적으로 활용하는데 대한 안내와 이해, 인식이 부족한 것에서부터 기안한다고도 볼 수 있겠습니다. 5. 생성형 AI를 활용하려는 동료에게 하고싶은 조언 마지막으로 생성형 AI를 연구에 활용하려는 동료에게 주는 제안 또는 조언을 살펴보겠습니다. 응답자의 답변을 ‘신뢰성', ‘프롬프트 작성법', ‘활용방법', ‘윤리성', ‘사용독려', ‘사용방법', ‘사전 지식의 필요성', ‘비판적 사고', ‘기타'로 분류해 본 결과, ‘신뢰성(36.26%)’에 대한 언급이 포함된 답변이 33개로 가장 많았습니다. 생성형AI가 할루시네이션(hallucination: 환각)을 일으킬 수 있으므로, 팩트 체크 혹은 크로스체크로 검증을 할 필요가 있다고 조언하였습니다. 또한 “팩트체킹은 항상 해야 한다", “결과 꼭 확인해라", “사실확인 철저"와 같이 생성형AI의 결과물의 신뢰성을 철저히 검토해야 한다고 강조하고 있었습니다. 다음으로 많이 언급된 것은 생성형AI를 활용할 수 있는 방법에 대해 조언하는 ‘활용방법(17.58%)’ 항목이었습니다. 구체적으로 살펴보면, “교수님께 A to Z로 물어볼 수 없지만 생성형 AI는 가능"하므로, 선수학습 시 활용하라는 조언, 논문 및 아이디어 요약, 논문 리뷰, 코드 작성 등에 활용할 수 있다는 조언 등이 있었습니다. 세 번째로 많았던 것은 ‘프롬프트 작성법(16.48%)’로, 생성형AI에게 상세하고 정교하게 질문하는 법을 익혀야 한다는 조언이 주를 이루고 있었습니다. 다음으로 연구윤리에 관한 조언인 ‘윤리성(14.29%)’이 그 뒤를 이었습니다. 표절의 기준을 고려할 것, 연구자가 주체가 되어야 한다는 것 등 연구윤리에 관한 다양한 응답이 있었습니다. 한 응답자는 “문장을 그대로 작성하는 것이 아니라, 자신의 글에서 어떤 요소가 빠졌는지, 그 내용을 작성하기 위해서는 어떤 질문을 할 수 있을지를 AI에게 질문하고, 그에 대한 답변을 자신의 말로 서술하는 것이 표절 걱정을 덜어낼 수 있는 방법이라고 생각한다”고 조언하였습니다. 생성형AI를 가능한 빨리, 적극적으로 활용하기를 제안하는 ‘사용독려(4.4%)’, 생성형AI 자체를 사용하는 방법에 관한 조언인 ‘사용방법(3.3%)’이 그 뒤를 이었습니다. ‘기타(2.2%)’에는 유료결제가 필요하다는 조언, 생성형AI의 업데이트 속도가 매우 빠르므로 관심을 가지고 학습해야 한다는 조언이 있었습니다. 지금까지 챗GPT 등 생성형 AI를 대학원에서 연구목적으로 활용하는 경험에 대하여 조사한 결과를 알아보았습니다. 대학원생들은 생성형AI를 적극적으로 활용하고 있었으며, 유료 구독모델을 사용하는 학생도 적지 않았습니다. 한편, 생성형AI 활용 목적을 살펴보면, 아이디어 브레인스토밍, 문헌리뷰, 제출결과물(논문, 보고서, PPT 등) 작성 및 교정이 주를 이루고 있었으며, 학생들은 높은 만족도와 높은 연구효율성을 그 결과로 보고하였습니다. 대학원생들은 생성형AI의 결과물에 대해 꼼꼼히 사실확인을 하고 있었으며, 스스로 연구윤리를 잘 지키고 있다고 답변하였습니다. 대학원생들이 사실확인과 연구윤리를 중시한다는 것은 ‘동료에게 주는 조언'에서도 확인해볼 수 있었습니다. 생성형AI는 연구 효율성을 높이고, 논문 작성에 있어서 편리함을 주는 강력한 도구입니다. 설문조사의 응답자들이 동료에게 주었던 연구윤리 조언처럼, 기술을 적극적으로 활용하는 것은 중요하지만 창의성과 비판적 사고를 기르고 윤리성을 지키기 위해서는 무조건적으로 생성형AI에 의존해서는 안 될 것입니다. AI의 도움을 받더라도, 대학원생 여러분께서 연구에 대한 깊은 이해와 철저한 검증을 통해 더 나은 결과물을 만들고 성장하시기를 기대합니다.
-
- 작성일 2024-06-27
- 조회수 2700
- 좋아요11
- 첨부파일 (0)
-
- [CTL Learning Tips #1] 교수님이 말씀하시는 연구논문을 시작 할 때 어려운 점과 이를 극복하는 참고문헌 읽는 방법
- 교수학습혁신센터-20240524 <출처표기방법>이상은, 구민영, 김예진(2024). 교수님이 말씀하시는 연구논문을 쓸 때 어려운 점과 이를 극복하는 방법 (CTL Learning Tips #1). 서울: 성균관대학교 교수학습혁신센터 성균관대학교 교수학습혁신센터는 우리 대학 대학원생들의 학습과 연구를 돕는 유용한 정보를 담아 러닝팁을 발간합니다. 이번 첫 러닝팁은 성균관대학교 교수님들과 인터뷰했던 내용을 발췌하고, 해외 대학 대학원생 대상 안내자료를 활용하여 대학원생들에게 리서치 페이퍼를 작성할 때 알아야 할 어려우면서도 중요한 사항들을 소개해드립니다. 우리 대학 대학원생들이 학업에서 수업에 참여하고 리서치 페이퍼를 쓰는데 도움이 되기를 바랍니다. 1. 대학원생이 연구논문 작성에서 겪는 어려움과 이를 극복하는 방법의 제안 미디어커뮤니케이션학과 서미혜 교수님께서는 학생들이 논문을 작성하는 과정에서 가장 어려워하는 부분에 대해 질문을 드렸을 때 교수님께서는 학생들마다 다양한 종류의 어려움을 가지고 있다고 하셨습니다. 이를 크게 3가지 유형으로 분류해 주셨습니다. 첫째, 어떤 연구를 해야 하는지 모르는 경우입니다. 즉, 논문 주제를 정하는 데 갈피를 잡지 못하는 학생입니다. 이러한 학생들에게는 수업시간에 소개했던 논문이나 학술지에 게재, 발표된 논문들을 꾸준히 읽는 것을 추천하셨습니다. 논문을 읽으면서 자신에게 흥미로운 논문과 비슷한 질문을 던지는 연습을 해 보는 것이 도움이 될 것이라고 하셨습니다. 둘째, 기존의 연구에서 크게 달라진 점이 없는 경우입니다. 정해진 틀 안에서 기존의 논문, 이론의 세부적인 요소만 변경하는 학생입니다. 이러한 학생들은 ‘내 연구의 기여점은 무엇인가?’, ‘이 연구를 왜 해야 하는가?’라는 질문을 스스로에게 던져보아야 합니다. 예를 들어, “소셜미디어가 정신건강에 어떤 영향을 미치는가?”에 대한 연구에서 모든 요인은 똑같은데 페이스북에서 인스타그램으로 플랫폼만 바꾼 방식의 연구는 큰 의의가 없을 수 있습니다. 따라서, 두 플랫폼의 차이로 인한 영향의 변화 등 구체적인 연구 설계가 필요합니다. 그 연구가 무엇을 의미하는가, 그것이 왜 중요한가, 그런 연구를 왜 해야 하는가 등 계속해서 질문을 던져 스스로 깨닫는 과정이 필요합니다. 셋째, 아이디어는 좋지만 실제적으로 연구하기에는 어려운 경우입니다. 교수님께서는 경험적 연구로 진행하기 힘든 이유를 설명한다고 하셨습니다. 이 또한 질문의 형식을 활용합니다. 연구 대상을 어떻게 측정할 것인지, 어떤 영향을 미치는지, 어떻게 보여줄 것인지 등의 질문을 하면서, 실제 연구의 수준으로 내려오기 위해 구체적인 단계로 만들어내는 과정을 거쳐야 합니다. 큰 질문을 여러 단계로 나누거나 추상적인 질문을 구체적인 단계로 바꾸는 과정을 겪는 것이 필요합니다. 유학동양학과 박소정 교수님도 학생들이 연구논문을 쓰는 과정에서 가장 어려워하는 부분이 자기 생각을 구성해 나가는 과정이라고 하셨습니다. 학생들은 책 혹은 논문에서 읽고 알게된 것을 곧 자기 생각이라고 여기는 경향이 있다고 합니다. 지식은 서로 상충될 수 있으며 자기 생각과 읽어서 알게 된 지식을 구별하는 연습이 필요합니다. 교수님께서는 학생들에게 2가지 유형의 조언도 주셨습니다. 첫째, 스스로의 아이디어 구성이 어려운 학생입니다. 자기 생각이 분명하게 서지 않은 상태에서 여러 가지 논문을 읽고 그것이 자기 생각이라고 여기는 학생은 자기 생각과 다른 연구자의 생각을 구별하는 연습이 필요하다고 하셨습니다. 그 논문의 주장에서 어떤 점이 인상적이었는지, 어떤 점이 부족하다고 생각했는지를 스스로 질문하며 읽은 지식을 자신의 것으로 소화하는 연습을 해야 합니다. 즉, 자신이 읽은 것들과의 비판적 거리를 유지하는 것이 중요합니다. 둘째, 아이디어를 발전시키지 못하는 학생입니다. 이 학생들에게는 관련 자료를 더 찾아 읽음으로써 자신의 논문 아이디어가 기존 연구와 가지는 차별성이 무엇인지, 어떤 연구가 자신의 생각을 뒷받침할 수 있는지를 검토할 것을 제안하셨습니다. 2. 참고문헌을 어떻게 읽을 것인가 소비자학과 박태영 교수님께서는 개인과 가구의 경제적 의사결정 전반을 다루는 학문인 ‘가계경제 특론’을 담당하고 계십니다. 이 수업은 교수님께서 각 챕터와 관련된 이론 설명을 한 후, 관련 논문들을 학생들이 발제하고 토론하는 방식으로 이루어지는 수업입니다. 세미나 방식의 수업에서 학생들은 참고문헌을 어떻게 읽어야 하는지에 대한 고민이 있을 것입니다. 중요한 것은 논문을 비판적으로 읽는 것입니다. 논문을 읽을 때에는 논문의 주제, 동기, 기여도 등을 전체적인 관점에서 바라보고, 한계점을 파악할 수 있어야 합니다. 기존 논문과 새로 출판된 논문의 차이점을 분석하는 것 역시 필요합니다. 박태영 교수님께서 말씀하시는 논문을 읽는 요령은 먼저 초록을 읽고 , 다음은 논문의 서론(introduction)을, 마지막으로 결론을 읽는 것입니다. 중간부는 건너뛰고, 논문의 핵심 내용을 큰 틀에서 파악하는 것이 선행됩니다. 결론부를 읽은 뒤, 논문에 대해 공부하고자 한다면 중간 부분으로 돌아가서 읽기 시작합니다. 논문의 중간 부분에는 방법론을 다루고 이론이 전개되며 실제 연구 과정을 서술하고 있습니다. 이러한 중간 부분에서는 수식이 나오기도 합니다. 수식이 복잡하게 느껴질 수 있으나, 큰 틀에서 무엇을 분석하기 위한 방법론인지 이해하고 넘어가는 것으로도 충분할 수 있습니다. 이는 산호세 주립대학교(San Jose State University) 글쓰기 센터에서 제안하는 ‘논문 읽는 방법(How to Read a Research Paper)'과도 유사합니다. ‘읽기 전’ 단계에서는 논문을 읽는 목적을 생각하는 것이 가장 중요합니다. ‘논문을 읽는 이유는 무엇인가?’, ‘논문의 주제에 대해 이미 알고 있는 것은 무엇인가?’, ‘논문에서 배우고자 하는 것은 무엇인가?’ 등의 질문을 던짐으로써, 논문을 읽는 이유를 깨닫고, 논문의 글과 상호작용하는 방법을 스스로 정립할 수 있습니다. 논문은 글 특성상 내용을 완전히 이해하기 위해서는 여러 번 반복해서 읽어야 할 가능성이 높습니다. 따라서 논문을 읽는 동안에는 섹션별로 에너지를 분배하여 전략적으로 읽는 것이 필요합니다. 처음 논문을 읽는 동안에는 초록, 서론 및 결론에 주의를 기울여 읽습니다. 초록은 저자들이 전체적인 논문을 요약한 곳입니다. 논문의 범위, 연구 문제, 결과 및 결론을 포함한 구간으로, ‘연구가 무엇에 관한 것인지’, ‘주요 결과는 무엇인지’, ‘어떤 결론이 도출되었는지’, ‘이 연구가 나의 연구와 어떤 관련이 있는지’를 파악하는 단초가 됩니다. 서론은 연구문제, 기본적인 배경 정보, 논문을 제시합니다. ‘연구 문제는 무엇인지’, ‘논문은 무엇에 관한 것인지’, ‘찾아봐야 할 핵심 개념 및 용어가 있는지’ 등을 파악할 수 있습니다. 익숙하지 않은 개념이 있을 경우, 이를 기록해 둔 후 뜻을 찾아봄으로써 논문의 확실한 기초를 확립할 수 있을 것입니다. 결론은 주요 연구 결과와 해석을 정리하고, 연구의 한계점과 후속 연구에 대한 제언을 담고 있습니다. ‘연구결과와 다른 연구의 결과를 어떻게 해석하고 있는지’, ‘연구의 한계는 무엇인지’를 파악할 수 있습니다. 처음 논문을 읽는 것은 개념 기초를 확립하고 전반적인 연구의 결과를 파악하는 과정이라면, 두 번째부터는 문헌고찰, 연구방법, 논의점 등 내용을 구체적으로 이해하는 과정입니다. 문헌고찰(literature review)은 선행연구의 내용을 제공하고, 연구의 현주소를 보여줍니다. ‘이 주제에 대해 이미 알려진 것은 무엇인지’, ‘이 논문은 어떤 내용을 추가하려고 하는지’, ‘이미 이루어진 선행연구에 더해 나의 연구는 어떤 위치를 점할 것인지’에 대해 생각해 보아야 할 것입니다. 연구방법(methods)을 다루는 섹션에서는 ‘어떤 방법론을 적용하였는지’, ‘비슷한 연구방법을 나의 연구에 적용할 수 있을지’에 대해 고민할 필요가 있습니다. 논의(discussion)를 다루는 내용은 결론부에 포함되어 있을 수도 있습니다. 위 부분은 결과가 무엇을 의미하는지 자세히 설명하고, 다른 연구와 어떤 관련이 있는지를 제시하며, 연구의 결과를 실용적으로 적용할 방안을 제안합니다. ‘연구결과와 논의점 사이 연결고리는 무엇인지’, ‘연구결과가 선행연구와 일치하는지’, ‘연구결과를 어떻게 적용할 수 있을지’를 생각해 보아야 합니다. 한편 글을 읽는 동안 여백에 메모를 하거나, 스티커 메모를 사용하는 등 텍스트에 주석을 다는 활동도 할 수 있습니다. 올바르게 주석을 다는 법은 정해져 있지 않으나, 중요하거나 주목할 만한 항목에 대해서만 주석을 다는 것이 좋습니다. 가령 자신의 연구와 관련 있는 정보를 제공하는 부분에 주석을 표기합니다. 주석은 논문의 중요한 부분을 강조하는 역할을 합니다. 그렇다고 읽고 있는 논문의 모든 내용에 원을 그리거나 메모하는 등의 주석을 단다면 그 기능이 사라지겠지요. 논문을 읽은 후에는 논문을 보지 않고 내용을 복기하는 것이 필요합니다. 이는 논문의 내용을 자신의 언어로 재구성하는 활동으로, 논문의 내용을 정확히 이해했는지 판단하는데 큰 도움이 됩니다. 논문의 핵심 내용을 누락했거나, 개념이 기억나지 않는다면 이를 보완하기 위한 공부를 할 수 있습니다. 또한 논문에 달았던 주석을 활용할 수도 있습니다. 자신의 연구논문에 인용할 만한 내용이 있는지, 추가적으로 탐구하고 싶은 내용이 있는지 주석을 보며 내용을 검토하는 것이 중요합니다. 지금까지 교수학습혁신센터에서 우리 대학 교수님들을 대상으로 ‘리서치 페이퍼 가이드'에 대해 인터뷰했던 내용을 바탕으로 리서치 페이퍼를 작성하는 방안에 대해 알아보았습니다. 서미혜 교수님의 인터뷰에서 연구 논문 작성 시 대학원생들이 마주하는 어려움과 그 극복 방안에 대하여, 박소정 교수님의 인터뷰에서 자신의 아이디어를 구성해가는 방법에 대하여, 박태영 교수님의 인터뷰에서 논문을 비판적으로 읽는 방법에 대해 살펴보았습니다. 또한 논문 읽기에 어려움이 있을 대학원생들을 위하여, 산호세 주립대학교 글쓰기 센터에서 제안하는 논문 읽는 방법을 소개해 드렸습니다. 연구논문을 처음 작성하거나, 연구논문을 쓰는 과정에 익숙하지 않은 대학원생의 경우, 연구문제를 구상하고 참고문헌을 읽는 것부터 막막하게 느껴질 수 있습니다. 본 러닝팁에서 소개한 유용한 방법들이 그 어려움을 극복하고 연구논문 작성을 위한 출발을 하는 데 도움이 되기를 바랍니다. 교수학습혁신센터는 앞으로 다양한 주제의 러닝팁을 통해 대학원생의 학습과 연구에 실질적인 도움이 되는 자료를 지속적으로 제공할 예정입니다. 우리 대학 성균관대학교 대학원생들의 성공적인 대학원 생활을 진심으로 기원합니다. References CTL SKKU. (2023년 3월 28일). 리서치 페이퍼 가이드 인터뷰 - 미디어커뮤니케이션학과 서미혜 교수님 편 -. 유튜브. https://youtu.be/y25wUZs7ryk?si=ZqqPIC6njMenRUuN CTL SKKU. (2023년 3월 28일). 리서치 페이퍼 가이드 인터뷰 - 유학동양철학과 박소정 교수님 편 -. 유튜브. https://youtu.be/_lDoLVapqFA?si=E-ADUkoPEYJQPGDm CTL SKKU. (2023년 3월 29일). 리서치 페이퍼 가이드 인터뷰 - 소비자학과 박태영 교수님 편 -. 유튜브. https://youtu.be/VrRoEa3DeXk?si=o3E05mN4aExalUIx Dunton R. (2022). How to Read a Research Paper. San José State University Writing Center. https://www.sjsu.edu/writingcenter/docs/handouts/How%20to%20Read%20a%20Research%20Paper.pdf
-
- 작성일 2024-05-24
- 조회수 3074
- 좋아요2
- 첨부파일 (0)
-
- '대학원 생활과 석사학위 연구 가이드' 이북(e-book) 및 영상 시리즈 공개
- 교수학습혁신센터에서는 우리 대학원생들이 대학원에 적응하고 논문을 작성하는 과정을 돕고, 대학원 진학에 관심있는 학생 및 일반인들을 위하여 '대학원 생활과 석사학위 연구 가이드'를 이북(e-book)과 인포그래픽 영상으로 제작하였습니다. 이북(e-book)과 영상에는 ▲우리 대학 대학원 입학 준비 ▲학위 논문 작성 과정 ▲학업위기 요인과 대처방안 등에 대한 정보가 담겨있습니다. 세부적으로는 석사과정이란 무엇인지와 학위논문에 대한 정의부터, 연구 주제 설정과 지도교수 탐색, 학기별 주요과업, 졸업요건, 석사과정 중 발생하는 위기요소와 대처 방안에 대해 재학생 인터뷰를 바탕으로 사례를 소개하며 설명합니다. 석사 입학 전 준비사항 부분에서 대학원 입학 목적과 이유를 분명히 하고, 관심 주제를 설정 하는 것과, 지도교수를 탐색하는 과정을 안내하고 석사과정 학기별 주요 과업 부분에서는 석사과정 동안 어떤 시기에 어떤 과업들을 해야 하는지, 각 기수별로 이수 학점과 일반적인 수강 절차, 연구 활동의 순서, 논문제출자격시험의 대비 과정과 응시, 학위논문 준비 및 심사 절차, 논문작성 과정과 졸업 준비 등을 다룹니다. 또한 자신의 학업을 위태롭게 하는 요소들을 미리 알고 대처할 수 있도록, 성균관대학교에서 석사학위를 받은 대학원생들의 그룹 인터뷰로 얻은 대학원 생활에 관한 이해 부족과 자기관리의 어려움과 같은 위기요소와 대처방안을 제시합니다. 센터는 대학원에 입학한 신입생부터 학위논문 준비 과정에 있는 대학원생까지 재학생은 물론 대학원 진학에 관심있는 일반인에게도 유용한 자료가 될 것으로 기대합니다. '대학원 생활과 석사학위 연구 가이드' 이북(e-book)은 다양한 언어적 배경을 가진 대학원생들이 쉽게 접근할 수 있도록 한글, 영어, 중국어 3개의 언어로 제작하였습니다. ○ 한글 버전(클릭) ○ 영문 버전(클릭) ○ 중문 버전(클릭) ○ PDF 다운로드(클릭) 한편 센터는 이북(e-book)을 읽기 전 내용을 간략하게 파악할 수 있도록 주제별로 나누어 인포그래픽 영상으로도 제작하였습니다. ○ 석사과정 입학 전 준비사항(클릭) ○ 입학 후 학사 안내(클릭) ○ 학업위기 요인과 대처방안(클릭) 대학원생활의 시작과 마무리, 그리고 학위논문 작성에서 마주할 수 있는 어려움을 극복하는데 필요한 조언과 가이드를 통해, 대학원생들이 더 효과적으로 학위과정을 진행하고 학업 및 연구에서 뛰어난 성과를 거둘 수 있기를 바라며 많은 활용을 기대합니다.
-
- 작성일 2024-05-14
- 조회수 432
- 좋아요1
- 첨부파일 (0)
-
- 2020학년도 도전학기 우수사례 공모전 수상작 e-book
- 2020학년도 도전학기 우수사례 공모전 수상작 e-book ☞보러가기 click☜ 교육개발센터에서는 ‘[2020 도전X라이브] 도전학기 우수사례 공모전’ 을 실시하여 도전학기 동안의 생생한 도전과 경험, 도전학기를 통한 성장과 발전의 이야기를 발표 또는 영상으로 공모하였습니다. 그리고 학내 구성원들에게 도전학기 우수사례를 공유하고자 공모전 수상작을 모아 책자(e-book)를 제작하였습니다. ◈ 공모기간: 2020년 8월 3일(월) ~ 2020년 8월 25일(화) ◈ 발표부문 수상작 [대상] ▶ 30일간, 180도 변한 일상 (김지연-글로벌경영) [우수] ▶ 2020년, 그때 그 여름을 틀어줘! (고혜림-바이오메카트로닉스) ▶ 도전의 시발(始發)점, 2020 도전학기! (김수아-심리, 박예나-미디어커뮤니케이션) ▶ 꿈을 찾는 도전 (이송헌-전자전기공학부) [장려] ▶ 2020, 나의 여름, 내 삶을 기획해 나아가는 도전 (주성원-컬처앤테크놀로지융합) ▶ 미래의 러닝왕을 위해 (권남택, 김동영, 심은주-통계) ▶ 더 큰 도약을 위한 빠른 도전 (한가경-영상) ◈ 영상부문 수상작 [대상] ▶ 자네, 그렇게 앉아서 수업만 듣고 있을 텐가?-언택트 키오스크 프로젝트! (남지은-경영, 최예원-한문, 강석훈-바이오메카트로닉스) [우수] ▶ 통섭 속의 도전학기 (박미성-영상) ▶ 두 번째 터닝 포인트 (배수영-소프트웨어) ▶ 도전할 기회 (하길우-전자전기공학부) [장려] ▶ 도전학기가 내게 준 3가지 변화 (안지수-통계) ▶ 나혼자도전 (허정원-컬처앤테크놀로지융합, 이효션-통계) ▶ 컬처앤테크놀로지융합전공생의 (잠재성 끌어올리는!) 성장일기 (정수인-컬처앤테크놀로지융합)
-
- 작성일 2020-11-16
- 조회수 1359
- 좋아요0
- 첨부파일 (1)
-
- 2017 ‘팀플의 재구성’ 공모전 수상작
- *** pdf파일 보기 *** http://ctl.skku.edu/ctl/menu6/sub6_4.jsp?mode=view&article_no=3231615&board_wrapper=%2Fctl%2Fmenu6%2Fsub6_4.jsp&pager.offset=0&board_no=1003 교육개발센터에서는 우리 대학 학생들의 학습 노하우 공유 및 확산을 위하여 아래와 같이 성공적인 팀학습 노하우 발굴 공모전 '팀플의 재구성' 공모를 실시하고, 당선작 6편을 엮어 제작하였습니다. 공모기간 : 2017. 12. 4(월) ~ 2018. 1. 7(일) 당선작 목록 [최우수] ▶ㅌㅍㅎㅅ? (최보미, 글로벌리더) ▶더하기만 하면 빽이 없어도 되는 팀플의 족보 (팀 MOS 김주원, 전자전기공학 류동현, 전자전기공학 이존이, 전자전기공학 김명중, 전자전기공학) [우수] ▶리더의 '변혁적 리더십'과 팀 임파워먼트의 관계성 (강유빈, 미술학) ▶응답하라 프리라이더! (팀 팀플꿀잼 최지웅, 경영학 강민지, 경영학) ▶화석이 알려주는 팀플 KNOW?HOW! (팀 암모나이츠 변진솔, 사회학 정진호, 영상학) ▶팀플의 정석 (팀 팀플의정석 김현우, 글로벌경제학 곽재헌, 글로벌경제학)
-
- 작성일 2018-03-08
- 조회수 1026
- 좋아요0
- 첨부파일 (1)
-
- 2016학년도 학습목표탐색 에세이 '나를 찾아줘' 공모 당선작 e-book
- 2016학년도 학습목표탐색 에세이 '나를 찾아줘' 공모 당선작 e-Book ☞보러가기 click☜ 교육개발센터에서는 학생들의 경험을 바탕으로 자신의 삶의 목표를 되새겨보거나 목표를 찾는 회를 마련하고자 '나를 찾아줘' 공모전을 실시하였습니다. 그리고 참여 학생들의 경험, 경험들에서 찾은 의미와 목표를 공유하여 성균관대 학생들이 스스로의 목표를 찾는데 도움을 주고자 아래와 같이 당선작 15편을 엮어 e-Book으로 제작하였습니다. 본 공모작들을 통해 스스로의 경험들에 대해 다시 한번 생각해보고, 새로운 경험을 시도하는데 도움이 되길 바랍니다. 공모기간: 2015. 12. 1(화) ~ 2016. 1. 1(금) 당선작 목록 [최우수] ▶ 노래하는 공학자 이야기 (강서영 고분자공학과) ▶ 다시 그리는 자화상 (한승엽 경영학과 ) [우수] ▶ 코칭 스탭이 필요한 건 운동선수만이 아닐지도 모른다 (최승훈 신소재공학과) ▶ 세계와 소통하는 대한민국 홍보대사로의 길 (채유진 경제학과) ▶ 꿈을 밀고 나가는 힘 (임이랑 러시아어문학과) ▶ 내 인생의 매스터피스(masterpiece) 쓰기 (홍혁진 국어국문학과) ▶ 나는 가장 정상적인 대학생이었다 (안성은 심리학과) [장려] ▶ 수고했어, 오늘도 (전대건 교육학과) ▶ 지식을 배달해주는 개미 한 마리 (김영훈 수학과) ▶ ROBO BOY (박세원 기계공학과) ▶ 음악과 공학을 연결하라!! (조은영 전자전기공학과) ▶ 여러분과 함께 꿈꾸게 된 이재우입니다 (이재우 국어국문학과) ▶ 어느 곳이든 머무른 곳의 주인이 되는 '수처착주'의 삶 (박희철 정치외교학과) ▶ 한 눈 파는 청춘이 되자 (최현정 글로벌리더학부) ▶ 나를 돌아보는 시간 (구교민 신소재공학과)
-
- 작성일 2016-05-11
- 조회수 829
- 좋아요0
- 첨부파일 (1)