사회복지 연구를 위한 전산 방법론 입문 가이드

영어 원문: A Beginner's Guide to Computational Methods in Social Work Research (2026년 8월 10일 게시)

최근 전산 방법론, 특히 전산 텍스트 분석을 배우고자 하는 사회복지학 석박사과정생들로부터 많은 질문을 받고 있습니다. 동일한 질문이 반복해서 들어오고 있어 이곳에서 한 번에 답변을 드리는 편이 수월할 것 같아 이 글을 정리합니다. 문의 내용은 대체로 비슷합니다. 연구하고자 하는 주제는 이미 정해져 있고 텍스트나 행정 기록을 다루고 싶지만, 학과 프로그램 어디에서 그러한 훈련을 받아야 할지 모르겠다는 것입니다. 저 역시 대부분의 훈련을 소속 학과 밖에서 쌓았으므로, 여러분의 학교 상황에 맞는 부분을 취하고 나머지는 넘기시기 바랍니다.

전통적 방법론 우선

이 모든 것에 앞서, 일반적인 연구 방법론을 제대로 배워야 합니다. 전산 연구의 성패는 다른 모든 연구와 마찬가지로, 연구 질문이 던질 만한 가치가 있는지, 그리고 측정 도구가 연구자가 의도한 의미를 제대로 나타내고 있는지에 달려 있으며, 더 큰 규모의 데이터를 다룬다고 해서 이 두 가지가 해결되지는 않습니다. 오히려 규모가 커질수록 두 번째 문제가 더 어려워지는데, 이는 2012년에 boyd and Crawford가 제기한 주장이며 지금도 유효합니다. 이 사이트에 전산 영역으로 넘어가기 전에 갖추기를 권하는 학습 순서를 다룬 사회복지 연구를 위한 양적 연구 방법론 입문 가이드를 올려두었습니다.

그 바탕에 있는 것이 바로 연구자의 인식론입니다. 무엇을 증거로 볼 것인가에 따라 1년의 노력을 쏟을 가치가 있는 연구 질문이 무엇인지, 그리고 어떤 데이터가 그 질문에 답할 수 있는지가 결정되며, 아무리 많은 Python 코드를 안다고 해도 이를 대신 결정해 주지는 못합니다.

방법론의 유형

전산사회과학은 Science의 2009년 논문에서 스스로를 명명했고 2020년 같은 학술지에서 지난 발자취를 돌아보았으며, Edelmann and colleagues는 사회학 분야에서 전산사회과학이 어떻게 자리 잡았는지를 검토했습니다. 그러나 전산사회과학은 단일한 커뮤니티가 아니며, 아래의 분류는 저 자신의 분류입니다. 이는 연구자들이 어디에 논문을 게재하고 어떤 학술대회에 참석하는지를 관찰한 결과이며 확립된 분류법에 기반한 것은 아니므로 일종의 개략적인 지도로 보시기 바랍니다. 제 인상 외의 다른 기준과 비교해 보고 싶다면 IC2S2 프로그램을 살펴보기를 권합니다. 매년 튜토리얼과 세션 프로그램이 게시되며, 둘 다 학계의 관심이 어디로 이동했는지를 잘 보여줍니다. 저는 2024년에 해당 학술대회의 프로그램 위원으로 활동했으며, 제출된 논문들을 검토한 경험에서 이러한 분류의 상당 부분이 비롯되었습니다.

내부에서 볼 때 연구는 데이터와 발표 무대가 서로 다른 세 가지 부류로 나뉘는 것으로 보이며, 어떤 기법을 먼저 배울지 결정하는 것보다 어느 흐름에 동참할 것인지를 정하는 것이 더 유용합니다.

인과추론을 위한 머신러닝. 이 분야는 주로 우리가 이미 보유한 일반적인 정량적 표 형태 데이터를 사용하며, 효과를 보다 정확히 규명하기 위해 머신러닝을 적용합니다. 계량경제학 및 준실험설계와 함께 발전하고 있으며, 정책 연구자들이 집중적으로 참여하고 있습니다. 주요 방법론으로는 이질적 처치 효과를 분석하기 위한 causal forests와 수많은 공변량을 포함한 추정을 위한 double machine learning 등이 있습니다. 종단 데이터나 집중 종단 데이터에 관심이 있고 어떤 요인이 다른 요인을 유발했음을 입증하고자 한다면 이 분야가 적합하며, 사회학, 정치학, 경제학에서 모두 활발히 연구되고 있습니다.

대규모 행정 데이터. 여기서 전산이란 방대한 데이터 양으로 인한 대규모 연산을 의미합니다. 분석 자체는 굳이 머신러닝일 필요가 없으며, 기존에 배운 소프트웨어로는 다루기 힘들 만큼 용량이 큰 파일에 적용되는 전통적인 사회과학 방법론인 경우가 많습니다. 이러한 연구는 센서스 기록과 전자의무기록을 수십 년간 다루며 이미 많은 문제를 해결해 온 인구학 및 보건정보학 분야와 가깝습니다. 새로운 방식을 고안하기 전에 해당 분야의 출판 연구들을 먼저 읽어보시기 바랍니다.

비정형 데이터. 이 분야는 가장 빠르게 성장하고 있으며 거대 언어 모델이 그 이유입니다. 과거에는 질적 자료로 취급되던 텍스트, 음성, 영상이 이제 대규모로 디지털화되어 저장되면서 비정형 빅데이터로 탈바꿈하고 있지만, 사용자 ID와 타임스탬프는 여전히 그 옆의 일반적인 테이블에 함께 저장됩니다. 방대한 크기 덕분에 탐색적 질문에 적합하여 많은 사회과학자들이 이 방향으로 이동하고 있습니다. 방법론적으로 이 작업은 자연어 처리(NLP)와 컴퓨터과학에서 출발하며, Grimmer, Roberts and Stewart는 사회과학자를 위한 데이터로서의 텍스트를 다룬 표준적인 저작이고, Ziems and colleagues는 거대 언어 모델을 어노테이터로 활용하는 연구의 대표적 기준점입니다. 전산 텍스트 분석은 사회학, 정치학, 커뮤니케이션학 전반에서 활발히 수행되고 있습니다. 임상 텍스트와 의료 영상은 보건정보학의 큰 비중을 차지합니다.

저는 첫 번째 부류의 연구는 전혀 하지 않습니다. 제 연구는 두 번째와 세 번째 부류에 속하며, 방법론과 참석하는 학술대회 역시 모두 이에 따릅니다.

어느 방향을 선택하든 SPSS나 Stata로는 해결할 수 없으므로, 어느 쪽이든 첫 단계는 프로그래밍 언어의 기초를 익히고 관심사가 요구하는 다음 단계로 나아가는 것으로 동일합니다. 다만 첫 번째 부류에 대해 한 가지 유의할 점이 있습니다. 이를 제대로 수행하려면 알고리즘 자체를 직접 다루어야 하며, 여기에는 상당한 수준의 선형대수학이 요구됩니다. 비정형 데이터 연구도 선형대수학이 필요할 수 있지만 그보다는 덜합니다.

알고리즘 공정성과 AI 윤리

사회 문제에 관한 상당수의 전산 연구는 전산사회과학 커뮤니티 외부에서 광범위하게 이루어지며, 가장 대표적인 사례가 아동 학대, 자살, 빈곤 및 복지 혜택 자격 위험 예측 알고리즘과 같은 예측 모델의 구축입니다. 이러한 연구 중 일부는 전산사회과학 학술대회에서 발표되기도 하지만, 이에 관한 지속적이고 비판적인 논의는 FAccT 및 EAAMO와 같은 알고리즘 공정성 커뮤니티에서 이루어집니다.

이러한 모델의 대부분은 행정 데이터와 표 형태 데이터를 기반으로 구축되었습니다. Chouldechova and colleagues는 사회복지 실천 현장에 가장 가까운 사례인 Allegheny County에서 사용된 아동 학대 선별 도구를 연구했습니다. Obermeyer and colleagues는 미국 의료 시스템 전반에서 사용된 알고리즘이 의료 비용을 질병의 대리 변수로 사용하는 바람에 흑인 환자의 필요를 과소평가했다는 사실을 밝혔습니다. 임상 영역에서는 Walsh, Ribeiro, and Franklin이 자살 시도를 예측하기 위해 건강 기록 데이터를 활용해 모델을 훈련했습니다. 현재는 이러한 연구 중 상당수가 비정형 데이터, 특히 임상 기록까지 활용하고 있어 세 번째 부류와의 경계가 점차 흐려지고 있습니다.

이 분야에 관심이 있다면 추정 기법과 텍스트 처리 능력이 모두 필요하므로 첫 번째와 세 번째 부류를 균형 있게 학습하고, 사회복지 커뮤니티뿐만 아니라 FAccT 커뮤니티와도 적극적으로 교류하시기 바랍니다.

특히 AI 윤리에 관심이 있는 분들이라면 이 용어가 포괄하는 범위가 달라졌다는 점에 주목해야 합니다. 초기 논의는 주로 알고리즘 공정성에 집중되었으며, 이는 실질적으로 예측 모델과 그것이 피해를 어떻게 배분하는가에 관한 것이었습니다. 생성형 AI가 등장하면서 논의의 지형이 바뀌었으므로, 이제 흐름을 따라가려면 비정형 텍스트에 언어 모델을 실행하는 법을 아는 것만으로는 부족합니다. 이러한 모델의 작동 원리, 에이전트 시스템이 수행하는 역할, 모델을 개발하는 기업들의 조직 구조와 자금 조달 방식, 그리고 우리 중 누구보다도 훨씬 이전부터 기술에 대해 이러한 질문을 던져온 과학기술학 문헌에 대한 이해가 함께 필요합니다.

정규 교과목 및 선택과목

사회복지학 박사과정에서 이러한 방법론을 자체적으로 가르치는 경우는 드물기 때문에, 수업은 교내의 다른 학과에서 찾아야 합니다. 정보과학의 관점에서 북미 사회복지 교육인증 문서를 분석한 Dali and Caidi는 기술 관련 내용이 ‘필수 지식이 아닌 보너스’ 정도로 취급되고 있음을 발견했는데, 이는 실제 대학의 강의 계획서 구성과도 대체로 일치합니다.

실질적인 과제는 어떤 학과가 수강을 허용해 줄지 알아보는 것이며, 그 답은 대개 학생들이 짐작하는 것보다 훨씬 관대합니다.

• 강의를 개설하는 단과대학의 수강 신청 정책을 확인하십시오. 미시간대학교 Information School은 ‘여석이 있는 경우 University of Michigan의 모든 학생이 Information School 수업에 참여할 수 있다’고 명시하고 있어, SI 630 Natural Language Processing과 같은 강의를 별도의 예외 승인 없이도 수강할 수 있습니다.
• 소속 대학에 모든 대학원생에게 개방된 데이터 사이언스 수료증 과정이 있는지 확인하십시오. 미시간대학교의 MIDAS Graduate AI and Data Science Certificate는 ‘학위 과정을 이수 중인 현 University of Michigan 모든 대학원생에게 등록이 개방’되어 있습니다. 미시간대학교에는 전산사회과학이라는 명칭의 수료증 과정이 없으므로, 기대하는 명칭보다는 강의에서 실제로 무엇을 가르치는지 내용을 바탕으로 검색하시기 바랍니다.
• 공식 트랙이 없을 것이라고 단정하기 전에 문의해 보십시오. University of Washington은 Center for Statistics and the Social Sciences와 협력하여 사회복지학 박사과정생을 위한 통계 트랙을 마련했으며, Penn과 Case Western은 모두 석사과정에서 데이터 분석 수료증 과정을 제공합니다. 공식 과정이 없는 경우 학과 주임교수에게 문의하는 것이 좋습니다.
• 수강 신청 전에 청강해 보십시오. 통계학과의 머신러닝 강의는 사회복지학 방법론 과정에서 다루지 않는 선형대수학과 증명에 대한 익숙함을 전제로 합니다. 2주간 청강해 보고 선수 과목 요건을 문자 그대로 엄격하게 해석하시기 바랍니다.
• 소속 대학의 통계 컨설팅 부서를 활용하십시오. 미시간대학교의 경우 Institute for Social Research에 소속된 CSCAR가 이에 해당합니다. 대부분의 연구중심대학에는 이에 상응하는 기관이 마련되어 있으며 박사과정생도 이용할 수 있습니다.
• 프로그래밍 언어를 먼저 배운 뒤 프로젝트 중심 강의를 수강하십시오. Python이나 R을 한 학기 동안 배우면 그 이후의 모든 내용을 따라가기에 충분하며, 자신이 선택한 분석으로 마무리되는 강의를 수강하면 첫 프로젝트와 공개 저장소를 동시에 확보할 수 있습니다.

서머 인스티튜트

여름방학 기간의 2주는 박사과정생이 활용할 수 있는 가장 가성비 높은 집중의 시간인데, 코딩이 일상처럼 익숙해질 만큼 하루 종일 집중적으로 코드를 작성해보는 유일한 형태이기 때문입니다.

전산사회과학 서머 인스티튜트인 SICSS는 제가 가장 먼저 지원을 권하고 싶은 프로그램입니다. 2026년 기준 27개 협력 기관에서 개최되었으며, ‘서머 인스티튜트 참석에는 등록금이 필요하지 않고 일부 기관은 여행, 숙박 및 식사 비용을 지원’합니다. 각 지부마다 마감일이 다르며 한 번에 한 곳만 지원할 수 있습니다. 모든 강의 자료가 공개되어 있으므로 합격 여부와 상관없이 커리큘럼을 공부할 수 있습니다. 저는 2022년에 Rutgers 지부에 참가했고 2023년에는 NYU Silver 지부의 조직을 도왔으며, Amanda Ritchie 및 Marya Gwadz와 함께 참가자들이 이를 통해 무엇을 얻었는지 평가했습니다(Yoo et al., 2026, Journal of Social Work Education 게재 예정, 제 출판물 페이지 참조). 15명의 참가자를 대상으로 분석한 결과, 2주 만에 지식 습득(d = 1.43), 웹 스크래핑(d = 1.46), API 수집(d = 1.16), 머신러닝(d = 1.03) 전반에서 자기보고식 향상 폭이 크게 나타났고 컴퓨터 불안감은 감소했습니다(d = -0.74).

미시간대학교의 ICPSR Summer Program은 특정한 기법 하나를 집중적으로 배우고자 하는 학생에게 적합합니다. 2026년 카탈로그에는 Python을 활용한 Data Science and Text Analysis, R을 활용한 Machine Learning, 선수 과목 요건이 없는 Network Analysis, 1주 과정의 Introduction to Python 등이 포함되었으며, 모두 하이브리드 방식으로 진행되므로 Zoom 옵션을 이용하면 숙박비를 절감할 수 있습니다. 회원 기관 할인 혜택이 커서 단일 일반 세션 기준으로 비회원 기관 4,975달러 대비 회원 기관은 2,725달러입니다. 또한 ICPSR은 연간 30만 달러 이상의 장학금을 수여하며, 이러한 대다수 프로그램과 달리 사회복지학이 지원 대상 전공 분야로 명시되어 있습니다.

• 비용을 주최 기관에서 부담하고 강의 자료가 공개되어 있으므로 Carpentries 워크숍은 대개 무료로 참석할 수 있습니다. Data Carpentry는 유전체학 대신 설문조사 데이터를 기반으로 구성된 사회과학 커리큘럼인 R for Social Scientists를 운영하고 있으며, 소속 학교를 위한 워크숍 개설을 요청할 수도 있습니다.
• NIH 지원을 받는 생물통계학 서머 인스티튜트는 박사과정생을 위한 것이 아닙니다. 미시간대학교의 Big Data Summer Institute 및 Boston University, Columbia, Yale의 유사 프로그램들은 대학원 진학을 준비하는 학부생을 대상으로 개설되었습니다. 지원서 작성에 오후 시간을 쏟기 전에 지원 자격 요건을 먼저 확인하시기 바랍니다.
• Data Science for Social Good 펠로우십은 서머 인스티튜트의 실무 응용 버전입니다. University of Washington의 펠로우십은 협력 기관의 실제 프로젝트에 펠로를 배치하며, Coding it Forward는 정부 기관 내부에서 동일한 역할을 수행합니다. 보수가 지급되며 대외적으로 보여줄 수 있는 프로젝트 결과물로 마무리됩니다.
• 소속 전문 학회에서도 이미 이러한 과정을 운영하고 있습니다. SSWR은 수년 동안 전산 관련 워크숍을 제공해 왔으며, 여기에는 Anao Zhang이 진행한 머신러닝 입문과 제가 Cheng Ren 및 Gaurav Sinha와 함께 강의한 오픈소스 언어 모델의 로컬 배포 워크숍이 포함됩니다. 학술대회 현장에 이미 참석해 있는 상태이므로 추가 비용도 저렴합니다.

Python 또는 R

두 번째 언어를 배우기 전에 하나를 골라 제대로 익히십시오. 대부분의 목적에는 둘 중 어느 쪽이든 충분하지만, 텍스트를 다루는 작업에서는 서로 완벽히 대체되지 않습니다.

텍스트와 언어 툴체인의 중심은 Python입니다. Transformers, spaCy, gensim, BERTopic, scikit-learn이 모두 Python 기반이므로, 사전 훈련된 언어 모델을 활용할 계획이라면 Python 환경에서 작업하게 됩니다. 이미 R로 통계 훈련을 받았고 텍스트 작업이 기술적 성격에 그친다면 R이 더 나은 선택일 수 있는데, quanteda, tidytext, stm이 폭넓은 영역을 지원하며 사회과학자들에 의해 활발히 관리되고 있기 때문입니다. 또한 이 선택이 되돌릴 수 없는 것도 아니며, R 사용자가 spaCy를 호출할 수 있도록 해주는 spacyr도 존재합니다.

• 설치 과정에서 가로막히지 않도록 Google Colab에서 시작하십시오. Colab의 FAQ에는 ‘무료로 사용할 수 있다’는 점과 함께 ‘GPU와 같은 고비용 리소스에 대한 접근은 엄격히 제한’되고 노트북은 ‘최대 12시간 동안 실행될 수 있다’는 점이 명확히 기재되어 있습니다. 저는 Colab 입문자 가이드와 Hugging Face로 이어지는 심화 가이드를 작성한 바 있습니다. 로컬 환경에 직접 설치할 때는 Python 공식 초보자 안내서에서 표준 설치 프로그램을 안내하고 있으며, Anaconda의 2024년 라이선스 정책 변경은 대학에는 적용되지 않습니다.
• Colab으로 충분하지 않을 때는 소속 대학이 이미 비용을 지불하고 있는 리소스를 살펴보십시오. 미시간대학교의 Research Computing Package는 주로 지도교수의 할당량을 통해 Great Lakes 클러스터에 대한 ‘연간 무상 접근’을 최대 80,000 CPU 시간까지 제공합니다. Kaggle은 주당 30시간의 무료 GPU 사용을 허용합니다.
• 기본기를 먼저 배운 다음 AI 코딩 어시스턴트를 활용하십시오. 저희 평가 연구에 참여한 거의 모든 참가자가 2주 동안 AI 코딩 어시스턴트를 사용했으며, 이를 쓰지 않고 작업할 이유는 없습니다. 다만 AI가 제공해주지 못하는 것은 프로그래밍적 사고방식입니다. 즉, 자료구조가 무엇인지, 루프가 어떤 동작을 하는지, 오류가 왜 발생했는지, 그리고 출력 결과가 타당한지를 판단하는 능력입니다. 특히 텍스트 데이터의 경우 잘못된 결과가 얼핏 정답처럼 보이는 경우가 많으므로, 이를 파악하려면 기본기가 필수적입니다. CHI 2023에서 Kazemitabaar and colleagues는 코드 생성기를 사용한 초심자가 수작업 코드 수정 능력을 유지하면서도 더 많은 과제를 완료하고 더 높은 점수를 얻었음을 밝혔으나, 해당 연구의 참여자는 10세에서 17세 아동이었습니다. 미시간대학교의 U-M GPT는 모든 학생에게 무료로 제공되지만, 이를 기반으로 구축된 Claude Code 및 Codex 도구는 토큰 단위로 비용이 청구됩니다.

실제 Python을 학습하는 순서에 관해서는, 이 사이트에 언어 자체에서 시작하여 pandas, 데이터 정제 및 가공, 시각화로 이어지는 튜토리얼 시리즈를 정리해 두었습니다.

온라인 강의

강의를 선택하기 전에 연구 질문이 어떤 종류의 데이터를 다루는지 파악하는 것이 도움이 됩니다. 설문조사, 행정 기록, 청구 데이터처럼 이미 행과 열로 정돈된 데이터라면 머신러닝보다 회귀분석을 더 깊이 있게 배우는 것이 훨씬 절실합니다. 텍스트, 이미지, 음성 형태로 주어지는 데이터라면 아래에 소개하는 대부분의 강의가 우선적으로 거쳐야 할 변수 변환 과정을 다루고 있으며, 대체로 다음과 같은 순서로 수강하기를 권합니다:

• 이후에 무엇을 배우든 상관없이, 미시간대학교 Information School의 Charles Severance 교수가 강의하는 Python for Everybody를 가장 먼저 수강하십시오. 해당 강의는 자체 웹사이트에서 무료로 제공되며 미시간대학교 구성원에게는 수료증도 무료로 발급되는데, Coursera가 2025년에 청강 모드를 첫 번째 모듈 이후의 모든 내용을 잠그는 미리보기 형태로 바꿨으므로 자체 웹사이트를 이용하는 것이 좋습니다.
• 실제로 다루는 유형의 텍스트를 다루는 강의를 수강하십시오. 보건 또는 정신건강 서비스 분야에 종사하는 분이라면 University of Colorado의 Laura Wiley 교수가 진행하는 Clinical Natural Language Processing을 추천하며, 이는 제가 2022년에 입문 과목을 수강했던 Clinical Data Science 세부 전공 과정의 일부입니다. 이 강의는 뉴스 기사나 상품 리뷰가 아닌 임상 기록을 다루므로 사회복지 연구가 실제로 다루는 문서와 훨씬 가깝습니다.
• 예측 모델링을 목표로 한다면 머신러닝을 수강하십시오. 위험 예측, 선별 알고리즘, 이질적 처치 효과 모두 머신러닝을 필요로 하므로, 그 방향으로 나아가고자 한다면 정규 강의를 수강하시기 바랍니다. 머신러닝이 텍스트 분석의 필수 선행 조건은 아니며, 이 분야의 훌륭한 전산 연구 중에도 예측 모델을 전혀 적합하지 않는 경우가 많습니다.
• Python 코드를 능숙하게 작성할 수 있게 되면 Hugging Face LLM 코스를, 그 이후에는 fast.ai를 수강하십시오. 둘 다 무료입니다.

Coursera는 개별 강좌마다 재정 지원 옵션을 두고 있어 구독료를 지불하는 것보다 수월하며, 이러한 자료의 상당 부분이 YouTube에 무료 강의 녹화본으로도 올라와 있으므로 유료 강의 계획서라 하더라도 다른 곳에서 참고할 수 있는 리딩 리스트가 되는 경우가 많습니다.

이 모든 것에 두 번째 학위나 수료증이 필요한 것은 아닙니다. 온라인 강의와 단기 훈련만으로도 전 과정을 소화할 수 있으며, 이 분야는 놀라울 정도로 방대한 자료를 무료로 개방하고 있다는 점이 독특합니다. 언어 처리에 관한 표준 대학원 교재인 Jurafsky and Martin은 Stanford 웹페이지에 초안이 무료로 공개되어 있습니다. An Introduction to Statistical Learning은 R과 Python 버전 모두 무료 PDF로 제공됩니다. 제가 사회과학자에게 가장 먼저 권하고 싶은 책인 Salganik의 Bit by Bit는 온라인에 완전한 무료 판본이 올라와 있습니다. R을 활용한 텍스트 작업의 경우 Text Mining with R과 Supervised Machine Learning for Text Analysis in R이 모두 오픈 액세스로 공개되어 있습니다.

첫 번째 프로젝트

가장 흔히 목격하는 실수는 박사학위 논문을 첫 번째 전산 연구 프로젝트로 삼으려고 미루는 것입니다. 학위 논문은 규모가 너무 크며, 방법론을 배우는 동시에 디펜스까지 치러야 하는 부담을 안게 됩니다.

더 바람직한 첫 프로젝트는 단 하나의 데이터셋, 하나의 질문, 하나의 방법론으로 구성하여 한 학기 안에 마무리하고 학술대회에서 발표해보는 것입니다. 그것만으로도 실제 수집에 얼마나 많은 시간이 걸리는지, 원본 파일이 표로 정리되기까지 얼마나 많은 정제 작업이 필요한지와 같이 아무도 문서로 적어두지 않는 부분들을 익히기에 충분합니다.

작은 표본 크기가 결격 사유는 아닙니다. 사회복지 분야의 조직 및 임상 연구는 수백만 개가 아니라 수백 개의 단위로 이루어지는 경우가 많아 저희 평가 연구의 참가자들도 이 문제를 반복해서 제기했는데, 솔직한 답변은 대부분의 텍스트 방법론은 표본 크기에 구애받지 않는다는 것입니다. 토픽 모델과 분류기는 사람 수가 아니라 문서 수가 많기를 요구하므로, 긴 사례 기록을 가진 내담자 200명은 훌륭한 텍스트 코퍼스가 됩니다. 감성 분석, 사전 기반 방법, 가독성 측정은 n의 크기와 상관없이 작동합니다. 표본 크기가 실제로 중요한 영역은 예측인데, 어차피 첫 번째 프로젝트는 예측 모델을 다룰 자리가 아닙니다.

데이터가 텍스트라면 제가 권하는 작업 순서는 지루해 보이는 정석적인 방식입니다. 단어 수를 세고, 어떤 단어들이 함께 등장하는지 살펴본 뒤, 각 문서별로 무언가를 측정하고, 마지막으로 구조를 모델링하는 것입니다. 불용어 제거 후 단어 빈도를 살펴보면 코퍼스가 연구자가 생각하는 내용을 실제로 담고 있는지를 한 시간 이내에 파악할 수 있으며, 저 역시 이 단계에서 여러 아이디어를 접은 바 있습니다.

데이터 접근

서로 다른 두 가지 문제가 모두 이 명칭으로 불리며, 두 문제의 답은 정반대입니다.

첫 번째는 연습할 데이터를 찾는 것이며, 이에 대한 답은 아무것도 직접 수집하지 않는 것입니다. 방법론만을 온전히 배울 수 있도록 이미 존재하고 정제되어 있는 데이터를 활용하십시오. 이를 위해 저는 2차 데이터셋 찾기와 보건 및 정신건강 서비스 데이터셋에 관한 두 편의 포스트를 운영하고 있으며, 회원 기관에서는 ICPSR 다운로드가 무제한입니다. 텍스트의 경우 Hugging Face에 100만 개 이상의 데이터셋이 등록되어 있고 Kaggle 역시 방대한 자체 카탈로그를 보유하고 있습니다. 다른 사람이 이미 정제해 둔 코퍼스를 사용하면 수집에 시간을 전혀 쓰지 않아도 되며, 실제 프로젝트에서는 수집이 시간의 대부분을 차지합니다.

두 번째 문제는 실제 출판을 목표로 하는 연구를 위해 데이터를 수집하는 것이며, 이때의 접근 경로는 연구 질문이 어떤 종류의 데이터를 필요로 하는가에 달려 있습니다.

정형 데이터는 무언가를 새로 수집하기보다 적절한 보관처를 찾는 것이 핵심입니다. 회원 기관에서는 ICPSR 이용이 무제한이며, Census API는 ACS와 10년 주기 센서스 표를 포괄하고 제가 정리해 둔 Python 활용 경로도 있습니다. 또한 연방 기관들이 제공 인력 및 시설 파일을 직접 공개하고 있는데, 제 보건인력 논문들의 기반이 된 디렉토리 데이터도 바로 여기서 나왔습니다.

반정형 및 비정형 데이터는 직접 수집하거나 신청하여 이용해야 하며, 세 가지 경로가 있습니다.

• 플랫폼 API는 가장 손쉽게 시작할 수 있는 방법입니다. YouTube Data API는 무료이며 Google 계정과 인증 키만 있으면 공개 동영상의 댓글을 가져올 수 있습니다. 제가 연구하는 팬덤 데이터의 대부분을 이 방식으로 수집했으며, 이 사이트에 정리해 둔 글이 있습니다.
• 아카이브 및 라이선스 컬렉션은 플랫폼이 더 이상 직접 제공하지 않는 데이터를 다룹니다. 미시간대학교는 연구자를 위한 Meta 플랫폼 데이터가 보관되어 있는 ICPSR의 Social Media Archive를 운영하고 있으며, Reddit은 IRB 승인 서류와 함께 신청을 받는 연구자 프로그램을 운영합니다.
• 공개 웹페이지가 있고 API가 없는 모든 데이터의 경우 웹 스크래핑을 활용할 수 있으며, 이 분야에서는 제공 인력 디렉토리, 기관 웹사이트, 정부 기록 등이 이에 해당합니다.

주의하지 않으면 놓치기 쉬운 최근의 두 가지 변화를 확인하십시오. 대부분의 출판된 Reddit 연구에서 사용되었던 Pushshift는 현재 모더레이터에게만 제한되었으며, X API는 무료 티어가 없습니다.

보건 의료 데이터는 다운로드하기 전에 자격 인증을 요구합니다. MIMIC은 CITI 교육 이수와 서명된 이용 동의서가 필요하며, All of Us는 계정 등록이 필요하고 300달러 상당의 클라우드 크레딧을 제공하지만 1에서 20 사이의 빈도수는 마스킹하여 제공하지 않습니다.

지도교수와 학위논문 심사위원회

이러한 방법론을 배우고자 하는 대부분의 사회복지학 박사과정생에게는 이를 활용하는 지도교수가 없습니다. 저희 포커스 그룹 인터뷰에서도 이러한 문제가 다른 어떤 장벽보다도 많이 언급되었으며, 경험을 갖춘 교수진의 부족과 동일한 방식으로 연구하는 동료가 없는 작은 규모의 코호트 문제로 설명되었습니다.

저는 이것을 지도교수를 바꾸어야 할 이유로 보지 않습니다. 지도교수는 연구가 수행할 가치가 있는지를 결정하는 핵심적인 내용적 측면을 지도하고 있으며, 이를 위해 지도교수가 직접 Python 코드를 작성할 필요는 없기 때문입니다. 대신 통계학과, Information School, 사회학과, 생물통계학과 등에서 방법론 전문가를 학위논문 심사위원으로 위촉하고, 연구 설계에 실질적인 영향을 미칠 수 있도록 충분히 일찍 참여시키는 것을 권합니다. 심사위원회 구성은 박사과정생이 진정으로 주도권을 행사할 수 있는 몇 안 되는 영역 중 하나입니다.

심사위원회 외에도 주변의 다른 지원 자원들은 생각보다 쉽게 접근할 수 있습니다.

• 데이터 전문 사서는 바로 이러한 질문에 답변하도록 지원하는 전문가이지만 거의 항상 충분히 활용되지 못하고 있습니다.
• 통계 컨설팅 부서는 박사과정생의 상담을 지원하며 대부분의 연구중심대학에 설치되어 있습니다.
• 서머 인스티튜트에서 맺은 동료 네트워크는 오래 지속되며, 이것이 바로 그 2주간의 시간이 제공하는 중요한 자산 중 하나입니다.

포트폴리오

모든 프로젝트는 공개 저장소로 마무리되어야 하며, 이는 실력이 가장 빠르게 누적되는 습관입니다. 전산사회과학 박사과정 교육에 대해 기술한 Kesari and colleagues는 역량 및 커뮤니티와 함께 3대 기둥 중 하나로 공개적으로 볼 수 있는 ‘가독성 있고 재현 가능한 코드’를 꼽았는데, 이는 사회복지학 전공 학생이 가장 듣기 어려운 조언이기도 합니다.

• 코드를 GitHub에 올리고 다른 곳에도 함께 아카이빙하십시오. Science의 정책은 그 이유를 명확히 밝히고 있습니다: ‘GitHub 라이브러리는 추후 저자에 의해 수정될 수 있어 재현성을 저해할 수 있으므로, 해당 사이트에 저장된 모든 코드는 논문 출판 전에 영구적인 공공 저장소에 현재 상태 그대로 아카이빙되어야 합니다.’ NYU 도서관 안내서에서도 그 목적지를 ‘Zenodo는 현재 연구 코드를 보관하기에 가장 적합한 저장소’로 명시하고 있으며, GitHub-Zenodo 연동 기능은 릴리스마다 DOI를 부여하므로 CV에 코드를 인용 가능한 연구 성과로 기재할 수 있습니다.
• 일찍부터 논문을 쓰기 시작하십시오. 코드 저장소가 역량을 증명해 보인다면, 채용 심사위원회는 논문 편수를 평가합니다. 또한 글을 쓰는 과정에서 분석의 어느 부분이 실제로 완성되지 않았는지가 명확히 드러나는 경우가 많습니다.
• 데이터셋을 하나의 완성된 결과물로 대우하십시오. 기존에 없던 데이터를 조화롭게 연계하여 구축했다면 기탁하고 인용하십시오. 제 데이터셋들은 openICPSR에 올라와 있으며, 그 바탕이 된 논문들에 들인 노력의 일부만으로도 가능했습니다. 대학에서도 이를 점점 더 요구하고 있으며, 현재 대부분의 대학이 자체 기관 저장소를 보유하고 있는데 미시간대학교의 경우는 Deep Blue입니다.
• 재사용이 가능한 도구는 별도로 공개하십시오. 단순한 정제 스크립트는 패키지가 아니지만, 다른 사람들에게 필요한 처리 절차는 패키지가 될 수 있습니다. 저는 동일한 데이터 검증 코드를 세 번 작성한 후 PyPI에 패키지로 등록했습니다.
• 목표로 하는 학술지의 코드 정책을 확인하십시오. 생각보다 차이가 큽니다. JSSWR은 단지 ‘심사를 위해 저자에게 데이터나 신택스 코드를 제공하도록 요청할 수 있다’고만 명시하는 반면, Science는 출판 전에 영구 공공 저장소에 코드를 보관할 것을 요구합니다. 연구가 NIH의 지원을 받는다면 학술지의 요구와 상관없이 2023년 1월부터 Data Management and Sharing Policy가 적용됩니다.

학술지와 학술대회

전산 사회복지학은 자체 학술지가 없으므로, 연구 성과는 다음 세 가지 형태의 공간 중 하나로 향하게 됩니다.

• 주로 Journal of the Society for Social Work and Research와 Journal of Technology in Human Services와 같은 방법론 중심 논문을 수용하는 사회복지 학술지.
• 2,500달러 이상의 논문 게재료를 받고 신속하게 오픈 액세스로 출판하는 JMIR 계열 학술지를 포함한 보건정보학 및 디지털 헬스 학술지.
• EPJ Data Science, Journal of Computational Social Science, Big Data and Society 등을 포함한 전산사회과학 학술지.

학술대회는 사회복지학 박사과정생이 교육받으며 기대해 온 규범과 가장 큰 차이를 보이는 영역이며, 그 차이는 투고 후에 겪기보다는 투고 전에 미리 알아두는 것이 훨씬 좋습니다.

• IC2S2는 전산사회과학 분야의 주요 연례 학술대회로, 영구 보관용 논문집 없이 초록 심사로만 운영되므로 이곳에서의 발표는 발표일 뿐 출판물이 아닙니다.
• AAAI가 주관하는 ICWSM과 2014년부터 매년 열리는 임상심리학 워크숍인 CLPsych를 포함한 ACL 계열 학술대회는 동료 심사를 거친 전체 논문집을 출판합니다. 컴퓨터과학 분야에서 이러한 논문집은 학술지 투고를 위한 중간 단계가 아니라 그 자체로 최종 출판물이며, 이는 사회복지학 배경의 연구자들이 가장 혼란스러워하는 단일 규범입니다.
• 보건정보학은 독자적인 학술대회 체계를 가지고 있으며 AMIA’s Annual Symposium이 대표적인 학술대회입니다. 임상 기록, 서비스 기록, 디지털 헬스 연구의 경우 전산사회과학 학술대회보다 더 밀접한 독자층을 형성하고 있습니다.
• 프리프린트 공개가 일반적인 관행입니다. ACL Rolling Review의 정책에 따르면 저자는 심사 중에 ‘언제든지 실명 프리프린트를 게시하고 논의할 수’ 있습니다.
• 심사는 이중 맹검으로 진행되며 마감 기한은 엄격합니다.

사회복지 분야 내부에서는 현재 SSWR에 제가 조직을 돕고 있는 Data Science and Artificial Intelligence 특수관심그룹이 개설되어 있으며, 이는 이러한 방식으로 연구하는 다른 동료들을 찾을 수 있는 가장 경제적인 통로입니다.

석사과정생

아직 MSW나 석사과정에 있으면서 이 글을 읽고 계신다면 생각보다 많은 가능성이 열려 있으며, 학습의 순서도 달라집니다.

• 로지스틱 회귀분석은 분류기의 동작 원리를 이해하는 정직한 출발점이므로, 학과에서 제공하는 모든 양적 방법론 선택과목을 수강하고 일반화 선형 모델 강의가 개설되어 있다면 반드시 수강하십시오.
• 개별 연구를 활용하여 교수진과 함께 소규모 분석 프로젝트를 수행하십시오. 이는 석사과정에서 경험할 수 있는 연구 도제 훈련에 가장 가까운 형태입니다.
• 소속 학교에 데이터 분석 수료증 과정이 있다면 이수하십시오. Penn과 Case Western 모두 사회정책 트랙에서 이를 제공하고 있으며, 추가적인 실천 선택과목을 하나 더 듣는 것보다 연구 경력에 훨씬 큰 도움이 될 것입니다.
• 정규 교육과정 밖에서는 Python for Everybody와 Carpentries social science lessons 비용이 들지 않습니다. 이 정도만으로도 이미 코딩 능력을 갖춘 상태로 박사과정에 입학하기에 충분하며, 이는 입학 후 첫 2년 동안 무엇에 집중할 수 있는지를 완전히 바꾸어 놓습니다.

당부의 조언

• 조급해하지 말고 밑바닥부터 차근차근 쌓아가십시오. 마음이 급해질 수 있습니다. 저는 2017년에 Python을 배우기 시작했으니 거의 10년 전의 일이지만, 스스로 자신감을 느끼게 된 것은 비교적 최근의 일입니다. 거기에는 분명 큰 도움이 되는 AI 코딩 어시스턴트의 영향도 있습니다. 그러나 그 대부분은 공식 문서를 읽고 직접 코드를 작성했던 이전의 세월에서 비롯되었으며, 그 상당 부분이 이 블로그의 튜토리얼에 담겨 있습니다. 그 시간들이 바로 자신감의 원천이 되었습니다.
• 새로운 방법론이 결실을 맺기까지는 3년이 걸린다고 예상하십시오. 새롭게 추가하고 싶은 방법론이 있다면 최소한 그 정도의 꾸준한 노력을 계획하시고, 손쉬운 지름길을 찾지 마십시오.
• 방법론은 반복적인 사용을 통해서만 연구자의 것이 됩니다. 첫 접촉만으로 연구자의 것이 되는 방법론은 거의 없습니다. 이를 처음 소개한 강의가 끝난 뒤에도 한참 동안 이어지는 반복과 실습을 거치며 체화되는 것입니다.
• 분야 전체를 완벽히 통달하려 하지 마십시오. 방법론은 누구도 온전히 따라갈 수 없을 만큼 빠르게 변화하며, 여러분이 존경하는 연구자들도 작업하면서 그때그때 자료를 찾아보고 있습니다. 눈앞의 프로젝트가 요구하는 바를 배우고, 다음 프로젝트를 진행하면서 그 프로젝트가 요구하는 다음 지식을 습득하십시오.
• 연구자의 도메인 지식이야말로 희소한 자원입니다. 방법론은 문서화되어 있고 가르칠 수 있으며, 이제는 대부분의 코드를 함께 작성해 주는 도구들도 있습니다. 그러나 서비스 접근성이나 내담자의 경험에 관한 어떤 질문이 1년의 노력을 기울일 가치가 있는지를 아는 것은 훨씬 습득하기 어렵고, 여러분은 이미 수년간에 걸쳐 그 역량을 쌓아왔습니다.
• 길을 잃는 과정을 자연스럽게 받아들이십시오. 제가 이곳에 적어둔 어떤 내용도 누군가 문서로 친절히 건네준 것이 아닙니다. 저는 여러 곳을 직접 찾아다니고 그 사이를 방황하며 스스로 지도를 그려가면서 이 지식들을 모았습니다. 저는 석사과정 중이던 2019년에 빅데이터 연구센터에서 시작하여, 이러한 방법론을 활용하는 프로젝트의 연구원으로 일했고, 서머 인스티튜트에 참가했으며, 다시 돌아와 직접 워크숍을 조직하고, 최종적으로 이 방법들을 활용한 박사학위 논문을 작성했는데, 그 어떤 과정도 사전에 주어진 적이 없었습니다. 여러분도 자신만의 지도를 그려나가시기를 바랍니다. 지름길을 찾지 마시고 온전히 헤매는 시간을 가져보십시오. 박사과정은 바로 그러한 시간을 위한 기간입니다.