안녕하세요! KOSSDA 서포터즈 DataBee입니다 🐝
11월 13일 오후 2시부터 5시까지, 서울대학교 아시아연구소에서
‘연구데이터 관리 워크숍’이 열렸습니다.
이번 워크숍은 서울대학교 한국사회과학자료원(KOSSDA)이 주최했고, 현장과 온라인이 동시에 진행됐습니다.
행사장 입구에는 안내 배너와 팸플릿 데스크, 다과가 마련되어 있었고,
안쪽에는 연구데이터 관리 절차를 소개하는 발표 공간이 준비되어 있었습니다.
그럼 지금부터 현장 스케치를 시작해 볼게요!
KOSSDA의 김석호 원장님 축사로 워크숍이 공식 시작되었습니다.
원장님께서는 "오픈 사이언스 시대가 도래했습니다. 더 이상 데이터 관리는 선택이 아닙니다"라고 강조하셨는데요,
특히 주목할 부분은 이 워크숍의 방향성이었는데요!
원장님은 이론에 치우치지 않고
20년간 KOSSDA가 현장에서 축적한 노하우를 공유하기 위해 이 자리를 마련했다고 말씀해 주셨어요.
계획부터 수집, 정제, 분석, 공유, 보존까지의 데이터 생애 주기 전 과정을 다룬다는 것인데요.
국내외 연구 환경의 변화를 짚어주시며 Nature나 Science 같은 주요 학술지들이
이미 논문 기재 조건으로 데이터 공개를 의무화하고 있다고 하셨습니다.
또한 한국연구재단을 포함한 국내외 대부분의 연구비 지원 기관들도
데이터 관리 계획서 제출을 요구하고 있다고 설명하셨습니다.
원장님은 "앞으로 KOSSDA는 현장의 목소리를 반영한 지속적인 서비스와 지원을 이어가겠습니다"라고 덧붙이셨습니다.
연구데이터 공유가 이제 기관의 차원에서 요구되는 만큼,
연구자 개개인도 더 이상 이를 미룰 수 없는 상황이 되었다는 이야기로 본격적인 워크숍이 시작되었어요.
세션 1. 연구데이터 관리 기초 "연구 단계별 데이터 관리 원칙과 실천방향"
연구 시작부터 종류까지 데이터 가치를 보존하고 재사용 가능한 상태로
유지하기 위한 필수 개념을 설명하는 KOSSDA 허혜옥 실장님
"연구데이터 관리가 왜 중요한가"
허혜옥 실장님께서는 우리가 생활 속에서 쉽게 공감할 수 있는 주제로 발표를 시작하셨어요!
파일명이 "최종.xlsx"에서 시작해서 "최종_진짜.xlsx"를 거쳐 "진짜최종_최종.xlsx"가 되는 상황인데, 이런 경험 많지 않나요?
허 실장님은 이런 상황이 비일비재하다고 지적하셨습니다.
변수 설명이 누락되어서 분석 과정에서 "어, 이게 뭐였더라?"를 반복하는 경우도 많고,
팀 프로젝트를 하면 팀원 A는 결측값을 0으로 처리하고
팀원 B는 공란으로 처리해서 일관성이 무너지는 문제도 자주 발생한다고 하셨습니다.
가장 답답한 건, 약 6개월 뒤에 자신이 만든 데이터를 다시 열었는데 아무것도 기억이 안 난다는 거죠.
여기서 중요한 포인트가 나왔습니다.
이것이 개인 연구자의 문제가 아니라 우리 학계가 데이터 관리를
제대로 교육하지 못했기 때문이라고 지적하셨어요.
그래서 이 워크숍을 기획했다는 설명이었습니다.
"데이터 생애의 순환 구조의 중요성 "
첫 번째 계획 단계에서는 DMP(데이터 관리 계획) 작성에 대해 말씀하셨어요.
어떤 데이터를 수집할 것인가, 누가 접근할 수 있는가, 어떻게 보존할 것인가 같은 기초적인 질문들을 미리 정리하는 것이죠.
그 다음 수집 단계에서는 메타데이터와 수집 일지를 꼼꼼히 작성해야 한다고 하셨어요.
특히 원본 데이터는 절대 건드리지 않고 별도로 보관해야 하며,
작업은 항상 사본으로만 진행해야 한다는 점이 중요하다고 강조하셨습니다.
대부분의 연구자가 가장 집중하는 부분은 처리와 분석 단계이지만
중요한 점은 일관성을 유지하는 것이라고 강조하셨어요.
변수를 어떻게 재코딩했는지, 이상값을 어떤 기준으로 처리했는지,
파생 변수는 어떻게 만들었는지 등을 모두 기록해야 한다는 거죠.
다음 단계는 출판과 공유 단계입니다.
논문 게재뿐만 아니라 데이터 공개가 필수가 되는 시대가 도래했으며,
실제로 Nature나 Science 같은 주요 학술지들이 이미 데이터 가용성 선언문(DAS)을 요구하고 있기 때문입니다.
보존 단계는 정말 눈여겨볼 부분입니다.
특히 3-2-1 백업 규칙을 강조하셨는데,
3개의 사본을 만들되, 2개의 다른 매체에 저장하고,
1개는 아예 다른 장소에 보관해야 한다는 것입니다.
KOSSDA 같은 리포지터리에 기탁하는 것도 이 백업 전략에 포함된다고 하셨습니다.
마지막 재이용 단계는 정말 흥미로웠습니다.
다른 연구자가 당신의 데이터를 다시 분석하거나,
메타분석에 사용하거나, AI 학습 데이터로 활용할 수 있다는 것이죠.
예시로, 싱가포르 난양공대 뉴미디어 이관민 교수님이 KOSSDA 소장 데이터인 '전국지표조사'자료로
AI 모델을 학습시켜서 선거 예측을 하셨는데,
출구조사보다 정확하게 맞췄다는 사례*를 소개하셨어요.
이것이 바로 데이터가 장기적 자산이 되는 모습이라는 설명이었습니다.
허혜옥 실장님께서는 "거창하게 시작하지 마세요. 작은 것부터 시작하세요"라고도 강조하셨어요.
오늘부터 파일명을 YYMMDD_프로젝트명_버전 형식으로 정하는 것부터 시작할 수 있다고 하셨어요.
예를 들어 250113_KOSSDA_v1 이런 식으로요.
그다음 README 파일을 하나 만들어서 폴더 구조를 설명해두는 것도 정말 훌륭한 시작이라고 하셨습니다.
변수명도 영어와 숫자로 통일하는 것이 중요하다고 하셨는데,
특히 배경 변수와 주요 변수를 구분하는 것이 좋다고요.
예를 들면 배경 변수는 sq1, sq2로 시작하고 주요 변수는 q1, q2로 시작하는 식입니다.
그리고 다중응답 문항의 경우 언더바(_)를 사용해서 하위 문항을 구분해둬야 한다고 하셨습니다.
그리고 버전 관리도 정말 중요하다고 강조하셨어요.
구조적으로 큰 변화가 있거나 다시 이전으로 돌아가기 어려운 변경이 있으면
자연수 단위로 업데이트하고(v1→v2), 오타 수정처럼 사소한 부분만 바꾼 거면
소수점 단위로 업데이트하는(v1→v1.1) 것입니다.
반드시 로그 파일을 만들어서 뭘 바꿨는지 기록해둬야 한다고 하셨습니다.
시리즈 조사, 즉 여러 해에 걸친 조사를 관리할 때는 특별한 주의가 필요하다고 하셨어요.
변수명과 레이블을 통일해야 하고,
매핑 파일을 만들어서 1차 조사 변수와 2차 조사 변수가
어떻게 대응되는지 명확히 해둬야 한다는 것입니다.
시간이 지나면서 같은 용어도 다르게 이해될 수 있으니까요!
세션 2. 연구데이터 익명처리 "데이터 유용성과 개인식별위험 사이에서의 밸런스 게임"
'데이터 유용성과 개인 정보 보호 사이의 줄타기'를 발표하는 KOSSDA 김혜진 연구원
두 번째 발표를 시작하자마자 KOSSDA 김혜진 연구원이 던진 정말 눈길을 끌었던 질문이 생각납니다.
"질적 자료도 공유할 수 있다는 거 아세요?"
그동안 많은 연구자들이 인터뷰 기록이나 심층 조사 자료는 공개할 수 없다고 생각했거든요.
하지만 김 연구원은 적절한 방법을 사용하면 충분히 가능하다고 알려주셨어요.
질적 자료에 대해 KOSSDA가 가장 많이 받는 질문이 뭘까 청중을 향해 물어보셨어요.
정답은 바로 "개인정보 민감 정보 처리"에 대한 것이었습니다.
연구 참여자를 어떻게 보호할 것인가에 대한 질문이 압도적으로 많다는 거죠.
그리고 질적 자료로만 한정해서 보면, 그 우려가 훨씬 더 크다고 하셨습니다.
KOSSDA가 2019년과 2020년에 걸쳐 실시한 데이터 공유 인식 조사에서
첫 번째 우려 사항이 "개인정보가 민감해서 데이터 공유를 주저한다"였다고 합니다.
그런데 김혜진 연구원은 질적 자료도 충분히 공유 가능하다고 강조하셨어요.
그리고 그런 인식이 이미 해외에서는 확산되고 있다고 설명하셨습니다.
이를 위한 3가지 보호 전략에 대해서 설명해 주셨습니다.
첫 번째는 사전 동의입니다.
실제로 많은 연구자들이 "연구에 참여하시겠습니까?"라는 기본적인 동의만 받지만,
하지만 이제는 더 구체적으로 해야 한다고 하셨어요.
"이 데이터가 KOSSDA 같은 리포지터리를 통해 다른 연구자에게 공개될 수 있으며, 익명 처리된 형태로 재이용될 것입니다"
라는 내용까지 동의서에 포함시켜야 한다는 것입니다.
참고용으로 보여주신 모범 사례 동의서에서는 데이터 보관 기간을 명시하고, 공개 범위를 설정하며,
윤리적 사용을 보장하는 전략까지 명확히 기록되어 있었습니다.
두 번째는 접근 통제인데, 여기서 "과도한 익명화보다는 접근 통제를 활용하는 것이 더 나은 옵션이다"라는 말을 해주셨어요.
왜냐하면 모든 정보를 싹둑싹둑 없애버리면 데이터의 가치가 0이 되기 때문이라는 거죠.
대신 누가 데이터에 접근할 수 있는지를 통제하는 방식이 훨씬 더 효율적이라고 하셨습니다.
영국 통계청의 5 Safes 프레임워크를 소개하며,
KOSSDA에서 운영하는 접근 통제 방식을 설명해 주셨어요.
KOSSDA 자료 공개 유형에는 완전 공개도 있고, 회원 가입만으로 이용할 수 있는 회원 공개도 있으며, 기탁자의 동의를 받거나 특별한 이용자 신청을 거쳐야 하는 제한 공개도 있다고 합니다.
그리고 특정 시점 이후에만 공개하는 엠바고(Embargo) 방식도 있다고 하셨습니다.
사례로 들어주신 것은 노숙인 생애사 인터뷰 조사로, 이 자료는 60명의 노숙인을 3회에 걸쳐 인터뷰한 대규모 질적 자료였는데,
매우 민감한 개인정보가 포함되어 있었다고 해요.
하지만 기탁자가 명확한 공개 조건을 설정했다고 합니다.
연구용 목적으로만 제한하고, 추가 이용 조건에 동의하는 분들께만 제공하며,
결과물에서 익명 처리 여부를 확인하는 조건을 부여했다는 것입니다.
이런 방식으로도 데이터 재이용이 충분히 가능했다고 설명하셨어요.
3가지 보호 전략의 마지막 보호 방법은 익명화입니다.
익명화에 대해서는 용어가 헷갈리는 경우가 많다고 설명하시면서,
비식별화(Pseudonymization)는 가명(ID)을 사용해서 직접 식별자를 제거하는 것이고,
익명화는 간접 식별자까지 식별 불가능하게 만드는 것이라고 하시며,
"익명화의 핵심은 정보 손실 최소화"라고 강조하셨습니다.
" 여기서 질문!🖐️ 그런데, 모든 정보를 ■■■■로 처리해버리면
데이터 가치가 0이 되지 않나요? "
하지만 이름을 ID로 변경하고, 지역을 광역시도 단위로 일반화하며, 구체적 직업을 직업군으로 범주화하면?
"서울, 30대, IT직"이라는 조합으로도 분석이 가능해진다는 거죠.
예시로, "기독교 여중/여고 + 무용 전공 여대"라는 정보는 너무 구체적이어서 개인 특정이 가능하지만,
"기독교 학교 + 체육계열 전공"이라고 일반화하면 적절한 수준이 된다고 했어요.
중국 유학생이 다수인 경우와 소수인 경우에 따라 공개 수준을 달리해야 한다는 설명도 해주셨습니다.
또한 익명화 5단계 프로세스에 대해서 설명해 주셨어요.
첫 번째 단계는 익명 처리 계획인데,
어떤 정보를 수집할 것인가,
어느 정보가 필수고 어느 게 선택사항인가,
외부 정보와 결합되면 식별될 가능성은 어떤가를 미리 정리하는 것입니다.
두 번째는 위험성 평가입니다.
SPC 마이크로나 ARX 같은 도구를 활용해서 식별 위험도를 수치화할 수 있다고 하셨어요.
세 번째와 네 번째는 익명 처리와 적정성 검토인데,
이 두 단계는 반복적으로 진행된다고 합니다.
위험 수준이 적절한지 계속 확인하면서 수정해가는 과정이라는 거죠.
다섯 번째는 재식별 위험 관리입니다.
시간이 지나면서 새로운 정보가 추가될 수 있기 때문에 정기적으로 재평가가 필요하다고 하셨습니다.
김혜진 연구원님은 발표 막바지에 "익명화에는 정답이 없습니다"라고 하셨습니다.
하지만 당신이 그 데이터를 가장 잘 알고 있으므로 연구자의 판단이 가장 중요하다고 강조하셨어요.
그리고 희망적인 메시지로 "질적 자료도 충분히 공유할 수 있습니다.
KOSSDA가 옆에서 도와드리겠습니다"라고 마무리하셨습니다.
세션 3. 연구데이터 문서화 "데이터를 설명하는 일, 데이터의 가치를 살리는 방법"
데이터가 계속 살아 있을 수 있는 힘 "문서화"에 대해 발표하는 신지민 연구원
세 번째 세션에서는 신지민 연구원님께서 데이터 문서화에 대해 발표해 주셨습니다
1년 전에 자신이 만든 데이터를 다시 열었는데 "이게 뭐였더라?"라고 생각한 경험 있지 않나요?
작업을 위해 기탁 받은 데이터 파일을 열어보면 변수명이 v1, v2, v3... 이렇게 되어 있고,
변수 레이블에는 설문지 문항이 통째로 입력되어 가독성이 떨어져 있다고 했어요.
변수 값은 1,2,3... 이렇게만 표시되어 있어서 뭔지 모르겠고,
결측값 표시도 안 되어 있는 경우가 있다는 것입니다.
이러면 재이용하려는 연구자는 원래 데이터를 다시 찾아야 하는 악순환이 생기게 됩니다.
발표에서는 다음으로는 실제 데이터를 변환하는 과정을 보여주셨습니다.
2011년에 산출된 한 개인 연구자의 데이터를 예로 들었는데, 기탁 원본 상태에서는 아이디 변수가 없었다고 해요.
이것은 응답자에게 고유하게 부여되는 필수 변수라고 하셨습니다.
그리고 변수명에 배경 변수와 주요 변수 간의 구분이 없었다고 설명하셨어요.
설문 문항 레이블은 설문지 문항을 그대로 입력해놔서 너무 길고 가독성이 떨어진다고 했습니다.
다중응답 문항의 경우 하위 문항이 각각 기입되지 않아서 각 변수들을 구분하는 것이 어려웠다고 해요.
그리고 변수 값 란을 보니 숫자 배열 기표가 중복되는 부분도 있었다고 했습니다.
이런 것들을 정리한 후의 모습은, 아이디 변수가 새로 생성되었고, 배경 변수는 sq1, sq2로, 주요 변수는 q1, q2로 구분되었어요.
설문지 모양을 그대로 가져가지 않고 표준 양식에 맞춰 변수 레이블을 수정했다고 합니다.
다중응답 문항의 경우 하위 문항이 명시되어 "제품 특성 인식: 유기농"과 "제품 특성 인식: 친환경"이라고 구분되었습니다.
글머리 표 중복도 삭제해서 깔끔하게 정리되었어요.
변수명 작성 규칙도 설명해 주셨습니다.
sq 접두어는 배경 변수(demographic)를 의미하고, q 접두어는 설문 문항을 의미한다고 했어요.
언더바(_)는 하위 문항을 구분할 때 사용하며, 후위 문자(_r, _a)는 재코딩이나 역코딩을 표시한다고 설명하셨습니다.
또한 신지민 연구원은 시리즈 조사 관리의 특수성도 강조했습니다.
여러 해에 걸쳐 반복되는 조사의 경우 변수명과 레이블을 통일해야 한다고 했어요.
이를 위해 매핑 파일을 만들어서 각 조사 간 변수들이 어떻게 대응되는지 명확히 해둬야 한다는 것입니다.
또한 메타데이터가 없으면 데이터는 외계어가 되는 거 아닌가요?라고도 언급하셨어요!
메타데이터는 데이터에 대한 데이터, 즉 데이터에 대한 설명이라고 정의하셨어요.
데이터의 출처와 목적, 회전 시기, 지리적 위치, 작성자, 접근 및 이용 조건 등을 설명하는 표준화된 기술 문서라는 것입니다.
KOSSDA가 사용하는 DDI 2.5 국제 표준을 소개하셨습니다.
메타데이터에 포함되어야 할 필수 정보로는
자료명, 자료번호, 연구책임자, 공동연구원, 수행기관, 지원기관 같은 서지 정보가 있다고 알려주셨어요.
또한 방법론 정보에는 자료 수집 방법(대면, 전화, 온라인), 표본 크기, 표본추출 방식, 응답률, 조사 기간 등이 포함된다고 했습니다.
데이터 구조 정보에는 파일 구성 방식, 관측 단위(개인, 가구, 기관), 횡단/패널 구분 같은 내용이 들어가고,
이용 조건으로는 접근 제한 수준, 이용 목적 제한, 저작권자 정보 등이 있다고도 덧붙이셨습니다.
또 실전 팁으로 초록 작성법을 설명하시며, 메타데이터에서 가장 중요한 부분이 초록이라고 강조하셨습니다.
초록에 포함해야 할 내용으로는 연구 배경, 조사 목표, 조사 방법, 조사 내용, 특수성 등이 있다고 했어요.
연구 배경에는 "국민의 삶의 질 변화를 추적하기 위해"라는 식의 내용을 넣고,
조사 목표에는 "2024년 국민의식을 측정하고"라는 내용을 넣는다는 내용도 알려주셨어요.
조사 방법으로는 "전국 2,000명을 대상으로 대면 조사 실시"라는 구체적인 정보를 기록해야 한다고 했어요.
조사 내용은 "경제, 정치, 사회, 문화 분야 총 200개 문항"이라는 식으로 표현하고,
특수성으로는 "패널 데이터로 12년 누적 추적"이라는 정보를 넣으라고 하셨습니다.
좋은 초록이 있으면 검색 용이성이 높아지고,
재이용 가능성도 높아지며 인용도 까치 올라간다고 설명하셨습니다.
이렇게 연구 목적과 조사 목적이 잘 녹아져 있어야 데이터를 이해하는 데 맥락을 전달할 수 있다고 말씀하셨어요.
이어서 KOSSDA의 실무 절차인 5단계 데이터 구축 프로세스를 알려주셨습니다.
첫 번째 단계는 기탁 검수입니다.
이 단계에서는 데이터 파일과 설문지를 대조하고 케이스 수 일치도를 확인하며 기본 정보를 검증한다다고 해요.
두 번째는 데이터 센터 구축으로 변수 라벨링, 메타데이터 작성, 설문지 편집, 코드북 작성 등이 포함됩니다.
세 번째 단계는 변수 DB 구축인데, Nesstar 시스템을 활용해서 변수별로 검색할 수 있도록 작업을 한다고 해요.
네 번째는 검수와 업로드로 웹사이트에 게시하고,
다섯 번째는 활용도 추적 단계로 다운로드 수 모니터링과 인용 논문 수집을 진행합니다.
마지막으로 연구자를 위한 문서화 시작 가이드로 해 주신 조언은
연구할 때 옆에 작은 메모장을 두고 틈틈이 기록하면 된다고 하셨는데요.
최소한의 시작으로는 폴더 정리하기, README 파일 만들기, 변수명 통일하기, 수정 이력 기록하기가 있를 알려주셨어요.
그 다음 단계로는 KOSSDA 템플릿을 참고하기, 메타데이터 양식 채우기, 코드북 작성하기 등이 있다고 하시며,
KOSSDA가 지속적으로 가이드를 제공할 예정이라고 덧붙여 주셨습니다.
혹시 여러분의 연구 데이터는 지금 어떤 상태인가요?
파일명부터 시작해서 변수 레이블, 메타데이터까지 체계적으로 관리되고 있나요?
이번 워크숍에서는 KOSSDA와 함께 당신의 데이터를 미래의 연구 공동체를 위한
귀중한 자산으로 만들 수 있다는 내용을 전해드렸는데요.
위의 내용을 보다보면 언제 다 할까 싶지만,
조금씩이라도 실천에 옮긴다면, 여러분의 연구는 더 투명해지고,
더 신뢰받고, 더 큰 영향력을 가지게 될 것입니다.
지금까지 DataBee였습니다! 🐝
안녕하세요! KOSSDA 서포터즈 DataBee입니다 🐝
11월 13일 오후 2시부터 5시까지, 서울대학교 아시아연구소에서
‘연구데이터 관리 워크숍’이 열렸습니다.
이번 워크숍은 서울대학교 한국사회과학자료원(KOSSDA)이 주최했고, 현장과 온라인이 동시에 진행됐습니다.
행사장 입구에는 안내 배너와 팸플릿 데스크, 다과가 마련되어 있었고,
안쪽에는 연구데이터 관리 절차를 소개하는 발표 공간이 준비되어 있었습니다.
그럼 지금부터 현장 스케치를 시작해 볼게요!
KOSSDA의 김석호 원장님 축사로 워크숍이 공식 시작되었습니다.
원장님께서는 "오픈 사이언스 시대가 도래했습니다. 더 이상 데이터 관리는 선택이 아닙니다"라고 강조하셨는데요,
특히 주목할 부분은 이 워크숍의 방향성이었는데요!
원장님은 이론에 치우치지 않고
20년간 KOSSDA가 현장에서 축적한 노하우를 공유하기 위해 이 자리를 마련했다고 말씀해 주셨어요.
계획부터 수집, 정제, 분석, 공유, 보존까지의 데이터 생애 주기 전 과정을 다룬다는 것인데요.
국내외 연구 환경의 변화를 짚어주시며 Nature나 Science 같은 주요 학술지들이
이미 논문 기재 조건으로 데이터 공개를 의무화하고 있다고 하셨습니다.
또한 한국연구재단을 포함한 국내외 대부분의 연구비 지원 기관들도
데이터 관리 계획서 제출을 요구하고 있다고 설명하셨습니다.
원장님은 "앞으로 KOSSDA는 현장의 목소리를 반영한 지속적인 서비스와 지원을 이어가겠습니다"라고 덧붙이셨습니다.
연구데이터 공유가 이제 기관의 차원에서 요구되는 만큼,
연구자 개개인도 더 이상 이를 미룰 수 없는 상황이 되었다는 이야기로 본격적인 워크숍이 시작되었어요.
세션 1. 연구데이터 관리 기초 "연구 단계별 데이터 관리 원칙과 실천방향"
연구 시작부터 종류까지 데이터 가치를 보존하고 재사용 가능한 상태로
유지하기 위한 필수 개념을 설명하는 KOSSDA 허혜옥 실장님
"연구데이터 관리가 왜 중요한가"
허혜옥 실장님께서는 우리가 생활 속에서 쉽게 공감할 수 있는 주제로 발표를 시작하셨어요!
파일명이 "최종.xlsx"에서 시작해서 "최종_진짜.xlsx"를 거쳐 "진짜최종_최종.xlsx"가 되는 상황인데, 이런 경험 많지 않나요?
허 실장님은 이런 상황이 비일비재하다고 지적하셨습니다.
변수 설명이 누락되어서 분석 과정에서 "어, 이게 뭐였더라?"를 반복하는 경우도 많고,
팀 프로젝트를 하면 팀원 A는 결측값을 0으로 처리하고
팀원 B는 공란으로 처리해서 일관성이 무너지는 문제도 자주 발생한다고 하셨습니다.
가장 답답한 건, 약 6개월 뒤에 자신이 만든 데이터를 다시 열었는데 아무것도 기억이 안 난다는 거죠.
여기서 중요한 포인트가 나왔습니다.
이것이 개인 연구자의 문제가 아니라 우리 학계가 데이터 관리를
제대로 교육하지 못했기 때문이라고 지적하셨어요.
그래서 이 워크숍을 기획했다는 설명이었습니다.
"데이터 생애의 순환 구조의 중요성 "
첫 번째 계획 단계에서는 DMP(데이터 관리 계획) 작성에 대해 말씀하셨어요.
어떤 데이터를 수집할 것인가, 누가 접근할 수 있는가, 어떻게 보존할 것인가 같은 기초적인 질문들을 미리 정리하는 것이죠.
그 다음 수집 단계에서는 메타데이터와 수집 일지를 꼼꼼히 작성해야 한다고 하셨어요.
특히 원본 데이터는 절대 건드리지 않고 별도로 보관해야 하며,
작업은 항상 사본으로만 진행해야 한다는 점이 중요하다고 강조하셨습니다.
대부분의 연구자가 가장 집중하는 부분은 처리와 분석 단계이지만
중요한 점은 일관성을 유지하는 것이라고 강조하셨어요.
변수를 어떻게 재코딩했는지, 이상값을 어떤 기준으로 처리했는지,
파생 변수는 어떻게 만들었는지 등을 모두 기록해야 한다는 거죠.
다음 단계는 출판과 공유 단계입니다.
논문 게재뿐만 아니라 데이터 공개가 필수가 되는 시대가 도래했으며,
실제로 Nature나 Science 같은 주요 학술지들이 이미 데이터 가용성 선언문(DAS)을 요구하고 있기 때문입니다.
보존 단계는 정말 눈여겨볼 부분입니다.
특히 3-2-1 백업 규칙을 강조하셨는데,
3개의 사본을 만들되, 2개의 다른 매체에 저장하고,
1개는 아예 다른 장소에 보관해야 한다는 것입니다.
KOSSDA 같은 리포지터리에 기탁하는 것도 이 백업 전략에 포함된다고 하셨습니다.
마지막 재이용 단계는 정말 흥미로웠습니다.
다른 연구자가 당신의 데이터를 다시 분석하거나,
메타분석에 사용하거나, AI 학습 데이터로 활용할 수 있다는 것이죠.
예시로, 싱가포르 난양공대 뉴미디어 이관민 교수님이 KOSSDA 소장 데이터인 '전국지표조사'자료로
AI 모델을 학습시켜서 선거 예측을 하셨는데,
출구조사보다 정확하게 맞췄다는 사례*를 소개하셨어요.
이것이 바로 데이터가 장기적 자산이 되는 모습이라는 설명이었습니다.
허혜옥 실장님께서는 "거창하게 시작하지 마세요. 작은 것부터 시작하세요"라고도 강조하셨어요.
오늘부터 파일명을 YYMMDD_프로젝트명_버전 형식으로 정하는 것부터 시작할 수 있다고 하셨어요.
예를 들어 250113_KOSSDA_v1 이런 식으로요.
그다음 README 파일을 하나 만들어서 폴더 구조를 설명해두는 것도 정말 훌륭한 시작이라고 하셨습니다.
변수명도 영어와 숫자로 통일하는 것이 중요하다고 하셨는데,
특히 배경 변수와 주요 변수를 구분하는 것이 좋다고요.
예를 들면 배경 변수는 sq1, sq2로 시작하고 주요 변수는 q1, q2로 시작하는 식입니다.
그리고 다중응답 문항의 경우 언더바(_)를 사용해서 하위 문항을 구분해둬야 한다고 하셨습니다.
그리고 버전 관리도 정말 중요하다고 강조하셨어요.
구조적으로 큰 변화가 있거나 다시 이전으로 돌아가기 어려운 변경이 있으면
자연수 단위로 업데이트하고(v1→v2), 오타 수정처럼 사소한 부분만 바꾼 거면
소수점 단위로 업데이트하는(v1→v1.1) 것입니다.
반드시 로그 파일을 만들어서 뭘 바꿨는지 기록해둬야 한다고 하셨습니다.
시리즈 조사, 즉 여러 해에 걸친 조사를 관리할 때는 특별한 주의가 필요하다고 하셨어요.
변수명과 레이블을 통일해야 하고,
매핑 파일을 만들어서 1차 조사 변수와 2차 조사 변수가
어떻게 대응되는지 명확히 해둬야 한다는 것입니다.
시간이 지나면서 같은 용어도 다르게 이해될 수 있으니까요!
세션 2. 연구데이터 익명처리 "데이터 유용성과 개인식별위험 사이에서의 밸런스 게임"
'데이터 유용성과 개인 정보 보호 사이의 줄타기'를 발표하는 KOSSDA 김혜진 연구원
두 번째 발표를 시작하자마자 KOSSDA 김혜진 연구원이 던진 정말 눈길을 끌었던 질문이 생각납니다.
"질적 자료도 공유할 수 있다는 거 아세요?"
그동안 많은 연구자들이 인터뷰 기록이나 심층 조사 자료는 공개할 수 없다고 생각했거든요.
하지만 김 연구원은 적절한 방법을 사용하면 충분히 가능하다고 알려주셨어요.
질적 자료에 대해 KOSSDA가 가장 많이 받는 질문이 뭘까 청중을 향해 물어보셨어요.
정답은 바로 "개인정보 민감 정보 처리"에 대한 것이었습니다.
연구 참여자를 어떻게 보호할 것인가에 대한 질문이 압도적으로 많다는 거죠.
그리고 질적 자료로만 한정해서 보면, 그 우려가 훨씬 더 크다고 하셨습니다.
KOSSDA가 2019년과 2020년에 걸쳐 실시한 데이터 공유 인식 조사에서
첫 번째 우려 사항이 "개인정보가 민감해서 데이터 공유를 주저한다"였다고 합니다.
그런데 김혜진 연구원은 질적 자료도 충분히 공유 가능하다고 강조하셨어요.
그리고 그런 인식이 이미 해외에서는 확산되고 있다고 설명하셨습니다.
이를 위한 3가지 보호 전략에 대해서 설명해 주셨습니다.
첫 번째는 사전 동의입니다.
실제로 많은 연구자들이 "연구에 참여하시겠습니까?"라는 기본적인 동의만 받지만,
하지만 이제는 더 구체적으로 해야 한다고 하셨어요.
"이 데이터가 KOSSDA 같은 리포지터리를 통해 다른 연구자에게 공개될 수 있으며, 익명 처리된 형태로 재이용될 것입니다"
라는 내용까지 동의서에 포함시켜야 한다는 것입니다.
참고용으로 보여주신 모범 사례 동의서에서는 데이터 보관 기간을 명시하고, 공개 범위를 설정하며,
윤리적 사용을 보장하는 전략까지 명확히 기록되어 있었습니다.
두 번째는 접근 통제인데, 여기서 "과도한 익명화보다는 접근 통제를 활용하는 것이 더 나은 옵션이다"라는 말을 해주셨어요.
왜냐하면 모든 정보를 싹둑싹둑 없애버리면 데이터의 가치가 0이 되기 때문이라는 거죠.
대신 누가 데이터에 접근할 수 있는지를 통제하는 방식이 훨씬 더 효율적이라고 하셨습니다.
영국 통계청의 5 Safes 프레임워크를 소개하며,
KOSSDA에서 운영하는 접근 통제 방식을 설명해 주셨어요.
KOSSDA 자료 공개 유형에는 완전 공개도 있고, 회원 가입만으로 이용할 수 있는 회원 공개도 있으며, 기탁자의 동의를 받거나 특별한 이용자 신청을 거쳐야 하는 제한 공개도 있다고 합니다.
그리고 특정 시점 이후에만 공개하는 엠바고(Embargo) 방식도 있다고 하셨습니다.
사례로 들어주신 것은 노숙인 생애사 인터뷰 조사로, 이 자료는 60명의 노숙인을 3회에 걸쳐 인터뷰한 대규모 질적 자료였는데,
매우 민감한 개인정보가 포함되어 있었다고 해요.
하지만 기탁자가 명확한 공개 조건을 설정했다고 합니다.
연구용 목적으로만 제한하고, 추가 이용 조건에 동의하는 분들께만 제공하며,
결과물에서 익명 처리 여부를 확인하는 조건을 부여했다는 것입니다.
이런 방식으로도 데이터 재이용이 충분히 가능했다고 설명하셨어요.
3가지 보호 전략의 마지막 보호 방법은 익명화입니다.
익명화에 대해서는 용어가 헷갈리는 경우가 많다고 설명하시면서,
비식별화(Pseudonymization)는 가명(ID)을 사용해서 직접 식별자를 제거하는 것이고,
익명화는 간접 식별자까지 식별 불가능하게 만드는 것이라고 하시며,
"익명화의 핵심은 정보 손실 최소화"라고 강조하셨습니다.
" 여기서 질문!🖐️ 그런데, 모든 정보를 ■■■■로 처리해버리면
데이터 가치가 0이 되지 않나요? "
하지만 이름을 ID로 변경하고, 지역을 광역시도 단위로 일반화하며, 구체적 직업을 직업군으로 범주화하면?
"서울, 30대, IT직"이라는 조합으로도 분석이 가능해진다는 거죠.
예시로, "기독교 여중/여고 + 무용 전공 여대"라는 정보는 너무 구체적이어서 개인 특정이 가능하지만,
"기독교 학교 + 체육계열 전공"이라고 일반화하면 적절한 수준이 된다고 했어요.
중국 유학생이 다수인 경우와 소수인 경우에 따라 공개 수준을 달리해야 한다는 설명도 해주셨습니다.
또한 익명화 5단계 프로세스에 대해서 설명해 주셨어요.
첫 번째 단계는 익명 처리 계획인데,
어떤 정보를 수집할 것인가,
어느 정보가 필수고 어느 게 선택사항인가,
외부 정보와 결합되면 식별될 가능성은 어떤가를 미리 정리하는 것입니다.
두 번째는 위험성 평가입니다.
SPC 마이크로나 ARX 같은 도구를 활용해서 식별 위험도를 수치화할 수 있다고 하셨어요.
세 번째와 네 번째는 익명 처리와 적정성 검토인데,
이 두 단계는 반복적으로 진행된다고 합니다.
위험 수준이 적절한지 계속 확인하면서 수정해가는 과정이라는 거죠.
다섯 번째는 재식별 위험 관리입니다.
시간이 지나면서 새로운 정보가 추가될 수 있기 때문에 정기적으로 재평가가 필요하다고 하셨습니다.
김혜진 연구원님은 발표 막바지에 "익명화에는 정답이 없습니다"라고 하셨습니다.
하지만 당신이 그 데이터를 가장 잘 알고 있으므로 연구자의 판단이 가장 중요하다고 강조하셨어요.
그리고 희망적인 메시지로 "질적 자료도 충분히 공유할 수 있습니다.
KOSSDA가 옆에서 도와드리겠습니다"라고 마무리하셨습니다.
세션 3. 연구데이터 문서화 "데이터를 설명하는 일, 데이터의 가치를 살리는 방법"
데이터가 계속 살아 있을 수 있는 힘 "문서화"에 대해 발표하는 신지민 연구원
세 번째 세션에서는 신지민 연구원님께서 데이터 문서화에 대해 발표해 주셨습니다
1년 전에 자신이 만든 데이터를 다시 열었는데 "이게 뭐였더라?"라고 생각한 경험 있지 않나요?
작업을 위해 기탁 받은 데이터 파일을 열어보면 변수명이 v1, v2, v3... 이렇게 되어 있고,
변수 레이블에는 설문지 문항이 통째로 입력되어 가독성이 떨어져 있다고 했어요.
변수 값은 1,2,3... 이렇게만 표시되어 있어서 뭔지 모르겠고,
결측값 표시도 안 되어 있는 경우가 있다는 것입니다.
이러면 재이용하려는 연구자는 원래 데이터를 다시 찾아야 하는 악순환이 생기게 됩니다.
발표에서는 다음으로는 실제 데이터를 변환하는 과정을 보여주셨습니다.
2011년에 산출된 한 개인 연구자의 데이터를 예로 들었는데, 기탁 원본 상태에서는 아이디 변수가 없었다고 해요.
이것은 응답자에게 고유하게 부여되는 필수 변수라고 하셨습니다.
그리고 변수명에 배경 변수와 주요 변수 간의 구분이 없었다고 설명하셨어요.
설문 문항 레이블은 설문지 문항을 그대로 입력해놔서 너무 길고 가독성이 떨어진다고 했습니다.
다중응답 문항의 경우 하위 문항이 각각 기입되지 않아서 각 변수들을 구분하는 것이 어려웠다고 해요.
그리고 변수 값 란을 보니 숫자 배열 기표가 중복되는 부분도 있었다고 했습니다.
이런 것들을 정리한 후의 모습은, 아이디 변수가 새로 생성되었고, 배경 변수는 sq1, sq2로, 주요 변수는 q1, q2로 구분되었어요.
설문지 모양을 그대로 가져가지 않고 표준 양식에 맞춰 변수 레이블을 수정했다고 합니다.
다중응답 문항의 경우 하위 문항이 명시되어 "제품 특성 인식: 유기농"과 "제품 특성 인식: 친환경"이라고 구분되었습니다.
글머리 표 중복도 삭제해서 깔끔하게 정리되었어요.
변수명 작성 규칙도 설명해 주셨습니다.
sq 접두어는 배경 변수(demographic)를 의미하고, q 접두어는 설문 문항을 의미한다고 했어요.
언더바(_)는 하위 문항을 구분할 때 사용하며, 후위 문자(_r, _a)는 재코딩이나 역코딩을 표시한다고 설명하셨습니다.
또한 신지민 연구원은 시리즈 조사 관리의 특수성도 강조했습니다.
여러 해에 걸쳐 반복되는 조사의 경우 변수명과 레이블을 통일해야 한다고 했어요.
이를 위해 매핑 파일을 만들어서 각 조사 간 변수들이 어떻게 대응되는지 명확히 해둬야 한다는 것입니다.
또한 메타데이터가 없으면 데이터는 외계어가 되는 거 아닌가요?라고도 언급하셨어요!
메타데이터는 데이터에 대한 데이터, 즉 데이터에 대한 설명이라고 정의하셨어요.
데이터의 출처와 목적, 회전 시기, 지리적 위치, 작성자, 접근 및 이용 조건 등을 설명하는 표준화된 기술 문서라는 것입니다.
KOSSDA가 사용하는 DDI 2.5 국제 표준을 소개하셨습니다.
메타데이터에 포함되어야 할 필수 정보로는
자료명, 자료번호, 연구책임자, 공동연구원, 수행기관, 지원기관 같은 서지 정보가 있다고 알려주셨어요.
또한 방법론 정보에는 자료 수집 방법(대면, 전화, 온라인), 표본 크기, 표본추출 방식, 응답률, 조사 기간 등이 포함된다고 했습니다.
데이터 구조 정보에는 파일 구성 방식, 관측 단위(개인, 가구, 기관), 횡단/패널 구분 같은 내용이 들어가고,
이용 조건으로는 접근 제한 수준, 이용 목적 제한, 저작권자 정보 등이 있다고도 덧붙이셨습니다.
또 실전 팁으로 초록 작성법을 설명하시며, 메타데이터에서 가장 중요한 부분이 초록이라고 강조하셨습니다.
초록에 포함해야 할 내용으로는 연구 배경, 조사 목표, 조사 방법, 조사 내용, 특수성 등이 있다고 했어요.
연구 배경에는 "국민의 삶의 질 변화를 추적하기 위해"라는 식의 내용을 넣고,
조사 목표에는 "2024년 국민의식을 측정하고"라는 내용을 넣는다는 내용도 알려주셨어요.
조사 방법으로는 "전국 2,000명을 대상으로 대면 조사 실시"라는 구체적인 정보를 기록해야 한다고 했어요.
조사 내용은 "경제, 정치, 사회, 문화 분야 총 200개 문항"이라는 식으로 표현하고,
특수성으로는 "패널 데이터로 12년 누적 추적"이라는 정보를 넣으라고 하셨습니다.
좋은 초록이 있으면 검색 용이성이 높아지고,
재이용 가능성도 높아지며 인용도 까치 올라간다고 설명하셨습니다.
이렇게 연구 목적과 조사 목적이 잘 녹아져 있어야 데이터를 이해하는 데 맥락을 전달할 수 있다고 말씀하셨어요.
이어서 KOSSDA의 실무 절차인 5단계 데이터 구축 프로세스를 알려주셨습니다.
첫 번째 단계는 기탁 검수입니다.
이 단계에서는 데이터 파일과 설문지를 대조하고 케이스 수 일치도를 확인하며 기본 정보를 검증한다다고 해요.
두 번째는 데이터 센터 구축으로 변수 라벨링, 메타데이터 작성, 설문지 편집, 코드북 작성 등이 포함됩니다.
세 번째 단계는 변수 DB 구축인데, Nesstar 시스템을 활용해서 변수별로 검색할 수 있도록 작업을 한다고 해요.
네 번째는 검수와 업로드로 웹사이트에 게시하고,
다섯 번째는 활용도 추적 단계로 다운로드 수 모니터링과 인용 논문 수집을 진행합니다.
마지막으로 연구자를 위한 문서화 시작 가이드로 해 주신 조언은
연구할 때 옆에 작은 메모장을 두고 틈틈이 기록하면 된다고 하셨는데요.
최소한의 시작으로는 폴더 정리하기, README 파일 만들기, 변수명 통일하기, 수정 이력 기록하기가 있를 알려주셨어요.
그 다음 단계로는 KOSSDA 템플릿을 참고하기, 메타데이터 양식 채우기, 코드북 작성하기 등이 있다고 하시며,
KOSSDA가 지속적으로 가이드를 제공할 예정이라고 덧붙여 주셨습니다.
혹시 여러분의 연구 데이터는 지금 어떤 상태인가요?
파일명부터 시작해서 변수 레이블, 메타데이터까지 체계적으로 관리되고 있나요?
이번 워크숍에서는 KOSSDA와 함께 당신의 데이터를 미래의 연구 공동체를 위한
귀중한 자산으로 만들 수 있다는 내용을 전해드렸는데요.
위의 내용을 보다보면 언제 다 할까 싶지만,
조금씩이라도 실천에 옮긴다면, 여러분의 연구는 더 투명해지고,
더 신뢰받고, 더 큰 영향력을 가지게 될 것입니다.
지금까지 DataBee였습니다! 🐝