연구분야를 자신이 잘 아는 것을 시작하면 좋겠지만 보통 실제로는 그렇지 않다. 교수님, 과제 등의 다양한 이유로 비슷하거나 아예 새로운 분야를 시작해야하는데, 적정 수준은 교수님이 내 설명만 듣고 이해하고 혹은 기업이 만족할 만한 그 분야의 전문가가 되라는 것. 물론 이 일은 정말 쉽지 않은 일이다.
물론 이 일을 학부생이 하기란 쉽지는 않다. 교수님에게 잘 설명할 수 있어야하고 내 논리를 펼치는 데 있어서 방어도 잘 해내야 하기 때문이다. 다만 이때 시작하지 않는다면 언제 하겠나! 그래서 내 나름대로의 기준을 세우고 진행해보고자 한다.
혹시나 이 글을 보고 첨언 및 다른 방식을 추천한다면 언제든 환영입니다. 아니 제발 저에게도 그 배움을 알려주세요
1. 기본 개념 및 배경 지식 습득
- 기본 개념 학습: 해당 분야의 기초 개념과 이론을 이해합니다. 보통 어떤 문제에 관해서로 시작을 하게 될 텐데. 보통 이렇게 나온 문제는 대부분 다른 사람들이 연구하고 있는 주제일 가능성이 높다. 따라서 지금까지 사람들이 무엇을 진행했는지 시행착오를 확인하러 가보자
- 리뷰 논문 읽기: 여기서 보통 2가지로 나뉘는데 마치 보고서와 같은 현재 상황을 정리한 논문, 그 상황을 해결하고자 한 논문을 엮어서 정리해놓은 Survey 혹은 Review 논문이 있다. 이렇게 2개를 정해서 각 상황을 파악해본다
- 리뷰 혹은 Survey 논문을 하나로 정하기 : 참고할 논문을 되도록이면 기준 삼을 한 개로 지정하는 것이 좋다. 왜냐하면 세상에는 정말 수많은 논문들이 있고 그것을 하나하나 다 참고하기에는 사람의 능력은 정말 보잘 것 없다. 따라서 자신이 판단하기에 신빙성이 있는 논문을 정했다면 그걸 기준으로 가지를 밑으로 뻗어나가고 어느정도 알게 되었을 때 옆으로 가도 늦지 않다.
+ 다만 여기서 Survey, Review 논문이 꼭 유명한 저널의 신빙성이 무조건 확보된 글이 아니어도 어느정도는 납득된다. 쉽게 말하면 아카이브에 가져온 논문이어도 괜찮다는 이야기다. 이유는 대부분의 Survey, Review 논문들은 최신 정보를 정리하고 넘어가기에 보통 아카이브가 접근성이 용이하고 1년만 지나도 새로운 방법이 나오기에 보통 아카이브에만 남아 있기 마련이다.
2. 연구 주제 선정 & 연구 계획 수립
- 관심 분야 탐색: 자신이 흥미를 느끼는 구체적인 주제를 찾습니다. 위의 과정을 거치다보면 눈에 들어오는 분야들이 생길 것입니다. 그 분야를 이제 깊이 팔 수 있도록 준비하는 것이 중요합니다. 여기서 그 방법에 관한 리뷰 논문을 보고 더 세부적으로 설정하는 것이 좋습니다.
- 연구 질문 정립: 자신의 연구에서 해결하고자 하는 구체적인 질문을 설정합니다. 위의 리뷰 논문을 정리하고 다른 사람들의 논문을 보다보면 논문의 이유와 방법에 대해서 의문을 갖고 파악해야하는데, 이는 쉽지는 않은 일입니다. 사실 이를 잘 할 수 있다면 사실상 논문은 쓰여지지만 않았을 뿐 거의 완성된 거나 다름이 없다고 생각합니다.
- 연구 설계: 연구를 어떻게 진행할지 구체적인 계획을 세웁니다. 이는 데이터 수집 방법, 분석 방법, 실험 설계 등을 포함합니다.
3. 데이터 수집 및 분석 & 결과 정리 및 논문 작성 & 최종 검토 및 제출
- 여기서 부터는 저도 논문 과정을 진행해 나가면서 추후에 추가해보도록 하겠습니다. 혹시나 좋은 방법이 있거나 자신만의 내용이 있다면 공유해주시면 감사하겠습니다.
- 데이터 수집: 연구 설계에 따라 데이터를 수집합니다.
- 데이터 분석: 수집된 데이터를 분석하여 연구 질문에 대한 답을 도출합니다.
- 결과 해석: 분석 결과를 해석하고, 이를 통해 연구 질문에 대한 답을 명확히 합니다.
- 논문 구조 작성: 논문의 기본 구조를 잡습니다. 보통 서론, 문헌 검토, 연구 방법, 결과, 토론, 결론의 순서로 구성됩니다.
- 초안 작성: 각 섹션별로 내용을 작성합니다. 명확하고 논리적으로 글을 쓰는 것이 중요합니다.
- 피드백 받기: 지도 교수나 동료에게 초안을 검토받아 피드백을 반영합니다.
- 편집 및 수정: 피드백을 반영하여 논문을 수정하고, 문법 및 표현 오류를 교정합니다.
- 참고 문헌 정리: 논문에서 참조한 모든 문헌을 정리합니다.
- 최종 제출: 논문을 제출합니다.
추가 1. 효과적인 문헌 조사 방법
그렇다면 어떻게 Review, Survey의 논문을 찾고 정리할 수 있는지 추가적인 내용에 대해 작성해보겠습니다.
신뢰할 수 있는 데이터베이스 사용
- 학술 데이터베이스 활용: Google Scholar, PubMed, IEEE Xplore, JSTOR 등 신뢰할 수 있는 학술 데이터베이스를 사용합니다. 저는 보통 구글 스칼라를 많이 이용하는데, 추가적인 자료를 찾을 때는 학교 도서관 서비스를 이용하면 유료논문들도 확인하실 수 있을 겁니다. 보통 도서관의 이용 안내 프로그램이 있어 각자의 학술정보원에 들어가셔서 확인해보시는 것을 추천 드립니다.
인용 분석
- 피인용 횟수: 논문의 피인용 횟수를 통해 중요성과 영향력을 평가합니다. 보통 좋은 논문인지를 평가할 때 주로 사용되는 방법인데 JCR 등의 여러 논문 평가 지표와 함께 실린 컨퍼런스 혹은 저널의 평가된 내용들이 공개 되어 있습니다. 이는 불변의 판단 기준은 될 순 없지만 그래도 참고하기 정말 좋은 방법입니다.
정리와 분석
- 테마별 분류 및 요약 작성: 주요 논문의 핵심 내용을 요약하고, 연구 질문과 어떻게 연관되는지 정리합니다. 저는 블로그에 각 분야에 대해서 정리해보고 관련된 블로그 포스팅을 늘려가며 진행해보려고 합니다. 그 전에는 아무렇게나 잡다하게 정리를 했지만 기준도 명확하지 않고 중구난방식의 공부는 의미가 없는 것 같아 이번에는 이렇게 진행해보려고 합니다.
추가 2. 키워드 선정 방법
관련 용어 목록 작성
- 동의어 및 관련어 찾기: 각 주요 개념에 대한 동의어, 유의어, 관련어를 생각해봅니다.
- 줄임말 및 약어 포함: 해당 분야에서 자주 사용되는 줄임말이나 약어도 포함합니다. 생각보다 분야가 같은 논문이라면 약어를 정말 많이 사용합니다. 보통 자신의 논문을 읽을 사람들이라면 '이정도는 알겠지?'하고 작성한 글이 대부분이기에 이를 리뷰 논문 읽을 때 미리미리 정리를 잘 해놔야합니다.
키워드 최적화
- 키워드 수정 및 보완: 검색 결과를 분석하여 필요에 따라 키워드를 수정하거나 보완합니다. 관련된 논문을 찾기 위해서 키워드는 어느정도 만들어놓고 그에 관해서 전부 검색을 해봐야합니다. 물론 단어를 추리는 것이 쉽지는 않은 일이지만 천천히 그리고 꼼꼼히 채워나가는 것을 목표로 진행해봅시다!
- 주제 범위 조정: 너무 좁거나 너무 넓은 키워드는 조정하여 적절한 범위를 유지합니다. 저는 여기서 넓은 키워드를 줄여나가는 방식을 주로 사용하는데 이러면 단어들의 계층적인 의미도 파악이 되고 논문 분야의 위치를 파악하는데 도움이 많이 됩니다.
키워드 조합 실험
- 조합 테스트: 다양한 키워드 조합을 데이터베이스에서 검색하여 결과의 양과 질을 확인합니다. 이제 위에서 키워드를 뽑아냈다면 여러가지로 조합하면서 구글 스칼라에서 찾아보면 됩니다. 찾다보면 정말 많은 논문들이 있구나를 다시 한번 느끼게 됩니다... 그리고 생각치도 못한 곳에서 논문이 나오기도 하구요.
마무리
거창한 글을 작성했지만 비록 저는 아직 논문 1개도 없는 학부생이고 제 나름대로 정리해보고 다른 사람들에게 도움을 받아보고자 작성한 부족한 글입니다. 혹시나 지나가다 보면서 도움을 줄 수 있다면 언제든 조언 부탁드립니다. 이 글은 계속 수정 예정이며 훗날 그 정보가 쌓이고 쌓여 다른 학생들에게 도움이 되기를 바라며 마치겠습니다. 감사합니다.
참고 사항
'Learn' 카테고리의 다른 글
[LSTF] LogTrans : Enhancing the Locality and Breaking the MemoryBottleneck of Transformer on Time Series Forecasting (0) | 2024.07.07 |
---|---|
[LTSF] Long-term Time Series Forecasting 정리 (0) | 2024.07.05 |
[알고리즘] Permutation 부수기 : 백준 문제 세트로 연습하자 (0) | 2024.07.04 |
[알고리즘] Backtracking : 여기가 아닌가? 돌아가자 (2) | 2024.07.03 |
[논문리뷰] Foundation Model랑 LLM 같죠? (부제 : Foundation Model에 대하여) (0) | 2024.07.01 |