리뷰어 피드백의 본질
박사 과정에서 투고한 논문이 돌아올 때 가장 답답한 피드백이 뭘까? “Figure quality를 개선하세요”라는 한 줄짜리 코멘트다. 구체적인 지적 없이 그래프를 다시 그려야 한다는 건 연구자 입장에서 막막하다.
내 경험상 리뷰어가 싫어하는 그래프는 기술적 문제가 아니라 커뮤니케이션 실패다. 데이터는 맞는데 그 의미가 명확하게 전달되지 않는 것이다. 좋은 그래프는 설명 없이도 핵심 결과를 5초 안에 이해할 수 있어야 한다.
실제로 떨어진 그래프들의 공통점
10년간 논문을 쓰고 리뷰를 받으면서 본 패턴이 있다. 첫 번째 문제는 범례와 축 레이블이 너무 작다는 것이다. 저널이 논문을 2단 또는 1단으로 출판할 때를 고려하지 않은 글씨 크기는 인쇄본에서 읽을 수 없다.
두 번째는 색상 선택의 실패다. 예를 들어 빨강과 초록만 사용하면 색약 리뷰어는 데이터를 구분할 수 없다. 또한 스크린에서는 구분되지만 흑백 인쇄 시 동일하게 보이는 색상도 문제가 된다.
세 번째는 과도한 데이터 포장이다. 한 그래프에 변수 8개, 조건 5가지, 오차선, 추세선, 주석까지 넣으면 복잡도만 높아진다. 논문에 실어야 할 그래프는 핵심 메시지 1~2개만 담아야 한다.
네 번째는 일관성 부족이다. 첫 번째 그래프는 프로포셜 폰트, 두 번째는 산세리프, 범례는 박스 안에, 어떤 건 바깥에. 리뷰어는 이런 불일치를 “비전문적”이라고 표현한다.
통과된 그래프의 특징
제 논문들이 첫 라운드에서 Figure 관련 지적 없이 통과한 경우를 역분석하면 몇 가지 규칙이 보인다. 먼저 폰트 크기는 10~12포인트로 고정했다. 저널 스타일에 관계없이 이 범위면 웬만한 출판 조건에서도 읽힌다.
색상은 Colorbrewer의 색맹 친화 팔레트를 사용했다. 파란색, 주황색, 회색 조합이나 여러 톤의 파란색 그래디언트는 모두에게 구분된다. 대부분의 경우 4가지 색상만으로 충분했다.
그래프 하나에는 메시지 1개만 담았다. 온도 효과를 보여주는 그래프면 그것만. 촉매 비교를 하는 그래프면 그것만. 복합적인 분석이 필요하면 서브패널(A, B, C)로 나눴다. 리뷰어의 눈에 들어오는 순간이 그래프의 승패를 결정한다.
범례와 축 라벨에는 단위를 명확히 표기했다. “Conversion”이 아니라 “Conversion (%)”, “Time”이 아니라 “Time (min)”. 이것이 3초 차이를 만든다.
실전 재작업 체크리스트
리뷰어 피드백을 받았을 때, 또는 자신의 그래프를 다시 검토할 때 사용하는 체크리스트가 있다. 먼저 그래프를 인쇄 크기(A4)로 축소해서 본다. 컴퓨터 화면에서는 보이지만 논문 크기에선 읽을 수 없는 요소들이 드러난다.
두 번째, 그래프를 흑백으로 변환해본다. 컬러 그래프가 흑백 프린터에서 모두 구분되는지 확인하는 것이다. 색상에만 의존하는 데이터는 절대 안 된다.
세 번째, 10초 규칙을 적용한다. 그래프 제목과 축 라벨만 보고 그것이 무엇을 의미하는지 말할 수 있는가? 설명 없이는 불가능하면 그래프가 너무 복잡하다는 뜻이다.
네 번째, 모든 그래프의 폰트, 스타일, 색상을 통일한다. 논문 전체에서 일관된 시각적 언어를 사용해야 전문성이 느껴진다.
이 과정을 거치면 리뷰어 입장에서 받는 인상이 달라진다. 같은 데이터라도 어떻게 보여주는지에 따라 논문의 가치가 평가되는 것이다. 숨은 노력이 바로 통과의 차이를 만든다.
경우가 대부분이다. 리뷰어는 “이 그래프가 정말 당신의 주장을 뒷받침하나?”라는 의문을 품고 있는 것이다.
내가 박사 과정에서 받은 피드백들을 정리해보니 패턴이 보였다. 리뷰어가 반려하는 그래프의 공통점은 독자가 5초 안에 핵심을 파악할 수 없다는 점이었다. 아무리 데이터가 정확해도, 그 의미를 빠르게 전달하지 못하면 “Figure quality” 반려를 받는다.
리뷰어가 싫어하는 5가지 그래프
첫째는 과도한 정보를 한 번에 담으려는 시도다. 한 그래프에 변수 10개, 조건 5개를 모두 표시하려다 보니 스파게티처럼 엉켜 있는 라인 차트들을 본다. 리뷰어는 이런 그래프를 보면서 “저자가 자신의 데이터를 정말 이해하고 있나?”라고 의심한다.
둘째는 범례와 축 라벨의 불일치다. 범례에는 “Condition A”라고 되어 있는데 본문에서는 “처리군 1″이라고 부르고, 축에는 또 다른 이름으로 표기되어 있는 경우다. 이렇게 되면 독자가 매번 대조표를 만들며 읽어야 한다.
셋째는 부적절한 그래프 유형 선택이다. 카테고리 데이터를 라인 차트로 표현하거나, 분포를 보여줘야 하는데 막대 그래프만 사용하는 식이다. 데이터 특성에 맞지 않는 시각화는 아무리 예쁘게 만들어도 리뷰어의 마음을 사로잡지 못한다.
넷째는 텍스트 크기와 해상도 문제다. 축 라벨이 너무 작아서 확대경이 필요하거나, 인쇄했을 때 깨지는 그래프들이다. 학술지에 제출되는 그래프는 최종 인쇄 크기를 고려해야 한다.
다섯째는 가장 흔한 실수인데, 색상 선택의 무심함이다. 색맹인 독자도 구분할 수 있게 설계하지 않은 색상표, 또는 색상만으로는 의미를 알 수 없는 경우다. 빨강과 초록만으로 모든 조건을 표현하는 그래프를 본 리뷰어는 피곤함을 느낀다.
리뷰어의 눈으로 그래프 검토하기
그럼 어떻게 해야 리뷰어의 마음에 드는 그래프를 만들 수 있을까? 가장 간단한 방법은 5초 테스트를 하는 것이다. 그래프를 5초만 보고 “이 그림이 말하고자 하는 게 뭐지?”라고 물어본 후 답할 수 있다면 합격이다.
둘째는 피어 리뷰 관점에서 질문하기다. 내가 리뷰어라면 이 그래프를 봤을 때 의심할 3가지 질문을 미리 적어본다. 그 질문들이 그래프에서 명확하게 답변되는가? 그렇지 않다면 표현을 바꿔야 한다.
셋째는 제목과 캡션을 먼저 쓴 다음 그래프를 만드는 역순 접근이다. “이 그림으로 무엇을 보여주려고 하는가?”를 글로 정확히 써본 후, 그 문장을 시각화하는 방식이다. 이렇게 하면 불필요한 정보가 자동으로 걸러진다.
넷째는 다른 학자의 논문에서 좋은 그래프를 참고하기다. 그래프의 디자인을 따라 하는 게 아니라, 어떤 원칙으로 정보를 조직했는지 배우는 것이다. 같은 분야의 최근 논문 10개를 펼쳐놓고 “이들은 왜 이렇게 표현했을까?”라고 생각하면서 보는 것만으로도 많이 배운다.
마지막으로 중요한 건 피드백 반영의 정성이다. 리뷰어가 “Figure quality 개선”이라고 했을 때, 단순히 축 글씨를 크게 만들고 색을 화려하게 바꾸는 식의 대응은 통하지 않는다. 대신 그래프가 정말로 논문의 주장을 지탱하는지, 독자의 입장에서 이해하기 쉬운지를 근본적으로 재검토해야 한다.
결국 리뷰어가 원하는 것은 기술적으로 완벽한 그래프가 아니다. 저자가 자신의 데이터를 충분히 이해하고, 그것을 명확하게 전달하려고 노력했다는 증거가 그래프에 담겨 있기를 원한다. 그 마음을 읽고 그래프를 만드는 순간, 리뷰어의 피드백도 달라진다.
함께 읽으면 좋은 글
※ 이 글은 AI 작성 보조를 받아 작성되었습니다.