“`html
논문 작성이 막힐 땐 이 3가지부터 점검하자
박사 과정을 진행하면서 가장 답답했던 순간이 언제냐고 묻는다면, 망설임 없이 논문 작성 단계라고 답할 것 같습니다. 실험실에서 밤새 실험을 진행하고, 수백 개의 데이터 포인트를 수집했는데 정작 글이 써지지 않는 그런 경험 말입니다. 혹은 어렵게 써놓은 논문 초고를 지도교수님께 보여드렸을 때 “논리의 흐름이 부족하다”는 피드백을 반복해서 받기도 했습니다. 이런 막막함이 반복되던 어느 날, 저는 결국 깨달았습니다. 문제는 데이터가 부족한 것도, 실험이 부족한 것도 아니었다는 점을 말입니다.
내 연구의 정확한 위치를 파악하는 것부터 시작하다
여러 번의 시행착오를 거치면서 논문 작성이 막히는 상황의 원인은 대부분 두 가지로 좁혀진다는 것을 깨달았습니다. 첫째는 자신의 연구 결과가 기존 문헌과 정확히 어떤 점에서 다른지 못 본 경우였고, 둘째는 그 차이가 정말 의미 있는 것인지 스스로 확신하지 못하는 경우였습니다.
처음에는 이것이 그렇게 중요할 줄 몰랐습니다. 하지만 실제로 문헌 조사를 깊이 있게 다시 해보고, 선행연구들과 나의 결과를 꼼꼼히 비교해보는 과정을 거치면서 상황이 달라졌습니다. 저는 논문을 쓰기 전에 스스로에게 두 가지 질문을 명확하게 던지기로 했습니다.
첫 번째 질문은 “내 결과가 선행연구와 구체적으로 무엇이 다른가?”였습니다. 이것은 단순한 질문처럼 보이지만, 실제로 답하려면 매우 구체적이어야 합니다. “더 높은 수율을 얻었다”는 것만으로는 부족합니다. “기존 연구는 백금 촉매를 사용했을 때 85% 수율을 얻었는데, 우리의 새로운 철 기반 복합촉매는 동일한 반응 조건에서 92% 수율을 달성했다”는 식으로 구체화되어야 했습니다.
두 번째 질문은 “그 차이가 왜 의미 있는가?”였습니다. 이 질문에 답하는 과정에서 저는 제 연구의 진정한 가치를 발견할 수 있었습니다. 단순히 수율이 높다는 것뿐만 아니라, 왜 그것이 산업적으로, 환경적으로, 혹은 학문적으로 중요한지를 명확히 해야 했던 것입니다. 예를 들어, 더 저렴한 촉매로 더 높은 수율을 얻을 수 있다면 생산 비용을 얼마나 절감할 수 있는지, 혹은 불필요한 부산물 생성을 얼마나 줄일 수 있는지 같은 실질적인 의미를 찾아야 했습니다.
이 두 질문에 명확하게 답할 수 있게 되자, 신기하게도 논문의 방향이 확실해졌습니다. 서론부터 결론까지 각 섹션이 어떤 목표를 향해 나아가야 하는지 보였던 것입니다. 지금은 논문을 쓰기 전에 이 두 가지를 한 문장씩 명확하게 정리하는 것을 습관화했습니다. 이 작은 연습이 전체 논문의 논리적 흐름을 만드는 기초가 되었습니다.
데이터 정리 없이 결론부터 쓰는 실수를 피하다
화학공학 분야에서 일하다 보면 많은 연구자들이 반복하는 실수가 있습니다. 그것은 데이터를 완전히 정리하기 전에 결론을 먼저 써버리는 것입니다. 실험 결과를 대충 보고 “아, 이렇게 나올 것 같으니 이렇게 써야겠다”는 식의 접근 방식 말입니다. 저도 처음에는 이런 실수를 했습니다.
하지만 화학공학 연구의 특성상 이것은 매우 위험한 접근입니다. 온도를 1도 변경하거나, 압력을 0.1 atm 조정하거나, 촉매 농도를 조금 다르게 하거나, 반응 시간을 몇 분 다르게 설정하는 것만으로도 결과가 완전히 달라질 수 있습니다. 실제로 제가 진행했던 한 프로젝트에서는 반응 온도가 5°C만 달라져도 수율이 15% 이상 변했습니다. 촉매의 선택도, 반응 속도도, 원하는 생성물과 부산물의 비율도 모두 영향을 받았던 것입니다.
따라서 저는 그래프를 그리고, 표를 만들고, 통계 검증까지 완료한 후에야 비로소 “이 결과는 어떤 의미인가”를 판단하는 원칙을 세웠습니다. 이것이 제 경험상 가장 견고한 논문을 만드는 방법이었습니다.
제가 실제로 실천하는 구체적인 방법을 공유하자면, 먼저 원본 데이터를 스프레드시트에 깔끔하게 정리하는 것부터 시작합니다. 이때 원본 데이터는 절대 손을 대지 않습니다. 별도의 워크시트에서 계산을 진행하여, 언제든지 원본으로 돌아갈 수 있도록 합니다. 그 다음 각 조건별로 그래프를 여러 개 그려봅니다. 이것이 중요한데, 한 번에 하나의 그래프로 최종 결정하지 않는다는 점입니다.
같은 데이터를 다양한 방식으로 시각화해보면서 제가 주의 깊게 살펴보는 것은 “어떤 표현이 가장 중요한 트렌드를 명확하게 드러내는가”하는 부분입니다. 선형 그래프로 봤을 때와 로그 스케일로 봤을 때 보이는 패턴이 다를 수 있습니다. 히스토그램과 산점도가 같은 데이터를 다르게 표현할 수 있습니다. 이 과정에서 저는 종종 예상하지 못한 패턴을 발견했고, 특정 데이터 포인트가 이상 값인지 아닌지를 판단할 수 있게 되었습니다.
통계 검증도 빠뜨리지 않습니다. 특히 두 조건 간에 통계적으로 유의한 차이가 있는지 확인하는 것은 필수입니다. 화학공학 실험에서는 측정 오차가 존재하기 때문에, 단순히 수치가 다르다고 해서 실제로 유의한 차이가 있는 것은 아닙니다. t-검정이나 ANOVA 같은 통계 분석을 통해 이를 검증합니다. 이 과정을 거치고 나야 비로소 “우리의 조건 변화가 유의한 영향을 미쳤다”고 자신 있게 말할 수 있었습니다.
논문의 기초를 단단하게 하는 마지막 점검
이 세 가지 과정을 거치고 나면, 논문을 쓸 때 훨씬 더 명확한 방향을 가지고 접근할 수 있습니다. 지도교수님의 피드백도 “논리의 흐름이 부족하다”는 일반적인 지적보다는 “이 부분의 해석을 더 구체화하면 좋겠다” 같은 건설적인 의견으로 바뀌었습니다.
저는 이제 박사 과정의 후배들에게 논문이 막힐 때는 한 발 물러서서 이 세 가지를 점검하라고 권합니다. 첫째, 자신의 연구가 선행연구와 정확히 어떻게 다른지 명확히 할 것. 둘째, 그 차이가 정말 의미 있는지 스스로 확신할 것. 셋째, 데이터를 완벽하게 정리하고 검증한 후에 글을 쓸 것. 이 기초가 단단하면, 나머지는 자연스럽게 따라옵니다.
이 글은 화학공학 박사 Peter Kim의 실제 경험과 최신 정보를 바탕으로 작성되었습니다.
“`