🔬 주제별 논문
p값 논쟁, 재현성 위기, PRISMA 문헌고찰 지침, 효과크기 — 어떤 전공이든 필요한 방법론 문헌 7편.
전공이 무엇이든 논문이나 졸업 연구를 쓰게 되면 방법론 문헌이 필요해집니다. 통계 결과를 어떻게 해석할지, 문헌고찰을 어떤 절차로 할지, 표본 수는 어떻게 정당화할지에 모두 표준 문헌이 있습니다.
문헌고찰형 과제라면 PRISMA 2020 지침을 따르는 것만으로 완성도가 눈에 띄게 올라갑니다. 검색어·포함 기준·제외 문헌 수를 흐름도로 제시하면 됩니다.
통계 해석에서는 ASA의 p값 성명과 Ioannidis(2005)를 함께 읽어두면, 'p<0.05이므로 효과가 있다'는 위험한 서술을 피할 수 있습니다.
아래 목록은 제목과 한두 줄 요약으로 먼저 훑어보고, 필요한 자료만 원문으로 넘어가도록 구성했습니다. 상세 정리 보기 표시가 있는 논문은 과제용 정리 페이지가 준비되어 있습니다.
Why Most Published Research Findings Are False
낮은 검정력, 작은 효과크기, 연구자 자유도, 이해관계가 결합하면 유의한 결과의 상당수가 거짓 양성일 수 있음을 수리적으로 논증했다.
왜 중요한가 연구 신뢰성·통계적 유의성 비판을 다룰 때 핵심 문헌이다.
The ASA Statement on p-Values: Context, Process, and Purpose
p값의 의미와 흔한 오해를 여섯 가지 원칙으로 정리하고 p<0.05만으로 결론짓지 말 것을 권고했다.
왜 중요한가 통계 결과를 해석하는 방식 자체를 정당화할 때 인용하기 좋다.
The PRISMA 2020 Statement: An Updated Guideline for Reporting Systematic Reviews
체계적 문헌고찰과 메타분석을 투명하게 보고하기 위한 27개 항목 점검표와 흐름도를 제시했다.
왜 중요한가 문헌고찰형 과제·논문을 쓴다면 이 지침에 맞춰 작성하는 것이 표준이다.
A Power Primer
효과크기의 소·중·대 기준과 필요한 표본 크기를 표로 정리해 연구 설계 단계에서 바로 참조할 수 있게 했다.
왜 중요한가 설문·실험 과제에서 표본 수를 정당화할 때 인용한다.
Statistical Modeling: The Two Cultures
데이터 생성 모형을 가정하는 전통 통계학과 예측 정확도를 우선하는 알고리즘적 모델링을 대비하고 후자의 가치를 주장했다.
왜 중요한가 통계학과 머신러닝의 관계를 서술할 때 가장 자주 인용되는 논문이다.
Random Forests
무작위성을 주입한 다수의 결정트리를 앙상블해 과적합에 강하고 성능이 안정적인 분류·회귀 기법을 제안했다.
왜 중요한가 표 형태 데이터 분석 과제의 기본 비교 모델이다.
The Spread of True and False News Online
트위터의 검증된 소문 12만6천 건을 분석해 거짓 뉴스가 참 뉴스보다 더 멀리·빠르게 퍼지며, 그 원인이 봇이 아니라 사람의 참신성 선호임을 밝혔다.
왜 중요한가 가짜뉴스·미디어 리터러시 과제에서 가장 강력한 실증 근거다.
아닙니다. ASA 성명은 p값이 효과의 크기나 중요성을 말해주지 않는다고 명시합니다. 효과크기와 신뢰구간을 함께 보고하는 것이 올바른 방식입니다.
체계적 문헌고찰은 검색 전략과 선정 기준을 사전에 정하고 그대로 수행해 재현 가능하게 만든 것입니다. PRISMA 지침이 그 절차를 규정합니다.
아래 검색창은 전 세계 학술 데이터베이스(OpenAlex)에서 실시간으로 논문을 찾습니다.