심사에서 ‘연구 범위가 너무 넓다’는 지적을 받았을 때 — 범위 압축 실전 기술

심사 결과를 확인하는 순간, ‘연구 범위가 지나치게 넓다’는 코멘트를 보면 머릿속이 하얘질 수 있어요. 열정적으로 준비한 제안서나 논문 계획서일수록 더 그런 느낌이 들죠. ‘어디서부터 손을 대야 하지?’, ‘범위를 줄이면 연구 가치가 떨어지지 않을까?’ 하는 걱정이 앞서는 건 지극히 자연스러운 반응입니다.

하지만 이 지적은 연구의 실패를 의미하는 게 아니에요. 오히려 심사위원이 연구자의 실행 가능성을 진지하게 고민하고 있다는 신호로 받아들이는 게 좋습니다. 지나치게 넓은 범위는 자칫 ‘두루뭉술한 결론’이나 ‘데이터 수집의 현실적 한계’로 이어질 가능성이 높거든요. 심사위원은 그 점을 미리 짚어준 셈이에요.

실제로 많은 연구자들이 범위 축소 과정에서 오히려 더 선명한 문제의식을 발견하고, 예산과 시간을 효율적으로 관리하게 돼요. 이 글에서는 범위 압축을 위한 구체적인 실전 기술과 함께, 비용 절감 효과, 주의사항, 그리고 자주 묻는 질문까지 꼼꼼하게 정리해 드릴게요.

연구 질문을 한 문장으로 정리하고 SMART 기준 적용하기

범위가 넓다는 지적의 가장 흔한 원인은 ‘무엇을 알고 싶은지’가 불분명하기 때문이에요. 연구 목적이 추상적이거나 여러 갈래로 뻗어 있으면, 심사위원은 즉시 ‘범위 과다’라고 판단합니다. 가장 먼저 할 일은 연구 목적을 한 문장으로 요약하는 거예요. 예를 들어 ‘국내 중소기업의 디지털 전환 성공 요인 분석’보다는 ‘국내 제조업 중소기업의 스마트팩토리 도입 성공 요인: CEO 리더십과 조직 문화의 조절 효과 분석’처럼 구체적으로 바꾸는 식이죠.

이때 SMART 기준을 활용하면 훨씬 수월해져요. SMART는 구체성(Specific), 측정 가능성(Measurable), 달성 가능성(Achievable), 관련성(Relevant), 시간 제한(Time-bound)을 뜻합니다. 예를 들어 ‘직장인의 번아웃에 영향을 미치는 요인을 탐색한다’는 너무 포괄적이에요. 이를 SMART하게 바꾸면 ‘2025년 3월부터 6월까지 서울 소재 IT 기업에 재직 중인 3년 차 이하 개발자 100명을 대상으로, 주 52시간 근무제 준수 여부가 번아웃 점수에 미치는 영향을 회귀 분석한다’ 정도로 좁혀질 수 있어요.

공식 연구 방법론 가이드에서도 강조하듯이, 연구 질문이 구체적일수록 데이터 수집 도구와 분석 방법도 자연스럽게 결정돼요. 질문이 모호하면 무엇을 측정해야 할지조차 알 수 없고, 결국 불필요한 데이터까지 수집하게 되면서 예산과 시간만 낭비하게 됩니다. 연구 질문을 한 문장으로 정리한 뒤에는 반드시 지도교수나 동료 연구자에게 ‘이 질문이 정말 측정 가능한가?’를 확인받는 과정을 거치는 게 좋아요.

핵심 변수와 대상을 과감하게 제한하기

연구 질문이 정리됐다면, 이제 변수와 대상을 솎아낼 차례예요. 대부분의 초기 연구 계획서는 독립변수, 종속변수, 매개변수, 조절변수, 통제변수를 지나치게 많이 포함하고 있어요. 심사위원이 보기엔 ‘이 모든 변수를 한 번에 검증할 수 있을까?’라는 의문이 드는 거죠.

실전에서는 상관관계가 가장 높을 것으로 예상되는 핵심 변수 2~3개만 남기는 용기가 필요해요. 예를 들어 ‘직무 만족도에 영향을 미치는 요인’을 연구한다면, 임금, 복지, 상사 관계, 동료 관계, 성장 가능성, 근무 환경, 조직 문화 등 수많은 변수가 떠오르지만, 선행 연구에서 가장 설명력이 높았던 변수 두세 개만 선택하는 거예요. 나머지 변수는 ‘향후 연구 제언’ 섹션에서 다루면 됩니다.

연구 대상도 마찬가지예요. ‘전국 20대~50대 직장인’보다는 ‘수도권 소재 300인 미만 제조업체에 근무하는 30대 남성 생산직 근로자’로 좁히면 표본 설계가 훨씬 명확해져요. 고객센터 안내에 따르면, 표본 크기가 작더라도 모집단을 명확히 정의하면 오히려 통계적 검증력이 높아질 수 있어요. 지리적 범위, 연령대, 산업군, 기업 규모 등 여러 차원에서 ‘최소·최대 범위’를 설정하고, 그 기준을 연구 설계서에 명시하는 습관을 들이는 게 중요합니다.

포함 기준과 배제 기준을 명확히 문서화하기

범위 압축에서 가장 강력한 도구는 ‘포함 기준(inclusion criteria)’과 ‘배제 기준(exclusion criteria)’을 표로 정리하는 거예요. 이 과정을 거치면 연구자가 스스로도 범위를 명확히 인지하게 되고, 심사위원에게도 ‘이 연구는 무엇을 다루고 무엇을 다루지 않는지’를 투명하게 보여줄 수 있어요.

예를 들어 ‘중년 여성의 우울증 관련 연구’라면, 포함 기준은 ‘만 40세 이상 60세 미만 여성, 기혼, 현재 자녀와 동거, 최근 6개월 이내 정신과 진단 이력 없음’ 등으로 구체화할 수 있어요. 반대로 배제 기준은 ‘항우울제 복용 중인 자, 폐경 이후 호르몬 치료 중인 자, 주 3회 이상 음주자’처럼 설정하는 거죠. 이렇게 하면 표본의 동질성이 확보되고, 불필요한 변수의 개입을 차단할 수 있어요.

구분	포함 기준 (Inclusion)	배제 기준 (Exclusion)
연령	만 25세 이상 35세 미만	만 25세 미만, 만 35세 이상
지역	서울, 경기, 인천 거주자	수도권 외 지역 거주자
직종	IT·소프트웨어 개발 직군	영업, 마케팅, 경영 지원 직군
근무 형태	주 5일 전일제 근무자	프리랜서, 파트타임, 교대 근무자
기타 조건	현 직장 근속 1년 이상	현재 휴직 중이거나 이직 준비 중인 자

이런 표를 연구 설계서나 논문의 ‘연구 방법’ 섹션에 포함하면, 심사위원은 연구의 경계를 한눈에 파악할 수 있어요. 약관을 확인하면, 일부 학술지나 연구비 지원 기관에서는 이러한 포함·배제 기준을 명시하지 않으면 ‘범위 불명확’ 사유로 반려될 수 있다는 점도 기억해 두세요.

파일럿 테스트로 실현 가능성 검증하기

범위를 줄였는데도 ‘정말 이 정도면 충분할까?’라는 불안감이 남을 수 있어요. 이럴 때 유용한 방법이 바로 소규모 파일럿 테스트예요. 전체 표본의 10~15% 수준으로 미리 데이터를 수집하고 분석해 보는 거죠. 파일럿 테스트의 목적은 연구 설계의 현실성을 점검하고, 예상치 못한 변수나 문제점을 조기에 발견하는 데 있어요.

예를 들어 설문지 30부를 미리 배포해 응답률과 응답 시간을 측정해 보면, 본 조사에서 필요한 전체 일정을 더 정확하게 추정할 수 있어요. 또 예비 분석을 통해 특정 변수의 분산이 지나치게 작거나, 측정 도구의 신뢰도가 낮다면 본 조사 전에 수정할 기회를 얻을 수 있죠. 파일럿 결과가 유의미하지 않다면, 그 단계에서 범위를 추가로 축소하거나 연구 방향을 조정할 수도 있어요.

비용 측면에서도 파일럿 테스트는 큰 도움이 돼요. 전체 예산의 5~10%만 투입해 리스크를 사전에 확인하면, 본 조사에서 발생할 수 있는 예산 초과를 막을 수 있어요. 실제로 연구 용역 계약서에는 ‘파일럿 테스트 결과에 따라 본 조사 범위를 조정할 수 있다’는 조항을 넣는 경우도 많아요. 연구 기간도 6개월 이하, 예산도 2천만 원 이하로 제한해 파일럿을 먼저 진행하고, 그 결과를 바탕으로 후속 연구를 설계하는 단계적 접근이 점점 보편화되고 있어요.

작업분류체계(WBS)와 마일스톤으로 범위 확장 감지하기

연구가 진행되는 동안 ‘이것도 추가하면 좋겠다’, ‘저 데이터도 더 모아볼까?’ 하는 유혹이 끊임없이 생겨요. 이를 ‘스코프 크리프(scope creep)’, 즉 범위 팽창이라고 부르는데, 연구 일정과 예산을 무너뜨리는 주범이에요. 이를 막으려면 작업분류체계(WBS)와 마일스톤을 설정해 정기적으로 점검하는 습관이 필요해요.

WBS는 연구를 문헌 검토, 데이터 수집, 데이터 클리닝, 분석, 보고서 작성 등 주요 단계로 나누고, 각 단계를 다시 세부 작업으로 분할하는 방식이에요. 각 작업에는 담당자, 소요 시간, 필요 예산을 명시하고, 완료 기준을 구체적으로 적어둡니다. 예를 들어 ‘데이터 수집 완료’라는 마일스톤의 완료 기준은 ‘목표 표본 200명 중 180명 이상의 유효 응답 확보, 결측치 5% 이하’처럼 측정 가능하게 설정하는 거예요.

매주 또는 격주로 WBS 대비 진행률을 체크하면서, 계획에 없던 작업이 추가되고 있지는 않은지 확인해요. 만약 새로운 변수나 데이터 소스를 추가하고 싶다면, ‘변경 요청 → 영향 평가 → 비용·일정 재조정 → 승인’이라는 공식 절차를 거치도록 스스로 규칙을 정해 두는 게 좋아요. 이렇게 하면 연구 막판에 ‘시간이 부족해요’라는 상황을 피할 수 있어요.

범위 압축 실전 체크리스트

아래 체크리스트를 활용하면 범위 압축 과정에서 놓치는 부분 없이 체계적으로 정리할 수 있어요. 각 항목을 하나씩 확인하면서 연구 설계서를 수정해 보세요.

• 연구 질문이 한 문장으로 명확히 정의되었는가? ‘무엇을, 왜, 언제, 어디서, 어떻게’에 대한 제한 조건이 포함되어 있는지 확인합니다.
• SMART 기준을 충족하는가? 구체적이고 측정 가능하며, 주어진 시간과 예산 안에서 달성 가능한 목표인지 점검합니다.
• 핵심 변수가 2~3개로 압축되었는가? 선행 연구에서 설명력이 가장 높았던 변수만 남기고, 나머지는 통제변수나 향후 연구 과제로 분류합니다.
• 연구 대상의 포함·배제 기준이 문서화되었는가? 연령, 지역, 직종, 근무 형태 등 구체적인 기준을 표로 작성해 연구 설계서에 포함합니다.
• 연구 기간과 지리적 범위가 명확히 제한되었는가? ‘최근 3년간’, ‘수도권 3개 도시’처럼 구체적인 경계를 설정합니다.
• 파일럿 테스트 계획이 포함되었는가? 전체 표본의 10~15% 규모로 예비 조사를 실시해 실현 가능성을 검증하는 단계를 넣습니다.
• WBS와 마일스톤이 설정되었는가? 주요 작업 단계별로 완료 기준과 일정을 명시하고, 정기적인 점검 일정을 계획합니다.
• 범위 변경 절차가 마련되었는가? 새로운 요소를 추가할 때의 의사결정 과정과 비용·일정 조정 방식을 사전에 정해 둡니다.

범위 압축이 가져오는 예산 절감 효과

범위를 압축하면 연구의 질이 높아질 뿐만 아니라, 실제 예산도 크게 줄일 수 있어요. 연구 용역 계약에서 흔히 발생하는 추가 비용의 상당 부분은 ‘범위가 명확하지 않아서’ 생기는 경우가 많거든요. 예를 들어 설문 대상이 ‘전국 성인 남녀’라면 표본 수가 기하급수적으로 늘어나고, 데이터 수집 업체 비용도 함께 증가해요. 반면 ‘서울 거주 30대 직장인 200명’으로 한정하면 설문 비용이 3분의 1 이하로 줄어들 수 있어요.

AI 기반 문헌 검색 도구를 활용할 때도 범위가 명확하면 비용 차이가 꽤 커져요. 예를 들어 ChatGPT-4o의 경우 입력 토큰 1k당 약 0.005 USD, 출력 토큰 1k당 약 0.015 USD 수준인데, 연구 질문이 3가지 이하로 제한되고 토큰 사용량이 30% 이하로 줄면 연간 AI 도구 사용료를 150 USD 수준으로 유지할 수 있어요. 범위가 넓어서 여러 번 검색하고 분석해야 한다면 이 비용이 400 USD 이상으로 상승할 수 있어요. 물론 이 비용은 사용량과 환율에 따라 달라질 수 있어요.

전체 연구 예산 측면에서는 범위 압축을 통해 인건비, 데이터 구매비, 분석 소프트웨어 라이선스 비용 등을 종합적으로 절감할 수 있어요. 연구 기간이 짧아지면 연구원 인건비가 줄고, 표본 크기가 작아지면 데이터 수집 비용이 감소하며, 변수가 적어지면 고가의 통계 패키지 대신 오픈소스 도구로도 충분히 분석할 수 있는 경우가 많아요. 전체 예산을 20~35% 정도 절감하는 사례도 드물지 않아요.

자주 묻는 질문 (FAQ)

Q1. 어느 정도까지 범위를 좁혀야 하나요?

연구 질문 하나에 대해 핵심 변수 2~3개, 연구 대상은 1~2개 집단으로 제한하고, 조사 기간은 6개월 이내에 완료할 수 있는 수준이 적절해요. ‘이 정도면 너무 좁은 거 아닐까?’라는 생각이 들 때가 오히려 적정 범위인 경우가 많아요. 지도교수나 동료에게 ‘이 범위로 6개월 안에 데이터 수집과 분석이 가능할지’를 물어보는 게 가장 현실적인 판단 기준이 될 수 있어요.

Q2. 범위를 축소하면 연구의 의의가 약화되지 않을까요?

오히려 반대예요. 범위가 넓으면 모든 변수를 피상적으로 다루게 될 가능성이 높아요. 범위를 좁히면 그 안에서 더 깊이 있는 분석과 풍부한 해석을 제시할 수 있어서 학술적 기여도가 더 높아질 수 있어요. 일반화 가능성이 줄어드는 점은 ‘연구의 한계’에서 솔직하게 밝히고, 후속 연구에서 확장할 방향을 제시하면 오히려 신뢰도를 높일 수 있어요.

Q3. 어떤 부분을 삭제해야 할지 판단하기 어려워요.

선행 연구에서 이미 충분히 검증되었거나, 연구 질문과의 직접적인 연관성이 낮은 부분부터 정리하는 게 우선이에요. ‘이 변수가 빠지면 연구 질문에 답할 수 없는가?’라는 질문을 스스로에게 던져보고, ‘아니오’라는 답이 나오면 과감히 제외해도 괜찮아요. 그래도 판단이 어렵다면 지도교수나 전문가와 ‘범위 압축 워크숍’을 진행해 보세요.

Q4. 파일럿 테스트는 반드시 해야 하나요?

모든 연구에서 필수는 아니지만, 범위가 좁다는 지적을 받은 상황이라면 강력히 권장해요. 파일럿 테스트를 통해 ‘이 범위로도 충분한 데이터를 확보할 수 있다’는 근거를 심사위원에게 제시할 수 있어요. 특히 설문 조사나 인터뷰 기반 연구에서는 파일럿 테스트가 측정 도구의 타당도를 높이는 데 결정적인 역할을 해요.

Q5. 범위 압축 후에도 예산이 부족하면 어떻게 하나요?

핵심 분석에 꼭 필요한 비용과 부수적인 비용을 구분해 우선순위를 매겨보세요. 예를 들어 유료 통계 패키지 대신 R이나 Python 같은 오픈소스 도구를 활용하거나, 유료 설문 플랫폼 대신 구글 폼을 사용하는 식으로 대체할 수 있는 부분이 의외로 많아요. 그래도 부족하다면 연구비 추가 신청이나 소규모 공모 사업을 알아보는 것도 방법이에요.

Q6. 연구 도중에 범위를 다시 넓히고 싶어지면 어떻게 해야 하나요?

그런 충동은 자연스러운 현상이에요. 하지만 반드시 ‘변경 요청 → 영향 평가 → 비용·일정 재조정 → 승인’ 절차를 거쳐야 해요. 즉흥적으로 범위를 넓혔다가는 일정이 지연되고 예산이 초과될 위험이 커져요. 추가하고 싶은 내용은 ‘후속 연구 제언’ 섹션에 기록해 두고, 현재 연구는 계획된 범위 안에서 마무리하는 게 안전해요.

Q7. 심사위원에게 범위 축소를 어떻게 설득력 있게 제시할 수 있을까요?

연구 설계서나 논문의 ‘연구 방법’ 섹션에 포함·배제 기준 표를 넣고, ‘연구의 한계(delimitations)’ 섹션에서 범위를 의도적으로 제한한 이유와 그로 인해 얻을 수 있는 분석의 깊이를 설명하세요. 파일럿 테스트 결과를 함께 제시하면 ‘이 범위가 실현 가능하다’는 근거가 더욱 탄탄해져요.

Q8. 범위 압축이 연구 윤리와 충돌하지는 않나요?

연구 윤리 측면에서는 오히려 범위를 명확히 하는 것이 바람직해요. 연구 대상자를 보호하고, 불필요한 데이터 수집을 최소화하며, 연구 자원을 효율적으로 사용하는 것은 모두 연구 윤리의 핵심 원칙이에요. 다만 범위를 축소할 때 특정 집단을 의도적으로 배제하는 것이 차별로 이어지지 않도록, 배제 기준이 학술적으로 타당한 근거를 갖추고 있는지 반드시 점검해야 해요.

본 글에서 언급된 비용, 요금, 위약금 비율 등은 특정 시점과 업체를 기준으로 한 예시이며, 실제 금액은 계약 조건, 환율, 공급업체 정책에 따라 달라질 수 있습니다. 정확한 비용은 해당 기관이나 서비스 제공업체의 공식 안내를 통해 확인하시기 바랍니다. 또한 연구 범위 설정과 관련된 학술적 판단은 지도교수 또는 해당 분야 전문가의 조언을 받는 것이 가장 바람직합니다.