연구범위(시간적·공간적·대상) 설정에서 흔한 실수

논문이나 보고서, 제안서를 쓰다 보면 연구 범위를 설정하는 단계에서 막막함을 느끼는 분들이 많습니다. 특히 ‘시간적 범위’, ‘공간적 범위’, ‘대상 범위’라는 세 가지 축을 명확히 구분하지 못해 연구 방향이 흔들리거나, 심사에서 지적받는 경우가 흔하죠. 실제로 많은 연구자가 “범위를 넓으면 좋은 거 아니야?”라고 생각하지만, 오히려 넓은 범위가 연구를 망치는 가장 큰 원인이라는 사실을 간과하고 있습니다.

여러분도 이런 경험 있으실 겁니다. “최근 10년간 우리나라 청년의 주거 실태”라는 주제를 잡았는데, 막상 자료를 수집하려니 10년 사이에 관련 법이 바뀌었고, 통계청의 조사 항목도 달라져서 분석이 불가능한 상황. 혹은 “서울시”를 대상으로 삼으려다가 “수도권”으로 넓혔더니 경기도의 특수한 신도시 상황까지 고려해야 해서 결론이 모호해지는 경우 말이죠. 이 모든 문제는 연구 범위 설정의 기본 원칙을 놓쳤기 때문에 발생합니다.

이 글에서는 연구 범위를 설정할 때 반복적으로 발생하는 실수 유형을 시간·공간·대상의 세 축으로 나누어 구체적으로 살펴보고, 실제로 연구를 수행할 수 있는 합리적인 범위를 어떻게 잡아야 하는지 실무적인 기준을 제시해 드리겠습니다. 단순히 ‘주의하세요’라는 경고 수준을 넘어서, 구체적인 사례와 함께 대안을 정리했으니 끝까지 읽어두시면 분명히 도움이 되실 거예요.

시간적 범위에서 발생하는 전형적인 실수들

시간적 범위는 연구의 ‘언제’를 결정하는 요소입니다. 여기서 가장 많이 저지르는 실수는 단순히 ‘최근 몇 년’ 혹은 ‘지난 10년’처럼 기간을 기계적으로 설정하는 겁니다. 예를 들어 2010년부터 2020년까지의 데이터를 보려고 했는데, 2015년에 정부의 정책이 크게 바뀌어서 전후 비교가 무의미해지는 경우가 있습니다. 실제로 국토교통부의 주택 통계를 보면 2016년부터 개별 차량 경로 데이터 기반으로 교통 혼잡 비용 산정 방식이 바뀌었기 때문에, 이전 데이터와 단순 비교할 수 없게 된 사례가 대표적입니다.

또 다른 문제는 연구 기간을 지나치게 짧게 잡는 경우입니다. 예를 들어 특정 교육 프로그램의 효과를 분석하려고 3개월치 자료만 수집했다면 계절적 요인이나 단기적 변동을 통제하지 못해 결과의 신뢰도가 급격히 떨어집니다. 시간적 범위를 설정할 때는 반드시 해당 기간 동안 발생한 주요 정책 변경, 데이터 수집 체계의 변화, 사회경제적 충격(예: 코로나19) 등을 사전에 체크하고, 이러한 요인이 연구 변수에 미칠 영향을 미리 분석해야 합니다.

실무적으로는 연구 가설을 검증할 수 있는 최소한의 기간을 먼저 산출한 뒤, 데이터의 연속성과 일관성이 확보되는 범위 내에서 조금씩 확장하는 방식이 안전합니다. 무턱대고 ‘10년’이라는 숫자를 기준으로 삼지 말고, 연구 질문이 요구하는 시간적 논리 구조를 먼저 정리해 보세요. 예를 들어 ‘정책 시행 전후 3년 비교’가 필요한 연구라면 정책 시행일을 기준으로 대칭적인 기간을 설정하는 것이 타당하지, 무작정 10년을 잡을 이유가 없습니다.

공간적 범위를 잘못 잡았을 때의 함정

공간적 범위를 설정할 때 연구자들이 가장 쉽게 빠지는 함정은 ‘범위를 넓히면 대표성이 높아질 것’이라는 착각입니다. 예를 들어 ‘우리나라 대학생의 스마트폰 중독 실태’라는 주제를 잡고 전국 모든 대학을 대상으로 조사하겠다고 계획하는 경우, 표본 크기와 조사 비용 문제가 발생할 뿐만 아니라 지역별 특성(수도권과 지방대, 국립대와 사립대 등)이 지나치게 혼재되어 통계적으로 유의미한 결론을 도출하기 어려워집니다.

반대로 공간적 범위를 지나치게 좁혀서 특정 동네나 한 개의 학교만을 대상으로 삼는 경우도 문제입니다. 이 경우 연구 결과의 외적 타당도가 현저히 떨어져서 다른 지역이나 집단으로 일반화할 수 없게 되죠. 공간적 범위를 설정할 때는 먼저 연구 목적과 예산, 데이터 접근성을 고려하여 현실적으로 수집 가능한 범위를 설정하고, 그 범위 내에서 지역적 이질성을 통제할 수 있는 세부 단위(예: 시·군·구 단위)로 구분하여 분석하는 전략이 필요합니다.

공간적 범위를 설정할 때 자주 간과되는 또 하나의 요소는 행정구역 체계의 변경입니다. 예를 들어 2014년 이전의 세종시 데이터를 분석할 때 현재의 행정구역을 기준으로 삼으면 안 되며, 과거의 통계청 기준과 현재 기준을 명확히 구분해야 합니다. 또한 수도권을 하나의 단위로 묶을 때 서울, 인천, 경기의 주택 가격 상승률이나 인구 유입 패턴이 상당히 다르기 때문에 이러한 차이를 무시하면 분석 결과가 왜곡될 수 있습니다.

연구 대상 범위의 모호함이 초래하는 문제

연구 대상 범위를 설정할 때 가장 흔히 발견되는 실수는 ‘청년’, ‘중장년층’, ‘취약계층’처럼 모호하고 추상적인 용어를 사용하는 것입니다. 예를 들어 ‘청년’을 연구 대상으로 삼을 때 법률상으로는 청년기본법에 따라 만 19세 이상 34세 이하로 규정되어 있지만, 일부 지자체 조례에서는 만 39세까지로 확대하기도 하고, 정책 분야에 따라서는 만 29세 미만으로 제한하기도 합니다. 따라서 연구자는 자신이 사용하는 ‘청년’의 조작적 정의를 명확한 연령 기준과 함께 반드시 제시해야 합니다.

또 다른 문제는 연구 대상을 과도하게 포괄적으로 설정하여 핵심 변수와 연구 목적이 맞지 않게 되는 경우입니다. 예를 들어 ‘국내 중소기업의 디지털 전환 실태’라는 주제 아래 제조업, 서비스업, IT 산업을 전부 포함시키려고 하면, 각 산업군마다 디지털 전환의 의미와 수준이 완전히 다르기 때문에 분석이 무의미해질 수 있습니다. 이럴 때는 연구 대상 범위를 ‘종업원 50인 이상 300인 미만의 제조업 중소기업’으로 한정하는 것이 분석의 초점을 맞추는 데 훨씬 유리합니다.

연구 대상 범위를 설정할 때는 반드시 ‘포함’과 ‘배제’의 기준을 함께 명시해야 합니다. 예를 들어 ‘만 20세 이상 65세 미만의 수도권 거주 직장인 중, 주 35시간 이상 근무하고 월 소득 300만 원 이상인 자’처럼 구체적인 조건을 모두 나열하고, 왜 이러한 조건을 선택했는지에 대한 논리적 근거를 제시해야 심사자나 독자가 연구의 경계를 명확히 이해할 수 있습니다. 모호한 대상 범위는 결국 데이터 수집의 혼선과 분석 결과의 신뢰성 저하로 이어질 뿐입니다.

범위 설정의 3대 축을 동시에 고려하지 못하는 오류

시간, 공간, 대상이라는 세 가지 범위는 서로 독립적으로 작동하는 것이 아니라 유기적으로 연결되어 있습니다. 예를 들어 ‘2018년부터 2022년까지 서울시 거주 1인 가구의 주거비 부담’을 연구한다고 가정해 보겠습니다. 이때 시간적 범위(2018~2022)에는 코로나19 팬데믹 기간이 포함되어 있어 1인 가구의 주거비 부담 패턴이 예외적으로 변동했을 가능성이 높습니다. 공간적 범위(서울시)는 다시 강남 3구와 외곽 지역으로 세분화하지 않으면 평균 데이터가 실제 상황을 제대로 반영하지 못할 위험이 있죠. 대상 범위(1인 가구) 역시 청년 1인 가구와 노인 1인 가구의 주거비 부담 양상이 완전히 다르기 때문에, 이러한 세부 구분 없이 단순히 ‘1인 가구’로만 묶으면 분석의 의미가 사라집니다.

이렇듯 하나의 축을 무리하게 넓게 잡거나, 반대로 지나치게 좁게 설정하면 나머지 두 축과의 균형이 무너지면서 연구 전체가 비현실적으로 변해 버립니다. 연구 범위를 설정할 때는 반드시 세 축을 함께 고려하면서, 각 축의 범위를 조정할 때 다른 축에 어떤 영향을 미치는지 교차 검토하는 습관을 들여야 합니다. 예를 들어 시간적 범위를 5년에서 10년으로 늘리면, 공간적 범위를 전국에서 수도권으로 축소하거나 대상 범위를 전체 인구에서 특정 연령층으로 제한하는 식으로 균형을 맞추는 것이 현실적인 접근입니다.

데이터 확보 가능성과 분석 목표의 불일치를 간과하는 실수

아무리 논리적으로 완벽한 범위 설정을 했다고 해도, 실제로 데이터를 구할 수 없다면 그 연구는 수행될 수 없습니다. 예를 들어 ‘지난 10년간 전국 중소기업의 연구개발 투자와 특허 출원 간의 관계’라는 주제를 잡았는데, 중소기업의 연구개발 투자 데이터는 공개된 자료만으로는 연도별·업종별로 세분화된 형태로 확보하기 어렵습니다. 게다가 특허 출원 데이터는 특허청의 공개 데이터베이스를 통해 확인할 수 있지만, 기업 단위로 매칭하는 작업 자체가 상당한 데이터 정제 과정을 필요로 합니다.

또한 연구 계획 단계에서는 존재한다고 생각했던 데이터가 실제로는 수집이 중단되었거나, 접근 권한이 제한되어 있는 경우도 빈번합니다. 예를 들어 국토교통부의 자주 묻는 질문 게시판이나 통계청의 e-나라지표 사이트에서 제공하는 정보는 가공된 형태로만 존재하기 때문에, 원자료 수준의 데이터가 필요한 연구에는 적합하지 않습니다. 이럴 때는 연구 범위를 축소하거나, 대체 가능한 변수로 연구 설계를 변경하는 유연성이 필요합니다.

연구 범위를 설정할 때는 반드시 사전에 데이터 존재 여부와 접근 가능성을 확인하는 단계가 포함되어야 합니다. 공공데이터 포털이나 국가통계포털에서 해당 변수가 실제로 어떤 형태로 제공되는지, 연속적으로 수집되고 있는지, 그리고 연구 목적에 맞는 세분화 수준을 지원하는지 미리 검토해 보세요. 만약 데이터가 충분하지 않다면, 연구 범위를 좀 더 축소하거나 연구 방법 자체를 질적 연구로 전환하는 것도 하나의 대안이 될 수 있습니다.

범위 설정 시 제외 기준을 명시하지 않는 오류

대부분의 연구 계획서는 ‘무엇을 연구할 것인가’에만 집중할 뿐, ‘무엇을 연구하지 않을 것인가’를 명확히 밝히지 않는 경우가 많습니다. 그러나 연구 범위의 신뢰성을 높이기 위해서는 포함 기준뿐만 아니라 배제 기준도 구체적으로 제시해야 합니다. 예를 들어 ‘중소기업 근로자의 직무 스트레스’를 연구할 때, ‘종업원 5인 미만의 영세 사업장은 제외한다’든지 ‘특수고용직 종사자는 대상에서 제외한다’는 식의 명확한 기준이 있어야 독자가 연구의 경계를 이해할 수 있습니다.

제외 기준을 명시하지 않으면 심사 과정에서 “이 연구는 특정 집단에 편향되어 있다”거나 “왜 이 부분은 다루지 않았는가”라는 지적을 받을 가능성이 높아집니다. 또한 연구 결과를 해석할 때도 제외된 집단의 특성을 고려하지 않으면, 연구 결과를 과도하게 일반화하는 오류를 범할 수 있습니다. 따라서 연구 범위를 설정한 후에는 반드시 “이 연구에서는 다음과 같은 사유로 인해 ~를 제외한다”라는 문장을 포함시키는 것이 좋습니다.

범위 설정 실수를 예방하기 위한 실무 전략

연구 범위를 설정할 때 가장 먼저 해야 할 일은 연구 질문을 명확하게 정의하는 것입니다. 연구 질문이 모호하면 범위 설정도 모호해질 수밖에 없습니다. 예를 들어 “청년 주거 문제의 원인은 무엇인가”라는 질문은 너무 광범위해서 시간적·공간적·대상 범위를 특정하기 어렵습니다. 반면 “2018년부터 2022년까지 서울시 연희동에 거주하는 만 25세 이상 34세 미만 1인 가구의 월세 부담 증가 요인은 무엇인가”라는 질문은 훨씬 구체적이어서 범위 설정이 자연스럽게 이루어집니다.

다음으로 중요한 것은 선행 연구를 철저히 검토하는 것입니다. 유사한 주제의 선행 연구들이 어떤 범위를 설정했고, 그 과정에서 어떤 한계점을 드러냈는지 살펴보면 자신의 연구 범위를 설정하는 데 큰 도움이 됩니다. 예를 들어 선행 연구에서 “서울시 거주 1인 가구”만을 대상으로 삼아서 일반화 가능성이 낮았다는 지적을 받았다면, 자신의 연구에서는 공간적 범위를 6대 광역시로 확대하거나 대상 범위를 2인 이상 가구까지 포함시켜 보완할 수 있습니다.

마지막으로 연구 범위를 한 번에 확정하지 말고, 초안을 작성한 후에 지도교수나 동료 연구자, 혹은 해당 분야 전문가에게 검토를 받아 보세요. 혼자서 생각할 때는 문제가 없어 보였던 범위 설정도, 제3자의 눈에는 과도하게 넓거나 좁아 보일 수 있습니다. 특히 데이터 수집과 분석을 직접 수행할 실무자에게 조언을 구하면, 현실적으로 실행 가능한 범위를 잡는 데 큰 도움이 됩니다.

면책 및 안내 문구: 본 글에서 제시한 연구 범위 설정에 관한 조언은 일반적인 학술적 원칙과 실무 경험을 바탕으로 작성된 것으로, 특정 학술지나 기관의 심사 기준을 보장하지 않습니다. 연구의 성격과 분야에 따라 적절한 범위 설정 방법은 달라질 수 있으므로, 구체적인 사항은 반드시 해당 분야의 전문가나 지도교수와 상의하시기 바랍니다. 또한 본문에 언급된 정부 부처의 데이터 수집 기준과 정책은 시점에 따라 변경될 수 있으므로, 최신 정보는 공공데이터 포털(data.go.kr)이나 해당 부처의 공식 웹사이트를 통해 직접 확인하셔야 합니다.