과학탐구 방법과 AI 데이터 리터러시(AI 문고)

답보다 질문을 지키는 AI 연구법
연구는 거대한 이론에서 시작되지 않는다. 많은 경우 막연한 호기심을 검증 가능한 질문으로 바꾸는 작은 순간에서 시작된다. 바로 그 출발점에 AI가 들어온 시대의 연구법을 다룬다. AI는 문헌을 요약하고, 연구 주제를 제안하고, 설문 문항을 정리하고, 데이터를 시각화하며, 논문 문장을 다듬는다. 연구 초보자에게 AI는 막막한 첫걸음을 함께 떼어 주는 연습 상대가 될 수 있다. 그러나 AI가 제안한 주제를 그대로 받아들이고, AI가 만든 참고문헌을 확인 없이 쓰고, AI가 정리한 선행 연구를 자신의 판단처럼 믿는 순간 연구는 빨라질 수는 있지만 깊어지지 않는다. 핵심은 도구 사용법보다 연구자의 사고 과정에 있다. 좋은 연구자는 AI에게 더 많은 답을 얻는 사람이 아니라, AI가 내놓은 답을 다시 의심하고 검증하는 사람이다. 문장이 자연스럽다고 사실이 정확한 것은 아니며, 그럴듯한 참고문헌이 실제 논문이라는 보장도 없다. 평균과 표준편차를 설명할 수 있다고 해서 데이터의 편향, 결측값, 이상값, 표본의 한계까지 책임져 주는 것도 아니다. 그래서 AI 시대의 데이터 리터러시는 사용 능력이 아니라 검증 능력이다. 이 책은 연구 질문 설계, 선행 연구 탐색, 데이터 이해와 시각화, 논문 작성, 연구 윤리, 학술지 투고와 재투고까지 연구의 실제 흐름을 따라가며 AI를 어디에 쓰고 어디서 멈춰야 하는지 짚는다. AI는 연구자의 상상력을 대신할 수 없다. 아직 충분히 질문되지 않은 문제를 발견하고, 익숙한 데이터에서 낯선 연결을 찾아내며, 결과를 절제해 해석하는 일은 여전히 연구자의 몫이다. AI를 두려워하지 않되 AI에 끌려가지 않는 연구자를 위한 안내서다.

AI로 상상하는 연구자, AI에 상상력을 빼앗긴 연구자

01 연구 패러다임의 전환
02 연구 질문 설계
03 선행 연구 분석
04 데이터 리터러시
05 연구 설계 원리
06 데이터 분석과 시각화
07 AI 활용 논문 작성 방법
08 연구 윤리와 검증
09 논문 투고 전략
10 연구자 성장 전략

신동선 세한대학교 AI융합학부 조교수다. 학부에서 미술과 컴퓨터과학을 전공하고, 석사과정에서는 인지과학을 전공했으며, 해부학으로 의학박사, 세포생물학으로 이학박사를 받았다. 이후 킨키대학교 의과대학 해부학교실에서 조교수로 근무하며 신경생물학, 체내시계 연구를 수행했다. 현재는 인공지능, 데이터 리터러시, 웹툰·애니메이션 콘텐츠 제작을 융합한 교육과 연구를 진행하고 있으며, 피지컬 AI를 활용한 공연과 예술 실험도 함께 수행하고 있다. 주요 연구 분야는 의생명과학 시각화, AI 기반 생명과학 영상 분석이다. SCIE 및 KCI 등재학술지에 80편 이상의 논문을 게재했으며, 《골치아픈 논문그림 쉽게 그리기》, 《마야 파이썬 2024》를 비롯하여 AI 시대의 연구 방법과 학술 글쓰기를 다루는 실용서를 집필하고 있다. 또한 대학생을 위한 AI 융합 교육과 연구 방법론 강의를 지속적으로 개발하고 있다.