연구자료 큐레이션 (Data Curation)
쉽게 풀면
이사할 때 짐을 아무렇게나 상자에 던져 넣으면 나중에 무엇이 어디 있는지 찾기 어렵습니다. 반면 상자마다 "주방용품", "겨울옷"이라고 라벨을 붙이고 목록을 적어두면 몇 년 뒤에도 금방 찾을 수 있습니다. 연구자료 큐레이션도 마찬가지입니다. 실험에서 나온 엑셀 파일에 "col3=참가자 나이(세)", "결측값은 -99로 표시"처럼 설명을 붙이고, 파일 이름과 폴더 구조를 통일하고, 오류가 있는 항목을 걸러내는 작업을 뜻합니다. 이렇게 정리된 자료라야 몇 년 뒤 다른 연구자가 원자료만 보고도 실수 없이 재사용할 수 있습니다.
왜 중요한가
정리되지 않은 원자료는 아무리 공개되어 있어도 다른 연구자가 오해 없이 재사용하기 어렵기 때문에, 연구자료 큐레이션은 데이터공유와 재현 가능성 논의에서 데이터 공개 자체만큼 중요하게 다뤄집니다. 특히 여러 기관의 데이터를 통합해 분석하는 대규모 연구나 장기간 축적된 관측 자료를 다루는 분야에서는 변수 정의와 수집 방식이 일관되지 않으면 분석 자체가 왜곡될 수 있어 큐레이션 품질이 연구 신뢰도와 직결됩니다. 최근에는 데이터를 재사용 가능하게 만드는 FAIR 원칙과 연계해 큐레이션 절차 자체를 연구방법론의 일부로 서술하는 경우도 늘고 있습니다.
논문에서는 이렇게 쓰입니다
이 문장은 단순히 원자료를 던져 올린 것이 아니라, 다른 연구자가 오해 없이 사용할 수 있도록 정리 작업을 거쳤다는 뜻입니다.
서로 다른 기관이나 장비에서 나온 데이터를 합칠 때는 단위나 코드 방식을 맞추는 작업이 큐레이션의 핵심 부분이 된다는 뜻입니다.
텍스트나 코드처럼 대량으로 자동 수집된 자료의 경우, 큐레이션이 오류나 중복을 걸러내는 정제 작업으로 나타난다는 의미입니다.
조금 더 깊게 보면
큐레이션은 흔히 데이터 정제(cleaning), 메타데이터 작성, 표준화, 품질 검증 등 여러 하위 작업을 포함하는 포괄적인 과정으로 이해됩니다. 논문을 읽을 때는 어떤 기준으로 이상치나 오류를 판단해 처리했는지, 원본과 정제본이 모두 남아 있는지, 그리고 메타데이터가 다른 연구자도 재현 가능한 수준으로 상세히 기술되어 있는지를 살펴보면 큐레이션의 신뢰도를 가늠할 수 있습니다.
주의할 점
큐레이션은 데이터를 "보기 좋게 다듬는 것"이지 결과가 유리하게 나오도록 값을 손보는 것이 아닙니다. 분석하기 편하도록 이상치를 자의적으로 제거하거나 변수를 바꾸는 행위는 큐레이션이 아니라 자료 조작에 해당할 수 있으므로, 연구데이터 저장소에 올릴 때는 원본과 정제본을 모두 남겨 과정을 투명하게 밝히는 것이 바람직합니다.