연구자료 위조·변조 (data fabrication/falsification)
쉽게 풀면
가계부를 쓸 때 실제로 쓰지도 않은 지출 항목을 새로 만들어 넣는 것이 "위조(fabrication)"라면, 실제로 쓴 지출 금액 중 마음에 안 드는 숫자만 슬쩍 고쳐 적는 것은 "변조(falsification)"입니다.
연구에서도 마찬가지로, 실험을 하지 않았는데 실험 결과인 것처럼 수치를 만들어내면 위조이고, 실제로 측정은 했지만 원하는 결론에 맞지 않는 값을 삭제하거나 고치면 변조입니다.
두 경우 모두 논문에 실린 결과가 실제 현실을 반영하지 않게 되므로, 그 결과를 믿고 활용하는 다른 연구자나 정책 결정자에게 잘못된 정보를 전달하게 됩니다.
왜 중요한가
연구자료 위조·변조는 연구부정행위 중에서도 가장 심각한 유형으로 다뤄지는데, 논문의 결론이 실제 관찰이 아니라 지어내거나 조작된 수치에 근거하게 되어 그 결과를 신뢰하고 활용하는 후속 연구와 정책 결정 전체를 왜곡할 수 있기 때문입니다.
이 때문에 연구윤리 교육과 학술지의 심사·검증 절차, 논문철회 제도 등은 위조·변조를 적발하고 예방하는 데 상당한 비중을 두고 있습니다. 또한 재현성 논의에서도 위조·변조 사례는 다른 연구자가 같은 결과를 재현할 수 없는 근본적인 원인으로 자주 인용됩니다.
핵심 정리
- 연구부정행위의 대표 유형 FFP(위조·변조·표절) 중 위조(fabrication)는 하지 않은 실험이나 얻지 않은 자료를 만들어 내 기록하거나 보고하는 것입니다. 변조(falsification)는 실제 재료·장비·과정을 조작하거나 자료·결과를 바꾸거나 빼서 연구 기록이 연구를 정확히 나타내지 못하게 하는 것입니다.
- 미국 연구진실성국(ORI)의 정의와 국내 지침 모두 고의성(알면서, 의도적으로, 또는 무모하게)을 요건으로 합니다. 정직한 실수나 견해 차이는 부정행위가 아닙니다.
- ‘위조’는 없는 것을 만들기, ‘변조’는 있는 것을 바꾸기로 나누면 기억하기 쉽습니다. 실제 사례에서는 두 가지가 섞이는 경우가 많습니다.
- 자세한 변조 쟁점은 데이터 변조에서 다룹니다.
예시로 보기
판단이 갈리는 상황을 가상의 예로 나눠 봅니다.
| 상황 | 위조·변조인가 | 판단 기준 |
|---|---|---|
| 실험을 하지 않았는데 결과표를 만들어 넣었다 | 위조 | 존재하지 않는 자료를 만듦 |
| 측정은 했으나 가설에 안 맞는 값을 빼고 보고했다 | 변조 | 이유를 밝히지 않고 자료를 삭제함 |
| 사전에 정한 기준으로 이상치를 제외하고 방법에 밝혔다 | 아님 | 기준이 사전에 있고 투명하게 공개됨 |
| 결측값을 통계적 방법으로 대체하고 방법에 밝혔다 | 아님 | 방법과 가정을 보고함 |
| 계산 실수로 잘못된 값을 냈고 발견하자 정정했다 | 아님 | 고의가 없는 오류의 정정 |
| 다른 논문의 이미지를 새 실험 결과인 것처럼 썼다 | 위조 또는 변조 | 실제 실험 결과가 아님(이미지 조작 참고) |
널리 알려진 사례로는 2005년 황우석 연구팀의 줄기세포 논문(2006년 Science가 철회)과 2011~2012년 사회심리학자 Diederik Stapel의 자료 조작(Tilburg 대학 조사위가 다수의 논문에서 조작을 확인)이 있습니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 이상치를 제거하면 변조다. | 사전에 정한 기준으로 제거하고 그 과정을 밝히면 변조가 아닙니다. 문제는 결과를 좋게 하려고 사후에 임의로, 알리지 않고 빼는 것입니다. |
| 가상의 자료를 만들면 모두 위조다. | 시뮬레이션 자료를 시뮬레이션이라고 밝히고 쓰는 것은 정상입니다. 실제 측정한 것처럼 보고하면 위조입니다. |
| 위조는 드문 일탈이라 일반 연구자와 무관하다. | 자기 보고식 설문 메타분석(Fanelli, 2009)에서 연구자의 약 2%가 위조·변조를 한 적이 있다고, 약 14%가 동료의 행위를 알고 있다고 답했습니다. 질문 방식에 따른 불확실성은 있습니다. |
| 표절·중복게재와 같은 부정이다. | 표절은 남의 글·생각을 가져온 것, 중복게재는 같은 내용의 이중 출판으로 표절과 위조·변조는 잘못의 성격이 다릅니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 실제 기록된 원본 데이터와 최종 발표된 결과가 서로 다르다는 사실이 확인되어, 데이터가 임의로 가공되었다고 판단되었다는 뜻입니다.
생명과학 분야에서는 실험을 하지 않고 다른 논문이나 다른 실험 조건의 이미지를 그대로 가져와 새로운 결과인 것처럼 제시하는 방식으로 위조가 이루어지기도 한다는 뜻입니다.
사회과학 조사연구에서는 실제로 모집하지 않은 응답자의 데이터를 만들어 표본 수를 부풀리는 방식이 위조 사례로 다뤄질 수 있다는 의미입니다.
조금 더 깊게 보면
위조·변조는 흔히 원본 실험 기록(연구노트, 원시 데이터, 기기 로그 등)과 논문에 게재된 최종 수치를 대조하는 방식으로 적발됩니다. 최근에는 이미지 중복 검사 소프트웨어나 통계적 이상 탐지 기법을 이용해 게재 논문의 이미지 조작이나 비정상적인 데이터 패턴을 찾아내는 연구도 늘고 있습니다.
부정행위가 확인되면 학술지는 논문철회 절차를 밟게 되며, 이는 위조·변조가 개별 논문뿐 아니라 그 논문을 인용한 후속 연구에까지 영향을 미친다는 점에서 학술 생태계 전반의 신뢰와 관련된 문제로 다뤄집니다.
주의할 점
이상치를 제거하거나 통계적으로 타당한 방법으로 데이터를 보정하는 것은 변조가 아닙니다. 차이는 "그 처리 방식을 논문에 투명하게 밝혔는가"에 있습니다. 사전에 정해둔 기준 없이 결과를 좋게 보이도록 사후에 데이터를 골라내거나 고치는 경우에만 변조로 간주됩니다. 이런 행위가 더 큰 범주인 연구부정행위(FFP)의 대표적인 두 유형이며, 출처 없이 타인의 글을 가져오는 표절과는 구분됩니다.
헷갈리기 쉬운 용어
연구부정행위와 비슷해 보이는 용어를 구분합니다.
| 용어 | 잘못의 성격 | 고의성 |
|---|---|---|
| 위조 | 없는 자료·결과를 만듦 | 고의 |
| 변조 | 있는 자료·과정을 바꾸거나 삭제 | 고의 |
| 표절 | 타인의 글·아이디어를 출처 없이 사용 | 고의 또는 부주의 여부를 따짐 |
| 데이터 쥐어짜기(p-해킹) | 결과가 나올 때까지 분석을 바꿈 | 부정행위와 부적절한 관행의 경계에 있음 |
참고 문헌
- Fanelli, D. (2009). How many scientists fabricate and falsify research? A systematic review and meta-analysis of survey data. PLoS ONE, 4(5), e5738.
- Steneck, N. H. (2006). Fostering integrity in research: Definitions, current knowledge, and future directions. Science and Engineering Ethics, 12(1), 53–74.
- Levelt Committee, Noort Committee, & Drenth Committee. (2012). Flawed Science: The Fraudulent Research Practices of Social Psychologist Diederik Stapel. Tilburg University.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.