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.
논문에서는 이렇게 쓰입니다
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 연구부정행위의 대표적인 두 유형이며, 출처 없이 타인의 글을 가져오는 표절과는 구분됩니다.