데이터 변조 (data falsification)
쉽게 풀면
실험은 실제로 했지만, 그 결과 중 일부를 지우거나 숫자를 바꿔 원하는 결론에 맞게 손질하는 것을 말한다. 예를 들어 원하는 결과가 안 나온 데이터 포인트만 몰래 빼거나, 측정값을 살짝 다르게 기록하는 식이다. 실제 실험을 했다는 점에서 완전히 없는 것을 지어내는 위조와는 구분되지만, 둘 다 심각한 연구부정행위로 취급된다.
왜 중요한가
데이터 변조는 실제 관측이 이루어졌다는 점에서 완전한 위조보다 발각이 더 어려운 경우가 많아, 연구 재현성과 검증 절차를 다루는 논문에서 특히 경계해야 할 대상으로 다뤄집니다. 원본 기록과 최종 보고된 값을 비교하는 검증 체계, 원자료 보관 의무, 데이터공유 정책 등은 대체로 변조 가능성을 줄이기 위한 제도적 장치로 이해할 수 있습니다. 학술지의 편집 정책이나 연구윤리 지침에서도 변조를 위조와 함께 가장 중대한 연구부정행위로 규정하고 있어, 관련 사례 연구나 정책 논문에서 자주 인용됩니다.
논문에서는 이렇게 쓰입니다
실제 존재하는 자료를 손질했다는 점에서, 아예 없는 자료를 만들어내는 위조와 구분되는 사례다.
생명과학 실험에서는 실제로 얻은 이미지의 일부를 잘라내거나 편집 프로그램으로 손질하는 방식이 변조 사례로 다뤄질 수 있다는 뜻입니다.
실제로 수집된 응답이지만 원하는 결론에 맞지 않는다는 이유로 임의로 제외하는 것도 변조로 간주된다는 의미입니다.
조금 더 깊게 보면
변조 여부를 가리는 핵심은 통계적으로 정당한 자료 처리와 임의적인 손질을 구분하는 데 있습니다. 이상치 제거나 결측치 보정처럼 사전에 정한 기준과 방법을 투명하게 밝히고 일관되게 적용한 처리는 정상적인 데이터 분석 절차로 인정되지만, 사후에 결과를 보기 좋게 만들기 위해 기준 없이 값을 바꾸거나 제외하면 변조로 판단됩니다. 논문을 읽을 때는 데이터 처리 기준이 분석 이전에 정해졌는지, 그리고 그 기준과 과정이 원자료와 함께 투명하게 공개되어 있는지를 살펴보는 것이 도움이 됩니다.
주의할 점
데이터의 일부를 자의적으로 제외하는 데이터 체리피킹과 통계 조작으로서의 변조는 정도와 방식에서 구분해 다뤄진다.