자료포화 (Data Saturation)
쉽게 풀면
질적 연구는 양적 연구처럼 통계적으로 필요한 표본 크기를 미리 계산하기 어렵습니다. 대신 연구자는 면담이나 관찰을 계속하면서 "이제 더 인터뷰해도 비슷한 이야기만 반복되는구나"라고 느끼는 지점까지 자료를 모으는데, 이 지점이 바로 자료포화입니다. 연구자는 이 시점을 표본 수집을 멈추는 실질적인 기준으로 삼습니다.
근거이론에서 쓰이는 이론적포화가 개념과 범주가 이론적으로 충분히 다듬어졌는지에 초점을 둔다면, 자료포화는 면담·관찰 등 원자료 자체에서 새로운 내용이 더 이상 나오지 않는 상태를 가리키는 더 넓은 개념으로 쓰입니다.
왜 중요한가
질적 연구는 양적 연구의 표본 크기 계산 같은 명확한 기준이 없기 때문에, 연구자가 자료 수집을 언제 멈추는 것이 타당한지를 설명할 근거가 필요합니다.
자료포화는 이러한 표본 크기의 정당성을 뒷받침하는 대표적인 개념이어서, 면담이나 참여관찰을 활용하는 간호학, 교육학, 사회학 등 다양한 분야의 질적 연구 논문에서 방법론 절을 작성할 때 빠지지 않고 언급됩니다. 또한 연구의 엄격성(rigor)과 신뢰성을 심사자에게 설득하는 핵심 근거로도 활용됩니다.
핵심 정리
- 자료포화는 자료를 더 모아도 새로운 주제·코드·범주가 더 나오지 않는 상태를 말하며, 자료 수집을 멈출 근거로 쓰입니다. 근거이론의 이론적 포화(Glaser & Strauss, 1967)에서 출발했습니다.
- 무엇이 ‘포화’되었는가에 따라 개념이 갈립니다. Saunders 등(2018)은 이론적 포화, 귀납적 주제 포화, 사전 주제 포화, 자료 포화의 네 모형을 구분했고, Hennink 등(2017)은 코드가 더 나오지 않는 코드 포화와 코드의 의미를 충분히 이해한 의미 포화를 구분했습니다.
- Guest 등(2006)은 비교적 동질적인 집단의 면담에서 주제의 대부분이 열두 명 안팎에서 나왔다고 보고했고, Hennink 등(2017)은 한 연구에서 코드 포화에 아홉 명 안팎, 의미 포화에는 열여섯~스물네 명이 필요했다고 보고했습니다. 이는 각 연구의 질문·표본·분석 방식에서 나온 결과이며, 다른 연구에서 필요한 인원을 정하는 기준이 아닙니다.
- Francis 등(2010)은 첫 분석 표본의 크기를 정하고 그 뒤 추가로 몇 명(예: 연속 세 명)에게서 새로운 주제가 없을 때 멈춘다는 식으로, 멈춤 기준을 사전에 정하는 방법을 제안했습니다.
- Braun과 Clarke(2021)는 주제가 자료에서 “발견”되는 것이 아니라 연구자가 해석으로 만든다고 보는 접근에서는 포화라는 개념이 맞지 않는다고 비판했습니다.
예시로 보기
가상의 면담 연구에서 인터뷰마다 새로 만들어진 코드의 수를 정리했습니다.
| 면담 순서 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|
| 새로 생긴 코드 | 12 | 7 | 5 | 3 | 1 | 0 | 0 |
| 누적 코드 | 12 | 19 | 24 | 27 | 28 | 28 | 28 |
새 코드가 5번째부터 급격히 줄어 6번과 7번 면담에서는 0이었습니다. 연구자는 “연속 두 번 새 코드가 없다”는 멈춤 기준을 미리 정했다면 7번에서 중단했다고 보고할 수 있습니다. 다만 이것은 이 연구의 코딩 방식 아래에서의 결과이며, 코드의 단위를 더 잘게 나누면 더 늦게 포화될 수 있습니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 포화는 면담 몇 명이라는 정해진 숫자이다. | 포화는 연구 질문, 표본의 동질성, 면담의 깊이, 분석 방식에 따라 달라집니다. 문헌의 숫자(열두 명 등)는 특정 연구의 결과일 뿐입니다. |
| 포화에 도달하면 더 알 수 있는 것이 없다. | 포화는 그 연구의 분석 틀 안에서 더 새로운 코드가 나오지 않는다는 뜻입니다. 다른 질문이나 다른 대상으로 가면 새로운 것이 나올 수 있습니다. |
| 참여자가 사라질 때까지 면담하면 포화에 도달한다. | 포화 판단은 분석과 병행해야 하며, 자료를 다 모은 뒤에 포화라고 선언하는 것은 근거가 약합니다. |
| 포화는 객관적 기준으로 확정된다. | 새로운 것으로 볼지 판단하는 일은 연구자의 해석에 의존합니다. 그래서 코드 수 변화 같은 기록을 투명하게 남겨야 합니다. |
| 모든 질적연구가 포화를 근거로 표본 수를 정당화해야 한다. | 접근에 따라 맞지 않을 수 있으며, 정보력(Malterud 등, 2016)처럼 연구 목적과 표본 특성으로 표본 규모를 설명하는 방법도 있습니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“인터뷰 과정에서 추가 질문을 시행하여 응답의 모호함을 제 거하려 노력했으며, 더 이상 새로운 자료가 나오지 않는 포화상 태(saturation)에 도달되도록 자료를 수집하였다.”
노인 대상 디지털 기반 자가영양관리 교육 프로그램 개발 방향 탐색: 포커스 그룹 인터뷰를 중심으로, Korean Journal of Community Nutrition, 2025 · KoreaMed Synapse · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 연구자가 미리 정해진 표본 수가 아니라, 자료에서 새로운 내용이 더는 나오지 않는 시점을 기준으로 면담을 종료했다는 뜻입니다.
교육학 분야의 문화기술지 연구에서, 관찰 자료 역시 면담과 마찬가지로 새로운 패턴이 더 이상 발견되지 않는 시점을 포화의 근거로 삼았다는 뜻입니다.
초점집단면담(FGI)을 활용한 연구에서는 개별 면담이 아니라 그룹 단위로 자료를 모으며, 코딩 과정에서 새로운 주제가 더는 등장하지 않을 때 포화로 판단한다는 의미입니다.
조금 더 깊게 보면
자료포화를 판단하는 절차로는 새로 수집된 자료에서 생성되는 코드나 범주의 수가 점점 줄어드는 추이를 표나 그래프로 제시하는 방법이 흔히 쓰입니다.
최근에는 몇 번째 면담부터 새로운 코드가 나타나지 않았는지를 구체적으로 밝히는 "코드 포화" 또는 "의미 포화"와 같은 세분화된 개념도 함께 논의되며, 연구자 간 코딩 결과를 비교해 포화 판단의 일관성을 점검하기도 합니다.
다만 포화는 본질적으로 연구자의 해석에 의존하는 판단이라, 완전히 객관적인 기준으로 확정하기는 어렵다는 점이 함께 지적됩니다.
주의할 점
자료포화는 연구자의 주관적 판단에 의존하는 경우가 많아, 몇 명을 면담해야 포화에 도달하는지 사전에 정확히 예측하기 어렵습니다. 최근에는 포화 도달 과정을 투명하게 보고하기 위해 새로운 코드나 주제가 등장하는 빈도의 변화를 함께 제시하는 경우도 늘고 있습니다.
헷갈리기 쉬운 용어
표본 규모와 수집 중단에 관한 용어가 비슷해 보입니다.
| 용어 | 한 줄 설명 | 무엇을 정하나 |
|---|---|---|
| 자료포화 | 새로운 코드·주제가 더 나오지 않는 상태 | 자료 수집을 멈출 시점 |
| 이론적 표집 | 분석에서 나온 개념에 따라 다음 대상을 고르는 표집 | 다음에 누구를 만날지 |
| 목적표집 | 연구 목적에 맞는 사례를 의도적으로 고르는 표집 | 누구를 포함할지 |
| 표본크기 | 양적연구에서 필요한 대상 수. 계산식에 근거 | 몇 명을 모을지(양적) |
참고 문헌
- Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.
- Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59–82.
- Francis, J. J., Johnston, M., Robertson, C., et al. (2010). What is an adequate sample size? Operationalising data saturation for theory-based interview studies. Psychology & Health, 25(10), 1229–1245.
- Hennink, M. M., Kaiser, B. N., & Marconi, V. C. (2017). Code saturation versus meaning saturation: How many interviews are enough? Qualitative Health Research, 27(4), 591–608.
- Saunders, B., Sim, J., Kingstone, T., et al. (2018). Saturation in qualitative research: Exploring its conceptualization and operationalization. Quality & Quantity, 52(4), 1893–1907.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.