의미분별척도 (Semantic Differential Scale)
쉽게 풀면
어떤 브랜드에 대한 느낌을 물을 때 "매우 동의한다~매우 동의하지 않는다"처럼 하나의 문장에 동의 정도를 매기는 방식이 리커트척도라면, 의미분별척도는 방식이 조금 다릅니다. "차갑다 1-2-3-4-5-6-7 따뜻하다"처럼 서로 반대되는 형용사 쌍을 저울의 양 끝에 두고, 응답자가 그 사이 어느 지점이 자기 느낌에 가까운지 체크하게 합니다. 마치 시소의 어느 쪽으로 얼마나 기울어져 있는지를 표시하는 것과 비슷해서, 특정 대상(브랜드, 제품, 정책, 사람 등)에 대한 이미지나 태도를 여러 형용사 쌍으로 입체적으로 파악할 때 자주 쓰입니다.
왜 중요한가
의미분별척도는 언어로 명확히 규정하기 어려운 이미지, 태도, 감성적 인상을 정량적으로 포착할 수 있게 해주기 때문에 마케팅, 소비자행동, 도시·건축 환경 평가, 디자인 연구 등에서 폭넓게 활용됩니다. 오스굿(Osgood)이 원래 의미의 감정적 차원(평가·역동성·능력)을 밝히기 위해 고안한 이 척도는, 이후 특정 대상에 대한 다차원적 이미지를 하나의 설문 도구로 압축해 보여줄 수 있다는 점에서 브랜드나 제품 이미지 연구의 표준 도구로 자리 잡았습니다.
논문에서는 이렇게 쓰입니다
이 문장은 하나의 개념(브랜드 이미지)을 여러 형용사 쌍으로 나누어 측정했고, 각 쌍마다 7단계 중 하나를 고르게 했다는 뜻입니다. 이렇게 얻은 여러 쌍의 점수는 이후 요인분석 등을 통해 몇 개의 핵심 이미지 차원으로 요약되는 경우가 많습니다.
도시·조경 분야의 예문으로, 공간에 대한 사람들의 정서적 반응을 개선 사업 전후로 비교하기 위해 의미분별척도를 활용한 사례입니다.
인간-컴퓨터 상호작용(HCI) 분야의 예문으로, 사용자가 시스템에 대해 갖는 주관적 인상을 형용사 쌍을 통해 정량화한 사례입니다.
조금 더 깊게 보면
오스굿의 원 연구에서는 다수의 형용사 쌍에 대한 응답을 요인분석하면 대체로 평가(evaluation), 역동성(potency), 활동성(activity)이라는 세 가지 공통 차원으로 수렴한다는 결과가 보고되었으며, 이 때문에 후속 연구들도 형용사 쌍을 무작위로 나열하기보다 이런 차원 구조를 염두에 두고 문항을 설계하는 경우가 많습니다. 분석 시에는 각 쌍 점수를 평균하거나 요인점수로 축약해 대상 간 이미지 프로파일을 비교하는 방식이 흔히 쓰이며, 리커트척도와 마찬가지로 등간척도로 간주해 평균·표준편차 등 모수통계를 적용하는 것이 관행입니다.
주의할 점
의미분별척도는 형용사 쌍을 어떻게 선정하느냐에 따라 측정되는 이미지의 폭이 크게 달라집니다. 또한 리커트척도와 마찬가지로 응답 방향이 뒤섞여 있으면(예: 긍정 형용사가 왼쪽에 오기도 하고 오른쪽에 오기도 하면) 응답자가 헷갈려 무성의하게 답할 위험이 있어, 이런 경우 역채점 문항 처리와 유사한 방식으로 방향을 통일해 분석해야 합니다.