이론의 미결정성 (underdetermination of theory)
쉽게 풀면
아무리 많은 데이터를 모아도, 이론적으로는 그 데이터를 똑같이 잘 설명하는 서로 다른 이론이 여러 개 존재할 수 있습니다. 즉 증거만으로는 어떤 이론이 유일하게 옳은지 완전히 결정할 수 없다는 것입니다. 이를 이론의 미결정성이라고 부릅니다. 이 개념은 데이터가 이론을 자동으로 증명해주는 것이 아니라, 이론 선택에는 단순성이나 설명력 같은 추가적 기준이 필요함을 시사합니다.
왜 중요한가
이론의 미결정성은 "데이터가 이론을 확정적으로 증명한다"는 소박한 실증주의적 견해에 문제를 제기하기 때문에 과학철학에서 오랫동안 중요하게 다뤄져 왔습니다. 이 개념은 과학적 방법론이 단순히 자료 수집을 넘어 이론 선택의 기준(단순성, 설명력, 예측력 등)을 함께 다뤄야 한다는 점을 보여주며, 실증적 연구가 많은 사회과학·자연과학 논문에서 자신의 이론적 모형이 유일한 설명이 아닐 수 있음을 겸허히 인정하는 방법론적 논의의 근거로도 인용됩니다.
논문에서는 이렇게 쓰입니다
자료가 특정 이론을 유일하게 확증하지 못할 가능성을 논의하는 문장이다.
통계 모형 적합이라는 구체적 맥락에서도, 자료에 똑같이 잘 들어맞는 서로 다른 모형이 여러 개 존재할 수 있다는 미결정성 문제가 나타남을 보여줍니다.
과학사적 사례를 통해 미결정성 개념을 구체적으로 설명하는 방식의 예문입니다.
조금 더 깊게 보면
이론의 미결정성은 흔히 두 가지 수준으로 구분해서 논의됩니다. 하나는 원리적으로 어떤 자료로도 결코 구별할 수 없는 강한 미결정성이고, 다른 하나는 현재까지의 자료로는 구별하기 어렵지만 앞으로 더 정밀한 관측이나 실험으로 구별이 가능할 수 있는 약한(실용적) 미결정성입니다. 콰인(Quine)-뒤앙(Duhem) 논제는 특정 가설을 검증할 때 그 가설만 단독으로 시험되는 것이 아니라 여러 보조 가정이 함께 작동한다는 점을 지적하며, 이 때문에 하나의 반증적 자료가 나와도 어느 가정이 틀렸는지 자료만으로는 결정하기 어렵다는 문제와 연결지어 자주 설명됩니다.
주의할 점
미결정성을 근거로 모든 이론이 동등하게 타당하다고 주장하는 것은 지나친 상대주의이며, 실제로는 부가적 기준을 통해 이론 간 우열을 논할 수 있다.