2025년 10월 국내 심리학 논문 연구방법론 (총 20편) | LME, 조절된 매개, AI 분석 도입 : 심리학 연구비평: 국내외 논문 & 신간 도서 핵심 정리

2025-11-25

심리학 연구방법론과 통계 분석 기법은 끊임없이 발전하고 있습니다. 이 시리즈는 연구자, 교강사와 학생 여러분이 국내의 최신 연구방법을 빠르고 정확하게 파악할 수 있도록 매월 국내 KCI에 등재된 심리과학 분야의 논문에 대한 연구 설계와 방법론적 특징을 분석하여 제공합니다.

논문 작성과 통계 도구 선택에 실질적인 가이드를 제공하는 이달의 연구 동향 분석을 시작합니다.

💡 핵심요약

단순 차이 검증이나 회귀분석을 넘어 오차를 구조적으로 통제하는 선형 혼합 모형(LME)과 복합 매개 모형이 양적 연구의 새로운 표준이 되었다.
생성형 AI를 단순 보조가 아닌 신뢰도 검증이 가능한 분석 도구로 활용하고, R, Python 을 통한 직접 코딩으로 대규모 데이터를 다루는 역량이 중요해졌다.
자문화기술지 등 질적 연구에서 주관성 시비를 차단하기 위해 삼각검증과 전문가 합의 등 방법론적 엄격성 확보가 필수 요건으로 자리 잡았다.
변화하는 학술 트렌드에 맞춰 연구 설계를 정교화하고 분석 도구(Toolbox)를 최신화하는 것이 논문 게재의 핵심 전략이다.

📚 목 차 📚

양적 연구의 진화 : 오차는 줄이고, 복잡한 관계는 파헤치다
기술의 도입 : AI와 코딩이 연구의 주체가 되다
질적 연구 : 철저한 방어 기제 구축
제언 : 도구함의 업데이트가 필요하다!
참고문헌

2025년 10월 KCI에 등재된 심리학 연구 20편을 분석해 보니 연구자들의 '도구 선택'에서 뚜렷한 경향성이 발견되었다. 실험 연구에서는 변량분석(ANOVA)을 넘어 선형 혼합 모형(LME)을 적용하는 사례가 늘었고 설문 연구는 단순 매개를 넘어 다중·조절된 매개 모형을 기본으로 채택하고 있다. 특히 생성형 AI를 단순 보조가 아닌 분석 및 채점의 도구로 직접 활용하거나 코딩을 통해 대규모 데이터를 다루는 시도가 눈에 띈다. 이번 달 논문들이 선택한 구체적인 통계 기법과 검증 전략을 정리해 보았다.

2025년 10월 심리학 연구방법 트렌드 변화 요약표 (ANOVA vs LME, SPSS vs AI)

1. 양적 연구의 진화 : 오차는 줄이고, 복잡한 관계는 파헤치다

실험 및 설문 연구에서는 단순 상관·단순 회귀만으로 끝내는 연구는 거의 보이지 않고 차이 검증도 반복측정 ANOVA나 혼합모형 등과 결합하여 보다 구조적으로 활용되는 경향이 나타난다. 대신 실험 오차를 구조적으로 통제하거나 변수 간의 인과 경로를 입체적으로 규명하는 방식이 주류를 이룬다. 아래 표는 이번 달 양적 연구들이 채택한 핵심 모형을 정리한 것이다.

[표 1] 양적 연구 분석 모형 및 도구 현황

ID	연구 주제	표본(N)	분석 도구 (S/W)	핵심 분석 모형
1	어절 학습과 기억	33	R 4.4.2	LME 선형 혼합 효과 모형, GLMM
20	장면 경계 변환	79	G*Power 3	LME 로지스틱 이원 반복측정 ANOVA
9	애착불안과 강박	390	PROCESS v3.2	Model 6 직렬다중매개
10	상담자 내현적 자기애	245	PROCESS v4.0	Model 7 조절된 매개, Model 4, 1
13	거부민감성과 폭식	400	PROCESS v4.2	Model 6 순차매개, Model 83 조절된 매개
11	감각운동 집단상담	13	SPSS 29	반복측정 분산분석(RM ANOVA)
2	심성어휘 형태소	14,994	-	위계적 회귀분석, 공분산분석(ANCOVA)
12	로르샤흐 척도 개발	922	R 4.3.0, Python	EFA/CFA 구조방정식, 요인분석

위의 표에서 가장 주목해야 할 점은 실험 연구(ID 1, 20)에서 선형 혼합 효과 모형(LME)이 반복측정 ANOVA와 함께 적극적으로 사용되고 있다는 점이다. 과거에는 반복측정 ANOVA가 사실상 표준이었으나 이제는 R을 활용한 LME가 이를 보완하는 핵심 분석 도구로 자리 잡고 있다. ANOVA는 피험자 간의 차이는 고려하지만, 실험 자극(문항)이 가진 난이도나 특성 차이는 오차로 간주해 버리는 한계가 있다. 반면 LME는 피험자와 자극을 모두 무선 효과로 설정하여 동시에 통제한다. 즉, "참가자가 반응이 느린 것인가, 아니면 그 문항이 유독 어려운 것인가?"를 통계적으로 구분해 냄으로써 결과의 신뢰도를 높인 것이다.

설문 연구(ID 9, 10, 13)의 흐름도 명확하다. SPSS PROCESS Macro를 사용하더라도 단순 매개(Model 4)만 단독으로 검증한 논문은 없다. 연구자들은 변수 A가 B1을 거쳐 B2로 이어지는 직렬다중매개(Model 6)를 검증하거나, 특정 조건에서만 매개효과가 유의한지 확인하는 조절된 매개(Model 7, 83)를 선택했다. 이는 현상을 "A가 B의 원인이다"라고 단정 짓기보다 "어떤 경로를 거치며, 어떤 조건 하에서만 유효한가"를 입증해야 논문으로서 가치를 인정받음을 시사한다.

2. 기술의 도입 : AI와 코딩이 연구의 주체가 되다

데이터의 규모가 커지고 텍스트나 그림 같은 비정형 데이터 분석이 중요해지면서 SPSS만으로는 해결하기 어려운 영역이 늘어나고 있다. 이에 따라 R, Python, 그리고 생성형 AI가 기존 도구와 함께 중요한 분석 도구로 활용되고 있다.

[표 2] 신기술 및 빅데이터 활용 연구 현황

ID	연구 주제	데이터 규모	사용 도구	활용 방식 및 검증
19	LLM 그림검사 해석	197명분	OpenAI GPT-4o	AI를 채점자(Rater)로 활용, 전문가와 일치도(Kappa) 검증
8	장애/미술 연구동향	1,530편	R (Biblioshiny)	키워드 네트워크 분석 및 워드 클라우드 시각화
14	PTSD 미술치료 동향	10편	RevMan Web	비뚤림 위험 평가(RoBANS), PRISMA 지침 준수
4	지적장애 여성 모성	1명	GPT (Image Gen)	내담자가 원하는 이미지를 생성하는 치료적 도구로 활용

위 표에서 눈여겨볼 연구는 ID 19번이다. 이 연구는 GPT-4o를 그림검사(PITR)의 해석자로 활용했다. 여기서 중요한 방법론적 포인트는 단순히 AI에게 해석을 시킨 것에 그치지 않고, 인간 전문가의 합의 채점 결과와 AI 채점 결과 간의 일치도(Cohen's Kappa)를 산출했다는 점이다. 이는 AI를 연구에 도입할 때 필요한 검증의 표준을 보여준다. 즉, "AI가 잘 분석했다"고 주장하는 것이 아니라, 통계적 수치를 통해 신뢰할 수 있는 독립된 평가자임을 입증해야 한다.

또한 ID 8번 연구를 보면, 1,500편 이상의 문헌이나 수천 개의 형태소를 분석하기 위해 R이 필수적으로 사용되었다. 클릭만으로 분석하는 GUI 방식의 한계를 넘어 코딩을 통해 대규모 데이터를 직접 핸들링하는 능력이 연구자의 중요한 역량이 되었음을 보여준다.

3. 질적 연구 : 철저한 방어 기제 구축

이번 달 질적 연구는 연구자가 연구 대상이 되는 자문화기술지나 내러티브 탐구가 강세를 보였다. 이런 연구들은 자칫 주관적인 수필로 비칠 수 있는 위험성을 의식하며, 삼각검증과 같은 엄격한 검증 장치를 적극적으로 활용했다.

[표 3] 질적 연구의 엄격성 확보 전략

ID	연구 주제	연구 방법론	엄격성 확보 전략
3	범죄피해자 트라우마	사례연구	삼각검증 동료 지지집단, 전문가 자문
5	자해 청소년 치료사	내러티브 탐구	반응미술 분석, 전문가 수퍼비전
7	발달장애아동 어머니	다중 사례연구	삼각검증 참여자 확인(Member Checking)
15	박사생 3인의 색채	내러티브 탐구	연구참여자 간 상호 검토(Peer Review)
16	예비 치료사 자기돌봄	자전적 내러티브	Lincoln & Guba 기준, 가족 기억 교차 확인
17	치료사의 창조적 우울	자문화기술지	자기회상 및 분석심리학적 상징 해석
18	양극성 가족 자녀	질적 사례연구	삼각검증 참여자 확인, 동료 검토
6	학교부적응 짝 치료	단일 사례연구 (혼합)	사전-사후 점수 비교, 그림 역동성 분석

위 표를 보면 ID 3, 7, 18번 등 대다수의 연구가 삼각검증(Triangulation)을 방법론의 핵심으로 명시했다. 이는 자료의 출처를 면담, 관찰일지, 작품 등으로 다각화하거나, 분석 주체를 연구자, 동료 전문가, 참여자로 다양화하여 편향을 제거하려는 시도다. 또한 Lincoln과 Guba의 엄격성 기준을 적용하거나, 연구 참여자에게 해석 내용을 다시 확인받는 Member Checking 과정을 거치는 것이 질적 연구의 필수 요건으로 자리 잡았다.

4. 제언 : 도구함의 업데이트가 필요하다!

2025년 10월의 논문들은 연구자들이 도구 선택에서 점점 더 높은 수준을 요구받고 있음을 보여준다. 분석 도구가 연구의 깊이를 전부 결정하는 것은 아니지만 선택 가능한 도구의 폭이 넓을수록 연구 질문을 더 정교하게 다룰 수 있는 것은 분명하다.

실험 연구에서는 반복측정 ANOVA에 더해 LME와 같은 혼합 모형을 함께 고려할 필요가 있고,
설문 연구에서는 단순 상관·회귀를 넘어 매개·조절 모형을 다룰 수 있어야 한다.
텍스트나 대규모 데이터를 다루려면 Python이나 R과 같은 코딩 기반 도구의 활용 가능성을 염두에 둘 필요가 있으며,
질적 연구에서는 삼각검증, 동료·전문가 검토, 참여자 확인 등 검증 장치를 사전에 설계하는 작업이 중요해지고 있다.

익숙한 도구만으로도 연구를 수행할 수는 있지만, 이번에 정리한 2025년 10월 논문들은 현재 심리학 연구 현장에서 어떤 설계와 분석 도구가 주로 사용되고 있는지를 단면적으로 보여주는 자료이다. 이 월간 분석은 연구자나 실무자가 자신의 관심 주제와 연구 계획을 점검하면서, 최근 심리학 연구에서 활용되는 연구 설계와 분석 전략의 흐름을 가늠하는 참고 지표로 활용될 수 있다.