Meeting Log
2026-03-09: 연구 계획, 코딩 검증, 출판 전략
일시: 2026-03-09 21:00 참석자: Speaker 1, Speaker 2, Speaker 3
주요 논의
- 연구 배경: 국가인공지능전략위원회 과제 FGI 데이터 기반 전문가 AI 적응 모델 논문 추진
- 데이터: 방송작가, IT 개발자, 변호사 3개 직군별 FGI (2시간 x 약 5회, 총 10시간)
- 분석 환경: ATLAS.ti 중심, NVivo 병행, AI 코딩으로 18명 1차 코딩 완료 (~3,000개 코드)
- 코딩 전략: 근거이론 접근 + AI 보조 코딩 혼합. 3,000개 코드를 100~200개로 축약 예정
- 계산 보조 분석: 토픽 모델링, 키워드 네트워크 등은 보조 분석으로 활용
- 문헌 검토: WoS에서 ~2,000편 수집, PRISMA로 50~100편 선별 예정
- 출판 전략: 단일 페이퍼 우선 (GT 메인 + 계산 분석 보조), 2순위 저널 1차 목표
합의 사항
- 혼합 방법론(근거이론 + 계량 텍스트/네트워크 분석) 적용
- APEM 기반 개념 프레임과 서지 분석을 문헌 리뷰에 보강
- 역할 분담, 타임라인, 에디팅 방침 구체화 필요
2026-03-19: 방법론 확정, 분석 도구, 업무 분담
일시: 2026-03-19 20:32 참석자: Speaker 1, Speaker 2, Speaker 3, Speaker 4, Speaker 5
주요 논의
- AI 분석 도구: ‘가브리엘 QCA’ 시연 – 자연어 변수 정의, 자동 테마 추천, FSQCA 분석 기능
- 방법론 최종 결정: 3단계 통합 접근법
- 문헌 연구 기반 A-PEM 모델 초안 개발
- ATLAS.ti 주제별 분석 및 사례 도출로 모델 보완
- QCA로 정량적 백업 및 모델 확인
- 데이터 정제: 모더레이터/명목 참여자 발언 제외, 분석 대상 정제 후 재분석
- 논문 방향: 선행 연구 검토 -> 인터뷰 분석 -> 모델 도출. QCA는 백업용
업무 분담
- Speaker 3: 서론 논리적 방향성 구성
- Speaker 5: 이론적 배경 틀 구성
- Speaker 4: 연구 방법(3장) 담당, 정성 자료 코드 정리 공유