방법론

연구 방법론 개요

본 연구는 세 가지 방법론적 접근을 통합한다.

방법론 적용 논문 핵심 특징
Structural Topic Modeling (STM) 논문 A 계산적 텍스트 분석, 귀납적
개념 모델 기반 질적 분석 논문 B 연역-귀납 혼합
AI-Computational Grounded Theory (AI-CGT) 논문 C-1, C-2 AI-human-in-loop GT

Grounded Theory — Strauss & Corbin (1998)

핵심 원칙: - 데이터에서 이론을 귀납적으로 생성 - 지속적 비교법(constant comparison) - 이론적 표본 추출(theoretical sampling) - 이론적 포화(theoretical saturation)

주요 단계:

  1. 개방 코딩(open coding): 개념 생성
  2. 축 코딩(axial coding): 패러다임 모델 적용
  3. 선택 코딩(selective coding): 핵심 범주 통합

패러다임 모델 구성요소: 인과적 조건 → 현상 → 맥락 → 중재 조건 → 전략/행위 → 결과

Grounded Theory — Charmaz (2014, 구성주의 GT)

핵심 원칙: - 연구자와 참여자가 공동으로 의미를 구성 - 연구자의 위치성(positionality)과 성찰성(reflexivity) 강조 - 동명사 코딩(gerund coding): 과정과 행위 중심

주요 단계:

  1. 초기 코딩(initial coding): 동명사 형태, 행위 포착
  2. 초점 코딩(focused coding): 가장 유의미한 초기 코드 선별
  3. 이론적 코딩(theoretical coding): 코드 간 관계 개념화

AI-Computational Grounded Theory (AI-CGT)

정의: AI-human-in-loop 방식으로 GT를 수행하는 절차적 방법론. Nelson(2020)의 Computational Grounded Theory를 AI와의 협업으로 확장한 접근.

GT 단계별 AI 역할과 인간 역할:

GT 단계 AI 역할 인간 역할
초기 코딩 높은 일관성으로 수행 가능 검토·검증
이론적 민감성 부분 가능 (문헌 기반) 필수 — 맥락적 판단
지속적 비교 대규모 수행 가능 방향 설정·해석
포화 판단 빈도 패턴 보조 최종 해석적 판단
메모잉 초안 작성 가능 심화·수정·검증
이론 구축 독립적으로 불가 주도 필수

이 연구에서의 구현: - Claude Code를 AI 파트너로 활용 - 200개 인터뷰 배치 코딩 (5개 문서씩) - 연구자 검토 후 ATLAS.ti 25에 통합 - 논문 C-1에서 절차와 방법론적 특이점 전면 보고

Structural Topic Modeling (STM)

방법: Roberts et al. (2019)의 STM — LDA 기반에 문서 메타데이터를 공변량으로 통합

특징: - 문서별 토픽 비율이 메타데이터(섹터, 연도, 직위 등)에 따라 달라질 수 있음 - R stm 패키지 사용

본 연구 적용 방식 (논문 A): - 분석 1: 200개 전문 텍스트 입력 - 분석 2: 5,707개 코드+인용문 입력 - 공변량: 섹터, 인터뷰 연도, 위계 레벨, 혼인 상태

참고 문헌:

  • Roberts, M. E., Stewart, B. M., & Tingley, D. (2019). stm: An R package for structural topic models. Journal of Statistical Software, 91(2), 1–40.
  • Nelson, L. K. (2020). Computational grounded theory. Sociological Methods & Research, 49(1), 3–42.
  • Baumer, E. P. et al. (2017). Comparing grounded theory and topic modeling. JASIST, 68(6), 1397–1410.