Hare & Tortoise

흥미로운 블로그를 찾아 헤매다가 재미난 블로그를 발견했습니다. 이름하여 'PHD Comics' 인데요. 그 내용은 스탠포드 대학에 입학한 박사과정 생활을 만화로 나타내고 있더군요. 1997년 가을학기부터 연재가 시작되었으니 벌써 10년째 연재되고 있는 샘이네요. 설마 작가가 박사과정을 10년째 하고 있진 않겠죠? ^^ 많은 내용을 훍어본건 아니지만 같은 대학원생 (Graduate Student)으로써 공감가는 내용도 눈에 띄네요. 밑의 만화는 그 중 재미난 만화를 하나 가져온겁니다. (주소를 달긴했지만 저작권을 위배한건 아닐까 살짝 걱정이 드네요.)

박사과정동안 동기부여정도를 그래프화했는데요. 재미나고 공감가는 내용들이 있습니다. 일단 그래프를 보면 동기부여가 일어나는 상황이 크게 4군데 정도 되는군요. 박사과정초반, 자격시험(Qual), Depence, 논문에 대한 걱정이 그것이구요. 주위분들을 보면 충분히 공감가는 동기부여시점이라 생각합니다. 또 재미있는 부분은 교수의 펀딩이 줄어드는 시점에서 열을 내어 Depence까지 내달리는군요. ^^ 미국이나 한국이나 펀드는 최우선 동기부여 요인이 아닐까 생각합니다.

(클릭하면 더 자세히 보입니다.)

또다른 아래 그래프는 주간 연구성과를 나타내고 있습니다. 역시나 Weekly meeting 바로 전날 고도의 집중력을 발휘해서 대부분의 성과를 내고 있는데요. 이부분은 참으로 공감가는 부분입니다. Weekly meeting이 다가오면서 타드러가는 심정은 대학원생이라면 다들 경험하고 있으리라 생각합니다. ^^ Meeting 후에는 그래프에서와 같이 Happy hour가 기다리고 있죠. 매주 이런 일을 반복하다보면 언제 한학기가 끝나고 언제 일년이 지나는지 모르게 지나갑니다.

이번주는 봄방학 주간이라 시간이 좀 생길려나 했는데 여전히 밀린 숙제며 해야할 일들이 쉬질 못하게 하는군요.

다른 만화는 아래 링크에서 볼수 있습니다.
Ph.D Comic's Link
http://www.phdcomics.com/comics.php

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

최근 신문보도를 살펴보면 논문표절과 데이터조작, 가짜학위등 지식인에게는 사망신고에 해당하는 많은 일들이 일어나고 있다.

박미석, 김성이 표절관련 블로그
http://blog.empas.com/onnuri7815/26701257

김태국 데이터조작관련 블로그
http://extrad.egloos.com/1719964/

원로과학자들의 표절관련 블로그
http://blog.joins.com/media/folderlistslide.asp?uid=jylee71&folder=2&list_id=7648370


연구를 하는 사람으로써 표절을 생각하는 것은 더 이상 연구에 대한 새로운 비전이 없음을 스스로 세상에 알리는 일이리라. 미국에 와서 공부를 시작하면서 가장 인상에 남았던 부분 중 하나는 대학이라는 사회에서 표절에 대한 교육을 철처히 하고 있다는 것이다. 물론 대학에 들어오기 전부터 저작권에 대한 교육이 우리나라와는 비교가 되지 않는다. 학기가 시작할때 강의계획서를 교수들이 나누어주는데 그곳에는 항상 윤리강령 비슷한 것이 적혀있다. 특히 제출하는 과제에 표절이 있을경우 학점이 못받는 수준이 아니라 학교에서 퇴학을 당한다. 이러니 누가 표절을 엄두를 내겠는가. 지금 글을 쓰고 있는 필자 주위에도 두명이 퇴학당하는 경우를 보았다. 그 중 한명은 자신이 의도한 표절이 아니었음에도 학교는 표절이라는 것에 관대함을 전혀 보여주지 않았다. 미국인들은 이 정도로 표절에 단호하다.

이런 미국의 환경과 비교해볼때 한국의 대학현실은 어떠한가? 나의 포스팅에서 잠깐 언급했었지만, 우리나라의 경우 조금 나아졌다고는 하지만 레포트를 하는데 있어 아직도 많은 이들이 표절을 아무렇지 않게 자행하고 있다. 다른 사람이 어렵게 고생하며 연구하고 조사한 것들을 그들에 대한 Reference (인용) 한줄 없이 마치 자신이 해낸것이냥 아무생각이 없이 가져다가 사용한다. 표절에 관한 인식의 후진성은 대학에만 그치는 것이 아니다. 대학원을 통해 정부연구 보고서를 작성해본 경험이 있는데, 그 연구보고서라는 것도 지금 돌이켜보면 상당부분 표절로 채워지고 있다. 한마디로 이 보고서 내용을 퍼다가 조금 각색해서 이번 보고서에 내용을 실는 것이다. 이럴 경우 Reference 기입이 반드시 있어야 함에도 그에 대한 고려는 미비하였다.

이러한 상황에서 최근에 일어나고 있는 논문표절 문제는 사실 최근의 문제가 아니라 사회 구조적인 문제이고 개인의 양심으로 지켜나가야 할 문제이기 보다는 국가 시스템적으로 관리해야 하는 문제이다. 나는 아직도 이해가 가지 않는 부분이 논문을 표절했던 사람들이 아무렇지 않게 교수나 연구자로써의 위치를 유지하고 있으며, 자기가 장관이 되어야 한다고 너무나 뻔뻔하게 버티고 있다는 것이다. 이런 그들을 볼때면 화가 나면서도 우리나라의 수준이 이정도구나 부끄러워지기도 한다. 그런 잘못된 일을 하고도 어찌 저렇게 당당할까....

이제라도 늦지 않았다. 지금이라도 정부와 대학이 연구자나 학생들에게 표절이 얼마나 심각한 문제인지를 인지시켜주어야 한다. 표절에 관대했던 우리의 사회시스템이 오늘의 문제들을 불러오지 않았나. 표절을 하면 학문연구와는 이별을 고하고 자신이 누렸던 특권도 잃게 된다는 것을 이제라도 학생들에게 교육하여야 한다.

지식에 대한 경외심이 없으면 그 지식은 발전할 수 없음을 우리 스스로가 알아야 할 때이다...

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

먼저 데이터를 어떻게 R에다 입력하는지에 대해 간단히 올려보겠습니다.

1. c()를 이용하여 데이터 입력하기

>data1=c(1,2,3,5)

데이터를 위와 같이 입력하면 1,2,3,5라는 데이터가 data1이라는 변수에 저장됩니다. 결과 확인은 변수이름을 아래와 같이 치고 엔터를 해줍니다.

>data1
[1] 1 2 3 5

그리고 c()를 이용하여 데이터를 입력할 경우 간단한 계산들을 쉽게 할 수 있습니다. 예를 들면

>mean(data1)
[1] 2.75
>var(data1)
[1] 2.916667
>sum(data1)
[1] 11

이외에도 sort, min, max, range, cumsum 등의 함수도 이용할수 있습니다.
range는 min과 max를 보여주구요.
cum sum은 누적 합계를 보여줍니다.

c()를 이용하여 데이터를 입력할 경우 벡터의 형태로 데이터가 저장됩니다. 따라서, 우리가 데이터의 위치만 설정해주면 그 위치의 값만을 불러오는 것이 가능합니다. 예를 들면

>data1[2]
[1] 2
>data1[4]
[1] 5

또한 데이터내의 자료들의 위치를 검색할 수도 있습니다. 검색이라는 표현이 적절한지는 모르겠네요. ^^ 예를 들어 우리가 찾는 데이터가 3이라면

>which(data1==3)
[1] 3

여기서 which 함수가 이용되었구요. 위의 함수의 의미는 data1 데이터 중에서 3의 값은 어디에 어느것인지 묻고 있습니다. 답은 3이구요. 여기서 3은 Third의 의미로 dataset에서 3번째 데이터를 지목함을 의미합니다.

또 데이터의 전체 갯수가 얼마나 되는지 알고 싶을 경우는 length라는 함수를 사용합니다. 예는 아래와 같습니다.

>length(data1)
[1] 4

2. sequence 데이타 만들기
: 를 이용해서 간단히 만들수 있습니다. 예를 들어 다음과 같이 입력하면 자동으로 일련의 데이터를 생성해줍니다.

>1:5
[1] 1 2 3 4 5
>rev(1:5)
[1] 5 4 3 2 1

여기서 rev는 reverse의 약자이구요.

sequence 데이터를 만드는 다른 방법은 seq함수를 이용하는 방법이 있습니다 (sequence의 약자가 아닐까 생각합니다.). 예를 들면

>seq(1,5)
[1] 1 2 3 4 5

증가정도를 조절할수도 있습니다. by를 이용해서 2씩 증가하도록 해보겠습니다.

>seq(1,10,by=2)
[1] 1 3 5 7 9

같은 수를 반복하고 싶을때는 rep함수를 이용합니다 (repeat의 약어정도 되겠네요). 아래의 예는 1을 5번 반복하라는 이야기입니다.

>rep(1,5)
[1] 1 1 1 1 1

rep안에서도 : 을 사용할 수 있습니다.

>rep(1:3, 3)
[1] 1 2 3 1 2 3 1 2 3
이렇게 1:3이 3번 반복됩니다.

3. Matrix 형식 데이터 입력
R을 이용하면 매트릭스 형식의 데이터도 입력이 당연히 가능합니다. ^^

>data1<-matrix(c(1,2,3,4,5,6,7,8,9), nrow=3,ncol=3)
>data1
[1] 1 4 7
     2 5 8 
     3 6 9

우리가 평소알고 있던 형태랑 조금 다르게 출력되는 것을 알수 있습니다. 이럴때 t()함수를 이용하면 평소의 모습을 볼 수 있습니다.

>t(data1)
[1] 1 2 3
     4 5 6
     7 8 9

매트릭스 간의 곱은 '%*%'를 이용하여 계산하여 줍니다. 예를 들면 아래와 같구요.

>data1%*%data2

매트릭스의 특정값을 지정하고 싶을경우는 다음과 같이 해줍니다.

>data1[1,3]
[1] 7


그외에도 기본적인 연산자들을 제공하고 있는데요. 예를 들어서
>2+2
[1] 4

>2^3
[1] 8

>sqrt(4)
2

>log(10)
2.303

>pi
3.142

등의 간단한 계산도 위와 같이 쉽게 할 수 있습니다.

너무 오랜만에 업데이트를 하게 되네요. 여튼 틈나는데로 계속 업데이트 하도록 하겠습니다. ^^

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

정말 오랜만에 글을 쓰게 되네요. 이번에는 제가 주로 사용하고 있는 분석도구인 R에 대해서 소개해보고자 합니다. 많은 분야에서 자료에 대한 통계처리 혹은 forecasting을 목적으로 simulation을 하기위해 다양한 분석도구를 사용하고 있으리라 생각됩니다. 프로그램을 짜는데 무리가 없으신 분들에게는 C, C++, Java와 같은 고급언어를 사용해서 이런 작업들을 할 수 있겠지만 거북이같이 프로그램 언어에 덜 친숙한 사람들은 어려운 것이 사실입니다. 그래서 나온 것들이 사용자들을 위해 미리 만들어진 함수들을 제공하는 범용 software들이 있겠는데요. 통계분석 프로그램에는 SPSS, SAS, Minitab 등이 있겠구요. Simulation을 위한 software에는 유명한 Matlab이 있겠네요. 물론 Matlab에서도 통계처리 함수를 제공하는 걸로 알고 있습니다. 제가 Matlab을 그렇게 많이 사용하지 않아서 R과 함께 비교하기는 어려울거 같구요. 여기서는 R의 특징을 이야기하고자 합니다.

초기형태의 R은 통계분석을 위해 Ross Ihaka와 Robert Gentleman에 의해 개발되었습니다. R의 문법은 S programming language를 기반으로 만들어져서 다른 프로그램 언어처럼 프로그래밍이 가능한 특징도 지니고 있구요. 특히 제가 맘에 들어하는 부분은 R이 오픈소스라서 사용자들이 개발해나가는 프로그램이라는 겁니다 (이말은 공짜라는 이야기지요 ^^). 용량도 가벼워서 어느 컴퓨터에서나 다운받아서 사용할 수 있습니다. 공짜에다가 용량이 작다고 이 녀석을 무시할 수 있느냐... 그건 아닙니다. R은 앞에서도 이야기했듯이 많은 사용자들이 업데이트를 해나가는 프로그램입니다. 그래서 사용자들이 함수를 만들고 이것을 같이 공유하면서 확장성이 아주 뛰어납니다. 그래서 처음엔 통계분석을 위해 개발되었지만 지금은 많은 분야에서 사용이 가능한 프로그램이 되었구요. 현재는 Bayesian, Cluster, Econometrics, Finance, Psychometrics, SocialSciences 등에서도 사용가능한 함수를 개발하는 프로젝트팀이 있다고 하네요. 물론 위에서 언급한 분야 이외에서도 많이 활용되고 있구요.

R Homepage: http://lib.stat.cmu.edu/R/CRAN/index.html

처음에 시작하기가 조금 힘이 들지만 SPSS와 SAS보다 유연하고 가벼우면서 훨씬 파워풀합니다. 또다른 특징은 그래프 기능이 탁월하다는 부분입니다. 지금은 활성화되지 않는것 같아보이지만 R 그래프 공유 사이트도 있더군요.

R Graph Gallery: http://addictedtor.free.fr/graphiques/

아래와 같은 그래프들의 소스코드가 올라와 있습니다.


R에 대한 소개는 요정도로 하구요. 앞으로 간략하게 제가 익힌 R의 기본명령어에 대해 정리하는 글을 올려볼까합니다.

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

이번에는 통계적용에서 오는 오류들에 관한 주제발표들을 정리해볼까 합니다. 최근 통계를 이용한 논문들이 많아지면서 통계 결과값에 대한 맹신으로 인해 그 결과값이 무엇을 의미하는지 생각해보지도 않고 논문으로 제출하려고 하는 사람들이 많다는군요. 통계 오류에 관한 주제발표는 여러분이 나와서 하였으며 그것들 중에서 기억에 남는 두가지를 차례로 정리해봅니다.

1. 상관관계(Correlation)이 원인(Causation)을 나타내진 못한다.
통계를 제대로 이해하지 못한 사람은 둘(A,B) 사이에 상관관계만을 가지고 A 혹은 B가 서로에 대한 원인이며 결과가 된다고 이해해버리는 경우를 많다고 한다. 그러나 이러한 잘못된 판단은 4가지 오류로부터 나온다고 정리하더군요.

1. 'B는 아마 A의 원인일거야' 라는 막연한 생각

2. 또다른 변수가 A와 B의 원인일 가능성
    이 오류를 해결하기 위해서는 실험디자인, 샘플링, 층화분석등이 필요하다고 하네요.

3. 관계(Relation)이라는 것은 복잡하고 불분명하다.
    R-square 값만을 가지고 관계식을 판단할 수 없다. 이 부분은 다른 발표에서도 계속 지적되는 부분이었다.

4. A가 B의 원인인 것과 같이 B가 A의 원인일지 모른다.
    상관관계만을 가지고 어느것이 진정한 원인인지 구분할 수 없음을 이야기하고 있다.

이런 오류를 피하기 위해서는 Stationarity Test, Cointegration Test, F-test와 T-test간의 결과차이 등을 살펴볼 필요가 있다고 합니다. 원인을 규명하는 작업은 결코 쉬운 작업이 아니며 데이터간의 시간순서, 연관성, 일관성등을 면밀히 살펴야 한다고 발표자는 이야기하였구요.


2. 'Goodness of Fit' 이 전부가 아니다.
이 주제발표는 어떤 현상을 예측하는 모델을 만들때 자주 나타나는 Over-fit 되어진 현상을 이야기하였습니다. 여러변수들 중에서 어떤 변수들이 미래현상을 예측하는데 가장 적절한지를 가려내는 방법으로 Neural Nets, Tree-Based 모델 등이 있는데 이들을 이용해서 변수를 정해나가면 점점 더 높은 R-square값을 가지게 된다고 합니다. 이런 경험은 저도 수업과제를 하면서 경험하고 고민했던 부분인데요. 항상 Over-fit가 일어나지는 않았는지 검토가 필요하더군요.

더 복잡한 변수관계를 설정해서 이전 연구보다 더 높은 R-square 값을 가짐으로써 자신의 연구가 이전 연구자의 연구보다 우월하다고 말하는 웃지못할 논문들도 많다는 이야기도 빼놓지 않았습니다. 사실은 논문이 주어진 데이터에만 over-fit 되어진 경우인지에 대한 검토가 없다면 논문자체로써의 가치가 흔들릴 수 있답니다.

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.

논문은 크게 아래와 같이 5단계로 나눌수 있습니다. 물론 쓰고자 하는 논문의 학문분야에 따라서 차이가 있을 수 있으며 여기서는 자연과학 혹은 공학분야를 대상으로 정리하도록 하겠습니다.

1. 서론(Introduction)
2. 문헌조사(Reviw of Related Literature )
3. 연구방법론(Research Design and Methodology)
4. 자료분석(Analysis of Data)
5. 결론및토의(Findings, Conclusion, and Implications)

1. 서론(Introduction)
서론에서는 두가지 목적을 가지고 쓰여지게 됩니다. 독자의 주의를 끄는 것 하나와 이 연구의 중요성및 필요성을 독자에게 일깨워줘야 하는 것입니다.
    1-1 현황
     자신의 연구와 관련된 분야의 사회적 흐름과 연구동향들을 간단하게 소개합니다.
     여기서 연구동향은 문헌조사와는 조금 다른 성격을 띤다.
    1-2 문제제기
     이전의 연구에서 제시했던 연구결과에 그에 대한 이의제기합니다.
     이전의 연구가 어떤 현상을 설명하는데에 충분하지 않음을 지적합니다.
     새로운 현상의 발견이 있는 경우 이를 언급합니다.
    1-3 연구목적
     이번 연구를 통해 밝혀내고자 하는 부분을 이야기합니다.
    1-4 가정(Assumptions)과 한계(Limitations)
     이번 연구가 안고 있는 가정이나 한계점들을 명시합니다.
     독자들은 이부분을 통해 이 연구를 좀더 명확하게 인식하게 된다.
    1-5 용어정의
     논문에서 사용되어지는 용어들 중 이번 연구의 핵심이 되는 단어를 명확하게 정의합니다.
     혼동을 일으킬수 있는 단어 정의합니다.
     수식의 변수정의는 수식이 등장하는 부분에서 정의되어진다.
     1-5는 특별한 순서가 없으며 자연스럽게 배치합니다.

2. 문헌조사(Reviw of Related Literature )
문헌조사는 나의 연구 이전에 다른 연구자들의 연구가 어떻게 진행되어왔는지를 살펴보는 중요한 작업입니다. 그들이 어떤 연구를 했고 그 연구가 나의 연구와 어떤점이 닮아있고 어떤점이 다른지를 분석하고 나의 연구가 이들 연구를 바탕으로 어떻게 발전적인지를 제시하는 부분이라고 할 수 있겠습니다. 다시말해, 이번 연구의 Identity를 확립하는 단계라고 하겠습니다.
처음 논문을 쓰거나 연구를 하는 분들이 문헌조사에서 어려움을 느끼는 경우가 많더군요. 평소에 관련논문을 읽을때 필요한 부분들을 표시해두고 모아두면 문헌조사 부분을 조금이라도 수월하게 마무리 지을수 있습니다. 최근에는 EndNote라는 상용프로그램이 있어 좀더 문헌조사를 하는데 도움을 주고 있구요. 담에 시간이 된다면 EndNote 사용에 대해서도 글을 써봐야겠습니다.

3. 연구방법론(Research Design and Methodology)
서론에서 제기한 문제점을 풀기위해 사용할 이론이나 알고리즘을 독자에게 주지시켜두는 부분이 되겠습니다. 따라서 연구방법론은 technical하거나 mathematical한 부분이 되며 이부분이 미흡하면 연구성과가 빛을 못 보겠죠.
실험을 요하는 분야의 경우, 이부분에서 가설제시와 함께 실험군과 대조군을 제시합니다.그리고 Data Collection과 실험도구의 사용에 대해서도 언급하게 됩니다.
    3-1 문제점 간략히 다시한번 제시 (Optional)
    3-2 방법론 열거
     적용되어지는 방법론이 복잡할 경우 열거하기 전에 Framework Figure를 제시해주거나
     한문단정도 연구진행에 대해 언급해주면 독자의 이해를 도울수 있습니다.

4. 자료분석(Analysis of Data, Case Study)
이번 연구에서 보여준 문제점을 해결하기 위한 연구방법론 제시가 타당한지 어떤지 실제 데이터를 통해 확인시켜주는 부분입니다. 독자들은 이부분을 통해 이번 연구가 실제로 유용한지를 확인할 수 있습니다.
    4-1 데이터소개
     존재하는 데이터의 경우 출처 및 특징을 제시합니다. 혹시나 데이터가 가공되었을 경우,
     데이터를 가공하게된 이유나 결과값을 제시합니다.
    4-2 분석
     실제 데이터와 위에서 제시한 방법론을 이용하여 분석을 실시하고 결과값을 제시합니다.
     실험분야의 경우, 실험을 통해 얻은 데이터가 가설을 뒷받침하는지 확인하고 결과를 제시합니다.

5. 결론및토의(Findings, Conclusion, and Implications)
지금까지의 연구결과를 정리하고 독자에게 다시한번 주지하는 부분입니다.
    5-1 정리(Summary)
     서론부터 자료분석까지의 내용은 간략하게 정리합니다.
    5-2 발견점(Findings) 및 결론
     이번 연구를 통해 얻은 결과를 제시합니다.
     이번 연구를 통해 얻었던 경험, 생각, 관점들을 간략하게 제시합니다.
    5-3 향후연구방향(Further Research)
     이번 연구에서 미흡했던 부분이나 연구하는 동안 연구의 필요를 느낀 부분에 관해 이야기합니다.


어렵게 마무리했네요. 연구를 처음 시작하는 분들에게 많은 도움이 되길 바라는 마음에서 정리해 보았습니다. 물론 논문의 성격이나 분야에 따라 위의 구조는 달라질 수 있습니다. 차후에 더 보강해나갈 예정입니다.

크리에이티브 커먼즈 라이선스

이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이선스에 따라 이용하실 수 있습니다.