Academic Writing

연구 논문에서 흔히 저지르는 문법 오류

여섯 가지 문법 오류는 연구 논문에서 다른 어떤 글보다 더 자주 나타난다. 학술 문장은 일상적인 문단이 감당할 수 있는 것보다 더 많은 한정을 담도록 구성되기 때문이다. 여기에서는 각 오류의 원리, 잘못된 예와 수정된 예, 그리고 무료 문법 검사기가 스스로 무엇을 잡아낼 수 있고 무엇을 잡아낼 수 없는지를 제시한다.

6 min
Table of common grammar mistakes in research papers with wrong and fixed examples

방법론 절을 검토하는 사람은 논증이 약해서 멈추는 경우가 드물다. 그보다 그는 세 줄 아래의 동사가 주어와 일치하지 않기 때문에 멈추고, 이제는 저자가 실제로 무엇을 뜻했는지 파악하려고 문장을 다시 읽는다. 연구 논문에서 흔한 문법 오류는 일반적인 문법 안내서가 목록화하는 오류와 같지 않다. 학술 문장은 일상적인 문단과 다르게 구성되기 때문이다. 더 긴 명사구, 주어에서 더 멀리 밀려난 동사, 그리고 같은 문단 안에서 한 시제로 결과를 보고하고 다른 시제로 해석하는 습관이 그것이다.

이것은 문법 오류다. 맞춤법 검사기가 잡아내는 종류가 아니라, 저자가 쓰려는 문장과 충분한 수식구가 쌓였을 때 영어 문법이 만들어 내는 문장 사이의 불일치에 가깝다. 다음의 여섯 가지 오류는 연구 논문에서 충분히 자주 나타나므로 각각 따로 논의할 만하다. 수동태로 된 방법론 문장에 매달린 채 방치된 dangling modifier, 긴 명사구에서 사라지는 주어와 동사의 일치, 독자가 복수를 예상하는데 data를 단수로 취급하는 것, 결과 목록에서 문법적 패턴을 깨는 것, 붙일 명사 없이 this로 시작하는 것, 그리고 결과를 보고하는 시점에서 그것을 해석하는 시점으로 시제를 바꾸는 것이다.

연구 논문에서 흔한 문법 오류가 다른 이유

학술 문장은 대화체 문장보다 더 많은 문법적 부담을 지닌다. 실제로 어떤 집단인지, 어떤 조건 아래인지, 무엇과 비교하는지 같은 제한 조건을 담고 있기 때문이다. 각 제한 조건은 주어와 동사 사이, 또는 대명사와 그것이 대신하는 명사 사이에 삽입된 절이나 구이며, 글을 빠르게 쓰는 동안에는 먼 거리의 일치를 추적하기 어렵다. 이러한 패턴이 아래에서 이어질 대부분의 현상의 배경에 놓여 있으며, 더 넓게는 검토자가 그 아래의 논증을 의식적으로 파악하기 전에 먼저 알아차리는 academic writing mechanics의 일부에 속한다.

방법론 문장에서의 dangling modifier

분리된 수식어는 샘플을 10분 동안 원심분리한 뒤 상등액을 버렸다와 같은 문장을 쓸 때 발생한다. 상등액은 실제로 아무 일도 하지 않았지만, 누가 원심분리를 했는지 묻기 전까지는 문장이 매끄럽게 읽힌다. 문법적으로는 상등액이 원심분리한 것으로 처리되는데, 이는 상등액이 수식어가 붙는 절의 주어이기 때문이며, 상등액은 원심분리기를 조작할 수 없다. 이러한 오류는 방법 절에서 가장 자주 나타나는데, 방법 절은 절차를 수행하는 사람보다 절차 자체에 초점을 두기 위해 의도적으로 수동태로 쓰이기 때문이다. 수동태는 바로 수식어가 필요로 하는 인간 주어를 제거한다.

해결책은 학술 문체가 방법 절에서 여전히 기대하는 수동태를 버리는 것이 아니다. 수식어가 일치할 수 있는 주어를 부여하는 것이다. 샘플을 10분 동안 원심분리한 뒤 우리는 상등액을 버렸다에서는 행위자가 복원된다. 샘플이 10분 동안 원심분리된 뒤 상등액이 버려졌다에서는 수동 구문을 유지하면서도 여전히 자연스럽다. 이제 샘플이 두 절의 주어가 되었기 때문에, 하나의 절에서만 주어였던 경우와는 다르다.

긴 명사구 전반의 주어와 동사의 일치

짧은 문장에서는 주어와 동사가 매우 가까이 있어 자연스럽게 일치한다. 학술 문장에서는 주어와 동사가 여러 개의 전치사구와 관계절로 분리될 수 있으며, 이들 각각은 고유한 명사와 고유한 문법적 수를 지닌다. 1세대 학생들의 유지율에 대한 이러한 개입의 효과는 여전히 불분명하다에서는 복수 동사가 복수 명사인 students 옆에 놓여 있어, 빠르게 읽으면 자연스럽게 들린다. 실제 주어는 effect이며, 앞쪽으로 세 개의 명사를 거슬러 올라가면 단수이므로, 문장에는 remains가 필요하다. 이는 드문 실수가 아니다. 주의가 동사가 일치해야 하는 명사를 추적하기보다 가장 가까운 명사에 붙을 때 기본적으로 일어나는 일이다.

무료 문법 검사기는 이러한 오류의 상당수를 자동으로 잡아낸다. 주어와 동사의 일치가 소프트웨어가 신뢰성 있게 구문 분석할 수 있는 규칙 기반 패턴이기 때문이다. 다만 모든 경우를 잡아내지는 못하는데, 특히 중간 절이 자기 자신의 동사와 자기 자신의 지역 명사에 일치할 때는 더욱 그렇다. 그러나 지도교수가 보기 전에 결과 섹션에 한 번 돌려 보면, 이런 실수의 가장 쉬운 형태를 먼저 제거할 수 있다.

자신의 논문을 인간적으로 다듬기

중요한 단어나 인용은 건드리지 않고, AI 보조로 작성한 텍스트를 자연스럽고 사람처럼 들리게 바꾸세요.

무료로 시작하기

'Data'는 학술 글쓰기에서 단수인가 복수인가?

Data는 datum의 라틴어 복수형이며, 이를 엄격하게 어원에 따라 읽으면 복수 동사를 필요로 하는 복수 명사로 간주한다. 따라서 the data show a clear trend이지, the data shows가 아니다. 현대 영어 사용은 대부분의 화자에게서 반대 방향으로 이동했으며, 여기서 data는 information처럼 기능하고, 기본적으로 단수 동사를 취하는 셀 수 없는 명사로 쓰인다. 학술 출판 내부에서는 이 두 입장이 동시에 활발하다. 엄격한 하우스 스타일을 가진 여러 저널은 여전히 복수형을 강제하고, 다른 많은 저널은 규칙보다 사용이 먼저 변했다는 이유로 단수형을 स्वीकार한다. 어느 관례도 일관되게 적용된다면 틀리지 않다. 같은 논문 안에서 이를 바꾸어 쓰는 것, 즉 서론에서는 the data shows라고 쓰고 방법에서는 the data were analyzed라고 쓰는 것이 독자가 실제로 알아차리는 부분이다. 대상 저널의 스타일 가이드를 확인한 뒤, 그 선택을 원고 전체에 걸쳐 유지해야 한다.

결과 목록에서의 잘못된 병렬성

결과 목록은 각 항목이 동일한 문법 형식을 공유해야 한다. 그 공유된 형식이 있어야 독자가 두 번째와 세 번째 항목을 처음부터 다시 분석하지 않고 처리할 수 있기 때문이다. The intervention increased retention, reduced dropout, and researchers observed improved test scores는 그 패턴을 중간에서 깨뜨린다. 처음 두 항목은 암묵적 주어 the intervention을 공유하는 동사구이지만, 세 번째 항목은 새로운 주어 researchers를 도입하며, 이는 목록 자체의 문법에 맞지 않는다. 독자는 멈춰서 다시 읽어야 세 번째 항목이 새로운 문장이 아니라 하나의 결과라는 점을 파악할 수 있다. 수정은 하나의 문법 형식을 목록 전체에 걸쳐 유지하는 것이다. The intervention increased retention, reduced dropout, and improved test scores. 결과 목록이 병렬 구조에서 벗어나는 것은 흔히 각 항목이 글쓰기 과정의 서로 다른 시점에, 서로 다른 결과 표에서 작성된 뒤, 마지막에야 하나의 문장으로 결합되기 때문이다.

모호한 'This'와 보고와 해석 사이의 시제 혼동

모호한 'This'

명사 없이 문장 맨 앞에 오는 This는 바로 앞의 개별 사물 하나가 아니라 이전의 전체 생각을 가리키므로, 독자는 그 문장의 어느 부분을 뜻하는지, 즉 방법인지, 결과인지, 해석인지 추측해야 한다. 일상적인 문단에는 보통 하나의 분명한 주제가 작동하므로, 문장 맨 앞의 this는 그럴듯한 대상이 하나뿐이고 모호성이 드러나지 않는다. 연구 문장은 방법, 결과, 비교를 한꺼번에 보고하는 경우가 많으므로, 문장 맨 앞의 this는 같은 문장 안에 세 개 또는 네 개의 그럴듯한 선행사를 둘 수 있고, 독자는 계속 읽고 나서 다시 읽기 전에는 무엇을 뜻하는지 알 수 없다. 수정은 기계적이다. this 바로 뒤에 명사를 두면 된다. This finding, this pattern, this discrepancy는 각각 독자가 선택하도록 남겨 두지 않고 하나의 선행사에 확정적으로 대응한다.

보고 시제와 해석 시제

학술 관례에서는 연구가 특정한 완료된 사건이기 때문에, 무엇이 수행되었고 무엇이 발견되었는지를 과거 시제로 보고한다: 개입은 점수를 향상시켰다. 같은 관례는 그 결과를 해석하거나 일반화할 때 현재 시제로 전환되는데, 이는 해석이 특정한 날짜에 일어난 일이 아니라 지속적인 주장으로 제시되기 때문이다: 이러한 결과는 간격 반복이 기억 유지에 도움이 된다고 시사한다. 이 구분을 내면화하지 못한 작성자는 시제를 잘못된 순간에 바꾼다. 즉, 특정한 결과를 이미 확립된 사실인 것처럼 현재 시제로 보고하거나, 일반적 주장을 그 주장 자체가 이미 끝난 것처럼 과거 시제로 해석한다. 문장이 수행하는 역할이 보고인지 해석인지 추적하면 그 시제가 결정되며, 어느 역할도 전체 토론 섹션 내내 하나의 시제에 머물지 않는다.

무료 동사 시제 검사기는 이러한 전환을 자동으로 표시하며, 이는 유용한 1차 점검이지만 문장이 어떤 시제로 쓰여야 하는지는 알려주지 못한다. 그 판단은 여전히 문장이 보고인지 해석인지에 달려 있으며, 그 구분은 작성자만이 할 수 있다.

아래 표는 여섯 가지 패턴을 나란히 정리한다. 즉, 지면에서 오류가 어떻게 보이는지, 그리고 문장이 말하려는 바를 바꾸지 않으면서 그것을 제거하는 수정 방법이 무엇인지 보여준다.

오류잘못된 예수정된 예
분리된 수식어시료를 원심분리한 후, 상등액이 폐기되었다.시료를 원심분리한 후, 우리는 상등액을 폐기했다.
주어와 동사의 일치1세대 학생들의 유지율에 대한 이러한 개입의 효과는 불분명하다.1세대 학생들의 유지율에 대한 이러한 개입의 효과는 불분명하다.
데이터의 일관성 없는 사용데이터는 명확한 추세를 보여준다. 데이터는 두 번 분석되었다.데이터는 명확한 추세를 보여준다. 데이터는 두 번 분석되었다.
잘못된 병렬성개입은 유지율을 높이고, 중도 탈락을 줄였으며, 연구자들은 시험 점수의 향상을 관찰했다.개입은 유지율을 높이고, 중도 탈락을 줄였으며, 시험 점수의 향상을 가져왔다.
모호한 this이것은 개입이 효과가 있었음을 보여준다.이 시험 점수의 향상은 개입이 효과가 있었음을 보여준다.
시제의 불일치개입은 점수를 높였고, 이러한 결과는 더 넓은 사용이 유익하다고 시사할 것이다.개입은 점수를 높였고, 이러한 결과는 더 넓은 사용이 유익하다고 시사한다.

철자 관례는 같은 문제의 더 조용한 변형을 일으키며, 미국식과 영국식의 차이는 별도로 정리되어 있고, 그 안에 들어 있는 -ize 또는 -ise 문제도 함께 다룬다.

이 여섯 가지는 어떤 패턴을 찾아야 하는지만 알면, 잡아내기 위해 특별한 훈련이 필요하지 않다. TextPulse의 무료 도구 모음은 40쪽 분량의 결과 섹션 전체에서 눈으로 분리된 수식어를 찾는 것보다 더 빠르게, 초안 전체에 대해 문법과 구두점 점검을 수행한다. 다음 검토자가 당신의 방법론 절에 도달했을 때, 동사가 주어와 일치하도록 만드는 데 몇 번의 초안이 필요했는지는 알지 못할 것이다. 그들은 단지 멈춰서 다시 읽는 대신 계속 읽을 뿐이다.

XLinkedInFacebook

자주 묻는 질문

맞춤법 검사를 통과하는 연구 논문의 흔한 문법 오류는 대부분 일치와 지시의 오류이다. 방법 서술문에서의 분리된 수식어, 긴 명사구를 지나며 사라지는 주어와 동사의 일치, 단수와 복수로 일관되지 않게 쓰이는 data, 자신의 문법적 패턴을 깨는 결과 목록, 명사를 받지 못한 채 시작하는 this, 그리고 보고와 해석 사이에서 바뀌는 시제가 그것이다.

Moe

PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.

AI 휴머니제이션 소식을 받아보세요

학술 글쓰기, AI 탐지, 휴머니제이션에 대한 팁을 받은편지함으로 받아보세요.

스팸은 없습니다. 언제든지 구독을 취소할 수 있습니다.