학술 글쓰기에서 가독성 점수가 오해를 낳는 이유

박사과정 후보생이 제출 일주일 전에 자신의 방법론 절에서 한 단락을 무료 가독성 도구에 넣어 본다. 그 결과는 대학원 수준의 읽기 수준으로 점수가 매겨지고, 난해한 것으로 표시된다. 그녀는 세 문장을 단순화하면서 정확한 용어인 "heteroscedasticity"를 "unequal variance"로 바꾸고, 점수는 개선된다. 문장은 이제 더 읽기 쉬워졌지만 이전보다 덜 많은 내용을 말하며, 그녀의 지도교수도 저널도 그 변경을 요구하지 않았다.

연구 논문은 어느 정도의 읽기 수준이어야 하는가? 기계적인 답은 일반 독자를 위해 만들어진 공식이 전문 독자가 실제로 필요로 하는 것을 측정한 적이 없다는 것이며, 따라서 해당 분야의 다른 전문가들을 위해 쓰인 논문에서 목표 학년 수준을 추적하는 것은 잘못된 문제를, 한 문장씩, 해결하는 셈이다.

TextPulse의 학술 글쓰기를 위한 AI humanizer 사용 가이드는 논문의 산문이 탐지기에서 어떻게 읽히는지, 절별로 다룬다. 가독성 점수는 전혀 다른 것을 측정하며, 이 둘을 혼동하면 글쓴이는 원래 그 글이 쓰인 독자에게는 실제로 불분명하지 않았던 단락을 지나치게 수정하게 된다.

연구 논문은 어느 정도의 읽기 수준이어야 하는가?

연구 논문이 도달해야 할 목표 학년 수준은 없다. 논문의 목표로 가독성 점수를 설정하면 대체로 더 나빠진다. 더 쉬운 단어, 더 짧은 문장, 문장당 실제 내용의 감소, 이미 더 많은 배경지식을 갖추고 있는 독자를 겨냥하는 방향으로 흐르기 때문이다. 문장 길이와 음절 수만 세는 공식은 필요한 복잡성과 군더더기를 구분할 수 없다.

가독성 공식이 실제로 세는 것

Flesch-Kincaid와 같은 공식은 정확히 두 가지 입력값으로 점수를 계산한다. 문장당 평균 단어 수와 단어당 평균 음절 수이다. 이 두 수치를 결합하면 공식은 하나의 숫자를 출력하며, 이는 흔히 학교 학년 수준으로 변환된다. 주제, 논증의 질, 또는 어떤 문장이 실제로 참인지 여부는 계산의 어느 시점에도 들어가지 않는다.

그것이 측정의 전부이다. 문장 길이와 음절 수로 만든 공식은 모든 다음절 단어를 동일하게 어렵다고 취급하는데, 그것이 난해한 문학적 수사이든, 더 짧은 단어를 쓰면 틀리게 되는 이유로 해당 분야 전체가 사용하는 정확한 용어이든 마찬가지이다. 이미 해당 분야를 아는 독자는 "heteroscedasticity"를 보아도 속도를 늦추지 않고 읽는다. 해당 분야를 모르는 독자도 "uneven spread"에서 얻는 것이 거의 없는데, 개념 자체에 필요한 것은 단어가 아니라 배경지식이기 때문이다.

왜 기술 논문은 낮은 점수를 받고, 모호한 글은 높은 점수를 받는가

분야 특유의 용어와 정확한 수치로 가득한 밀도 높은 방법론 단락은, 그 용어들이 길고 문장들이 실제 정보를 담고 있기 때문에 어렵다고 평가된다. 반면 짧고 흔한 단어와, 구체적인 내용을 말하지 않도록 만든 짧은 문장으로 구성된 모호한 단락은, 독자가 거기서 배우는 것이 더 적더라도 쉽다고 평가된다. 실제 문장 두 개를 나란히 놓아 보면 그 불일치는 분명하다.

Sentence	가독성 공식이 보는 것	전문 독자가 보는 것
"Heteroscedasticity in the residuals violated the assumption of homogeneity of variance."	긴 단어, 높은 음절 수, 어렵다고 평가됨	정확하게 명명된 통계적 문제로, 해당 분야에서 실제로 사용하는 바로 그 표현으로 제시됨
"The results were not entirely consistent across groups."	짧은 단어, 짧은 문장, 쉽다고 평가됨	무엇이 실제로 일관되지 않았는지, 또는 왜 그런지 말하지 않는 모호한 주장
"We excluded participants who missed more than two sessions."	짧은 단어, 쉽다고 평가됨	구체적이고 검증 가능한 방법론적 결정이, 명확하게 제시됨

그 중 어느 것도 음절 수에는 드러나지 않는다. 자신의 방법 절을 readability checker에 넣어 보면, 이미 모호하고 도움이 되지 않는다고 알고 있는 문단보다 종종 더 낮은 점수가 나온다. 이는 이 도구가 문장이 독자를 위해 실제로 무엇을 달성하는지가 아니라 문장의 표면적 특징만을 측정하기 때문이다.

당신의 분야에서 독자가 실제로 필요로 하는 것은 무엇인가

한 문장에 하나의 생각을 담는다. 익숙한 정보가 새로운 정보보다 먼저 오며, 새로운 정보는 앞의 익숙한 정보에 의존한다. 기술 용어가 있다면 처음 사용할 때 분명하게 정의하고, 그 뒤로는 논문 전체에서 같은 방식으로 계속 사용한다. 단어 길이는 이와 아무 관련이 없다.

기존 정보가 먼저 오는 배열은 문장이 독자가 앞선 문장에서 이미 가진 것으로 시작한 뒤, 끝에서 새로운 부분을 더하는 것을 뜻하므로, 각 문장은 다음 문장에 발판을 건넨다. "Building on the finding that recall improves after sleep, the present study tested whether the timing of sleep mattered as much as its duration"로 시작하는 문장은 독자에게 익숙한 부분을 먼저, 새로운 질문을 나중에 건넨다. 이를 거꾸로 하면, 같은 정보가 독자로 하여금 왜 그것이 거기에 있는지 알기 전에 낯선 주장을 머릿속에 붙들고 있게 만든다.

용어를 처음 사용할 때 한 번, 분명하게 정의하고, 그 뒤에 정확히 같은 용어를 다시 사용하는 것은, 전문 독자에게는 다양성을 위해 "the intervention"을 "the treatment"로, 또 "the program"으로 바꾸는 것보다 더 가치가 있다. 이렇게 세 개의 연속된 문단에서 용어를 바꾸면, 주의 깊은 독자는 서로 다른 세 가지를 설명하는 것인지, 아니면 하나를 말하는 것인지 확인하기 위해 멈춰 서게 된다.

readability score보다 더 나은 시험

점수보다 더 유용한 검사는, 인접한 세부 분야의 동료, 즉 해당 분야의 일반적인 영역은 알지만 이 특정 방법은 모르는 사람이 한 단락을 한 번 읽고 그 단락이 무엇을 주장하는지 다시 말할 수 있는지 여부이다. 그들이 그렇게 할 수 있다면, 그 단락은 어떤 학년 수준의 공식이 그것에 부여하든 제 역할을 하고 있는 것이다. 그들이 그렇게 할 수 없다면, 문제는 거의 항상 위의 세 가지 중 하나이다. 정의가 빠졌거나, 독자가 그것을 둘 곳도 없이 사실이 먼저 제시되었거나, 두 개의 생각이 한 문장에 억지로 들어가 있는 경우이다. 이 하나의 검사는 음절 수로는 잡아내지 못하는 문제를 포착한다. 같은 절에서 같은 용어를 두 가지 다른 방식으로 사용한 경우, 독자가 아직 갖고 있지 않은 배경을 조용히 전제하는 문장, 또는 그렇다고 말하지도 않은 채 중간에 주제를 바꾸는 단락이 그것이다.

실제 목표 읽기 수준이 들어갈 자리는 하나 있다. 그것은 해당 분야의 전문가는 전혀 아닌 독자를 위해 쓰는 평이한 언어 요약 또는 일반인용 초록이며, TextPulse의 평이한 언어 요약을 쓰는 방법에 관한 글이 그 역할을 제대로 맡는다. 논문의 다른 모든 곳에서는 독자가 이미 배경지식을 갖고 있으며, 확인할 가치가 있는 유일한 점수는 그들이 첫 번째 읽기에서 문장을 이해했는지 여부이다.

문체와 인칭은 함께 움직이며, APA 논문에서 I를 쓸 수 있는지 여부는 별도로 답해야 한다. 어떤 재작성 과정에서도 인용을 그대로 유지하는 것은 자체 페이지를 가진 다른 문제이다.

문장을 처음에 제대로 쓰는 것, 즉 한 문장에 하나의 생각만 담고 용어를 한 번만 정의하는 것은 편집 도구의 역할이라기보다 초안 작성 습관에 가깝다. 생각의 순서가 올바르게 정리된 뒤에도 여전히 딱딱하거나 반복적으로 읽히는 문장에 대해서는, TextPulse의 AI humanizer가 바로 그 수준에서 작동하며, 정확성을 낮은 점수와 맞바꾸지 않는다.