공공데이터로 탐구 설계하기 — 실험 없이 하는 사회 연구

실험 장비가 없고, 설문을 돌리자니 학교 허락을 받는 데만 몇 주가 걸립니다. 그래서 주제를 정하고도 데이터 수집 단계에서 멈추는 연구가 많습니다. 그런데 이 지점에서 잊히는 선택지가 하나 있습니다. 이미 누군가 몇 년치를 모아 공개해둔 데이터를 받아 쓰는 것입니다.

공공데이터로 하는 연구는 실험 연구보다 쉬운 연구가 아니라 다른 종류의 연구입니다. 데이터를 만드는 노력이 없는 대신, 남이 만든 데이터가 무엇을 어떻게 센 것인지 이해하는 노력이 그만큼 들어갑니다. 그 노력을 어디에 쓰는지가 이 글의 내용입니다.

데이터를 만들지 않아도 연구다

연구의 요건은 데이터를 직접 만드는 것이 아니라, 답할 수 있는 질문을 세우고 근거로 답하는 것입니다. 기존 통계를 분석하는 방식은 학술적으로 2차 자료 분석이라 부르고, 사회과학·보건 분야에서는 오히려 흔한 설계입니다.

이 설계가 학생 연구에서 특히 강한 지점이 셋 있습니다. 첫째, 표본이 큽니다. 반 친구 25명으로는 못 하는 지역 비교나 연도 비교가 가능합니다. 둘째, 시간을 거슬러 올라갑니다. 10년 추세는 지금부터 모아서는 절대 만들 수 없습니다. 셋째, 윤리 절차가 가볍습니다. 이미 개인을 식별할 수 없게 집계된 자료이므로 동의서 문제가 생기지 않습니다.

대신 약점도 분명합니다. 변수를 내가 고를 수 없고, 조작할 수도 없습니다. 그래서 공공데이터 연구는 인과를 주장하는 연구가 되기 어렵고, 무리해서 인과를 말하는 순간 가장 크게 감점됩니다. 이 경계를 지키는 방법은 뒤에서 다시 봅니다.

어디서 받나 — 국내 네 곳

집필 시점(2026-09-05)에 각 사이트를 직접 열어 확인한 내용입니다. 화면 구성은 바뀔 수 있으니 메뉴 이름보다 무엇이 있는지를 기억하세요.

고르는 순서는 이렇게 잡으면 실패가 적습니다. 인구·경제·사회 지표는 KOSIS, 학교와 관련된 것은 교육통계서비스, 날씨를 변수로 쓸 거면 기상자료개방포털, 그 밖의 구체적인 행정 자료(예: 자치구별 시설 목록)는 공공데이터포털입니다. 처음이라면 KOSIS 하나만 열어보세요. 로그인 없이 표를 열어볼 수 있고 통계표 단위로 정리되어 있어 학생이 다루기 가장 쉽습니다.

공공데이터로 가능한 질문의 세 형태

받을 수 있는 데이터가 많다고 아무 질문이나 되는 것은 아닙니다. 집계된 통계로 답할 수 있는 질문은 사실상 세 형태입니다.

첫째, 추세. "이 지표가 시간에 따라 어떻게 변했는가." 가장 안전하고, 가장 자주 성공합니다. 다만 "늘었다/줄었다"로 끝나면 연구가 아닙니다. 꺾이는 지점(변곡)을 찾아 그 시점에 무슨 일이 있었는지 자료로 확인하는 데까지 가야 합니다.

둘째, 지역 비교. "이 지표가 지역에 따라 다른가, 어떤 지역이 다른가." 순위표를 만드는 데서 그치지 말고, 상위·하위 지역이 공유하는 다른 특성을 함께 놓아야 합니다.

셋째, 두 지표의 관계. "A가 높은 지역은 B도 높은가." 가장 매력적이고 가장 위험한 형태입니다. 다음 절이 통째로 이 위험에 관한 이야기입니다.

세 형태 모두 질문을 먼저 쓰고 데이터를 찾아야 합니다. 데이터를 먼저 열어놓고 눈에 띄는 조합을 찾는 방식은, 아무 의미 없는 상관을 발견하고 그럴듯한 설명을 붙이는 결과로 끝나기 쉽습니다.

반드시 조심할 것

생태학적 오류. 집계된 단위(지역·학교·국가)에서 나타난 관계를 개인에게 그대로 옮기는 잘못입니다. 예를 들어 사교육비 지출이 높은 시·도의 평균 성적이 높다고 해서, 사교육비를 많이 쓴 학생의 성적이 높다는 뜻은 아닙니다. 지역 단위 자료는 지역에 대해서만 말할 수 있습니다. 보고서에서는 결론 문장의 주어를 반드시 집계 단위로 씁니다 — "학생일수록"이 아니라 "지출이 높은 지역일수록".

집계 단위와 기간이 두 자료에서 다를 때. 한 자료는 시·군·구, 다른 자료는 시·도인 채로 이어 붙이면 그 순간 분석이 무너집니다. 연도도 마찬가지입니다. 회계연도(4월 시작)와 역년(1월 시작)이 섞이면 1년이 어긋납니다. 두 자료를 합칠 때는 단위와 기간이 같은지부터 확인하세요.

정의 변경. 통계는 도중에 정의가 바뀝니다. 집계 대상이 되는 연령 범위가 바뀌거나, 분류 체계가 개편되거나, 조사 방식이 전수에서 표본으로 바뀝니다. 그러면 그 시점에 값이 계단처럼 튀는데, 이걸 사회 변화로 해석하면 완전히 틀린 결론이 나옵니다. 통계표에는 거의 항상 '주석'이나 '자료 설명'이 붙어 있습니다. 데이터를 받은 직후, 그래프를 그리기 전에 이 설명부터 읽으세요. 이 한 번의 확인이 공공데이터 연구에서 가장 값싸고 효과 큰 작업입니다.

그리고 세 형태 중 마지막, 두 지표의 관계에서 나온 결과를 인과로 쓰지 않는 문장 요령은 통계 결과를 정직하게 읽는 법의 '상관은 인과가 아니다' 절에 문장 단위로 정리해두었습니다. 공공데이터 연구의 논의는 그 절의 표현을 그대로 쓰면 됩니다.

실제로 해보기 — 데이터 한 개로 질문 하나 답하기

과정을 KOSIS의 표 하나로 따라가 봅니다. 예로 잡을 질문은 **"우리나라 출생아 수는 최근 10년간 어떻게 변했고, 감소 폭이 가장 컸던 해는 언제인가"**입니다. 추세형 질문이고, 표 하나로 끝나며, 답이 숫자로 나옵니다.

1. 표 찾기. kosis.kr에서 국내통계 → 주제별통계 → 인구 → 인구동향조사 → 출생 아래의 '시도/월별 출생아수' 또는 '출생아수, 합계출산율, 자연증가 등' 통계표를 엽니다.
2. 조건 고르기. 지역은 '전국', 시점은 최근 10개 연도, 항목은 '출생아수(명)'만 남깁니다. 필요 없는 항목을 끄는 것이 나중에 표를 다루는 시간을 줄여줍니다.
3. 내려받기. 화면의 내려받기에서 엑셀 또는 CSV를 고릅니다. 파일을 열면 위쪽에 표 제목·단위·출처가, 그 아래에 값이 있습니다.
4. 정리하기. 새 시트에 '연도 / 출생아수 / 전년 대비 증감 / 증감률' 네 열만 만들어 옮깁니다. 원본 파일은 절대 덮어쓰지 말고 그대로 둡니다.
5. 답 찾기. 증감률 열에서 가장 작은(가장 크게 감소한) 해를 찾습니다. 그게 답입니다.

실제로 이렇게 한 사례

한 고등학생은 이 순서를 끝까지 밟았습니다. 식약처 공개 통계에서 2013~2024년 12년치 성별 부작용 보고 건수를 받아 CSV로 정리하고, 남녀 차이가 없다는 귀무가설을 먼저 세운 뒤 유의수준 5%로 t-검정을 했습니다. 12년 전체 분포는 남성 39.9%, 여성 60.1%였고, p값은 0.02173이었습니다. 전체 과정 보기

아래는 4단계에서 만들 표의 형태입니다. 값은 직접 받아 채우세요 — 이 글에서는 실제 수치를 채워 넣지 않았습니다. 통계는 개정·확정으로 값이 바뀌는데, 글에 박아둔 숫자는 시간이 지나면 틀린 값이 되어 그대로 인용되기 때문입니다. 여러분이 받은 파일의 값이 그 시점의 정답입니다.

표가 채워졌으면 답은 한 문장으로 씁니다. "최근 10년간 출생아 수는 계속 감소했으며, 전년 대비 감소율이 가장 컸던 해는 ○○○○년(-○.○%)이었다." 이 한 문장이 나오면 연구의 결과 절 첫 문장이 확보된 것입니다.

여기까지 왔다면 그래프를 하나 그립니다. 연도가 가로축, 출생아 수가 세로축인 선그래프면 충분합니다. 간이 차트 그리기에 네 열 중 두 열만 붙여넣으면 바로 나옵니다. 막대가 아니라 선을 쓰는 이유는 연도가 연속된 시간이기 때문이고, 세로축을 0에서 자르지 않았다면 그 사실을 캡션에 적어야 합니다.

그다음이 진짜 연구가 시작되는 지점입니다. 감소 폭이 가장 컸던 해에 무슨 일이 있었는지를 다른 자료로 확인하는 것 — 혼인 건수 표를 같은 방식으로 받아 나란히 놓는 것 — 이 단계에서 표 하나짜리 과제가 논문이 됩니다.

출처 표기와 이용 약관

공공데이터는 공짜지만 조건 없는 자유는 아닙니다. 국내 공공저작물에는 공공누리(KOGL) 라이선스가 붙습니다. kogl.or.kr에서 확인한 유형은 다섯 가지입니다.

학생 보고서는 대개 비상업적 이용이라 대부분의 유형에서 문제가 없지만, 변형 금지(제3·4유형) 는 주의해야 합니다. 표의 수치를 골라 다시 계산하고 그래프로 바꾸는 것이 변형에 해당할 수 있으므로, 내려받은 자료의 페이지에서 유형 표시를 확인하는 습관을 들이세요.

출처는 본문 그림·표 아래와 참고문헌 두 곳 모두에 적습니다. 그림 아래에는 이렇게 씁니다.

자료: 통계청, 「인구동향조사」, 국가통계포털(kosis.kr), (내려받은 날짜) 인출.

공공누리 표기를 함께 요구하는 자료라면 kogl.or.kr이 제시하는 문구를 그대로 따릅니다 — 기관명, 작성 연도, 공공누리 유형, 저작물명, 내려받은 곳을 한 문장에 담는 형식입니다. 참고문헌 목록에 넣을 형태는 인용 형식 만들어보기에서 만들 수 있습니다. 여기서 학생들이 가장 자주 빠뜨리는 것이 인출 날짜입니다. 웹 자료는 언제든 갱신되므로, 내가 본 시점을 적어야 나중에 값이 달라져도 내 분석이 틀린 것이 아님을 보일 수 있습니다.

마지막 점검입니다.

• 질문을 먼저 쓰고 데이터를 찾았는가 (데이터를 먼저 뒤지지 않았는가)
• 통계표의 주석과 자료 설명을 그래프보다 먼저 읽었는가
• 두 자료를 합쳤다면 집계 단위와 기간이 같은가
• 결론 문장의 주어가 개인이 아니라 집계 단위로 되어 있는가
• 상관을 인과 표현으로 쓰지 않았는가
• 출처에 기관·자료명·사이트·인출 날짜가 모두 있는가
• 내려받은 원본 파일을 수정하지 않고 따로 보관했는가

일곱 개가 채워졌다면 실험실 없이도 근거 있는 연구 한 편의 뼈대가 만들어진 것입니다. 다음은 이 질문을 논문의 연구질문 형태로 다듬는 일인데, 그 기준은 "궁금하다"와 "탐구 가능하다"는 다르다에 있습니다.