준실험연구 (Quasi-Experimental Design)

언제 쓰나요?

교육이나 프로그램의 효과를 알고 싶지만 사람을 무작위로 나눌 수 없을 때 사용합니다.
실험집단과 통제집단의 사전·사후 점수가 필요합니다. 면담을 더하면 효과의 이유도 설명할 수 있습니다.
준실험은 사전 점수를 통제하거나 변화량을 비교해 집단 차이를 추정합니다(ANCOVA, 혼합 분산분석).
조정 평균, 집단×시점 그래프, 효과크기를 제시합니다. 무선 할당이 없으므로 다른 설명 가능성을 함께 논의합니다.

예를 들면

A 부서는 6주 교육을 받고, B 부서는 받지 않습니다. 두 부서 모두 교육 전후에 학습전이를 측정합니다.
사전 점수를 고려해도 A 부서의 사후 점수가 더 높은지 확인합니다.
조정 평균과 집단×시점 그래프, 효과크기를 제시합니다.

선택할 때 확인할 점

비교집단과 사전 점수부터 확보하세요.
먼저 ‘교육이 없었어도 생겼을 변화’가 무엇일지 적어 보세요.

준실험연구 (Quasi-Experimental Design)에서 처음 볼 용어를 확인하세요 (절차·분석·해석)

먼저 질문과 핵심 개념을 확인하고, 설계·절차에서 분석과 결과 해석으로 이어서 읽어 보세요. 이 방법의 주요 용어를 이해하고 연구문제에 맞는 선택을 돕는 학습 안내입니다. 아래 분석 순서와 점검표도 함께 확인하세요.

1. 질문과 핵심 개념

준실험: 처치와 비교집단이 있지만 무선 할당이 없는 연구입니다. 이미 나뉜 집단을 그대로 비교합니다.
처치: 효과를 알고 싶은 교육이나 프로그램입니다. 내용과 기간, 참여율을 구체적으로 정의합니다.
진실험과의 차이: 진실험은 무선 할당으로 집단을 만들어 원래 차이를 확률적으로 없앱니다. 준실험은 설계와 통계로 줄일 뿐입니다.

2. 설계와 절차

비동등 통제집단 설계: 서로 다를 수 있는 두 집단에 사전·사후 검사를 하는 가장 흔한 준실험 설계입니다.
선택 편향: 참여 집단이 처음부터 달라 생기는 차이입니다. 의욕이 높은 사람이 교육을 신청한 경우가 대표적입니다.
내적 타당도 위협: 동시 사건(역사), 성숙, 검사 효과, 탈락, 집단 간 교류처럼 처치 외의 설명 가능성입니다.

3. 분석과 결과

사전 동질성: 처치 전 두 집단의 점수가 비슷한지 확인합니다. 유의하지 않다고 해서 두 집단이 같다는 증명은 아닙니다.
ANCOVA: 사전 점수를 공변량으로 넣고 사후 점수의 집단 차이를 비교하는 분석입니다.
회귀 기울기 동질성: 사전 점수와 사후 점수의 관계가 두 집단에서 같다는 ANCOVA의 가정입니다. 집단×사전 상호작용으로 확인합니다.
집단×시점 상호작용: 변화량이 집단마다 다른지 검정합니다. 혼합 분산분석에서 얻으며 이중차분과 같은 논리입니다.
성향점수 매칭: 처치를 받을 확률이 비슷한 사람끼리 짝지어 관측된 변수의 차이를 줄이는 방법입니다. 측정하지 않은 차이는 해결하지 못합니다.

4. 해석과 보고

효과크기: ηp²나 Cohen d로 차이의 크기를 나타냅니다. d는 .2, .5, .8을 흔히 작음, 중간, 큼의 기준으로 봅니다.
인과 해석의 범위: 준실험은 효과의 근거를 주지만 확정하지 못합니다. ‘효과가 있는 것으로 나타났다’처럼 조심스럽게 씁니다.

이 용어를 각 방법의 연구 맥락에서 더 확인하려면 해당 방법론 논문을 보세요: 추천논문 1.

01 · 목적

언제, 어떤 목적으로 선택하나요?

효과를 알고 싶은데 사람을 무작위로 나눌 수 없다면 준실험을 검토합니다. 부서, 학급, 기수처럼 이미 나뉜 집단을 비교하는 경우가 많습니다.

이 방법으로 답하는 연구 목적

이미 정해진 부서, 학급, 기수를 그대로 비교해 교육 효과를 확인하고 싶을 때 씁니다. 상관 연구보다 처치 효과에 가까운 근거를 주지만, 진실험만큼 인과를 확정하지는 못합니다.

대표 연구 질문

이 교육이나 프로그램은 실제로 효과가 있었는가?

필요한 변수·자료의 형태

독립변수는 집단(실험/통제)이고, 종속변수는 사전·사후에 같은 도구로 측정한 점수입니다.
사전 점수와 처치 전에 측정한 경력, 직급을 공변량으로 씁니다. 처치 후에 측정한 변수는 공변량으로 넣지 않습니다.
집단 단위로 배정되었다면 군집 구조(ICC)를 확인합니다.

분석에서는 무엇을 하나요?

사전 동질성을 t 검정이나 표준화 평균 차이로 확인합니다.
ANCOVA로 조정 평균을 비교하거나, 혼합 분산분석으로 집단×시점 상호작용을 봅니다.
효과크기(ηp², Cohen d)와 신뢰구간을 함께 계산합니다.

결과를 어떻게 해석하나요?

기술통계, 동질성 결과, 검정 통계량, 효과크기를 보고합니다.
준실험의 핵심 결과는 집단 차이 또는 상호작용입니다. 시점 효과만으로 효과를 주장하지 않습니다.
무선 할당이 없음을 밝히고 다른 설명 가능성을 논의합니다.

이런 상황이면 이 분석을 고려하세요

1. 처치의 효과를 물음

교육이나 프로그램, 제도처럼 연구자가 시기를 알 수 있는 처치가 있고 그 효과가 궁금한 경우입니다.

2. 비교집단이 있음

처치를 받지 않았거나 나중에 받을 집단이 있어야 변화와 효과를 구별할 수 있습니다.

3. 사전 측정이 가능함

처치 전에 같은 도구로 측정해야 집단의 출발점 차이를 다룰 수 있습니다.

4. 다른 설명을 점검함

성숙, 동시 사건, 탈락, 집단 간 교류 같은 내적 타당도 위협을 설계와 분석에서 다룹니다.

어떤 질문이면 다른 방법을 비교해야 하나요?

다중회귀분석 (Multiple Regression): 처치 없이 자연스럽게 존재하는 변수의 관계를 본다면 회귀분석이 맞습니다.
조절효과 (Moderation, 이중조절 포함): 처치 효과보다 두 변수 관계가 조건에 따라 달라지는지 궁금하면 조절효과를 검토합니다.
혼합연구 (Mixed Methods Research): 효과의 이유까지 설명하고 싶으면 면담을 더한 혼합 설계로 확장합니다.

선택 기준의 방법론 근거: 추천 논문 1. 아래 자료·해석 범위까지 확인해 최종 방법을 정하세요.

02 · 자료와 분석 구조

어떤 자료와 변수로, 어떤 구조를 분석하나요?

집단을 독립변수로, 사후 점수를 종속변수로, 사전 점수를 공변량으로 두는 구조입니다. 같은 자료를 집단×시점 혼합 분산분석으로 볼 수도 있습니다.

분석 구조 한눈에 보기

집단(실험/통제) → 사후 점수
사전 점수(공변량) → 사후 점수
집단 × 시점 → 점수 (혼합 분산분석)

식으로 보면

post_i = β0 + β1·group_i + β2·pre_i + e_i (ANCOVA, β1이 조정 평균 차이)
score_it = β0 + β1·group + β2·time + β3·group×time + u_i + e_it (β3이 이중차분)

진실험, 준실험, 단일집단 설계는 어떻게 다른가

구분	진실험	준실험	단일집단 사전·사후
무선 할당	있음	없음	없음
통제집단	있음	있음	없음
현장 적용	어려운 경우가 많음	쉬움	가장 쉬움
인과 근거	가장 강함	중간 (위협 점검 필요)	약함
주요 분석	t 검정, ANOVA	ANCOVA, 혼합 분산분석, 이중차분	대응표본 t 검정

필요한 자료와 구성 요소

역할	무엇인가요	예시	형태
집단 (독립변수)	처치 여부	실험 1, 통제 0	이분형
사전 점수 (공변량)	처치 전 수준	교육 전 학습전이	연속형
사후 점수 (종속변수)	처치 후 결과	교육 후 학습전이	연속형
시점	사전, 사후의 반복 요인	0, 1	반복 요인
공변량	처치 전에 측정한 차이	경력, 직급	연속형, 범주

문헌 자료는 이렇게 정리합니다

ID	group	pre	post	tenure
A01	1	3.2	4.1	5
A02	1	3.0	3.8	2
B01	0	3.3	3.5	7

예시 값입니다(실제 자료가 아님). 한 행은 한 사람입니다. group은 실험 1, 통제 0입니다.

자료 파일을 만들 때 지킬 규칙

사람 1명을 한 행으로 두고 사전, 사후를 열로 나눕니다.
사전과 사후 문항, 역채점, 척도를 같게 합니다.
처치 후에 측정한 변수를 공변량으로 넣지 않습니다.
탈락자는 지우지 말고 표시한 뒤 차이를 보고합니다.

분석은 이렇게 진행합니다

SPSS ANCOVA: 분석 → 일반선형모형 → 일변량 → 종속변수 post, 고정요인 group, 공변량 pre, 옵션에서 효과크기와 조정 평균 지정
SPSS 혼합 분산분석: 분석 → 일반선형모형 → 반복측정 → 시점(2수준) 정의, pre와 post 지정, 개체-간 요인 group
R: fit <- lm(post ~ group + pre, data = d); summary(fit)

자료 조건과 주의점

실험집단과 통제집단의 사전·사후 점수. 같은 도구로 측정하고 같은 사람을 ID로 연결합니다.
집단 변수와 처치의 내용, 기간, 참여율 기록.
사전 차이를 설명할 공변량: 사전 점수, 경력, 직급 등.
필요하면 참여자 면담과 관찰 자료를 더합니다.

03 · 예시 연구모형

이런 연구모형으로 분석합니다

연구모형은 연구에서 다룰 변수와 변수 사이의 가설 관계를 그림으로 나타낸 것입니다. 아래 예시에서 변수의 역할(독립·매개·조절·종속·외생·내생 등)과 화살표의 방향을 읽어 본 뒤, 내 연구의 변수를 같은 방식으로 배치해 보세요. 그 구조가 이 방법과 맞는지 보면 알맞은 분석 방법을 고를 수 있습니다.

모형 1. 비동등 통제집단 사전·사후 설계 (ANCOVA)

연구문제 예 교육에 참여한 부서의 학습전이는 참여하지 않은 부서보다 높은가?

공변량
독립변수 (실험=1, 통제=0)
종속변수

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 사전 점수를 통제하면 실험집단의 사후 학습전이는 통제집단보다 높을 것이다.

예시 분석 결과 읽기

H1 지지: 사전 점수를 통제한 뒤 집단 차이가 유의합니다(F(1,117) = 23.5, p < .001, ηp² = .17).
조정 평균은 실험 4.02, 통제 3.58입니다.
회귀 기울기 동질성(집단×사전 n.s.)이 충족되어 ANCOVA를 쓸 수 있습니다.

이렇게 읽습니다 두 집단이 처음부터 다를 수 있으므로 사전 점수를 공변량으로 넣어 사후 점수를 비교합니다. 다중회귀에 집단 변수와 사전 점수를 넣은 것과 같은 모형입니다.

모형 2. 집단 × 시점 혼합 분산분석 (이중차분의 논리)

연구문제 예 교육 전후의 변화량은 두 집단에서 다른가?

조절변수 (실험/통제)
독립변수 (사전/사후)
종속변수

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 전체적으로 사후 점수가 사전 점수보다 높을 것이다.
H2: 사전에서 사후로의 증가량은 실험집단이 통제집단보다 클 것이다(집단×시점 상호작용).

예시 분석 결과 읽기

H1 지지: 시점 효과가 유의합니다(F(1,118) = 128.5, p < .001).
H2 지지: 상호작용이 유의합니다(F(1,118) = 16.2, p < .001, ηp² = .12). 실험집단이 0.43점 더 증가했습니다.
무선 할당이 없으므로 다른 설명 가능성(부서 차이, 동시 사건)을 함께 논의합니다.

이렇게 읽습니다 시점은 같은 사람 안에서 반복되는 변수, 집단은 사람 간 변수입니다. 위에서 내려오는 화살표가 상호작용입니다. 통제집단도 자연스럽게 변하므로 그 변화를 뺀 차이가 교육 효과의 추정치입니다.

모형 3. 면담을 더한 혼합 설계 (설계 도식)

연구문제 예 교육 효과가 있었다면 왜 그랬는가?

O₁
B 부서 (n=60)
처치 없음
QUAL
X
A 부서 (n=60)
O₂

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 실험집단의 사후 점수 증가가 통제집단보다 클 것이다.
연구 질문: 참여자는 어떤 요소 때문에 교육 내용을 적용했다고 말하는가?

예시 분석 결과 읽기

사전·사후 비교로 효과의 크기를, 면담으로 효과가 난 이유를 제시합니다.
두 결과는 공동표시표로 통합합니다.

이렇게 읽습니다 O는 측정, X는 처치입니다(Shadish, Cook, & Campbell, 2002의 표기). 위아래 줄을 비교하면 설계가 한눈에 보입니다. 사후 검사 뒤에 면담을 넣으면 설명적 순차 혼합 설계가 됩니다.

변수, 가설, 계수는 이해를 돕기 위해 교육·HRD 맥락으로 만든 학습용 예시이며 실제 연구 결과가 아닙니다. 특정 논문의 모형을 옮긴 것은 아닙니다. 이 방법을 실제로 쓴 논문의 예: Connolly, T. M., MacArthur, E., Stansfield, M., & McLellan, E. (2007).

04 · 제시하고 싶은 결과

분석 후 무엇을 보여 줄 수 있나요?

교육을 받은 집단이 받지 않은 집단보다 얼마나 더 변했는지 보여 줍니다.
ANCOVA 표와 조정 평균: 사전 점수를 통제해도 차이가 있는가
집단×시점 그래프와 효과크기: 변화가 얼마나 다른가

유의한 결과나 높은 적합도를 얻는 것 자체가 연구의 목적은 아닙니다. 결과가 연구문제에 어떤 답을 주는지, 무엇이 아직 불확실한지 함께 설명해야 합니다.

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 집단별 기술통계와 사전 동질성

분석 전에 두 집단이 비슷하게 출발했는지 먼저 보여 줍니다.

이렇게 읽습니다 사전 점수의 t 검정이 유의하지 않으면 두 집단의 출발점이 크게 다르지 않다고 봅니다. 그래도 측정하지 않은 변수의 차이는 남을 수 있습니다.

결과 그림 2. 공분산분석표

사전 점수를 통제한 뒤의 집단 차이를 제시합니다.

이렇게 읽습니다 집단 행의 F가 교육 효과의 검정입니다. ηp²는 효과크기로, .01, .06, .14를 흔히 작음, 중간, 큼의 기준으로 봅니다. p값과 함께 보고합니다.

결과 그림 3. 집단 × 시점 그래프

두 집단의 변화를 선으로 나타낸 그림입니다.

이렇게 읽습니다 두 선이 나란하면 교육 효과가 없고, 벌어질수록 상호작용이 큽니다. 통제집단도 조금 올랐으므로, 실험집단의 증가분 전체를 교육 효과로 보면 과대평가입니다.

그림의 값은 이해를 돕기 위해 만든 예시이며 실제 연구 결과가 아닙니다.

05 · 궁극적으로 밝힐 것

내가 끝까지 답하고 싶은 질문과 맞나요?

“이 교육이나 프로그램이 실제로 변화를 만들었는지 알고 싶다.”

이 질문에 답하는 분석 구조

비교집단의 사전·사후 점수로 사전 차이를 통제한 집단 차이 또는 집단×시점 상호작용을 추정합니다.

왜 하나요? ‘이 교육이 변화를 만들었는가’를 알고 싶지만 무선 할당이 어려울 때. 현장에서 처치 효과에 가까운 근거를 얻기 위해 합니다.

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

혼합연구 (Mixed Methods Research): 분석 구조 양적 자료와 질적 자료를 정해 둔 순서로 수집·분석하고, 연결·구축·병합으로 통합해 메타 추론을 만듭니다.이럴 때 선택 ‘얼마나’와 ‘왜’를 함께 알고 싶을 때. 한 자료만으로 얻지 못하는 해석을 만들기 위해 합니다.
다중회귀분석 (Multiple Regression): 분석 구조 결과변수(Y) 하나를 여러 설명변수(X1, X2, X3…)와 통제변수로 동시에 설명하는 회귀모형 Y = b0 + b1X1 + b2X2 + …을 추정하고, 각 X의 고유한 회귀계수와 모형의 설명력(R²)을 봅니다.이럴 때 선택 ‘여러 요인 중 무엇이 결과와 따로 관련되는가’를 알고 싶을 때. 요인끼리 서로 겹치는 부분을 통제하고 각 요인의 고유한 관련을 나누어 보기 위해 합니다.
조절효과 (Moderation, 이중조절 포함): 분석 구조 Y = b0 + b1X + b2W + b3(X×W)처럼 X와 조절변수 W의 곱(상호작용) 항을 넣고, W 수준별로 X→Y 기울기가 달라지는지 봅니다.이럴 때 선택 ‘X와 Y의 관계가 어떤 조건(집단·상황)에서 더 강하거나 약해지는가’를 알고 싶을 때. 평균적인 관계 뒤에 숨은 조건별 차이를 드러내기 위해 합니다.

06 · 분석 순서

분석은 어떤 순서로 진행하나요?

사용 도구 SPSS(GLM 일변량, 반복측정) 또는 R 기준.

기준의 출처 Shadish·Cook·Campbell(2002), Grant·Wall(2009), Reichardt(2019), Cohen(1988), Field(2018).

설계 정하기
어떻게 하나요
처치, 실험집단과 통제집단, 측정 시점을 정합니다. 표본 수는 G*Power로 계산합니다.
확인할 값과 해석 기준
예: ANCOVA, 효과크기 f = .25, 검정력 .80, α = .05. 집단당 인원이 대략 비슷하도록 계획합니다.
왜 하고, 무엇을 알 수 있나요
비교 가능한 설계를 갖춥니다.
사전 검사
어떻게 하나요
처치 전에 같은 도구로 두 집단을 측정합니다.
확인할 값과 해석 기준
Cronbach α ≥ .70을 확인합니다. 설문 ID로 사전과 사후를 연결합니다.
왜 하고, 무엇을 알 수 있나요
출발점을 기록합니다.
처치 실행과 기록
어떻게 하나요
교육을 실행하고 참여율, 집단 간 교류, 동시 사건을 기록합니다.
확인할 값과 해석 기준
실행 충실도와 통제집단의 오염 여부를 확인합니다.
왜 하고, 무엇을 알 수 있나요
결과를 다른 원인과 구별할 자료를 얻습니다.
사후 검사와 자료 정리
어떻게 하나요
같은 도구로 측정하고 사전과 연결합니다. 탈락자를 표시합니다.
확인할 값과 해석 기준
탈락률과 탈락자의 사전 점수 차이를 봅니다. 이상값과 결측을 점검합니다.
왜 하고, 무엇을 알 수 있나요
분석할 수 있는 자료를 만듭니다.
기술통계와 사전 동질성
어떻게 하나요
SPSS 독립표본 T 검정으로 사전 점수를 비교합니다.
확인할 값과 해석 기준
p ≥ .05면 유의한 차이가 없습니다. 표준화 평균 차이 |d| < .25도 함께 봅니다. 차이가 크면 공변량이나 매칭을 검토합니다.
왜 하고, 무엇을 알 수 있나요
출발점 차이의 크기를 압니다.
가정 확인
어떻게 하나요
정규성(왜도 ±2, 첨도 ±7 등), Levene 등분산, 집단×사전 상호작용을 확인합니다.
확인할 값과 해석 기준
집단×사전 상호작용이 유의하지 않아야 ANCOVA를 쓸 수 있습니다. 유의하면 존슨-네이먼 등을 검토합니다.
왜 하고, 무엇을 알 수 있나요
분석 방법이 맞는지 확인합니다.
효과 검정
어떻게 하나요
SPSS 일반선형모형 일변량으로 사후 점수에 집단과 사전 점수를 넣습니다. 또는 반복측정에서 시점과 집단을 넣습니다.
확인할 값과 해석 기준
집단 F 또는 집단×시점 F의 p < .05, ηp²(.01 작음, .06 중간, .14 큼)를 봅니다. 조정 평균을 함께 봅니다.
왜 하고, 무엇을 알 수 있나요
효과가 있는지, 있다면 얼마나 큰지 답합니다.
해석과 보고
어떻게 하나요
기술통계표, 분석표, 그래프, 효과크기, 위협 점검을 씁니다. 필요하면 면담 결과를 통합합니다.
확인할 값과 해석 기준
무선 할당이 없음을 밝히고 다른 설명 가능성을 논의합니다.
왜 하고, 무엇을 알 수 있나요
근거의 강도를 정직하게 전달합니다.

방법 선택을 위한 안내입니다. 실제 실행에서는 해당 방법의 원문과 교과서, 소프트웨어 문서를 함께 확인하세요.

07 · 사례

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습용 연구설계 사례입니다. 실제 논문의 연구 결과나 수집된 자료를 재현한 것이 아닙니다. 분석 방법의 근거는 아래 추천 문헌에서 확인할 수 있습니다.

사례 1 · HRD

리더십 교육의 효과 검증

연구목적

교육을 먼저 받은 부서와 나중에 받을 부서를 비교합니다.

알고 싶은 것

교육을 받은 부서의 리더십 행동은 대기 부서보다 더 높아졌는가?

사용할 자료

두 부서 직원의 사전·사후 리더십 행동 점수
경력, 직급

방법을 적용하는 방식

사전 동질성을 t 검정으로 확인하고, 사전 점수를 공변량으로 한 ANCOVA를 실행합니다.

제시할 결과

기술통계표
ANCOVA 표
효과크기

이 사례에서 밝힐 수 있는 것

대기 부서를 통제집단으로 쓰면 윤리 부담을 줄일 수 있습니다.

사례 2 · 교육공학

플립러닝 수업의 효과 비교

연구목적

같은 강좌의 플립러닝 분반과 일반 분반을 비교합니다.

알고 싶은 것

플립러닝 분반의 학습 성과 증가량은 일반 분반보다 큰가?

사용할 자료

두 분반의 사전·사후 시험 점수
학습 동기
수강생 면담

방법을 적용하는 방식

집단×시점 혼합 분산분석을 실행하고 면담으로 이유를 살펴봅니다.

제시할 결과

집단×시점 그래프
혼합 분산분석 표
면담 주제

이 사례에서 밝힐 수 있는 것

점수와 면담을 합치면 효과의 크기와 이유를 함께 말할 수 있습니다.

08 · 해석 범위

이 결과로 어디까지 말할 수 있을까요?

무선 할당이 없으므로 집단의 원래 차이가 결과에 섞일 수 있습니다.
유의한 효과를 곧바로 ‘교육 때문’이라고 단정하지 않습니다. 동시에 일어난 사건, 성숙, 탈락을 점검합니다.
사전 차이가 크면 ANCOVA로도 완전히 보정되지 않습니다.
통제집단 없는 단일집단 사전·사후 비교는 준실험보다 근거가 약합니다.

09 · 나의 연구에 대입하기

이 방법의 선택 조건을 스스로 확인해 보세요

자신의 연구목적과 자료를 떠올리며 답해 보세요. 세 조건이 모두 맞더라도 실제 연구를 시작하기 전에는 표집·측정·윤리·분석 가정을 구체적으로 검토해야 합니다.

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문

아래 논문에서 방법의 논리와 실제 연구에 적용하는 방식을 확인할 수 있습니다. 읽을 초점을 따라 연구목적·자료·결과를 비교해 보세요.

방법 설명SSCI
Grant, A. M., & Wall, T. D. (2009). The Neglected Science and Art of Quasi-Experimentation: Why-to, When-to, and How-to Advice for Organizational Researchers. Organizational Research Methods, 12(4), 653-686.
읽을 초점 조직 현장에서 무선 할당이 어려울 때 준실험을 어떻게 설계하고 내적 타당도 위협을 어떻게 줄이는지 읽어 보세요.
DOI: 10.1177/1094428108320737 · ISSN: 1094-4281 / 1552-7425
적용 논문KCI
Lee, J.-Y., Koo, Y. M., Jin, S.-U., Seo, J. H., & Go, B. S. (2007). Analysis of the Effectiveness of Creative Problem Solving Model-Based Instruction in Primary School Social Studies: Focus on Effect on Students' Creative Problem Solving Skills and Learning Achievement. 교육공학연구, 23(2), 105-133.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.17232/kset.23.2.105 · Crossref 인용 수 1회 (2026-11-02 확인)
적용 논문SSCI
Connolly, T. M., MacArthur, E., Stansfield, M., & McLellan, E. (2007). A quasi-experimental study of three online learning courses in computing. Computers & Education, 49(2), 345-359.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.1016/j.compedu.2005.09.001 · Crossref 인용 수 52회 (2026-11-02 확인)

교수님 Research list에서 이 방법의 직접 적용이 제목·서지로 확인되는 논문이 없어, 적용 논문은 SSCI와 KCI에서 각 1편을 골랐습니다.

확인일 2026-11-02 · ‘방법 설명’ 논문의 SSCI 표시는 확보한 학술지 목록의 ISSN 대조 결과입니다. 다만 일부 문헌은 이 목록으로 대조하지 못했으니 Clarivate Master Journal List에서 다시 확인해 주세요. 표시는 현재나 출판 당시의 등재를 보증하지 않습니다. ‘적용 논문’은 Crossref 서지로 확인했고, SSCI·KCI 표시는 학술지 기준이며 목록과 전수 대조하지 않았습니다.

← 연구 고민 다시 살펴보기 나의 연구 발전시키기(실습) →

1. 질문과 핵심 개념

2. 설계와 절차

3. 분석과 결과

4. 해석과 보고

언제, 어떤 목적으로 선택하나요?

이 방법으로 답하는 연구 목적

대표 연구 질문

필요한 변수·자료의 형태

분석에서는 무엇을 하나요?

결과를 어떻게 해석하나요?

이런 상황이면 이 분석을 고려하세요

1. 처치의 효과를 물음

2. 비교집단이 있음

3. 사전 측정이 가능함

4. 다른 설명을 점검함

어떤 질문이면 다른 방법을 비교해야 하나요?

어떤 자료와 변수로, 어떤 구조를 분석하나요?

분석 구조 한눈에 보기

식으로 보면

진실험, 준실험, 단일집단 설계는 어떻게 다른가

필요한 자료와 구성 요소

문헌 자료는 이렇게 정리합니다

자료 파일을 만들 때 지킬 규칙

분석은 이렇게 진행합니다

자료 조건과 주의점

이런 연구모형으로 분석합니다

모형 1. 비동등 통제집단 사전·사후 설계 (ANCOVA)

가설

예시 분석 결과 읽기

모형 2. 집단 × 시점 혼합 분산분석 (이중차분의 논리)

가설

예시 분석 결과 읽기

모형 3. 면담을 더한 혼합 설계 (설계 도식)

가설

예시 분석 결과 읽기

분석 후 무엇을 보여 줄 수 있나요?

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 집단별 기술통계와 사전 동질성

결과 그림 2. 공분산분석표

결과 그림 3. 집단 × 시점 그래프

내가 끝까지 답하고 싶은 질문과 맞나요?

이 질문에 답하는 분석 구조

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

분석은 어떤 순서로 진행하나요?

설계 정하기

사전 검사

처치 실행과 기록

사후 검사와 자료 정리

기술통계와 사전 동질성

가정 확인

효과 검정

해석과 보고

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

리더십 교육의 효과 검증

플립러닝 수업의 효과 비교

이 결과로 어디까지 말할 수 있을까요?

이 방법의 선택 조건을 스스로 확인해 보세요

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문