(A 씨의 사례)

  A 씨는 논문 유사도를 검사한 결과, 참고문헌에는 있으나 실제로 논문에는 인용되지 않은 자료를 발견했다. 해당 자료를 참고문헌에서 삭제하거나 해당 자료의 내용을 논문에 추가 인용하면 해결될 상황이었다.

 그런데 A 씨는 단순히 유사율을 낮추기 위한 꼼수를 선택했다. 참고문헌에는 있는데 실제로 논문에 인용되지 않은 그 자료의 ‘출처’ 를 본문 어딘가에 인용한 것처럼 허위로 기재했다. 그야말로 ‘가짜 인용’이다. 실제 인용하지도 않은 문장에다 인용한 것처럼 출처 표기를 한 것이기 때문이다.

  A 씨의 꼼수로 논문 유사율은 낮추었으나 이는 연구 윤리 실천의 기본이 되는 ‘자료 사용의 정직성’을 어긴 것이다. 유사도 검사 프로그램의 허점을 이용한 연구 윤리 위반이다. 

(B 씨의 사례)

  B 씨는 논문 유사도 검사에서 유사율을 낮추기 위해 참고한 자료의 의미는 살리되 자신의 말로 모두 바꾸어 옮겼다. 이 과정에서 다른 자료에서 가져온 내용과 자신의 의견도 모호하게 섞이고, 실제 인용인지 인용이 아닌지도 불명확해졌다. 출처도 밝히지 않았다. 유사도 검사를 해 봤지만 문제가 없는 것으로 나왔다.

  B 씨는 유사도 검사의 한계를 악용했다. 다른 논문에서 가져온 내용에서 ‘표현을 동일하게’ 옮긴 것은 유사율에 반영되지만 말을 바꾸어 옮김으로써 ‘의미적으로만 유사한 부분’은 잘 드러나지 않는 것을 알고 저지른 행위이기 때문이다. 이는 명백한 연구 윤리 위반의 사례라 할 수 있다.

  다행히 최근에는 유사도 검사 기술도 점차 진화하고 있다. 논문 간에 ‘의미적으로 유사한 부분’까지도 찾아내고 인용의 진위 여부를 가려주는 기술이 상용화를 앞두고 있다.

 (C 씨의 사례)

  C 씨의 논문 유사율 수치는 10% 이하로 그리 높지 않게 나왔다. 그런데 유사도 검사 ‘상세보기’를 통해 논문에 인용된 부분의 출처를 1:1로 꼼꼼히 살펴보니 인용 표시가 부정확한 부분이 꽤 있었다.

  다른 자료에서 내용을 바꾸지 않고 그대로 빌려왔음에도 ‘간접인용’의 형식을 취했고 서지정보를 ‘저자, 연도’만 밝혔다. 이러한 경우 ‘직접인용’을 해야 하고 특정 페이지에서 가져온 내용이 분명하다면 ‘저자, 연도, 면수’까지 표시하는 것이 더 정확하다.

연구 윤리 강화를 위해 ㈜무하유에서 수행 중인 연구입니다.

<인용의 유효성 검증>

■ 본문 속에 ‘출처 표시’ 되어 있는 것이 실제로 해당 자료 원문의 내용을 인용한 것이 맞는지 확인하는 딥러닝 기반 기술.

■ 논문 간에 ‘표현적으로 일치’하는 부분, ‘의미적으로 유사한 부분’을 토대로 인용의 진위 여부 즉 인용의 유효성을 검증하는 기술