과학적 이론

슬라이드와 리딩자료 Wednesday, March 19, 2025

리딩 자료

필수 자료

연구방법론, 제1장 과학적 이론, pp. 39-73.

권장 자료

슬라이드

강의 슬라이드는 HTML 파일 형태로 온라인에서 확인할 수 있습니다. 아래 버튼을 클릭하면 슬라이드를 인터랙티브 웹사이트 형식 또는 정적 PDF 형식으로 열 수 있습니다 (인쇄하거나 저장할 때 유용합니다). 슬라이드를 직접 클릭한 후, 키보드의 왼쪽과 오른쪽 화살표 키로도 이동할 수 있습니다.

새 창에서 슬라이드 보기 슬라이드 PDF로 다운받기

과학적 개념과 개념화(conceptualization)

앞에서는 사회 현상을 연구하는 이들이 과거 철학의 영역에서 다루었던 당위(ought to be done)의 문제에서 벗어나 자연과학과의 비교를 통해 그 방법론을 수용하는 과정을 살펴보았다. 우리의 한 학기 목표는 과학이라는 과학적 지식을 만들어내기 위한 논리, 규준 등의 방법론을 습득하여 과학적 지식을 생산해내는 것이다.

우리는 과학적 지식과 과학적 지식이 아닌 것을 구분할 수 있어야 한다. 이를 위해서는 과학적 지식의 특성에 대해 살펴볼 필요가 있다. 과학적 지식의 특성은 약 네 가지로 꼽아볼 수 있다.

현상에 대한 주관이 아닌 객관성(objectivity)을 가져야 한다.

나의 가치 즉, 주관은 타인의 것과 다를 수 있다. 과학적 지식은 개별인간이 아니라 일반화된 법칙을 만들어내는 것을 목적으로 한다. 객관성을 확보해야 과학적 지식이라고 할 수 있다. 그렇다면 객관성은 무엇인가? 있는 모습 그대로 전달하는 것을 말한다. 그러나 자연현상조차 있는 그대로 전달하기가 어려운데, 사회현상은 그보다도 더욱 난해하다. 사회과학은 이러한 사회현상 속에서 주관을 지닌 인간들의 행태 속에서 객관성을 확보해야 하는데, 이는 불가능에 가깝다.
결국, 사회과학에서는 객관성의 개념을 조금 다르게 받아들인다. 즉, 사회현상(different, diverse)은 참/거짓으로 단정지을 수 있는 문제가 아니기 때문에, 이러한 주관끼리의 충돌 상황에서 객관성을 확보하기 위해 대다수 사람들의 주관이 동의하는 상태, 상호주관성(inter-subjectivity)을 객관성으로 간주한다. 모든 이들이 동의하는 것은 완벽한 객관성을 확보했다고 할 수 있겠지만, 주관을 지닌 사람들이 그러한 결과를 도출하기는 어렵기 때문이다.
지식을 생산해내는 도구가 객관적일 때 객관적 지식과 과학적 지식이라고 했는데, 그렇다면 도구의 객관성은 어떻게 알 수 있을까? 과학은 절대적이지 않고 상대적이다. 언제든지 과학의 패권적 위치는 바뀔 수 있다. 현재의 대다수 과학자들이 경험과학의 방법과 논리에 대해 “합의”하였기 때문에, 우리는 결국 “도구의 논리”를 믿고 있다. 과학적 지식은 따라서 합의이다.

그 지식이 맞는지 틀리는지 알 수 있도록 만들어졌다는, 검증가능성(testability)이다.

우리는 그 현상이 가지는 특성을 구체적으로 만들어 놓아야 검증할 수 있다. 반대로 말하면 이는 언제든 틀릴 수 있는 가능성, 반증가능성(falsifiability)을 지니고 잇다는 것을 의미한다. 따라서 과학적 지식은 쉽게 부서진다, 아니 쉽게 부서져야 한다. 현재의 패권을 쥐고 있는 경험과학도 언제인가 새로운 과학적 패러다임의 등장으로 무너질 수 있다.
과학적 지식의 진보란 무엇인가? 토마스 쿤은 그것은 결코 “같은 방법으로, 같은 지식을 축적하는 것은 아니다”라고 말했다. 즉, 진보라 함은 기존의 것과는 다르게 생각하는 것(something new)을 말한다. 그리고 다르게 보기 위해서는 기존의 것을 알아야 한다.
우리는 무엇을 위해 과학적 지식을 만들어내는가? 이제 그 과학적 지식의 효용에 대해 답해볼 것이다. 다음의 식을 보자.

\[ X \rightarrow Y \]

X 때문에 Y가 나타난다는 것을 의미한다. 우리는 Y를 먼저 찾아야 한다. 기존의 이론들을 활용, 인용하는 것이 아닌, 내가 과학적 지식을 생산하기 위해서 일차적으로 “나는 무엇을 궁금해 하는가”의 질문에 답할 수 있어야 한다는 것이다. 예를 들어 뉴튼의 만유인력은 이제껏 당연하게 관찰만 하던 현상에 대해 의문을 가지게 되면서 답을 찾게 된 경우이다. 즉, 우리는 Y라는 결과현상, 연구 대상현상을 보아야 하고 바로 이것이 퍼즐(Puzzle)이다. 과학 행위는 결국 퍼즐풀기(puzzle-solving)라고 할 수 있다.
과학적 지식은 설명과 예측을 위해 만들어내는 것이다. 과학적 지식을 만들어내면 그것은 구체적 현상을 설명하고 예측함에 따라 우리가 정책적 처방을 내리는 것을 가능하게 한다. 예측의 실패는 과학적 지식이 틀린 것을 의미한다. 그러나 예측의 실패는 그 과학적 지식이 “틀린 과학적 지식”이라는 의미일 뿐이다. 반증가능성을 내재한 과학적 지식은 틀릴 수 있고, 틀려야만 한다. 우리는 예측이 틀렸을 경우 다른 변수의 개입 유무를 탐색함으로써, 범위를 좁히고 세련된 이론으로 재구성할 수 있다.

인과성(causality)과 인과관계의 추론(causal inference)

우리가 말하는 과학적 지식은 다음과 같은 X \(\rightarrow\) Y의 형태를 띠고 있다. X는 원인현상, 원인이며 Y는 결과현상이며 우리가 풀어야 하는 퍼즐이다. 우리는 우선적으로 이 퍼즐에 관심을 가져야 한다. 기본적으로 서술이 필요하다. 서술(description)은 이 현상이 어떻게 나타나며 그 속성은 무엇인지를 보여주는 기술이다. 대상을 모르는 상태로는 “비교”를 할 수 없다.

또한, 퍼즐을 만들기에 가장 중요한 것은 말 그대로 “모르는 것”을 퍼즐로 삼아야 한다는 것이다. 우리는 ’설명’하기 위해 과학적 지식을 만든다. 설명은 개별적이고 구체적 현상이 어떠한 보편적ㆍ일반적 현상의 사례임을 증명하는 작업, 연역하기이다. 우리가 만들어내는 과학적 지식은 ’일반법칙, 보편법칙’이다. 우리는 이것을 통해 예측을 시도하게 된다. 설명과 예측의 차이는 발현 순서이다. 설명은 Y가, 예측은 X가 먼저 나타난다. 그러나 둘 모두 과학적 지식, 이론적 도구를 바탕을 한다는 점에서 공통점을 지닌다.

그런데 종종 우리는 과학적 지식을 통한 예측에 실패할 때가 있다. 이때 우리는 과학적 지식에 특정한 조건을 부여하여 세련되게 지식을 재생산함으로써 과학적 지식을 되살릴 수 있다.

성립선행조건

성립조건은 내가 수행하는 연구의 범주를 정하는 것이다. 그 범주에는 시간적, 공간적인 것이 모두 포함된다. 예를 들어, 중국과 미국 등의 국가 단위 범주 혹은 민주화 이후, 밀레니엄 이후 등으로 공간ㆍ시간적으로 범주를 정하는 것이다. 그러나 범주설정에 있어서는 그 타당한(reasonable) 이유가 있어야 한다.

단정적 법칙은 단 하나의 예외 사례만 있어도 무너지는 이론이다. 반증가능성이 존재한다는 점에서 과학적 지식이기는 하지만 과연 우리 사회현상에서도 이러한 단정적 법칙을 만들 수 있을까? 사회의 인간은 모두 주관을 가지고 있다. 일반적으로 합목적적인(rational) 인간은 몫(payoff)의 분배를 보고 보다 이익이 보장되는 선택을 하게 된다. 그러나 사회현상에서는 단정적 법칙을 만들어내는 것이 힘들다. 기본적으로 몫의 책정에는 가치가 개입되기 때문이다.

서술 + 과학적 지식: 대상의 특성 \(\cdot\) 개요를 알고 과학적 지식으로 설명

사회현상에는 사람의 가치ㆍ주관이 규범화되어 있는 경우가 개별적으로 존재한다. 그러나 사회과학은 “대다수”의 사람들이 합의한 것(상호주관성, 합의성)을 통해 객관적인 것을 받아들인다. 따라서 단정적 지식은 성립되기 힘들다. 사회과학은 이러한 이유에서 서술할 때 표현을 “열어” 둔다. 확률적 통칙(probabilistic generalization)은 단정적 법칙과는 다른 것이다. 우리는 반증가능성을 내포하는 표현을 통해 우리의 과학적 지식을 구성해야 한다.

설명이 된다 하더라도 완벽하게 예측하지 못할 수도 있다. 우리가 예상하지 못하는 영향력 있는 오차 및 변수는 인간 사회에 무수히 많다. 우리는 모든 것을 알 수는 없다. 원인(causal)을 알아내고자 하지만 그 노력은 주요한 것들에 한정될 따름이다. 따라서 불완전한 예측/설명을 하고 있을 뿐이다. 우리는 여지를 가지고 그들 사이의 일관성을 찾아보고자 하는 것이다(부분적인 설명, 부분적인 예측). 그러나 아직은 불완전한 사회현상에 대한 예측과 분석일지라도 그것들은 유의미한 조력을 더할 것이다.

인과관계

우리는 결과(effect)의 원인(cause)을 찾아야 한다. 그런데 기본적으로 이 둘이 원인과 결과라는 “관계”인지를 알아보아야 한다. 결과의 원인인지, 아닌지 모르는 변수를 두고 우리는 그것과 결과의 관계를 규명해 내야 한다. 이것이 옳을 때, 인과관계(causality)가 성립한다.

가정(Asumption) vs. 가설(hypothesis)

가설은 검증하기 위한 것이고, 가정은 검증의 대상이 아니다.

\[ y = a + bx \]

위의 식에서 \(a\) 는 상수(constant)로 변하지 않는 수이고, \(b\) 는 기울기(slope)를 나타낸다. x는 변화하는 변인(variable)이다. 변하지 않으면 변인이 아니라 상수이다. y는 x에 따라 변화하므로 x에 종속된 변인, 종속변인(dependent variable)이며, x는 종속변인을 설명하는 변인, 설명변인(explanatory variable)이다. 또한 x와 y는 함께 변해야 한다(공변; covay). 그리고 x의 변화에 대해 y는 규칙적으로 변해야 한다. 즉, x와 y간 인과관계를 주장하기 위해서는 공변규칙성의 원리(principle of patterned covariance), 항상적 연계(constant conjunction)가 필요하다. 정리하자면,

Constant \(\rightarrow\) not causal
No Pattern \(\rightarrow\) not causal
우리의 목적은 확률적 통칙

퀴즈: “2주차 중 연구방법론, 서론 연구방법론의 과학적 위상, pp. 15-38 출제”

오늘의 강의 목표

과학적 지식(Scientific Knowledge)은 어떤 현상의 인과적 생성경로를 추적하는 설명의 작업에 필요한 도구적 지식이다. 과학적 지식의 근간을 이루는 ’이론’은 사실 (fact)의 정확한 복제가 아니라, 실제 현상을 설명하고 예측하기 위한 도구로서의 상징적 기제이다.
오늘의 강의를 통하여 이론이란 무엇이며, 과학적 이론이란 무엇인지에 대하여 살펴본다.