class: center, middle, inverse, title-slide .title[ # 6. 연구설계 II: 이론과 가설, 방법 ] .subtitle[ ## 정치학연구방법론 ] .author[ ### 박상훈 (<a href="mailto:sh.park.poli@gmail.com" class="email">sh.park.poli@gmail.com</a>) ] .date[ ### 강원대학교 ] --- # 연구설계 II: 이론과 가설, 방법 ## Recap: 연구설계(Research Design) 연구설계는 학술적 탐구에서 연구 질문을 체계적으로 다루기 위한 핵심적 청사진 + 이를 통해 연구자는 문제 정의에서부터 자료 수집, 분석에 이르는 전체 과정을 논리적으로 구조화할 수 있음. + 연구설계는 연구 질문을 명확히 설정하고, 가설을 도출하며, 이를 검증하기 위한 방법론을 선택하도록 도움. + 또한 연구의 타당성과 신뢰도를 높이는 데 기여하며, 연구 활동 전반의 효율성을 극대화 -- + 정치학처럼 복잡한 사회적 현상을 다루는 사회과학 분야에서는 엄밀하고 신중한 설계가 필수적 + 결국 체계적 연구설계는 성공적인 학문적 기여를 위해 반드시 거쳐야 할 중요한 단계 --- # 연구설계 II: 이론과 가설, 방법 ## 이론과 가설 -- 이론 -- :현실 세계의 다양한 현상을 설명하고 예측하기 위한 추상적 틀 + 이론은 경험적 현상을 체계적으로 설명하고, 가설을 통해 예측 가능성을 높이는 개념적 도구 + 명제(proposition)와 선행조건(initial conditions)을 결합해 특정 현상이 발생하는 메커니즘을 논리적으로 제시 -- 가설 -- : 이론에서 도출된 검증 가능한 진술 -- + 연구설계에서 이론은 연구 문제가 놓인 맥락과 기초 가정을 제시, 가설은 이를 구체적 주장으로 나타냄. --- # 연구설계 II: 이론과 가설, 방법 ## 이론 사회과학에서 이론은 결코 ‘완결된 진리’가 아니며, 검증과 반증 가능성을 전제로 함, + 이런 잠정적 특성 때문에 이론은 계속해서 수정 및 보완되면서 발전 + 복잡한 현실 세계를 이해하기 위한 ‘지도’ 역할을 하며, 연구자가 문제를 구조화하고 가설을 도출하도록 이끔. --- # 연구설계 II: 이론과 가설, 방법 ## 가설 이론에서 추출된, 경험적 검증이 가능한 명제 + "교육 수준이 높을수록 정치 참여가 증가한다"처럼 구체적이고 관찰 가능한 형태 + 이론의 핵심 기제(mechanism)를 현실에서 확인하는 도구 + 가설이 검증 과정을 거쳐 일관된 지지를 받으면 점차 이론의 지위를 얻게 되지만, 반례가 발견되면 수정 또는 폐기가 불가피 --- # 연구설계 II: 이론과 가설, 방법 ## 왜 중요하지? 이론과 가설이 연구설계에서 중요한 이유는 ‘무엇을 어떻게 측정할 것인가’를 안내하기 때문 + 가설이 없으면 연구자가 어떤 변수를 수집해야 하는지 막연해짐. + 이론 없이 가설을 제시하면 그 배경과 정당성이 부족해짐. -- 정치학 연구에서 -- + 이론은 종종 행위자의 동기나 구조적 제약을 설명하는 '큰 그림'을 제시 + 가설은 특정 조건이 주어졌을 때 어떤 결과가 나타날지 설명 -- 이론과 가설은 서로 보완하면서, 연구 방향을 구체화 --- # 연구설계 II: 이론과 가설, 방법 ## 왜 중요하지? 가설은 반드시 **검증 가능성**을 전제 + '민주주의는 무조건 선하다' 같은 문장은 도덕적 선언일 수 있지만, 경험적으로 어떻게 입증할지 모호 + 반면 '민주주의 체제일수록 국민 소득 수준이 향상된다'는 가설은 경제 지표와 정치체제에 관련된 데이터를 통해 검증가능 -- 이렇게 측정 기준과 검증 방법이 명확해야 가설의 진위 여부를 평가할 수 있음. 정치학에서는 복잡한 변수가 많아 완벽한 검증이 어려울 수 있으나, 가능한 한 엄밀한 자료와 절차를 마련해 합리적으로 접근해야 함. --- # 연구설계 II: 이론과 가설, 방법 ## 왜 중요하지? 사회과학에서 이론은 영구적으로 확정되지 않으며, 가설 검증 결과에 따라 지속적으로 수정됨. + 예를 들어 어떤 선행연구가 다수의 경험적 지지를 받아 이론으로 자리 잡았어도, 새로운 데이터나 방법론으로 반례가 발견되면 이론이 변형될 수 있음. + '반증 가능성'이야말로 과학적 탐구의 핵심 특징 + 과학적 이론은 결코 완전무결한 진리가 아니며, 더 나은 설명력이 제시되면 교체될 수 있음. + 연구자는 가설 검증 과정에서 '어떤 결과도 수용할 준비가 되어 있어야 한다'는 태도를 견지 --- # 연구설계 II: 이론과 가설, 방법 ## 이론과 가설 예측 정확도를 과도하게 강조하는 태도에 대한 비판 (Clarke & Primo, 2012) -- + 이론 모델이 주는 통찰과 다양한 상황에서의 적용 가능성을 강조 + 모델이 현실을 완벽히 재현하지 못해도, 주요 변수와 인과관계를 명확히 부각해 준다면 이론적으로 의미가 있음. + 예를 들어 투표행태 모형이 실제 투표율을 정확히 맞히지 못하더라도, 유권자 동기나 제도적 요인을 체계적으로 정리해 연구자가 더 발전된 가설을 만들 수 있도록 돕는 것 + 그러므로 이론의 가치는 '유용성'에도 있음. --- # 연구설계 II: 이론과 가설, 방법 ## 가설의 검증 반사실적(counterfactual) 접근 + "만약 어떤 사건이 없었다면 결과가 달라졌을까?" 같은 가정을 통해, 실제로 작동한 인과기제를 도출하려는 시도 + 예컨대 특정 동맹이 없었다면 전쟁이 발생했을지 따져 보는 방식 -- 이때 섣불리 주관적 판단에 빠지지 않도록, 현실 자료와 역사적 증거를 꼼꼼히 대조해야 함. -- + 반사실적 사고는 이미 일어난 사건이므로 실험이 불가능한 정치현상에서 특히 유용 -- 한편, 대안적 가설이 나오면, 기존 이론도 재검토되어야 하고, 더 풍부한 설명으로 개선될 필요 (Ostrom 1998) --- # 연구설계 II: 이론과 가설, 방법 ## 그렇다면 사례 연구는? 특정 사건이나 집단을 심층 분석하면, 양적 연구로는 발견하기 어려운 메커니즘을 파악할 수 있음 (Gerring 2004). + 이 과정에서 새로운 가설이 도출되거나, 기존 이론의 취약점이 드러날 수 있음. + 비록 사례연구가 일반화에 취약하다는 비판이 있어도, 적절한 사례 선정과 비교를 통하면 인과적 과정에 대한 정밀한 통찰을 얻을 수 있음. --- # 연구설계 II: 이론과 가설, 방법 ## 그렇다면 사례 연구는? 정치학에서 일반이론을 추구하는 목적과 한계 (Hill 2012) -- + 보편적 법칙을 찾으려는 시도는 다양한 맥락에서 적용 가능한 지식을 제공하지만, 각 사회, 문화의 독특성을 무시한다는 우려 -- + 물론 일각에서는 완벽한 보편성을 즉시 얻기는 어렵더라도, 비교연구와 반복적 검증을 통해 점진적으로 이론을 확장해야 한다고 주장 + 이는 궁극적으로 다양한 사례와 맥락을 포괄하며 더 높은 수준의 이론화를 가능케 하기 때문이라는 주장 -- + 하지만 일반이론을 지향하되, 현실의 복잡성도 존중해야 할 필요 --- # 연구설계 II: 이론과 가설, 방법 ## 이론과 가설의 검증 검증에는 다양한 방식이 사용되지만, 공통적으로 요구되는 것은 '**자료 기반의 엄밀성**' + 표본 추출(sampling), 조사 설계, 분석 방법 등을 적절히 활용해 가설의 성립 여부를 평가해야 함. + 단순히 가설을 세우고 주장만 하는 것이 아니라, 신뢰성 있고 타당한 자료에 근거해야 '과학적'이라고 말할 수 있음. 예컨대 투표율 가설을 검증하려면 인구 통계, 선거 자료, 여론조사 등 구체적인 데이터를 체계적으로 수집·분석해야 한다. 이것이 곧 연구설계 전체에서 이론과 가설이 빛을 발하는 핵심 과정이다. 여기에 대한 의견이 있으신가요? --- # 연구설계 II: 이론과 가설, 방법 ## 표본 추출 표본 추출을 잘못하면 아무리 이론과 가설이 훌륭해도 왜곡된 결론이 나올 수 있음. + 예를 들어 특정 지역이나 특정 집단만 과도하게 대표되는 표본을 사용하면, 그 결과를 전체 모집단에 일반화하기 어려워짐. -- + 따라서 연구자는 이론적 가정과 연구 목적에 맞춰, 표본 선정 방법을 신중히 결정해야 함. -- 정치학 연구에서 대표성 확보는 특히 중요 --- # 연구설계 II: 이론과 가설, 방법 ## 표본 추출 ### 표본(smaple)과 표집(sampling) 표집(sampling)은 모집단 전체를 대표할 수 있는 일부 사례들을 선택하는 과정 + 모집단은 '해당 연구 주제와 관련된 모든 대상'을 의미 + 표본은 그중 실제로 관측, 조사하는 일부분 -- + 예컨대 "유권자 태도"를 연구한다면, 모집단은 전체 유권자이고, 그중 일정 수를 뽑아 설문조사를 실시 -- + 정확한 표본을 얻으려면, 우선 연구 범위와 주요 특성을 파악해야 함. + 이를테면 지역, 연령, 성별 등 다양한 변수를 고려해 대표성을 높이는 표본을 구성해야 함. -- 그렇지 않으면 결론이 왜곡될 위험이 큼. --- # 연구설계 II: 이론과 가설, 방법 ## 모집단(population) 모집단(population)은 연구자가 일반화하고 싶은 대상 전체 + 예를 들어 "한국 유권자"가 모집단이라면, 이 범주에 속하는 모든 성인 국민이 포함됨. + 그러나 실제로는 모집단 규모가 방대해 전체를 모두 조사하기 어려움. + 그래서 '표본'을 통해 모집단 특성을 추론 + 여기서 중요한 전제는 "표본이 모집단을 충분히 대표한다"는 것 + 만약 특정 계층이 과다 혹은 과소 대표되면, 얻어진 결과가 모집단 전반에는 적용될 수 없음. 그러므로 모집단 정의와 표본 설계는 긴밀히 연결됨. --- # 연구설계 II: 이론과 가설, 방법 ## 모집단과 표본 대표성(representativeness) -- : 표본이 모집단의 주요 특징들을 제대로 반영하는 정도 -- 정치학 연구에서 대표성이 떨어지면, 예를 들어 ‘정권 지지율’이나 ‘정치 신뢰도’ 등 핵심 지표를 왜곡된 값으로 추정할 수 있음. + 결국 잘못된 결론이 나오고, 이후 정책 제안이나 이론 발전에도 오류가 누적 + 대표성을 보장하기 위해서는 모집단의 다양한 분포(예: 지역, 성별, 소득 계층 등)를 고려해 표본을 구성해야 함. -- 확률적 표집 기법이 이를 달성하는 유력한 수단 --- # 연구설계 II: 이론과 가설, 방법 ## 확률적 표집 확률적 표집(probability sampling) -- : 모집단 내 각 사례가 일정 확률로 뽑히도록 설계하는 방법 -- 무작위성(randomness)이 확보되어, 통계적으로 대표성을 추정할 수 있음. -- + 확률적 표집 방식에는 단순무작위 표집, 체계적 표집, 층화표집, 군집표집 등 + 확률적 표집의 장점은 오차 범위나 신뢰 수준을 계산 가능하다는 것 + 정치학 연구에서 대규모 여론조사나 선거 예측 시 확률적 표집이 많이 사용되며, 결과 해석 시 '표본오차 `\(\pm X \%p\)`’ 형태로 제시되는 이유 --- # 연구설계 II: 이론과 가설, 방법 ## 확률적 표집 ### 단순무작위 표집(simple random sampling) 대표성을 확보하는 가장 기본적이지만 강력한 방식 모집단의 모든 사례가 동일한 확률로 표본에 뽑히도록 설정 + 예를 들어 유권자 명부가 있다면, 거기서 무작위로 일정 수를 추첨 + 이 방식은 편향을 최소화하지만, 전제 조건이 까다로움. -- + 예컨대 모집단 명부를 정확히 확보해야 하며, 무작위 절차가 철저히 지켜져야 함. 그래야 각 사례가 뽑힐 확률이 동등해짐. + 단순무작위 표집은 이해하기 쉽지만, 실제 연구현장에서는 비용과 자료수집 문제가 있을 수 있음. --- # 연구설계 II: 이론과 가설, 방법 ## 확률적 표집 ### 체계적 표집(systematic sampling) 일정한 간격(k번째)으로 사례를 추출하는 방법 + 예를 들어 유권자 명부를 무작위로 섞은 뒤, 첫 번째 대상에서 시작해 k번째마다 추출 + 이 방법은 단순무작위 표집처럼 동일 확률을 부여하면서도, 실제 추출 과정을 단순화 -- 다만 명부 자체에 어떤 규칙적 패턴이 있으면(예: 가나다 순으로 몰린 지역), 표본이 편향될 가능성이 존재 따라서 체계적 표집을 적용할 때는 명부가 무작위 배열에 가깝도록 확인해야 함. --- # 연구설계 II: 이론과 가설, 방법 ## 확률적 표집 ### 층화표집(stratified sampling) 모집단 내 하위집단(층, strata)이 존재할 때, 각 층이 표본에 적절히 반영되도록 분할한 뒤 무작위 추출을 수행하는 방식 + 예컨대 전국 성인 인구를 학력, 소득, 지역 등으로 층화하고, 각 층에서 비례할당으로 무작위 표집하면 대표성이 향상 + 이 방법은 특히 정치 여론조사에서 자주 사용 + 예를 들어 수도권, 비수도권, 남성, 여성, 연령대별 분포가 실제 인구 비율에 맞춰 표본에 반영될 수 있으므로, 추정의 정확도가 높아짐. --- # 연구설계 II: 이론과 가설, 방법 ## 확률적 표집 ### 군집표집(cluster sampling) 모집단 명부가 없거나, 지리적으로 광범위해 일일이 무작위 표집하기 어려울 때 사용 + 먼저 큰 단위(예: 지역구, 도시)를 무작위로 뽑고, 그 안에서 더 작은 단위를 무작위로 뽑는 식으로 단계적으로 좁혀감. + 예를 들어 전국 시도를 무작위로 선택한 뒤, 해당 시도 내 시군구를 또 무작위로 추출하고, 최종적으로 거주민 명단에서 표본을 뽑는 식 -- 군집표집은 현장조사 비용을 줄이는 장점이 있지만, 표집오차가 커질 수 있어 충분한 군집과 계층화를 병행해야 함. --- # 연구설계 II: 이론과 가설, 방법 ## 비확률적 표집(non-probability sampling) 모집단 내 각 사례가 뽑힐 확률을 엄밀하게 통제하지 않는 방식 -- + 편의표집, 판단(판정)표집, 할당표집 등 + 이 방법들은 주로 예비연구나 초기 탐색 목적으로 사용되며, 대표성 추정이 어렵다는 단점 + 그럼에도 연구자가 접근 가능한 자료나 참여자를 신속하게 확보할 수 있어, 시간, 비용 제약이 심할 때 활용될 수 있음. -- 정치학에서는 규모가 작은 탐색연구나 파일럿 스터디, 특정 전문가 집단 분석 등에서 비확률적 표집이 종종 선택 --- # 연구설계 II: 이론과 가설, 방법 ## 비확률적 표집 ### 편의표집(convenience sampling) 연구자의 편의에 따라 쉽게 접근할 수 있는 사례들로 구성되는 방법 + 예를 들어 주변 지인이나 대학 캠퍼스 학생들을 대상으로 간단히 설문조사하는 방식 + 빠르고 저렴하다는 장점이 있지만, 모집단 대표성과는 거리가 멀어 일반화가 어려워짐. + 따라서 편의표집은 주로 설문 문항의 타당성 확인 등 예비 단계에서 활용되며, 본격적인 연구결과로 일반화하기에는 무리가 있음. + 정치학처럼 다양한 인구집단을 다뤄야 하는 경우, 편의표집의 한계를 명확히 인지해야 함. --- # 연구설계 II: 이론과 가설, 방법 ## 비확률적 표집 ### 판정표집(judgemental sampling) 연구자가 "이 사례들은 특별한 통찰을 줄 것이다"라고 판단해 주관적으로 선별하는 방식 + 예컨대 정치 참여가 높은 활동가 그룹을 골라서 심층 인터뷰를 진행하는 식 -- 연구자의 전문성이 높다면 유의미한 사례를 골라 풍부한 정보를 얻을 수 있지만, 표본 편향이 발생할 위험이 큼. + 따라서 이 방법은 대표성 있는 결론을 내기보다는, 특정 현상을 심층적으로 이해하는 목적에 적합 + 정치학에서 특정 국가나 지역의 극단 사례를 분석할 때도 종종 사용 --- # 연구설계 II: 이론과 가설, 방법 ## 비확률적 표집 ### 할당표집(quota sampling) 모집단의 인구학적 분포(예: 성별, 연령대 등)에 맞춰 표본 할당량을 미리 정해둔 뒤, 연구자가 임의로 대상자를 채우는 방식 + 예컨대 "남성 50%, 여성 50%"라는 쿼터에 맞춰 적당한 응답자를 골라 조사 + 이론상 층화표집과 유사해 보이지만, 표본 추출 과정에 무작위성을 엄격히 도입하지 않음. -- 그러므로 실제 결과가 모집단을 온전히 대표한다고 보장하기 힘듦. 다만 빠르게 목표 구성비를 맞출 수 있어 상업적 여론조사에서 종종 이용되기도 함. --- # 연구설계 II: 이론과 가설, 방법 ## 표집오차(sampling error) 표본 규모를 결정하는 핵심 요인 + 표집오차란 표본 특성이 모집단 전체의 참값(true value)과 어느 정도 차이가 나는지를 의미 + 일반적으로 표본 크기가 커질수록 표집오차는 감소하지만, 그에 따른 조사 비용과 시간도 증가 + 연구자가 용인할 수 있는 오차 범위(예: `\(\pm\)` 3%)와 신뢰수준(예: 95%)이 있으면, 통계 공식을 통해 필요한 최소 표본 크기를 산출할 수 있음. --- # 연구설계 II: 이론과 가설, 방법 ## 표집오차(sampling error) 표집오차를 계산할 때는 보통 모집단 비율 p를 0.5로 가정 + 이때 p(1-p)가 최대치가 되어 필요한 표본 크기가 가장 크게 산출 + 예를 들어 95% 신뢰수준(Z=1.96 근사)에서 `\(\pm\)` 5% 오차를 허용하려면 약 400명, `\(\pm\)` 3% 오차를 허용하려면 약 1,100명 정도가 필요하다는 계산 -- 실제 연구에서는 모집단의 이질성, 예산, 시간 등을 고려해 현실적으로 표본 수를 결정 -- 이론적으로는 표본이 많을수록 정확해지지만, 자원의 한계를 감안해 적정선을 찾는 것이 중요 --- # 연구설계 II: 이론과 가설, 방법 ## 표본 크기, 신뢰수준, 그리고 대표성 신뢰수준을 높이고 오차범위를 줄이려면 당연히 표본 크기를 확대해야 함. -- 그러나 아주 큰 표본도, 추출 과정에서 특정 계층이나 지역을 소홀히 다루면 대표성이 떨어질 수 있음. + 즉, 표본 수가 많은 것만으로는 충분치 않고, 표집 방법 자체가 적절해야 함. -- 따라서 연구 설계 단계에서 "얼마나 정확한 결과를 원하는가?", "어떤 방식으로 표본을 뽑을 것인가?"를 종합적으로 고민해야 함. --- # 연구설계 II: 이론과 가설, 방법 ## 표본 크기, 신뢰수준, 그리고 대표성 표본 설계 단계에서 가장 중요한 과제 중 하나는 오류를 최소화하는 것 + 표본추출 과정의 편향(selection bias), 조사대상자의 무응답(non-response bias), 측정도구의 문제 등이 모두 결과에 영향 + 예컨대 특정 정치성향 집단이 응답을 기피한다면, 결과가 편중될 수 있음. 이를 해결하기 위해 연구자는 여러 보완책을 마련 + 무작위 표집 준수, 층화, 가중치 조정, 반복 추적 조사 등 다양한 기법을 사용해 대표성 왜곡을 줄이려 노력 --- # 연구설계 II: 이론과 가설, 방법 ## 표본 크기, 신뢰수준, 그리고 대표성 연구윤리 측면에서도 표본 추출은 중요 + 설문조사나 인터뷰를 진행할 때, 개인정보나 민감 정보가 유출되지 않도록 주의해야 하며, 동의 절차와 비밀 보장이 필수적 + 또한 특정 집단만 계속해서 조사 대상이 되거나, 연구 편의를 위해 소외 계층을 배제하는 행위는 윤리적 문제를 야기 + 정치학 연구가 궁극적으로 공익과 학문 발전을 추구한다면, 표본 추출 과정에서도 공정성과 투명성을 지켜야 함. + 이를 위해 IRB(기관윤리심의위원회) 검토나, 사전에 충분한 정보 제공을 통한 동의 절차 확보가 중요 --- # 연구설계 II: 이론과 가설, 방법 ## 표본 크기, 신뢰수준, 그리고 대표성 결국 이론과 가설이 제시하는 요인을 검증하기 위해서는, 적절한 표본 추출이 뒤따라야 함. -- + "교육 수준이 높을수록 투표율이 높아진다"는 가설을 세웠다면, 교육 수준이 다양한 응답자를 골고루 뽑아야 유효한 결론을 얻을 수 있다. + 이론 모델은 현실을 단순화한 도구이고, 표본 추출은 그 모델을 실증하는 연결고리 + 만약 샘플링이 부실하다면, 고안된 이론과 가설 역시 '보편 타당한 설명력'을 확보하기 어려움. --- # 연구설계 II: 이론과 가설, 방법 ## 나가며 이론과 가설은 연구에서 '무엇을' 검증할지 설정해 주고, 표본 추출과 모집단 대표성은 '어떻게' 검증할지를 구체화 정치학은 복잡한 현상을 다루는 만큼, 이론적 가정과 실증적 기법이 조화를 이뤄야 일관성 있는 결론을 도출할 수 있음. --- class: center, middle background-image: url("knu_wide.png") background-size: 300px background-position: 11% 15% # 감사합니다! ## 궁금한 것이 있으면 언제든 연락하세요. 강사 연락처 | 연락처 | 박상훈 | | :-----------------------------------------------: | :--------------------------------------------------: | | <svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M440 6.5L24 246.4c-34.4 19.9-31.1 70.8 5.7 85.9L144 379.6V464c0 46.4 59.2 65.5 86.6 28.6l43.8-59.1 111.9 46.2c5.9 2.4 12.1 3.6 18.3 3.6 8.2 0 16.3-2.1 23.6-6.2 12.8-7.2 21.6-20 23.9-34.5l59.4-387.2c6.1-40.1-36.9-68.8-71.5-48.9zM192 464v-64.6l36.6 15.1L192 464zm212.6-28.7l-153.8-63.5L391 169.5c10.7-15.5-9.5-33.5-23.7-21.2L155.8 332.6 48 288 464 48l-59.4 387.3z"></path></svg> | [sh.park.poli@gmail.com](sh.park.poli@gmail.com) | | <svg viewBox="0 0 576 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M528 32H48C21.5 32 0 53.5 0 80v352c0 26.5 21.5 48 48 48h480c26.5 0 48-21.5 48-48V80c0-26.5-21.5-48-48-48zm0 400H303.2c.9-4.5.8 3.6.8-22.4 0-31.8-30.1-57.6-67.2-57.6-10.8 0-18.7 8-44.8 8-26.9 0-33.4-8-44.8-8-37.1 0-67.2 25.8-67.2 57.6 0 26-.2 17.9.8 22.4H48V144h480v288zm-168-80h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm0-64h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm0-64h112c4.4 0 8-3.6 8-8v-16c0-4.4-3.6-8-8-8H360c-4.4 0-8 3.6-8 8v16c0 4.4 3.6 8 8 8zm-168 96c35.3 0 64-28.7 64-64s-28.7-64-64-64-64 28.7-64 64 28.7 64 64 64z"></path></svg> | [sanghoon-park.com/](https://www.sanghoon-park.com/) | | <svg viewBox="0 0 448 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg"> <path d="M128 148v-40c0-6.6 5.4-12 12-12h40c6.6 0 12 5.4 12 12v40c0 6.6-5.4 12-12 12h-40c-6.6 0-12-5.4-12-12zm140 12h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm-128 96h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm128 0h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm-76 84v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12h40c6.6 0 12-5.4 12-12zm76 12h40c6.6 0 12-5.4 12-12v-40c0-6.6-5.4-12-12-12h-40c-6.6 0-12 5.4-12 12v40c0 6.6 5.4 12 12 12zm180 124v36H0v-36c0-6.6 5.4-12 12-12h19.5V24c0-13.3 10.7-24 24-24h337c13.3 0 24 10.7 24 24v440H436c6.6 0 12 5.4 12 12zM79.5 463H192v-67c0-6.6 5.4-12 12-12h40c6.6 0 12 5.4 12 12v67h112.5V49L80 48l-.5 415z"></path></svg> | 영상바이오관 405 |