인터뷰 분석을 위한 새로운 문서 해석법

초록

본 논문은 HCI 분야에서 인터뷰 자료를 분석할 때 기존의 코딩 기반 방법과 차별화되는 ‘문서 해석법(DMI)’을 제시한다. DMI는 참여자의 자연언어 사용 능력만으로도 내재된 주제와 집단적 추론 구조를 도출할 수 있으며, 별도의 정성적 분석 전문지식이 필요하지 않다. 논문은 기존 방법론(내용 분석, 근거 이론, 현상학적 해석, 주제 분석)과 비교해 DMI의 절차적 특징과 장점을 설명하고, 실제 적용 예시를 통해 실무적 활용 가능성을 보여준다.

상세 분석

본 논문은 인터뷰 분석에 있어 ‘코딩’이라는 추상화 과정을 비판적으로 고찰한다. 저자는 코딩이 데이터 자체에 존재하지 않는 의미를 연구자가 부여하는 ‘이론적 행위’라고 주장하며, 이는 정성 연구가 본질적으로 이론에 종속된다는 전제를 재확인한다. 이러한 비판적 시각은 ‘문서 해석법(DMI)’이 제시하는 대안적 접근법의 필요성을 정당화한다. DMI는 인류학적 전통인 민족방법론에 뿌리를 두고, 참여자를 ‘자연언어의 숙련자’로 전제한다. 즉, 연구자는 별도의 코딩 체계나 범주 정의 없이, 인터뷰 대화 속에 자연스럽게 드러나는 질서성(orderliness)과 실천적 추론을 직접 인식한다.

핵심 절차는 다음과 같다. 첫째, 인터뷰 전체를 하나의 ‘문서’로 취급하고, 텍스트를 분할하지 않는다. 둘째, 발화자들이 공동으로 구축한 의미망을 탐색하면서, 발언 간의 연관성과 반복되는 논리적 구조를 식별한다. 셋째, 이러한 구조를 ‘내생적 주제(endogenous topics)’라 명명하고, 각 주제가 어떻게 집단적 사고와 행동 규범을 반영하는지를 서술한다. 이 과정에서 연구자는 ‘패턴 인식’이라는 인지적 메커니즘을 활용하며, 이는 기존의 코드‑기반 프레임과 달리 정량적 신뢰도 지표(예: 코더 간 일치도)를 요구하지 않는다.

논문은 DMI가 요구하는 전제조건을 명확히 한다. 참여자는 일상 언어 사용 능력이 충분히 발달돼 있어야 하며, 연구자는 인터뷰 상황을 ‘사회적 현상’으로 인식하고, 외재적 이론적 틀에 얽매이지 않아야 한다. 이러한 전제는 HCI 연구자들이 흔히 겪는 ‘코딩 훈련 비용’과 ‘이론적 편향’ 문제를 크게 경감시킨다. 또한, DMI는 인터뷰 자체를 하나의 의미 네트워크로 보아, 데이터 손실 없이 전체 맥락을 보존한다는 장점이 있다.

비판적 시각으로는, DMI가 연구자의 주관적 판단에 크게 의존한다는 점이다. ‘패턴 인식’ 과정이 명시적 코딩보다 투명성이 낮을 수 있으며, 재현성 검증이 어려울 수 있다. 저자는 이를 보완하기 위해 연구자 간 대화와 메타‑반성 과정을 권장하지만, 구체적인 검증 절차가 부족하다는 점은 향후 연구 과제로 남는다.

결론적으로, DMI는 HCI 인터뷰 분석에 새로운 패러다임을 제시하며, 특히 ‘자연언어 숙련도만 있으면 된다’는 접근은 실무 연구자들에게 큰 매력으로 다가온다. 그러나 방법론적 투명성과 재현성 확보를 위한 보완적 메커니즘이 추가될 필요가 있다.